CC BY
155
Электронный журнал Cloud of Science. 2014. T. 1. № 3
http://cloudofscience.ru
Построение стратегии выхода на рынок фримиум-продукта на основе показателей виральности и ретеншна
И. В. Осипов
"ilistudy" SIA,
Krisjana Barona lela, 130 k-10, Riga, Lv-1012, Latvija e-mail: ilya@osipov.ru
Аннотация. В настоящее время все больше продуктов, как то мобильные приложения, SaaS-решения, software, web-приложения переходят на экономическую модель фримиум. Эта модель имеет множество особенностей. В статье исследована статистика поведения пользователей на примере образовательной коллаборационной платформы, рассматриваются взаимосвязи между ключевыми параметрами этой модели: показателями виральности, ретеншна, монетизации, а также особенностями их расчета. Предложен новый целевой параметр F-Growth, позволяющий в сумме оценить «зрелость» интернет-проекта модели фримиум, с целью получения внешних инвестиций и вывода на международный рынок. Ключевые слова. K-Factor, F-Growth, виральность, ретеншн, удержание, монетизация, сети, эдьютеймент, облачные технологии, фримиум, f2p.
1. Введение
Популярность экономической модели фримиум поражает, все больше информационных продуктов переходят на эту модель: мобильные приложения, SaaS-решения, software, web-приложения, игры [1].
Однако модель не так проста, как может показаться. Проведены исследования статистики поведения пользователей на примере платформы, предназначенной для взаимного образования, которая доступна для использования всем желающим условно бесплатно, по фримимум-модели [3].
Платформа представляет собой сайт для тренинга иностранных языков между пользователями разных стран. Основная идея в том, что, несмотря на грамматическую подготовку студентов, учащимся часто не хватает общения с носителями языка для отработки коммуникационных навыков на изучаемом языке [4].
Найти носителя языка непросто, и зачастую приходится платить ему деньги как репетитору за право вести диалог. Замечено на примере студентов, обучающихся испанскому языку, что для овладения навыками свободного общения обычно не нужен профессиональный преподаватель, а требуется партнер, готовый помогать по заранее подготовленным материалам — просто носитель испанского языка. Носители же испанского, часто с удовольствием готовы изучать английский в обмен на помощь в изучении испанского. Для того, чтобы учитывать, сколько каждый
457
И. В. Осипов
Построение стратегии выхода на рынок фримиум-продукта на основе показателей виральности и ретеншна
пользователь преподает родной язык и учит иностранный, была использована идея Time Banking [6-7].
Совместив ставшие доступными технологии прямого аудио и видео общения между пользователями, добавив материалы уроков, разбитые на элементарные шаги и понятные непрофессиональным преподавателям, добавив учет времени преподавания и изучения, а также систему онлайн-подбора партнера для изучения, была создана платформа, названная i2istudy, на базе которой проведена серия экспериментов и замеров [2]. Платформа полностью основана на облачном решении, функционирует таким образом, что основные нагрузки и взаимодействие между пользователями происходят напрямую на базе технологии p2p, а основное облако подвергается относительно низким нагрузкам [16].
Модель бизнеса, основанная на принципах Фримиум (комбинация слов Free и Premium), предполагает максимальное распространение продукта на своем рынке, захват и удержание как можно большего числа пользователей. Часть из них (для разных продуктов от 3% до 10%) воспользуется платными функциями, что позволяют создателям не только оплачивать содержание всей системы, включая бесплатную ее часть, но и получать прибыль [8].
Рассмотрим основные функции Фримиум продукта, направленного на массового потребителя:
- головная (базовая) функция ради которой приходит пользователь, в нашем случае — это практикум иностранного языка;
- ретеншн (удержание) пользователей, включая возвращение пользователей;
- монетизация пользователей;
- привлечение пользователей и стимулирование виральности — привлечение существующими пользователями новых.
Рассмотрим обычный цикл работы фримиум-приложения.
