Как создать продукт, который нравится пользователям и приносит прибыль? Можно месяцами топтаться на месте, прежде чем один инсайт в корне преобразует жизнь приложения. Вопрос в том, как найти такой инсайт.

У мобильных продуктов процесс поиска начинается с отзывов: именно там скрыты драгоценные инсайты, способные качественно улучшить продукт. Однако, когда у приложения тысячи отзывов, ценный фидбек может смешаться со спамом или кучей 5-звездочных ‘thank you’.

Как оптимизировать процесс поиска, чтобы быстрее отделять ценный фидбек от бесполезного? И как находить инсайты конкурентов, чтобы привлечь их пользователей?

В AppFollow мы автоматизировали анализ фидбека пользователей, и теперь поиск инсайтов стал проще.

Представляем Semantic Analysis 2.0 для анализа содержания и эмоционального фона отзывов. Новые AI-алгоритмы в его основе работают в три раза быстрее, на 11% точнее анализируют тональность отзыва и на 26% — темы и проблемы.

Мы добавили 40 новых тегов, чтобы точнее размечать проблемы пользователей, а также новый португальский язык к существующим английскому и русскому (и скоро добавим еще 6 языков).

Анализируя отзывы в Semantic Analysis, вы поймете, что движет пользователями и чего не хватает вашему продукту:

• Найдете жалобы и фич-реквесты, не читая отзывы;
• Соберете отзывы, требующие быстрого ответа;
• Определите киллер-фичи конкурентов, которые не дают пользователям уйти к вам;
• Найдете недостатки конкурентов, которые помогут улучшить ваш продукт;
• Быстро отреагируете на изменение настроений пользователей в разных странах.

Как ускорить анализ фидбека и сбор фич-реквестов

Мнение пользователей напрямую влияет на будущее продукта, т.к. вы делаете продукт для них, а не для себя. Поэтому важно знать, как они воспринимают изменения. Чтобы это выяснить, вы можете руками собирать фидбек в табличку или ускорить этот процесс с Semantic Analysis. Он делает за вас предварительный анализ, а вы просто собираете инсайты.

Например, мы хотим проанализировать фидбек пользователей после мажорного обновления. Для этого возьмем игру Harry Potter: Hogwarts Mystery в Google Play — 2 марта в игру добавили новый квест.

Как пользователи восприняли новшества? Для этого проанализируем отзывы за 2 недели после обновления в Semantic Analysis.

Сначала посмотрим данные по всем странам и языкам. На графиках Positive vs Negative и Sentiment Timeline видно, что пользователи позитивно восприняли изменения: на следующий день после обновления количество позитивного фидбека выросло в 5 раз.

Теперь посмотрим, о чем писали пользователи. На графике Topics видно, что про обновление написало всего 3% игроков, зато 13% оставили фич-реквесты.

По клику на тему ‘Feature Requests’ смотрим, чего не хватает пользователям. Большинство фич-реквестов касается проблем с энергией и кастомизации персонажей. И нам потребовалось 10 минут, чтобы это определить!

Совет: чтобы разбить фич-реквесты или баги на подтемы, используйте авто-теги.

Теперь посмотрим, как меняется настроение игроков от страны к стране. Health Check Score показывает, насколько удовлетворены пользователи, и сигнализирует, если что-то не так. Общий скор 72%, при бенчмарке 70%, говорит о том, что пользователи в целом довольны. Но везде ли игроки одинаково довольны?

Самые довольные пользователи из англоговорящих стран — 75%. В Португалии и Бразилии скор снижается до 62% и совсем падает в русскоговорящих странах (Google Play отдает данные по языкам, а не по странам).

Далее вы можете сравнить темы отзывов по странам и найти причины недовольств. На такой верхнеуровневый анализ у вас уйдут минуты, а не дни.

Вооружившись этими данными, вы сможете быстрее принимать решения и корректировать продуктовую стратегию.

Как искать инсайты у конкурентов

Почти у каждого приложения в сторах есть сильные конкуренты. Но чего не хватает вашему продукту, чтобы переманить их пользователей к себе?

Разобраться в этом поможет анализ отзывов конкурентов, или reviews mining. Он помогает находить недостатки конкурентов и киллер-фичи, из-за которых пользователи предпочитают конкурента вам. Для этого можно фильтровать отзывы по рейтингу или определенному слову. Однако, фич-реквест может быть с высокой оценкой, а слово может быть написано с ошибкой. Semantic Analysis ускорит поиск инсайтов в таких отзывах.

Предположим, вы ищете, как улучшить фитнес-приложение. Посмотрим, чего не хватает пользователям популярных в этой нише приложений: Sweat, Asana Rebel и Nike Training Club. Мы отсортировали отзывы с фич-реквестами и касающиеся UI/UX и получили небольшой список:

1. Удалить/переключить/кастомизировать упражнения
2. Синхронизация с Apple Watch, Apple TV и фитнес трекерами
3. Календарь занятий
4. Работа в фоновом режиме
5. Время на отдых между упражнениями
6. Рецепты и отслеживание калорий

Чтобы собрать эти идеи и гипотезы, не нужно часами перебирать чужие отзывы в аппсторе, Semantic Analysis соберет нужные отзывы за период и найдет все фичреквесты:

Также мы можем посмотреть, каким приложением больше всего недовольны. В нашем примере это Asana Rebel — у нее самый низкий скор, 53%.

Используйте инсайты о недостатках конкурента для улучшения собственного продукта.

Как автоматизировать сбор инсайтов от конкурентов:

1. Собрать конкурентов в одну коллекцию;
2. Настроить email-отчет об обновлениях — Timeline. Вы можете выбрать получать обновления еженедельно или ежемесячно;
3. Если видите в отчете новые фичи или мажорные изменения, загляните в Semantic Analysis и выберите нужные даты.

Хотите оптимизировать поиск инсайтов и эффективно улучшать продуктовую стратегию?

Запишитесь на демо с командой AppFollow!