Feature adoption rate calculator

Inilalarawan ng feature adoption gaano naging bahagi ng trabaho ng user ang isang feature. Hindi sapat ang isang numero, kaya apat na dimensyon ang sinusuri:

Ang adoption rate ay bahaging sinukat mula sample, kaya may margin of error. Gumagamit ang calculator ng Wilson interval na wasto maging sa maliit na numero. Sa 1,150 mula 4,800, ang 95% interval ay 22.8% hanggang 25.2%; sa 23 mula 96 (parehong bahagi), 16.5% hanggang 33.4%.

Ang repeat usage ay bahagi ng feature user na gumamit sa hindi bababa sa dalawang magkaibang araw. Mataas na breadth na may mababang repeat usage ay nangangahulugang sinubukan at iniwan.

Time to adopt

Oras mula sign-up (o release ng feature) hanggang unang paggamit. Kinukuha ng calculator ang median at 75th percentile ng mga gumamit na, at hiwalay na bahagi ng lahat ng user na nagsimula sa loob ng 7 at 30 araw. Mapanlinlang ang average: ilang user na natuklasan ang feature makalipas ang dalawang buwan ay labis na nagpapataas dito.

Walang unibersal na benchmark: nakadepende kung para kanino ang feature. Ang scale sa calculator ay rule of thumb para feature na para sa lahat ng active user, hindi industry standard:

• mas mababa sa 10% — halos hindi nahahanap o para sa madalang na gawain;
• 10–30% — normal para advanced o niche na feature;
• 30–60% — malaking bahagi ng audience ang gumagamit;
• 60% o higit — bahagi ng core workflow.

Mas mahalaga ang wastong denominator kaysa mga hangganan: kung nasa paid plan lamang ang feature, hatiin sa paying account. Natuklasan ng Pendo 2019 Feature Adoption Report na 80% ng mga feature sa karaniwang software product ay bihirang o hindi kailanman ginagamit. Kadalasan ay hindi dahil walang nangangailangan sa mga ito, kundi dahil hindi alam ng mga user na umiiral ang mga ito: ang mababang adoption ay unang-una problema ng discoverability, at pagkatapos ay usapin ng value. Kadalasan ay hindi dahil walang nangangailangan sa mga ito, kundi dahil hindi alam ng mga user na umiiral ang mga ito: ang mababang adoption ay unang-una problema ng discoverability, at pagkatapos ay usapin ng value.

Ihambing ang feature sa sarili nito sa paglipas ng panahon. Kung tumaas ang adoption pagkatapos ng pagbabago sa interface, kumpirmahin gamit ang A/B test — ang A/B test calculator ay nagbibigay ng sample size.

• Hindi makita ang feature. Nakatago sa menu. Ang tooltip sa lugar kung saan kailangan ay mas mabisa kaysa release email.
• Hindi malinaw ang value. Maikling tour na may halimbawang resulta ay sumasagot sa “anong mapapala ko?”.
• Maling tao, maling sandali. Ipakita ang tooltip sa mga nakatapos sa naunang hakbang at itago sa mga gumagamit na.
• Mahirap ang unang paggamit. Hanapin kung saan humihinto ang mga tao sa funnel calculator at paikliin ang daan gamit ang time to value calculator.

Sukatin ang epekto ayon sa cohort at tingnan ang kaugnayan sa retention sa retention calculator.

Mga karaniwang pagkakamali

• Event sa halip ng user sa numerator.
• Internal at test account na nagpapalobo ng adoption ng bagong feature.
• Spike sa launch: ang stable na antas ay makikita pagkaraan ng ilang linggo.
• Mas maikling panahon para sa lingguhan o buwanang feature.

1. Pendo. The 2019 Feature Adoption Report — bahagi ng bihirang ginagamit na feature.
2. Croll A., Yoskovitz B. Lean Analytics. O'Reilly Media, 2013 — engagement metric at pagpili ng denominator.
3. Wilson E. B. Probable Inference, the Law of Succession, and Statistical Inference. Journal of the American Statistical Association, 22(158), 1927.
4. Hyndman R. J., Fan Y. Sample Quantiles in Statistical Packages. The American Statistician, 50(4), 1996 — percentile (type 7).