Métricas para diseñadores, parte 3: MAU, DAU, HAU y stickiness
¿Recuerdas la frase con la que empezó la primera parte de esta serie de artículos?
El objetivo que queremos alcanzar con este proyecto es subir un 1% el DAU, reducir un 2% CAC y mejorar un 0.5% el churn.
En esa primera parte te conté qué era el churn, en la segunda vimos el LTV y el CAC y en esta tercera toca hablar uno poco más sobre los usuarios. Específicamente, sobre el tiempo que están utilizando el producto o servicio o cada cuanto vuelven. Hoy toca DAU, MAU y similares y la stickiness (pegajosidad).
¡Vamos allá!
MAU, DAU, HAU – Hablemos de usuarios activos
Habitualmente, con la expresión “usuarios activos” nos referimos a aquellos que han accedido o interactuado con el producto o servicio durante un lapso concreto de tiempo.
Esta métrica se aplica en diferentes tipos de productos o servicios, desde tiendas online hasta redes sociales, juegos online, cualquier aplicación de móvil, etc.
Así:
- MAU (monthly active users, usuarios activos mensuales): es el número de usuarios que han llevado a cabo alguna actividad utilizando el producto en los últimos 30 días
- DAU (daily active users, usuarios activos diarios): similar a MAU, pero en este caso identifica los usuarios únicos activos en un día. Esta métrica puede ser útil para medir la eficiencia del producto o servicio y el MAU identificar los “super-usuarios” (aquellos que continuan volviendo)
- HAU (hourly active users, usuarios activos a cada hora): se suele observar acompañada de DAU: es el número de usuarios activos durante una hora en un día concreto
Esta métrica suele visualizarse de este modo:
Ejemplo de dashboard con MAU, DAU y WAU (Stormly)
Microsoft Teams vs Slack
Observa el siguiente gráfico:
Representa los usuarios activos diarios de Microsoft Teams y Slack.
- En solo tres años (2017 a 2019) Microsoft Teams superó a Slack, llegando a 20 millones de usuarios diarios a finales de 2020.
- El trabajo en remoto y el hecho de que Teams esté integrado en la Suite Office, muy utilizada en cualquier tipo de empresa, ha hecho que Teams terminara el año con 75M de usuarios activos diarios.
- El crecimiento de Slack ha sido sostenido en el tiempo. Quizás es más orgánico, porque no pertenece a ninguna Suite, y más orientado a empresas tecnológicas.
Impactar el MAU/DAU/HAU a través del diseño
Lo primero y más importante es conocer cuál de las tres es más importante. En una red social es vital tener un buen DAU y HAU, pero quizás en tu producto o servicio es suficiente con que los usuarios entren una vez al mes. Por poner un ejemplo, quizás es una herramienta de finanzas personales y solo necesitas que los usuarios entren una vez al mes a introducir todos sus datos.
Dicho esto, estas métricas se pueden impactar mediante:
Notificaciones o correos para que los usuarios vuelvan
La línea entre la efectividad y el odio es muy fina: demasiadas notificaciones puede hacer que el usuario directamente se desinstale la aplicación.
Promover el uso
Si se trata de una aplicación de aprendizaje (Duolingo, por ejemplo) suele ser útil crear rankings que caducan o diferentes retos para que tu usuario utilice la aplicación más seguida.
En el caso de Duolingo, para que practiquen un idioma cada día. En el caso de las redes sociales, como suelen monetizar mediante la publicidad, para obtener más ingresos.
Diseñar buenas experiencias para que el usuario vuelva
Es de cajón: si la experiencia del usuario es buena, volverá. Da igual si tu producto es de uso diario o se utiliza solo dos veces al año (para contratar un viaje, por ejemplo).
Si la experiencia es buena, cuando vuelvan a tener la necesidad, volverán.
Stickiness – La “pejagosidad”
La pegajosidad es la tendencia de los usuarios a volver cada cierto tiempo a tu producto o servicio porque es engaging y tiene valor para ellos.
Como te imaginarás, tiene relación directa con la retención (lee la primera parte antes de continuar) y lifetime value (LTV, te lo expliqué en la segunda parte): cuántos más usuarios vuelvan periódicamente, más tiempo utilizarán el producto y servicio y, por ende, probablemente acaben comprando más.
En realidad se trata de un ratio que se calcula dividiendo el DAU por el MAU. El resultado te permitirá entender cuantos días al mes utilizan tu producto o servicio.
Sumando cohortes al ratio
Si calculas el ratio en diferentes cohortes podrás ver si una funcionalidad en concreto tiene mejores números o si un cambio en el proceso de onboarding generó una disminución del ratio.
Ejemplo de dashboard con stickiness y cohortes (Stormly)
En este caso, están comparando usuarios de Estados Unidos y de Francia que provienen de una campaña en Instagram. De un solo vistazo puedes ver que los norteamericanos utilizan mucho más el producto cada día.
Escoger las métricas adecuadas
En esta serie de tres artículos te he explicado por encima algunas de las métricas más importantes. Y digo “por encima” porque dependen mucho de la estructura de la empresa, el sector, el tipo de usuario, el contexto general, etc.
Tampoco necesitas medirlas todas todo el rato.
Cualquier cambio o funcionalidad que se desarrolle tendrá sus propias métricas que permitirán saber si está funcionando. Pero por encima de ellas estará el LTV, DAU, MAU o similares, que no deberían decrecer.
Si por ejemplo Instagram hace un cambio en el diseño que mejora métricas menores pero tiene un impacto negativo en el DAU, esta funcionalidad no se lanzará. Es por eso que se hacen decenas o centenares de experimentos: hay que encontrar el punto intermedio y conseguir que las métricas “norte” no se vean perjudicadas.
En algunas ocasiones sí vale la pena arriesgarse, especialmente si se trata de funcionalidades que se necesitan o que significan un cambio de paradigma. En ese caso, hay que valorar pros y contras y tomar una decisión.
¿Qué vale más, la visión o la recompensa inmediata?
Depende.
Apuntes finales
Si estás trabajando en una empresa en la que la métrica principal de tu equipo sea “mejorar la conversión de la home”, pregunta por qué y qué métrica principal se persigue.
Está muy bien tratar de incrementar ese porcentaje de usuarios que hacen clic en un botón de la cabecera, pero quizás ya está en números adecuados para el sector y hay que empujar hacia otro lado. Eso será difícil de ver si no sabes, por ejemplo, que la métrica principal es reducir el churn.
Eso requerirá hacer investigaciones adicionales (”¿por qué la gente se da de baja? ¿en qué punto fallamos? ¿qué esperan nuestros clientes que no les estamos dando?”), que no verás que son necesarias si tu foco es mejorar la conversión de un botón.