1. Базовый цикл — основной цикл приложения, «core цикл», базовая функция, ради которой пользователи решают воспользоваться приложением, в нашем случае — это изучение иностранного языка с партнером — носителем языка.
2. Цикл монетизации — дополнительный цикл, в который вовлекаются наиболее азартные и вовлеченные в процесс пользователи. Цикл, меньший по размеру, так как в нем заведомо участвуют не все пользователи, что является особенностью фримиум-модели бизнеса.
3. Ретеншн цикл — цикл ухода пользователей из системы с последующим их возвратом в систему. Для их успешного возврата и удержания применяется целый комплекс воздействий, начиная от уведомлений посредством электронной почты, сообщений внутри социальных сетей и прочих коммуникационных каналов с напоминаниями о происходящих в их отсутствие событиях, а также геймификацией.
4. Цикл виральности — цикл приглашения существующими пользователями новых пользователей из внешней среды (электронная почта, социальные сети, бло-
458
ПРИКЛАДНЫЕ ИТ-СИСТЕМЫ И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
ги, форумы, персональные сайты, приложения, и прочее каналы коммуникаций), включая аккомодацию новых пользователей.
Заметим, что основные циклы приложения: базовый, виральный, ретеншн и цикл монетизации являются частично антагонистами и борются за внимание пользователя и его ограниченное время, которого всегда не хватает.
Разработчики системы должны отдавать себе отчет, какие циклы являются приоритетными.
При создании Фримиум-продуктов существует, как правило, два бизнесподхода.
1. Покупка и прочее платное привлечение пользователей (трафика). Монетизация части трафика путем продажи дополнительных платных функций. Привлечение новых пользователей осуществляется за счет заработанных денег. Ключевой фактор при данном подходе — деньги. Необходимо иметь успешную модель монетизации, вовлекать существенный процент пользователей в платные механики, поддерживать баланс. Доходы от существующих пользователей минус расходы на привлечение пользователей. Причем расходы на привлечение новых пользователей могут быть существенными, и есть риск не покрыть их доходами от монетизации. Плюсы подхода: быстро начинают зарабатываться первые деньги, К-фактор ви-ральности может быть низкий (о нем ниже).
2. Вовлечение пользователей в продвижение продукта: виральность. Необходимо добиться, чтобы коэффициент виральности (K-Фактор) был существенным, что для ряда продуктов непросто и даже недостижимо. Объем пользователей при данном подходе растет в геометрической прогрессии, пока не достигает насыщения [5, 18].
Реальный продукт может содержать в себе черты как первого (упор на монетизацию), там и второго подходов (упор на виральное расширение пользовательской базы). Однако, учитывая ограниченность ресурса внимания пользователя, один из подходов должен быть доминирующим.
2. Виральный рост пользовательской базы
Рассмотрим подробнее подход номер 2, который называем фримиум с упором на виральность:
David Skok — успешный венчурный капиталист, высказывает в своей статье The Power of Free ( http://www.forentrepreneurs.com/business-models/power-of-free/) The Entrepreneurs Skok, David (Декабрь 2009) важные моменты про фримиум-продукты, ориентированные на виральный рост:
“..in a typical business the single biggest expense is sales and marketing, and recognize that offering a free product/service is an extremely smart way to acquire customers at a low cost that can then be monetized in a different way.” “Another powerful effect of using the free strategy is that it usually results in a far larger customer base using the free products, who become proponents for your company. This expanded footprint or market share can have a huge effect on the price that acquirers or investors are willing to pay for
459
И. В. Осипов
Построение стратегии выхода на рынок фримиум-продукта на основе показателей виральности и ретеншна
your company, as they recognize that even though these customers have yet to be monetized, they represent a great potential for future monetization. Twitter and Facebook are two perfect examples of this.”
“Another way of looking at the importance of footprint or marketshare is to recognize the importance of market leadership. In the tech industry, market leadership is usually self-reinforcing unless the company does stupid things to annoy its customers. Even if you have gained market leadership by giving away a product/service for free, the financial markets and acquirers realize that market leadership is worth a significant premium over niche players that may have more revenue.”
