#49: Analítica de Producto

Cómo utilizar los datos para construir productos

Suma Positiva es una publicación semanal sobre estrategia, negocio y startups escrita por @samuelgil, Partner en JME Ventures

Todas las ediciones anteriores, ordenadas temáticamente, en: sumapositiva.com


graphs of performance analytics on a laptop screen

¿Qué está funcionando bien en un producto y qué no? ¿Está creciendo a buen ritmo y de forma sana? ¿Es tan ‘pegajoso’ que los usuarios no pueden despegar sus ojos y dedos de él? ¿Se están comportando las nuevas cohortes de usuarios igual de bien que las antiguas? ¿Están interactuando los usuarios con el producto con el nivel de intensidad que debieran? ¿Hay un subgrupo de usuarios especialmente satisfechos con el producto que no lo abandonarán nunca? ¿Cómo conseguimos que haya más usuarios de ese tipo?

La analítica de producto nos ayudará a dar respuesta a todas esas preguntas—además de muchas otras—con los siguientes propósitos respecto a nuestro producto:

  1. confirmar que estamos avanzando en la dirección adecuada

  2. anticiparnos a potenciales cambios de tendencia

  3. detectar áreas de mejora

  4. crear roadmaps con el fin de redoblar esfuerzos en aquello que está funcionando bien o corregir aquello que está funcionando mal

  5. alinear a la organización en torno a objetivos claros y medibles

Analítica de Producto

“A good product fulfills a deep-rooted, real human need. It is delightful, instills trust, and makes people want to be associated with it and become strong brand ambassadors.”

Empecemos por los principios fundamentales. Para que una empresa de producto digital tenga éxito debe ser capaz de:

  1. Atraer al mayor número posible usuarios

  2. Retenerlos el mayor tiempo posible

  3. Rentabilizarlos lo máximo posible durante ese tiempo mediante la estrategia de monetización más apropiada

Si se cumplen esas tres condiciones, podemos tener por seguro que el producto está creando y capturando valor a través de resolver satisfactoriamente un problema real y relevante para muchas personas.

Entonces, si es tan sencillo, ¿por qué complicarnos la vida—como lo haremos— hablando de quick ratios, números y tiempos de sesión, Lness, magic moments, retention tipping points, loops y demás palabrería que ni me molestaré en traducir?

Porque esas métricas y frameworks nos intentan aproximar a un objetivo extremadamente importante:

Encontrar indicadores adelantados y accionables para monitorizar, comprender e influir sobre el crecimiento y la rentención de usuarios del producto.

La monetización, creedme, si el resto de cosas se hacen bien, cae por su propio peso.


Marco General

Image for post

Engagement y stickiness son dos conceptos íntimamente ligados que a veces se usan de forma casi intercambiable.

Las métricas de engagement miden el grado de intensidad de la interacción entre el usuario y el producto. El usuario pasa un tiempo usando el producto y realizando determinadas acciones con diferentes grados de complejidad para satisfacer una o varias necesidades.

Las métricas de stickiness miden la frecuencia con la que el producto se usa en una ventana de tiempo. Una mayor frecuencia de uso no es necesariamente mejor. Cada categoría de producto tiene una frecuencia de uso ideal diferente. Mientras que un producto de mensajería (Whatsapp) o una red social (Instagram) tienen una frecuencia esperada de uso diaria, una plataforma de reservas turísticas (Airbnb) se usará probablemente no más de una o dos veces al año… con suerte.

Las personas que obtengan un gran valor del producto, es decir, aquellas que tengan un gran engagement, se verán impulsadas por su propia voluntad a retornar más frecuentemente, de ahí que digamos que el engagement impulsa la stickiness.

La retención mide qué parte de los usuarios que fueron captados en un momento dado siguen regresando y utilizando el producto a lo largo del tiempo.

Una persona que utiliza el producto con una frecuencia superior o igual a la esperada y con gran intensidad cada vez que lo utiliza es bastante probable que siga usándolo en el futuro. De ahí que el engagement y la stickiness impulsen la retención.

Y, por último, el crecimiento, que creo que no merece explicación adicional, depende de la retención. Por un lado, es muy difícil—o extremadamente ineficiente—hacer crecer el número de usuarios de un producto si estos lo abandonan rápidamente y en manada. Por el otro, a veces, el propio uso del producto por parte de un usuario mejora la experiencia que viven otros usuarios—actuales o futuros—, influyendo positivamente en su engagement o incluso adquisición.

Así que, como dice Sequoia, podemos concluir que: Engagement Drives Stickiness Drives Retention Drives Growth.

Visto en sentido contrario, antes de que podamos pisar el acelerador del crecimiento, tendremos que tener un producto que retenga y, para que un producto retenga, sus usuarios deberán usuarlo intensa y frecuentemente.


Una vez entendido el marco general, comenzaremos hablando de crecimiento, tanto de usuarios como de ingresos, para lo que presentaremos el framework “growth accounting” que nos dará un vocabulario muy útil para las discusiones que vendrán posteriormente.


Growth Accounting

Usuarios

El número total de usuarios activos en un momento determinado es la medida más fiel del impacto un producto. Hacerlos crecer, retenerlos y monetizarlos es uno de los propósitos principales—si no el principal—de una compañía de producto digital.

La forma habitual de medirlos es:

  • MAU = usuarios activos únicos en un mes determinado

  • WAU = usuarios activos únicos en una semana determinada

  • DAU = usuarios activos únicos en un día determinado

Aunque se suele medir la evolución de las tres variables, pondremos especial foco en aquella que más se aproxime a la frecuencia de uso esperada del producto.

