Lean Analytics en 40 min

https://unsplash.com/@lukechesser

Si estás adentrándote en el mundo de producto digital, seguramente ya conoces este libro. Te recomiendo que lo leas, pero si te apetece echar un vistazo general, he intentado resumirlo respetando sus partes y capítulos.

Con Lean Analytics aprenderás a diferenciar los modelos de negocio y fases de crecimiento de un producto, así como encontrar la OMTM (One Metric that Matters). Este libro contiene puntos de referencia para cada fase y te pondrá los datos delante para que te sea difícil ignorarlos.

PARTE I: Deja de mentirte

La Parte I se centra en la comprensión de Lean Startup y el análisis básico, así como en la mentalidad basada en datos que necesitarás para tener éxito. Revisaremos una serie de frameworks existentes para construir una startup centrada en datos.

Cap. 1: Todos somos mentirosos

La analítica es el contrapeso necesario a la mentira, el yin al yang de la hipérbole. Además, el aprendizaje basado en datos es la piedra angular del éxito en las nuevas empresas.

El movimiento Lean Startup ofrece un framework con cantidades ingentes de honestidad. Puedes construir una primera versión de cualquier cosa sin gastar dinero, medir su efecto, y aprender para la próxima vez. Puedes iterar rápido, decidir pronto si quieres continuar con tu idea o pasar a la siguiente. Aquí es donde los datos entran en juego. El aprendizaje no pasa de manera accidental, es una parte fundamental de Lean.

Cap. 2: Cómo mantener la puntuación

¿Cómo es una buena métrica?

• Debe poder compararse con otros períodos de tiempo, grupos de usuarios o competidores nos ayuda a comprender en qué dirección se están moviendo las cosas.
• Es entendible por el equipo.
• Expresables mediante una proporción o una tasa. Es más fácil actuar sobre las proporciones, son buenas para comparar factores y ver si estamos teniendo un aumento repentino o es una tendencia a largo plazo, por ejemplo.
• Cambia la manera en la que te comportas. Las “accounting metrics”, como el daily sales revenue, muestran tus resultados y cómo de cerca estas de tu objetivo. Las “experimental metrics” te ayudan a optimizar el producto, el precio o el mercado. Sus resultados van haciendo que cambies tu comportamiento y vayas haciendo cambios.

A la hora de seleccionar las mejores métricas para tu negocio, debes conocer qué tipos de métricas existen:

• Métricas cualitativas vs cuantitativas: Las métricas cualitativas no están estructuradas, son anecdóticas, reveladoras y difíciles de unificar. Las métricas cuantitativas involucran números y estadísticas, y brindan cifras concretas, pero menos insights.
• Métricas de vanidad vs métricas reales: Las métricas de vanidad nos dan información, pero no podemos actuar sobre ellas. Por ejemplo: “número de registros en la app”. Sin embargo, “el porcentaje de usuarios activos” nos habla del engagement que los usuarios tienen sobre nuestro producto. Cuando hacemos algún cambio en el producto, la métrica de porcentajes de usuarios activos va a cambiar, por lo que podemos experimentar, aprender e iterar con ella.
  8 Métricas de vanidad que debemos evitar: número de clicks, número de páginas vistas, número de visitas, número de visitantes únicos, número de followers / amigos / likes, tiempo en la web, emails captados, número de descargas.
• Métricas exploratorias vs métricas de informes: Aquellas cosas que sabemos que no sabemos son las que tenemos que investigar y llamamos métricas de informes, ya que conocemos la métrica que necesitamos. Las que no sabemos que no sabemos requieren exploración para descubrir algo nuevo que nos ayude a irrumpir en el mercado.
  Ver The hidden genius of Donald Rumsfeld.
• Métricas líderes vs métricas rezagadas: Ambas son útiles; las líderes intentan predecir el futuro — necesitaremos hacer análisis de cohorte y comparar grupos de usuarios en un periodo de tiempo. Las rezagadas (como el churn), nos dan un indicador de dónde está el problema.
  En algunos casos, una métrica rezagada para una empresa puede ser una métrica líder para otra. Por ejemplo, sabemos que el número de reservas trimestrales es una métrica rezagada para los vendedores (los contratos ya están firmados), pero para el departamento de finanzas que se centra en cobrar el pago, son un indicador del revenue esperado (dado que los ingresos no se han realizado aún). Una métrica real debe ser accionable. Las métricas rezagadas y líderes pueden serlo, pero los indicadores líderes nos muestran lo que sucederá, reduciendo el tiempo de ciclo y haciéndolo más ágil.
• Métricas correlacionadas vs métricas causales: Encontrar una correlación entre dos métricas es algo bueno. Nos ayuda a predecir qué va a pasar. Pero encontrar la causa significa que podemos cambiarla. Normalmente hay diferentes factores que causan algo, cada métrica independiente explica una porción del comportamiento de la métrica dependiente. Probaremos esa causalidad identificando la correlación y llevando a cabo experimentos que podamos controlar otras variables y medir la diferencia; es un trabajo complicado porque ningún usuario es idéntico.