Однако стратегия, связанная с виральным привлечением пользователей, не может применяться бесконечно.
Автор Freemium Economics [1] приводит график насыщения рынка (см. рис. 1).
Рисунок 1. График насыщения рынка для фримиум-продукта [1]
И все усилия, вложенные в механики виральности, не будут приносить плодов, когда рыночная ниша будет уже выбрана, и все потенциальные пользователи либо пользуются продуктом, либо знают о нем, но предпочитают не использовать. Очевидно, что это лучший момент, чтобы переориентировать продукт и переключить внимание пользователей на монетизацию — то, про что мы говорили в стратегии номер 1.
Способы реализации виральности (приглашения).
Виральный маркетинг требует наличия несколько составляющих: отправитель, сообщение и среда для распространения, включающая в себя получателей и контекст, в которой происходит контакт с сообщением.
Существует два основных доступных пользователю способа пригласить новых пользователей.
1. Открытые рекомендации — это виральный механизм, где пользователь размещает рекомендацию в социальной сети, блоге, на персональной странице и т. д. с приглашением, адресованным к неопределенному множеству лиц.
460
ПРИКЛАДНЫЕ ИТ-СИСТЕМЫ И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
2. Прямые персональные приглашения инициируются существующими пользователями для отправки их получателям, не являющимися пользователями, с применением средств коммуникации, имеющих адресную доставку: электронная почта, личное сообщение в социальной сети, SMS, и прочее.
Для открытых рекомендаций сложно считать статистику эффективности. Авторы в своей системе учитывают ее упрощенно (например, рассчитывается, сколько всего приглашено пользователей этим методом, и сколько человек удалось мотивировать пользоваться таким методом приглашения), тем не менее, высчитывается, сколько всего размещено пользователями открытых приглашений (посредством встроенных инструментов) и сколько всего приглашено новых пользователей (в том числе через открытые приглашения, сделанные пользователем без помощи нашей системы).
В табл. 1 и на рис. 2 показано, сколько всего публикуется ссылок (открытые приглашения), сколько пользователей участвуют в публикации ссылок и сколько приглашено новых пользователей через открытые (опубликованные ссылки). Используются недельные интервалы. Статистика учитывает только встроенный механизм публикации (все данные и замеры приведены для нашего проекта i2istudy).
Рисунок 2. Динамика открытых приглашений
Таблица 1. Открытые приглашения
Неделя 21.04 28.04 05.05 12.05 19.05 20.05 02.00 00.00 1&.О0 23.00 30.06 07.07 14.07 21.07 23.07 04.08 11.08 10.08
27.04 04.05 11.05 10.05 25.05 01.00 00.00 16.00 22.00 20.00 06.07 13.07 20.07 27.07 03.00 10.08 17.08 24.08
Опубликовано ссыпок 10 17 7 19 23 12 15 7 7 12 33 14 15
Публико- вавших пользова- телей 0 0 3 10 11 9 10 5 5 10 20 13 10
Приглашено через ССЫПСН 21 15 7 11 13 47 81 70 10 26 29 25 28 30 35 40 15
461
И. В. Осипов
Построение стратегии выхода на рынок фримиум-продукта на основе показателей виральности и ретеншна
Персональные прямые приглашения позволяют учитывать все параметры в деталях, и измерить все шаги вирального цикла: сколько пользователей делают персональные приглашения, сколько приглашений приходится на пользователя, сколько приглашений достигают адресата, сколько адресатов приходят на сервис, и сколько регистрируются на нем и вовлекаются в процесс.
В табл. 2 и на рис. 3 показано: всего отправленных персональных приглашений, число пользователей оправившие такие приглашения, и сколько пользователей приглашено персональными (прямыми) приглашениями.
