Vì sao N Day Retention là chỉ số quan trọng đối với Mobile Game
Tỷ lệ người dùng quay lại là một chỉ số đo lường chính cho các mobile game. Giám đốc điều hành GoPractice, Oleg Yakubenkov giải thích về N Day Retention và cách chỉ số này áp dụng cho ngành công nghiệp game như sau: Tỷ lệ giữ chân là một trong những thước đo cơ bản trong quản lý sản phẩm. Tất cả chúng ta đều sử dụng chỉ số này thường xuyên, nhưng ít người trong chúng ta biết rằng có nhiều cách khác nhau để tính tỷ lệ giữ chân người dùng. Tuy nhiên, khi nói đến việc đo lường hiệu suất của mobile game, bạn nên sử dụng dữ liệu N Day Retention.
Hãy bắt đầu với câu chuyện sau. Zeptolab (một công ty phát triển game nổi tiếng chịu trách nhiệm cho Cut the Rope, King of Thieves và CATS) nhận được email từ một studio phát triển game muốn công ty xuất bản game của họ. Mặc dù Zeptolab đã quen với việc nhận những loại email này, nhưng email đó lại khiến họ chú ý. Zeptolab đã ấn tượng bởi các chỉ số của game chỉ vừa mới ra mắt gần đây. Theo các nhà phát triển, tỷ lệ giữ chân người chơi trong Ngày 1 là hơn 55% và tỷ lệ giữ chân Ngày 7 là hơn 25%.
Tuy nhiên, khi bắt đầu chơi và thử nghiệm trò chơi, Zeptolab nhận thấy có sự mâu thuẫn: lối chơi không đủ hấp dẫn để biện minh cho tỷ lệ giữ chân Ngày 1 lớn hơn 55%. Dựa trên linh cảm, Zeptolab đã điều tra thêm. Hóa ra, các chỉ số được cung cấp cho Zeptolab thực sự thể hiện tỷ lệ giữ chân không giới hạn - unbounded retention (hoặc tỷ lệ giữ chân luân phiên). Các chỉ số N Day retention cổ điển của game hoá ra lại không mấy ấn tượng.
N Day Retention là gì?
Tỷ lệ N Day Retention cho biết phần trăm người dùng quay lại app vào một ngày cụ thể sau lần truy cập đầu tiên của họ. Ví dụ: nếu tỷ lệ giữ chân của Ngày thứ 2 (Day 2 Retention) là 50%, điều đó có nghĩa là 50% người dùng mới đã khởi chạy app vào ngày thứ 2.
Để so sánh, tỷ lệ giữ chân không bị giới hạn - Unbounded/Rolling retention (luân phiên) đo lường tỷ lệ phần trăm người dùng quay lại app vào một ngày cụ thể hoặc bất kỳ ngày nào sau đó. Nếu Unbounded Retention của Ngày thứ 2 là 50%, điều đó có nghĩa là 50% người dùng mới đã quay lại app vào ngày thứ 2 hoặc sau đó.
So sánh giữa N Day Retention và Unbounded Retention
Trên biểu đồ sau đây, bạn có thể thấy tỷ lệ N Day Retention so với Unbounded Retention cho cùng một mobile app như thế nào.
Hãy xem xét kỹ hơn sự khác biệt giữa tỷ lệ giữ chân cổ điển và không giới hạn của Ngày 1.
-
Tỷ lệ giữ chân của ngày đầu tiên là 43%, có nghĩa là 43% người dùng mới đã khởi chạy app vào ngày đầu tiên sau khi họ bắt đầu sử dụng app.
-
Đồng thời, tỷ lệ giữ chân không bị giới hạn của Ngày 1 là 59%, có nghĩa là 59% người dùng mới đã khởi chạy app vào ngày 1 hoặc sau đó.