Segmentación, cohortes, A/B Testing y análisis multivariable

• Segmentación: se trata de un grupo de usuarios que comparten una característica (técnica, demográfica…)
• Análisis de cohorte: Compara grupos similares en un periodo de tiempo. Este tipo de informes nos permite ver patrones sobre el ciclo de vida de un cliente, en lugar de cortar a ciegas a todos los clientes sin tener en cuenta el ciclo natural que atraviesa un cliente.
• Test A/B y test multivariable: Cuando estamos comparando un atributo en una experiencia subjetiva, como el color de un link, estamos haciendo A/B Testing. Ejemplo: Jay Parmar cambió el call to action de “Get started free” a “Try it out free” incrementando el click-through rate en un 376%. Es un experimento sencillo pero necesitamos bastante tráfico y hacerlo rápido para pasar el siguiente experimento. Con el test multivariable analizamos un conjunto de test al mismo tiempo. Se basa en el análisis estadístico de los resultados para ver cuál de los muchos factores se correlaciona fuertemente con una mejora en una métrica clave.

En definitiva, se trata de encontrar una métrica con significado para llevar a cabo experimentos que la mejoren hasta que la métrica sea lo suficientemente buena como para movernos al siguiente problema o la siguiente fase de nuestro negocio. Eventualmente, encontraremos un modelo de negocio sostenible y aprenderemos cómo escalarlo. Ver aquí el ciclo de Lean Analytics.

Cap. 3: Decidiendo qué hacer con tu vida

Si quieres sobrevivir como fundador o fundadora, debes encontrar la intersección de la demanda (para tu producto), tu habilidad (para hacerlo) y tu deseo (para que te preocupes por él). Ver aquí el diagrama.

Si quieres hacer algo en lo que eres buenx pero no te pagan por ello, aprende a monetizarlo. Si eres buenx en algo y te pueden pagar por ello, pero no te gusta, aprende a decir que no. Y si te gusta hacer algo que podrían pagarte pero no se te da muy bien, aprende a hacerlo bien.

El Lean Canvas te ayudará a hacer tu business plan para identificar las áreas de mayor riesgo y obligarte a ser honestx.

Cap. 4: Data-Driven vs Data-Informed

Las 10 trampas más comunes que lxs emprendedores deben evitar a medida que investigan los datos de sus startups:

1. Asumir que los datos están limpios.
2. No ser concretos a la hora de buscar un dato.
3. Excluir valores atípicos.
4. Incluir valores atípicos desde una perspectiva cuantitativa en lugar de cualitativa.
5. Ignorar la temporalidad del producto.
6. Ignorar tamaño al informar sobre crecimiento.
7. Vomitar datos sin saber qué estás mirando.
8. Configurar alertas con umbrales sensibles y que nos estén avisando constantemente, tendiendo a ignorarlas.
9. No investigar datos de otras fuentes.
10. Centrarse en el ruido y no tener una visión global.