Рисунок 3. Динамика персональных приглашений
Таблица 2. Персональные приглашения
недели 21.04 28.04 05 05 12.05 19.05 26.05 02.06 09.06 15.05 23.06 30.05 07.07 14.07 21.07 28.07 04.05 11.00 18.08
27.04 04.05 11.05 10.05 25.05 01.00 08.00 15.00 22.08 29.00 05.07 13.07 20.07 27.07 03.09 10.08 17.09 24.08
Всего пригла- шений 44 1S6 2П 32 618 43 К 942 595 1494 838 1073 3029 5823 2693 2732 3156 1129 16ВЗ
всего пригла- шавших 2 22 И 4 17 37 41 36 90 44 G0 127 103 73 52 ВЗ 40 24
Пригла- шенньк 1 7 5 9 21 35 131 170 66 90 174 119 110 13В 145 132 69 5В
Виральный Цикл. Определимся с обозначениями параметров и метрик. Под пользователями здесь и далее подразумеваем зарегистрированных и авторизованных посетителей сервиса.
Введем обозначения:
- daily users (dU);
- daily new users (dNU);
462
ПРИКЛАДНЫЕ ИТ-СИСТЕМЫ И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
- daily active users (dAU) (пользователи, находившиеся на сайте не менее 5 минут);
- общее число пользователей (U);
- общее число приглашенных пользователей (IU);
- сколько пользователей отправляющих приглашения в день (вовлеченные в виральность), Daily Spreading Users (DSU);
- общее число приглашений в день (di);
- среднее число приглашений на приглашающего, Average Invintation Per Spreading Users (AiPSU); то же самое, в день (AiPdSU);
- среднее число приглашений на пользователя (AiPU);
- приглашенных в день, Daily Invited Users (dIU);
- отношение числа принявших приглашение к числу отправленных приглашений (процент конверсии) (IPi);
- К-Factor — Концептуально это сколько пользователей в продукт приглашает каждый пользователь в среднем “ the k-factor...average number of additional users introduced to the product by each user”: Freemium Economics, Ch. 7, p. 170) [1, 15].
Для практических целей рассчитываем K-фактор — как соотношение между приглашенными виральными методами пользователями в условном периоде ко всем активным пользователями в этом периоде [10]. Теоретически мы должны были бы использовать предыдущий период, установив его равным длительности ви-рального цикла. Но длину вирального цикла трудно установить, и в нашей системе сроки реакции на приглашения очень короткие, поэтому в типичном случае отправка приглашения и принятие его попадает в один день. Базой для расчета могут быть новые пользователи (dNU), все пользователи периода (dU) или только активные пользователи периода (dAU). В качестве базы использованы данные об активных пользователях (не учитываются случайные/незаинтересованные пользователи и проводящие очень мало времени), так как они дает наиболее точные результаты.
В некоторых источниках для практических целей используют в качестве базы только данные новых пользователей (dNU), сравнивая всех пользователей, привлеченных вирально, со всеми видами новых пользователей. Автор настоящей статьи считает это не совсем корректным подходом, так как все активные пользователи вносят свой вклад в виральность, а не только новички
Введем локалыный K-фактор как отношение:
локальный K-Factor = dIU/dAU.
Термин K- фактор заимствован из эпидемиологии: in which a virus having a k-factor of 1 is in a «steady» state of neither growth nor decline, while a k-factor greater than 1 indicates exponential growth and a k-factor less than 1 indicates exponential decline [12].
К-Фактор (часто обозначается в литературе так же, как коэффициент вираль-ности «Viral Coefficient») может быть рассчитан, как число приглашений, отправленных каждым пользователем, умноженное на процент конверсии каждого при-
463
И. В. Осипов
Построение стратегии выхода на рынок фримиум-продукта на основе показателей виральности и ретеншна
глашения в пользователи [13]. Например, среднее количество приглашений равно 5, а процент конверсии приглашений в пользователи — 20%, тогда K-Factor = 5 х 0,2 = 1. К-фактор без учета периода, т. е. усредненный за все время работы системы, зачастую называют глобальным К-фактором, который расчитывается по формуле:
глобальный K-Factor = AiPU х IPi.
