La maggior parte dei processi di onboarding è progettata per l'utente medio — il che significa che è errata per quasi tutti. L'utente che si è registrato per risolvere un problema specifico viene guidato attraverso un flusso generico pensato per chi desidera esplorare ogni aspetto del prodotto. Di conseguenza, non trova ciò che cerca abbastanza rapidamente, non percepisce valore nella prima sessione e smette silenziosamente di utilizzare l'applicazione. Complessivamente, questo si traduce in un tasso di attivazione del 30%. In realtà, si tratta di quattro diversi fallimenti di attivazione per quattro diverse tipologie di utenti, e il flusso unico che hai costruito non ne risolve nessuno.
Il miglior flusso di lavoro IA per l'attivazione e l'onboarding inizia individuando dove ciascun tipo di utente abbandona effettivamente il percorso — non dove si suppone che lo faccia — e progetta il percorso più breve possibile dalla registrazione al primo risultato reale per ciascuno di essi. Le metriche di misurazione sono integrate fin dal primo giorno per verificare l'effettiva efficacia dei cambiamenti.
Perché i tassi di attivazione aggregati mentono
Un tasso di attivazione del 30% è la media di diversi dati distinti. Un profilo utente (persona) si attiva al 55%, un altro al 18% e un terzo quasi per nulla. Il dato aggregato nasconde tutto questo. Se progetti una soluzione basata sulla media complessiva, potresti migliorare il tasso globale di pochi punti percentuali, lasciando il profilo utente più problematico esattamente nello stesso stato di inefficienza in cui si trovava. Il primo compito del flusso di lavoro IA consiste nello scomporre il dato aggregato in segmenti — in base all'obiettivo specifico (job-to-be-done) per cui ciascun utente si è registrato, al percorso intrapreso e al punto in cui si è fermato — rendendo il problema visibile al livello in cui può essere effettivamente risolto.
Individuare dove ciascun profilo utente abbandona il percorso
L'analisi dell'imbuto di conversione (funnel) per profilo utente è diversa da quella standard. Invece di chiedere \"quale percentuale di utenti completa il passaggio 3\", si interroga su \"quale percentuale di utenti registrati per fare X completa il passaggio 3, e quale percentuale di utenti registrati per fare Y lo completa\". I punti di abbandono sono quasi sempre diversi. Il profilo che si iscrive per ottenere un risultato specifico spesso si blocca nel momento in cui il prodotto gli chiede di compiere un'azione per cui non è interessato. Questo è un problema di progettazione, non di messaggistica promozionale, e la soluzione consiste nel rimuovere quel passaggio superfluo per quel profilo.
Un onboarding uguale per tutti non è neutrale. È attivamente errato per chiunque non corrisponda all'utente medio.
Progettare flussi personalizzati per i diversi profili utente
Un flusso di onboarding basato sui profili utente non aggiunge passaggi; li elimina per chi non ne ha bisogno e riordina quelli rimanenti per rendere il percorso verso il valore il più breve possibile. Per l'utente che desidera risolvere il problema A, il flusso punta dritto alla funzionalità o all'azione che lo risolve. Per l'utente che deve risolvere il problema B, il flusso parte da un punto diverso. Questo approccio appare ovvio, ma la maggior parte dei flussi di onboarding è costruita su una narrazione lineare di ciò che il prodotto fa, anziché su una mappa di ciò che ciascun utente intende ottenere.
Integrare le metriche per rendere visibili i progressi
I nuovi flussi di onboarding dovrebbero essere rilasciati con le metriche di misurazione già integrate, non aggiunte in un secondo momento. L'attivazione a livello di profilo utente — non complessiva — deve essere visibile fin dal primo giorno: la percentuale di ciascun profilo che raggiunge il primo reale risultato, il punto in cui il nuovo flusso perde utenti rispetto al vecchio e se la modifica ha effettivamente migliorato le metriche. Senza questa predisposizione, l'iterazione successiva si baserà su un'altra serie di ipotesi teoriche anziché su prove tangibili, perpetuando il ciclo.
Iterare sul comportamento, non sulle ipotesi
I migliori miglioramenti del tasso di attivazione si consolidano nel tempo perché ogni iterazione si basa su ciò che la versione precedente ha rivelato a livello di dati comportamentali, e non su ciò che si presume che gli utenti desiderino. Il flusso di lavoro fornisce un quadro strutturato di ciò che gli utenti hanno fatto e di dove si sono fermati, non di ciò che hanno dichiarato in un sondaggio. Questa evidenza oggettiva rende ogni iterazione più precisa: il punto di abbandono si sposta, l'ottimizzazione successiva si concentra sul nuovo ostacolo e il tasso di attivazione si avvicina al massimo potenziale definito dal valore reale del prodotto.
Perché un processo di onboarding uguale per tutti (one-size-fits-all) fallisce?+
Perché utenti diversi arrivano al produto per ragioni diverse e hanno bisogno di un percorso diverso per raggiungere il primo risultato. Un unico flusso ottimizzato per un utente medio teorico è errato per tutti coloro che non corrispondono a quella media — ovvero la maggior parte degli utenti. La soluzione consiste nell'identificare i percorsi distinti di cui hanno bisogno le diverse tipologie di utenti e progettarli separatamente.
Cos'è l'attivazione e come la misuriamo?+
L'attivazione è il momento in cui un nuovo utente raggiunge il suo primo reale risultato di valore — non il completamento di un tutorial o la compilazione di un profilo, ma l'azione specifica per cui si è registrato. Per misurarla, occorre definire questo momento per ciascun profilo utente (persona) e predisporre all'interno del prodotto le metriche per registrare quando gli utenti lo raggiungono.
Come possiamo trovare i punti di abbandono degli utenti senza indagini qualitative?+
I dati comportamentali (ciò che gli utenti hanno effettivamente fatto, passo dopo passo, prima di fermarsi) sono più affidabili delle interviste per identificare i punti di abbandono. Spesso gli utenti non riescono a spiegare dove si sono bloccati; l'azione reale è un indicatore migliore della spiegazione verbale. Il flusso di lavoro analizza le tracce dei comportamenti invece di fare affidamento sulle dichiarazioni degli utenti.
Dobbiamo ricostruire l'onboarding da zero?+
No. L'analisi individua i punti esatti in cui ogni profilo si discosta e dove il flusso attuale fallisce. Spesso l'intervento è mirato: eliminare questi tre passaggi per il profilo A, riordinare questi due per il profilo B, aggiungere questa notifica per il profilo C. Una ricostruzione completa è raramente necessaria.
Come possiamo iniziare?+
La prova più rapida consiste nel segmentare i dati di attivazione esistenti in base all'obiettivo specifico (job-to-be-done) per cui ciascun utente si è registrato, e osservare come variano i punti di abbandono per ciascun profilo. Prenota una breve chiamata e analizzeremo questo aspetto direttamente sui tuoi dati reali.
Servizio correlato
Vuoi che implementiamo questo workflow per te?