Algunxs emprendedorxs están obsesionados con los datos, pero tienden a quedar atrapados en la parálisis del análisis. Otrxs se basan en la intuición e ignoran los datos a menos que les convenga, y pasan de una idea a otra sin disciplina. En la raíz de esta división está el desafío fundamental que enfrentan los defensores de Lean Startup: ¿cómo podemos conseguir un producto mínimo viable y una visión convincente al mismo tiempo?

PARTE II: Encontrando la métrica adecuada para el momento

La Parte II muestra cómo aplicar Lean Analytics en startups. Aplicándolo a seis modelos de negocio de ejemplo y las cinco etapas que recorre cada startup a medida que descubre el producto adecuado y su mercado objetivo. También hablaremos sobre cómo encontrar la única métrica que es importante para el negocio.

Cap. 5: Frameworks de analítica

A continuación vamos a ver cinco modelos diferentes:

Modelo AARRR — Métricas Pirata de Dave McClure

• ADQUISICIÓN: ¿Cómo nos damos a conocer a los usuarios? A través de SEO, SEM, email, PR, campañas, blogs… generamos atención a través de varios medios, orgánicos y de pago. Algunas métricas relevantes son: tráfico, menciones, coste por click, resultados de búsqueda, coste de adquisición, open rate…
• ACTIVACIÓN: ¿Están utilizando nuestro producto? Convertimos a los visitantes en usuarios utilizando features, diseño, tono, compensaciones, afirmaciones… Algunas métricas relevantes son: Inscripciones, registros, proceso de onboarding completado, uso del servicio al menos una vez, suscripciones…
• RETENCIÓN: ¿Cómo enganchamos a un usuario? Vemos cómo convencer al usuario para que vuelva de manera recurrente. Usamos notificaciones, alertas, recordatorios, emails, actualizaciones… Algunas métricas relevantes son: engagement, tiempo desde la última visita, daily active user, monthly active user, churns…
• REVENUE: ¿Estamos haciendo dinero con la actividad del usuario? Transacciones, clicks, suscripciones, contenido descargable, analítica… Algunas métricas relevantes son: customer lifetime value, conversion rate, shopping cart size, click-through revenue…
• REFERRAL: ¿Los usuarios recomiendan el producto? Email, widgets, campañas, likes, RTs, afiliaciones… Algunas métricas relevantes son: invitaciones enviadas, coeficiente de viralidad, tiempo de ciclo viral…

Estos cinco elementos no siguen necesariamente un orden estricto (los usuarios pueden recomendar a otros antes de gastar dinero en nuestro producto, o pueden regresar varias veces antes de registrarse), pero es un buen framework para pensar en cómo debe crecer una empresa.

Motores de crecimiento de Eric Ries

• STICKY ENGINE: Se centra en que los usuarios vuelvan y usen el producto de manera recurrente, ya que este engagement es un buen predictor del éxito. Para la retención y frecuencia, las métricas principales son customer retention, churn, frecuencia de uso y última visita.
• VIRALITY ENGINE: La métrica principal es el coeficiente de viralidad (número de nuevos usuarios que cada usuario trae en cada ciclo viral), pero también debemos tener en cuenta las acciones que forman parte del proceso desde que una persona recomienda o invita a otra.
• PAID ENGINE: Normalmente, el pago es el último factor para identificar si el modelo de negocio es sostenible. Las dos métricas principales son customer life value (CLV) y customer acquisition cost (CAC). Es bueno ganar más de lo que se gasta, pero aún debemos preocuparnos del cashflow y la tasa de crecimiento, que depende de lo que tarda el usuario en pagar, esto lo medimos con time to customer breakeven (el tiempo que nos lleva recuperar el coste de adquisición de un usuario).