Здесь приглашенные пользователи к числу приглашений:
IPi = IU/i,
среднее число приглашений на пользователя,
AiPU = i /U,
где i — общее число приглашений, U — общее число пользователей.
Динамика K-фактора отражает изменение настроений пользователей и как они реагируют на появление, активацию или деактивацию тех или иных виральных механик, вовлекающих их в деятельность по приглашению новых пользователей, и насколько эти механики хорошо воспринимаются.
Таким образом, для практических целей оперируют локальным K-фактором, рассчитываемым ежедневно (рис. 4). Автор статьи называет его dK-FactorA (Daily K-Factor на базе dAU — активной аудитории), который считает важным параметром цикла виральности и на который ориентируется при построении виральных механик.
Рисунок 4. Динамика K-фактора проекта i2istudy
Важно понимать, что если K-фактор меньше единицы (например, 50%) то при отсутствии ретеншна (когда лояльность существующих пользователей равна нулю),
464
ПРИКЛАДНЫЕ ИТ-СИСТЕМЫ И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
рост системы затухает. В лучшем случае такой механизм виральности частично компенсируют потерю пользователей в результате нормального снижения лояльности в ретеншн-цикле. Такой K-фактор увеличивает эффективность платного привлечения пользователей. Например, куплено 100 платных пользователей, они участвуют в механике виральности и приглашают дополнительные 50, что снижает усредненную цену привлечения и экономит бюджет.
Если же K-фактор больше 1 (допустим, он 200%), то это приведет к геометрическому росту пользовательской базы. Например, купленные 100 пользователей привлекают 200, и если K-фактор останется прежним, то новые пользователи привлекут уже 400 пользователей и т. д. Виральность работает до тех пор, пока вся потенциальная масса пользователей не достигнет насыщения в своей социальной матрице и заданном рынке.
3. Взаимосвязь виральности, ретеншна и монетизации
Безусловно все три параметра: виральность, ретеншн и монетизация находятся в взаимосвязи. Пользователи с высокой лояльностью продукту чаще принимают участие в механиках виральности и вовлечены в монетизацию [14].
Несмотря на борьбу за внимание пользователя, эти механизмы могут подстегивать друг друга, а всевозможные приемы, такие как геймификация, которая обычно рассматривается в литературе как часть ретеншна, могут быть поставлены на службу и монетизации и виральности.
Монетизация, как ни странно, тоже может подстегивать Виральность и Ретеншн, так, например, возможности, доступные за деньги, могут быть альтернативно заработаны участием в программах виральности и геймификации. И цена этих возможностей, выраженная в весомых долларах, мотивирует, наглядно демонстрирует их ценность. Например, пользователь, видя стоимость приобретения новой возможности за деньги — выраженную в реальных деньгах может быть легче за-мотивирован ее заработать, выполняя определенные действия, например, приглашая друзей.
Очень важно, чтобы опыт от использования основной базовой функции продукта вызывал восхищение, тогда механики виральности и ретеншна (удержания) пользователей вступают в свою игру. Если они несбалансированы, например, ви-ральность прекрасная, а удержание слабое, то рост пользовательской базы, вызванный удачной виральностью, будет компенсирован потерями этой же базы из-за нелояльности пользователей. Обратная ситуация: слабая виральность при отличном ретеншне приведет к стагнации продукта, его пользовательской базы и проигрышу конкурентам в конечном итоге.
Предлагаемый автором параметр: Коэффициент собственного роста аудитории продукта (F-growth) может быть выражен как сумма Коэффициента виральности (K-Factor) и Коэффициента ретеншна (K-Retention):
F-Growth = K-Factor + K-Retention.
465
И. В. Осипов
Построение стратегии выхода на рынок фримиум-продукта на основе показателей виральности и ретеншна
Это главная формула роста фримиум-продукта, основанного на виральном продвижении. Понятно, что здесь не учитываются альтернативные методы привлечения аудитории, такие как купленная аудитория (paid-users), органическая аудитория (organic-users, пришедшая через поисковые машины, сарафанное радио или благодаря известности бренда).