A la hora de monitorizar la evolución de los DAUs, debido a su alta volatilidad, se suele observar la evolución su media en ventanas de 7 días. A la hora de monitorizar la evolución de los MAUs, es preferible emplear ventanas de 28 días a utilizar los meses del calendario, para favorecer la comparabilidad de los datos.

Además de entender cuál es la evolución de la magnitud, deberemos echar un ojo bajo el capó para entender mejor que está ocurriendo con el growth accounting framework, ya que, como veremos a continuación, la misma tasa de crecimiento de MAU/WAU/DAU podría esconder realidades bien distintas sobre la salud de dicho crecimiento.

Este framework nos dice que, en un periodo t, todos los usuarios activos serán: nuevos (adquiridos y activados en ese periodo), retenidos (activos en el periodo pasado y también en este) o resucitados (activos en algún periodo pasado, inactivos por un tiempo y de nuevo activos).

Por ejemplo, con MAU:

MAU(t) = nuevos(t) + retenidos(t) + resucitados(t)

Asimismo, lo usuarios activos en el periodo t-1 eran la suma de los retenidos y churned (los que eran activos en t-1 pero han dejado de serlo en t).

Es decir:

MAU(t - 1) = retenidos(t) + churned(t)

Por lo tanto, la variación de MAU entre t y t - 1 es:

MAU(t) - MAU(t-1) = nuevos(t) + resucitados(t) - churned(t)

El growth accounting nos permite ver si una curva como la que se muestra a continuación, en la que los MAU crecen a una nada despreciable tasa mensual del ~12%…

Image for post

…esconde una realidad como esta…

Image for post

…o como esta.

Image for post

Es importante destacar que ambas gráficas “producen” exactamente la misma curva de MAU de arriba, sin embargo revelan realidades bien diferentes:

  • En la primera de ellas, la tasa de retención, el cociente entre retenidos(t) y MAU(t-1), pintada como una línea azul claro en el gráfico, es de un 40%. En otras palabras, la compañía pierde un 60% de sus usuarios activos en cada periodo. Por ello, para conseguir hacer crecer los MAU a una tasa del 12% mensual, la compañía debe hacer esfuerzos titánicos en adquisición y resurrección de usuarios que contrarresten dicha pérdida.

  • En la segunda gráfica, la compañía retiene aproximadamente el 90% de usuarios del periodo anterior, con lo cual debe invertir muchísimo menos en adquisición y reactivación para producir la misma tasa de crecimiento.

Un indicador que encapsula bastante bien este análisis es el quick ratio, que se calcula como el cociente entre los elementos que contribuyen positivamente al crecimiento (nuevos y resucitados) y los que lo hacen negativamente (churned). Está representado con una línea morada en los gráficos anteriores.

  • En el primer caso, el quick ratio es muy próximo a 1x, lo cual es común (y poco atractivo como inversión) para compañías B2C.

  • En el segundo caso, el quick ratio está en el rango 1.5x - 2x, lo cual es atractivo para compañías consumer.

Ingresos

Un análisis muy parecido al anterior se puede hacer analizando la variación de los ingresos recurrentes en compañías SaaS B2B o de suscripciones B2C para entender mejor una curva de este estilo:

Image for post

Ahora, con los ingresos mensuales recurrentes o MRR:

MRR(t) = nuevo(t) + retenido(t) + resucitado(t) + expandido(t)
MRR(t-1) = retenido(t) + churned(t) + contraído(t)

Como puede observarse, aparecen dos términos nuevos: MRR expandido(t) y MRR contraído(t), que hacen referencia a la posibilidad de incrementar o disminuir el tamaño del contrato para un mismo cliente.

Así, la variación del MRR viene dada por la expresión:

MRR(t) - MRR(t-1) = nuevo(t) + resucitado(t) + expandido(t) 
- churned(t) - contraído(t)

Una gráfica análoga a las anteriores tendría esta pinta:

Image for post

Si bien decíamos que para MAU, un quick ratio >1.5x era interesante y >2x muy atractivo, en el caso del MRR el listón de lo que se considera como muy atractivo sube a 4x. Esto se debe al hecho de que, mientras que los ingresos en una suscripción se retienen por defecto, el engagement necesario para seguir considerando a un usuario activo, no. Por ello, los ingresos por suscripción tienden a tener una tasa de abandono mucho más baja y un quick ratio más alto. Un quick ratio <2 sugiere que el churn es demasiado elevado.

Inconvenientes

El growth accounting, aunque sin duda útil, no es definitivo. Necesita ser complementado por otras herramientas que iremos viendo a lo largo de esta serie.

Comencemos con un viejo caballo de batalla nuestro:

Reducir la tasa de retención (o churn) a un único número no tiene mucho sentido, especialmente en compañías en etapas iniciales o de alto crecimiento.

¿Por qué?

La cifra de MAU o MRR mezcla usuarios en etapas completamente diferentes de su ciclo de vida: nuevos, adquiridos recientemente y antiguos. Dado que la propensión al churn es mucho mayor en los meses iniciales—pruebas un nuevo producto y te das cuenta de que no te sirve o no te gusta—, una compañía que está en fuerte crecimiento mostrará necesariamente un churn más elevado y un quick ratio más bajo. La solución a este problema será complementar el análisis del growth accounting con un estudio de cohortes, como veremos más adelante.

Otro problema, también importante, es que el growth accounting se enfoca en outputs, no en inputs, con lo cual es poco accionable. Para ello, veremos cómo el descomponer la compañía en dos loops, el de adquisición y el de retención puede ser de ayuda.

Seguimos la semana que viene.

Samuel