Modelo Lean Canvas de Ash Maurya

Ya lo hemos enseñado en el capítulo 3, pero debes pensar en este framework como un documento vivo, con el que vas experimentando y validando lo que has pensado. Piensa en cada casilla de canvas como un check para poder pasar a la siguiente, o no pasar si el experimento falla. Las métricas individuales pueden cambiar según el tipo de negocio, pero las pautas son igualmente válidas. Compartiremos más detalles más adelante sobre las métricas clave que importan según el tipo de negocio

Algunas métricas relevantes:

• Problema: Encuestados que tienen esta necesidad, encuestados que son conscientes de tener la necesidad
• Solución: Encuestados que prueban el MVP, engagement, churn, funciones más utilizadas / menos utilizadas, personas dispuestas a pagar…
• Unique value proposition: Feedback, calificaciones independientes, análisis de sentimientos, descripciones redactadas por los clientes, encuestas, búsqueda y análisis competitivo.
• Segmentos de clientes: Facilidad de encontrar grupos de clientes potenciales, segmentos de palabras clave únicas, tráfico de funnel dirigido de una fuente en particular…
• Canales: Leads y clientes por canal, coeficiente y ciclo viral, NPS, tasa de apertura, márgenes de afiliados, tasa de clics, PageRank, alcance del mensaje…
• Ventaja injusta: Comprensión de los encuestados de la propuesta de valor, patentes, valor de marca, barreras de entrada, número de nuevos participantes, exclusividad de las relaciones…
• Revenue streams: Lifetime customer value, average revenue per user, conversion rate, shopping cart size, click-through rate…
• Coste de estructura: Costes fijos, coste de adquisición de clientes, coste de atender al enésimo cliente, costes de soporte, costes de palabras clave…

Pirámide de crecimiento startup de Sean Ellis

Puedes leerlo aquí con una actualización

La pregunta que este modelo plantea es cómo saber si hemos logrado el product/market fit. Sean diseñó una encuesta que puedes enviar a clientes (disponible en survey.io) para determinar si estás listo para un crecimiento acelerado. La pregunta más importante de la encuesta es “¿Cómo se sentiría si ya no pudiera utilizar este producto o servicio?” Según la experiencia de Sean, si el 40% de las personas (o más) dicen que se sentirían muy decepcionados de perder el servicio, es el momento de escalar.

El modelo de Lean Analytics intenta recoger lo mejor de cada modelo y hacer énfasis en las métricas. Identifica cinco fases por las que las startups pasan a medida que van creciendo: Empatía, Adherencia, Viralidad, Revenue y Escalar.

Puedes consultar aquí el cuadro con las comparativas de los modelos.

Cap. 6: La disciplina de la Métrica que Importa

Debemos estar centradxs en la fase que nos encontramos. En el mundo de la analítica, esto significa elegir una única métrica que sea importante para el momento en el que nos encontramos. Llamamos a esto OMTM (One Metric That Matters).

Aunque está bien realizar un seguimiento de muchas métricas, es casi seguro que te hará perder el enfoque. Elegir un conjunto mínimo de KPIs en los que se basan las suposiciones de tu negocio es la mejor manera de hacer que toda la organización avance en la misma dirección.

Pero recuerda, esa métrica que importa cambia con el tiempo y la fase en la que nos encontramos.

¿Por qué debemos usarla? 1) Porque va a responder a la pregunta más importante que nos hagamos sobre nuestro negocio, 2) porque nos obliga a trazar una línea y tener objetivos claros, 3) porque hace que toda la compañía se alinee y se centre, y porque inspira una cultura de experimentación (build>measure>learn).

Trazar un objetivo para nuestra métrica es complicado. Para guiarte puedes utilizar los propios objetivos de negocio. Si necesitas al 10% de usuarios en el modelo de pago para llegar a tus objetivos de negocio, ahí tienes el número. Si por el contrario aún no tienes claro el modelo de negocio, puedes mirar qué es normal o ideal, basándote en el sector o en competidores. Al menos tendrás un lugar desde el que empezar.