K-Retention всегда меньше единицы на длинных промежутках времени, так как не существует продуктов, удерживающих свою аудиторию на все 100% всегда:
Локальный K-Retention=(dU -dNU)/dU х, где dU — дневная аудитория в заданный день; dU х — дневная аудитория днем
раньше; dNU — новые пользователи за этот период.
Для расчетов удобно использовать только активную аудиторию, при этом учитываются только те новые пользователи, что стали активными, а не вообще все зарегистрированные. Аналогичная ситуация с приглашенными новыми пользователями, среди которых тоже учитываются только активные:
Локальный K-Retention A=(dAU-dNU)/dAU x.
Коэффициент собственного роста можно представить как:
F-Growth =( dAU -dNU + dIU)/dAU_u
т. е. это соотношение аудитории следующего периода без учета новых пользователей, но с учетом приглашенных виральными методами, к объему аудитории предыдущего периода.
Если dNU и dIU равны, т. е. все новые пользователи привлекаются исключительно виральными методами (платного и органического трафика — нет), то в таком случае F-Growth = dAU / dAU_x.
В табл. 3 приведены данные и расчеты параметров для продукта i2istudy.
Таблица 3. Значения параметров для i2istudy
педеля 21.04 20.04 06,06 12.00 19.05 26.00 O2.0O 09,06 16.06 23.00 30.06 07,07 14,07 21,07 26.07 04.06 11.06 16.00
27.04 0405 11.05 18.55 25.05 01.05 00.05 16.05 22.05 29.05 06.07 13.07 20.07 27.07 03.00 10.06 17.OS 24.00
Активных пользователей (oiAiJ) 297 801 867 979 1080 1213 1827 2126 1763 2624 2572 1924 1716 1610 1576 947
Новых 1ШВИЫ1П. (cWU] 239 575 572 643 695 776 1358 1464 1140 1881 1643 1129 998 1066 824 358
Приглашенных активных л. (dJt/l rj 9 10 32 54 HI И 5 41 73 68 52 65 77 7Ei 52 42
К-Factor. * 1 1 1 3 3 2 2 2 4 4 2 3 4 4 3 4
K-RetmOM, % 76 37 39 39 40 39 36 29 42 35 31 37 43 42 37
F-Growth, % 77 зп 42 42 42 41 ЗЯ 33 46 .37 34 41 47 45 41
Если коэффициент роста (F-Growth) меньше единицы, то продукт не может расти и теряет пользователей со всеми вытекающими последствиями для продукта и его команды. Если же удается добиться коэффициента роста более единицы, про-
466
ПРИКЛАДНЫЕ ИТ-СИСТЕМЫ И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
дукт начинает расти экспоненциально. Это безусловная цель для команды, развивающей продукт. И это необходимо для достижения капитализации проекта, превосходящей инвестиции в покупку пользовательской базы.
Для наглядной иллюстрации представим, что K-Factor = 20%, а коэффициент ретеншен = 85% (то есть 85 из 100 пользователей приходят на следующий день), то коэффициент роста будет 0,2 + 0,85 = 1,05, такая система будет самостоятельно расти изо дня в день на 5% своей дневной (или например) месячной аудитории. На рис. 5 приведен график прогноза роста пользователей с шагом 1 месяц, при условии, что исходно мы имеем 1000 пользователей в проекте, месячный K-Factor = 20%, месячный K-Retention = 85%, прогноз на 36 месяцев.
Рисунок 5. Прогноза роста пользователей на 36 месяцев
Итак, сумму факторов K-Factor и K-Retention мы называем F-Growth. Понятно, что если F-Growth больше 1 — мы получаем геометрическую прогрессию роста пользователей, если F-Growth меньше 1 — мы теряем пользователей (рис. 6).