Khi nào nên sử dụng N Day Retention
Với N Day Retention, bạn biết chính xác phần trăm người dùng đã quay lại app vào thời điểm N ngày trôi qua kể từ lần khởi chạy đầu tiên. Đối với các app sử dụng hàng ngày chẳng hạn như mobile game - N Day Retention là một chỉ số hữu ích hơn nhiều so với Unbounded Retention vì nó hoạt động tốt hơn trong việc hiển thị người dùng hoạt động hàng ngày.
Điều đó không có nghĩa là N Day Retention luôn là phương pháp đo lường tỷ lệ duy trì tốt nhất. Dựa trên từng trường hợp sử dụng, một tương tác thành công với một sản phẩm có thể là khi người dùng quay lại 30 ngày một lần trong một khoảng thời gian dài. Ví dụ: nếu bạn đang phát triển một app thanh toán tiền thuê thiết bị mobile, bạn có thể có ý định để người dùng chỉ tương tác với app của bạn mỗi tháng một lần để thanh toán. Trong trường hợp này, tỷ lệ unbounded retention sẽ hữu ích hơn so với tỷ lệ N Day Retention.
Tính N Day Retention theo 24 giờ và Ngày trên lịch
Ngoài sự khác biệt giữa N Day retention và unbounded retention, hiểu rõ điểm khác biệt giữa việc tính tỷ lệ N Day Retention với 24 giờ hoặc các ngày theo lịch cũng rất quan trọng. Giá trị của N Day Retention có thể thay đổi đáng kể tùy thuộc vào phương pháp bạn sử dụng để tính toán.
Khi tỷ lệ giữ chân được tính theo 24 giờ, biểu đồ tỷ lệ giữ chân sẽ đo lường từng người dùng trong vòng 24 giờ luân phiên của riêng họ, trong đó Ngày 0 tính từ thời điểm chính xác của sự kiện đầu tiên (thường là lần đầu tiên người dùng khởi chạy app) cho đến 24 giờ sau đó. Ngày 1 kéo dài từ giờ 24-48...
Giả sử bạn tính toán tỷ lệ giữ chân theo 24 giờ và tỷ lệ giữ chân Ngày 1 là 10%. Điều này có nghĩa là, ví dụ trong số 1.000 người dùng, 100 người đã quay lại và kích hoạt một số sự kiện từ giờ thứ 24 đến giờ thứ 48 sau hành động bắt đầu tương ứng của họ (ví dụ: Người dùng X đã khởi chạy app lần đầu tiên vào thứ Ba lúc 4 giờ chiều và sau đó mở lại app vào khoảng giữa thứ Tư lúc 4:00 chiều và thứ Năm lúc 4:00 chiều).
Khi tỷ lệ giữ chân được tính theo ngày trên lịch, biểu đồ tỷ lệ giữ chân sẽ đo lường từng người dùng dựa trên ngày thực tế. Điều này có nghĩa là nếu người dùng khởi chạy app lần đầu tiên vào ngày 1 tháng 10 lúc 11 giờ đêm, thì ngày 1 của họ sẽ là ngày 2 tháng 10, mặc dù ngày 0 của họ kéo dài không quá một giờ (từ 11 giờ đêm đến 12 giờ hay 00 giờ sáng).
Trên biểu đồ bên dưới, bạn có thể thấy tỷ lệ giữ chân theo 24 giờ và ngày cho cùng một app được ví dụ ở trên, khi so sánh tỷ lệ giữ chân cổ điển và luân phiên.
Đây là lý do tại sao có sự khác biệt lớn về tỷ lệ giữ chân người dùng trong Ngày 1: Hãy tưởng tượng một người dùng khởi chạy app lần đầu tiên lúc 11:50 tối vào ngày 1 tháng 10. Người dùng sau đó khởi chạy lại app 20 phút sau, vào lúc 12:10 sáng ngày 2 tháng 10. Sau đó người dùng không bao giờ quay lại app.