Заметим, что позитивный коэффициент роста способен компенсировать другие недоработки, такие как качество самого продукта и ретеншн. А для стратегии развития проекта в целом, вложения в виральность и ретеншн являются альтернативой вложениям в рекламу и PR, что зачастую является выгодным решением, если сравнивать со стоимостью разработки (оплата труда программистов и т. п.) и расходами на маркетинг и связанный с ним персонал [17].
467
И. В. Осипов
Построение стратегии выхода на рынок фримиум-продукта на основе показателей виральности и ретеншна
Рисунок 6. Показатель F-Growth как индикатор выхода системы на рынок
4. Заключение
Вывод: при построении фримиум-продукта разумнее вывести его на рынок и отработать механики, связанные с виральностью и ретеншн, на небольших объемах привлекаемой платно аудитории, тем более эти механики поддаются статистической оценке и анализу. Добившись позитивного F-growth, можно привлекать венчурные средства и выводить проект на большой рынок.
Что касается конкретно рассматриваемого продукта, на котором проводилось исследование, то, как видим значение F-Growth колеблется чуть выше отметки 40%. Автор не может признать результат удовлетворительным, для такого типа аудитории; в настоящее время продукт находится на доработке и переработке.
Литература
[1] Seufert E. B. Freemium Economics: Leveraging Analytics and User Segmentation to Drive Revenue (The Savvy Manager's Guides). Morgan Kaufmann. Waltham MA 02451 USA. 2014
[2] Osipov I.V. Improved system and method for providing educational services // US patent pending. App. number 61922108, EFS ID: 17785274, Filed on 31.12.2013.
468
ПРИКЛАДНЫЕ ИТ-СИСТЕМЫ И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
[3] Osipov I. V., Volinsky A. A., Prasikova A. Y. Real time collaborative platform for learning and teaching foreign languages // Computer Assisted Language Learning. 2014 (Acepted)
[4] Osipov I. V., Volinsky A. A., Prasikova A. Y. Participant behavior and content of the online foreign languages learning and teaching platform // Computer Assisted Language Learning. 2014 (Acepted)
[5] Cohen E. L. What makes good games go viral? The role of technology use, efficacy, emotion and enjoyment in players’ decision to share a prosocial digital game // Computers in Human Behavior. 2014. Vol. 33. P. 321-329.
[6] Marks M. Time banking service exchange systems: A review of the research and policy and practice implications in support of youth in transition // Children and Youth Services Review. 2012. Vol. 34. No. 7. P. 1230
[7] Valek, L., Jasikova, V. Time bank and sustainability: The permaculture approach // Procedia Social and Behavioral Sciences. 2013. Vol. 92. P. 986.
[8] Mantymaki M., Salo J. Teenagers in social virtual worlds: Continuous use and purchasing behavior in Habbo Hotel // Computers in Human Behavior. 2011. Vol. 27. No. 6. P. 2088-2097.
[9] Skok D. The Power of Free // The Entrepreneurs. December 2009. (http://www.forentrepreneurs.com/business-models/power-of-free/)
[10] Skok D. Lessons Learned — Viral Marketing // For Entrepreneurs. 6 December 2009.
[11] Lee Y. The Four Viral App Objectives (a.k.a., “Social network application virality 101") // FrameThink. 15 January 2008.
[12] Fong R. The K-Factor: The Secret Factor Behind Your Company’s Growth // Bliss Drive. 17 March 2014.
[13] Fields T., Cotton B. Social Game Design. 2012.
[14] Ellis S., Brown M. StartUp Growth Engines. First Printing. 2014.
[15] Pluzhnik E. V., Nikulchev E. V., Virtual laboratories in cloud infrastructure of educational institutions // 2nd International Conference on Emission Electronics (ICEE). Selected papers. IEEE; 2014. P. 67-69.
[16] Rigatuso A. Growing growth: Perform your own cohort analysis. Toptal LLC Web http://www.toptal.com/data-science/growing-growth-perform-your-own-cohort-analysis
[17] Gains B. Billion dollar companies use customer referral programs. Referral Saasquatch Web. http://www.referralsaasquatch.com/billion-dollar-companies-use-customer-referral-programs/
Автор:
Осипов Илья Викторович, руководитель проекта i2istudy
469
И. В. Осипов
Построение стратегии выхода на рынок фримиум-продукта на основе показателей виральности и ретеншна
Indicators of Viral and Retention for Freemium Product. Market Entry Strategy
I. V. Osipov
"i2istudy" SIA, Krisjana Barona Iela, 130 k-10, Riga, Lv-1012, Latvija e-mail: ilya@osipov.ru
Abstract. At present, more and more products are moving to an economic model freemium, such as mobile applications, SaaS-solutions, software, web-application. However, the model has many features as it may seem. The article studied the statistics of user behavior on the example of the educational platform for communication, discusses the relationship and interdependence between key parameters of this model: The coefficient of viral, retention, monetization. Features of their calculation, for an example implementation of the educational platform. A new target parameter F-Growth, allowing to estimate the amount of "maturity" of the Internet project freemium model, in order to obtain external investment and output in the international market. Keywords: K-Factor, F-Growth, virality, retention, monetization, edutainment, cloud technologies, freemium, f2p.
Reference
[1] Seufert E. B. (2014) Freemium Economics: Leveraging Analytics and User Segmentation to Drive Revenue (The Savvy Manager's Guides). Morgan Kaufmann. Waltham MA 02451 USA.
[2] Osipov, I. V. (2013). US patent pending “Improved system and method for providing educational services”, Application number 61922108, EFS ID: 17785274, filed on December 31, 2013.
[3] Osipov, I. V., Kolinsky, A. A., Prasikova, A. Y. (2014). Real time collaborative platform for learning and teaching foreign languages. Computer Assisted Language Learning.
[4] Osipov, I. V., Volinsky, A. A., Prasikova, A. Y. (2014). Participant behavior and content of the online foreign languages learning and teaching platform. Computer Assisted Language Learning.
[5] Cohen E. L. (2014).What makes good games go viral? The role of technology use, efficacy, emotion and enjoyment in players’ decision to share a prosocial digital game. Computers in Human Behavior, 33, 321-329.
[6] Marks M. (2012). Time banking service exchange systems: A review of the research and policy and practice implications in support of youth in transition. Children and Youth Services Review, 34(7), 1230.
[7] Valek L., Jasikova V. (2013). Time bank and sustainability: The permaculture approach. Procedia Social and Behavioral Sciences, 92, 986.
470
ПРИКЛАДНЫЕ ИТ-СИСТЕМЫ И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
[8] Mantymaki M., Salo J. (2011) Teenagers in social virtual worlds: Continuous use and purchasing behavior in Habbo Hotel. Computers in Human Behavior, 27(6), 20882097.
[9] Skok D. (December 2009) The Power of Free The Entrepreneurs (http://www.forentrepreneurs.com/business-models/power-of-free/)
[10] Skok D. (6 December 2009) Lessons Learned — Viral Marketing. For Entrepreneurs.
[11] Lee Y. (15 January 2008) The Four Viral App Objectives (a.k.a., “Social network application virality 101"). FrameThink.
[12] Fong R. (17 March 2014). The K-Factor: The Secret Factor Behind Your Company’s Growth. Bliss Drive.
[13] Fields T., Cotton B. (2012) Social Game Design.
[14] Ellis S., Brown M. (2014) StartUp Growth Engines. First Printing.
[15] Pluzhnik E. V., Nikulchev E. V. (2014) Virtual laboratories in cloud infrastructure of educational institutions // 2nd International Conference on Emission Electronics (ICEE). Selected papers; 67-69.
[16] Rigatuso A. Growing growth: Perform your own cohort analysis. Toptal LLC Web http ://www .toptal. com/data-science/growing-growth-perform-your-own-cohort-analysis
[17] Gains B. Billion dollar companies use customer referral programs. Referral Saasquatch Web. http://www.referralsaasquatch.com/billion-dollar-companies-use-customer-referral-programs/
471