Trong trường hợp này, nếu bạn đang tính tỷ lệ giữ chân dựa trên ngày theo lịch thì người dùng sẽ được coi là "trở lại" vào Ngày 1. Nhưng nếu bạn đang sử dụng định dạng 24 giờ, thì người dùng sẽ không được tính đến trong báo cáo tỷ lệ giữ chân ngày 1. Vì vậy, họ sẽ phải mở app trong khoảng thời gian từ ngày 2 tháng 10 lúc 11:50 tối và ngày 3 tháng 10 lúc 11:50 tối, khoảng thời gian 24-48 giờ sau sự kiện đầu tiên của họ.
Những trường hợp như thế này, người dùng khởi chạy app lần đầu tiên trước nửa đêm và khởi chạy lại vào ngày hôm sau trước khi hết hạn 24 giờ đầu tiên, giải thích sự khác biệt giữa hai cách tính tỷ lệ N Day retention này.
Tại sao cách tính tỷ lệ giữ chân lại quan trọng?
Mọi người thường sử dụng chỉ số tỷ lệ giữ chân để so sánh các sản phẩm với nhau hoặc để so sánh sản phẩm của mình với điểm chuẩn. Đó là cách mọi người hiểu những con số mà mình thấy và giúp bạn biết liệu tỷ lệ giữ chân của app có cao hay không.
Giả sử bạn đang làm một mobile game thông thường, nhắm mục tiêu đến đối tượng thị trường đại chúng, rộng lớn. Bạn khởi chạy phiên bản đầu tiên của game. Sau một vài ngày, bạn tính toán tỷ lệ giữ chân Ngày 1. Kết quả là 32%, và bạn không biết liệu có tốt hay không. Mặc dù bạn có thể tìm thấy các điểm chuẩn trực tuyến, nhưng bạn phải lưu ý rằng những điểm chuẩn đó có thể báo cáo tỷ lệ giữ chân bằng ngày thay vì 24 giờ. Nếu bạn đưa ra quyết định dựa trên điểm chuẩn bắt nguồn từ cách tính ngày theo lịch, trong khi bạn tính toán tỷ lệ giữ chân dựa trên thời lượng 24 giờ, bạn có thể sẽ đưa ra các quyết định sai.
Phương pháp nào tính N Day Retention tốt nhất?
Không có giải pháp chung để tính toán N Day Retention cho tất cả. Việc tính toán tỷ lệ giữ chân người dùng dựa trên khoảng thời gian 24 giờ sẽ cung cấp cho bạn câu trả lời chính xác hơn cho câu hỏi “Tỷ lệ người dùng quay lại vào Ngày N là bao nhiêu?” Tuy nhiên, sẽ mất nhiều thời gian hơn để có được dữ liệu này khi bạn tính toán tỷ lệ giữ chân theo 24 giờ. Đối với những người dùng đã khởi chạy app lần đầu tiên vào một ngày cụ thể, bạn sẽ chỉ nhận được tỷ lệ giữ chân Ngày 1 sau hai ngày (48 giờ). Ngược lại, khi bạn tính tỷ lệ giữ chân theo ngày trên lịch, sẽ chỉ mất 24 giờ để có được tỷ lệ giữ chân Ngày 1.
Vì vậy nếu sử dụng tỷ lệ giữ chân được tính theo ngày lịch sẽ cho dữ liệu nhanh hơn. Ví dụ: đối với phân tích marketing, khi bạn phải tính toán chi phí quảng cáo mỗi ngày, việc sử dụng định dạng ngày theo lịch sẽ giúp bạn tránh chi thêm tiền cho một chiến dịch hoạt động kém. Nếu bạn có đủ thời gian để đợi, nên tính toán tỷ lệ giữ chân theo 24 giờ.
Nói chung, bạn có thể chọn những gì bạn thích. Miễn là bạn biết chính xác những gì được tính toán, từ đó có cơ sở để đưa ra kết luận chính xác dựa trên dữ liệu.
Xin Chân Thành Cảm Ơn,
AppROI Marketing Team.