Cap.7: ¿En qué negocio estás?

Cada modelo de negocio necesita maximizar el avance de los tres motores de crecimiento (stickiness, viralidad y revenue) para poder prosperar. Sergio Zyman cuenta que el crecimiento del negocio viene de mejorar estos cinco factores:

• More things: añadir productos o servicios que sepas que tus clientes quieren.
• More people: añadir más usuarios, bien sea de manera orgánica o pagada. Debemos tener en cuenta que no todos son iguales, ni todos son buenos para nosotros. La clave aquí de la analítica es poder segmentar a aquellos usuarios que nos aporten valor y separarlos de los curiosos. La predicción precisa del revenue se basa en la comprensión de cómo los diferentes segmentos de usuarios utilizan el producto.
• More often: significa retención, reducir la tasa de abandono, y que haya un uso repetido del producto.
• More money: aumentar las ventas y maximizar el precio que pagarán los usuarios.
• More efficient: reducir el coste de entrega y servicio de soporte, así como reducir el coste de adquisición.

La creación del modelo de negocio se basa en cinco aspectos:

• El canal de adquisición es cómo la gente va a encontrarte.
• La estrategia de ventas es cómo vas a convencerles para que se conviertan en clientes (tiempo limitado, eliminando los anuncios, con un límite de capacidad, funcionalidades adicionales, poder guardar ciertas cosas…).
• La fuente de ingresos es cómo haces dinero, pudiendo venir directamente desde transacciones, suscripciones, ingresos por anuncios, reventa de datos, donaciones…
• El tipo de producto es el valor que el producto ofrece a cambio del revenue.
• El modelo de delivery es cómo llega el producto al cliente.

Puedes ver la tabla con ejemplos aquí.

Cap. 8: Modelo uno: E-commerce

En un e-commerce, un visitante compra algo en un comercio web (ejemplo: Amazon). En el funnel convencional, el usuario llega a la web, navega sobre una serie de páginas hasta llegar a un artículo en particular, hace click en “comprar”, añade información de pago/envío y completa la compra. Sin embargo, en las actuales el proceso no es tan simple:

• El proceso de búsqueda es más complejo ya que el comprador suele saber lo que busca y compara en diferentes sitios.
• Los e-commerce utilizan las recomendaciones de compras basándose en compras pasadas o en perfiles similares de usuarios. Cada usuario por tanto ve la web de una manera diferente a como la vería otro.
• El proceso de compra es más difícil de trackear ya que comienza antes de entrar en la web: redes sociales, emailings…

Los comercios online como Amazon, centrados en la lealtad, construyen una relación con sus usuarios. Intentan hacer la compra simple y automática (como en el caso de la compra con 1 click), y animan a los usuarios a construir wishlists y hacer reviews de los productos. De modo que aunque su modelo principal de negocio sea el e-commerce, se interesan en otros como el User Generated Content, siempre y cuando actúen como impulsores de más compras.

Para saber en qué modelo de e-commerce te encuentras, Kevin Gillstrom propone que calculemos el annual repurchase rate: ¿Qué porcentaje de personas que compraron algo el año pasado, comprarán este año?

Puedes calcularlo a 90 días y coger una idea: si el porcentaje está entre el 1% y el 15%, estás en un modelo de adquisición y debes centrarte en nuevos clientes. Si el porcentaje está entre el 15% y el 30% significa que estás en un modelo híbrido y te centraras tanto en nuevos clientes como en incrementar la frecuencia de compra. Por último, si el porcentaje supera el 30% estarás en un modelo de lealtad y toda tu atención irá a animar a los clientes a comprar de manera recurrente.

Algunos ejemplos de métricas:

• Conversion rate: la cantidad de visitantes que compran algo.
• Purchases per year: el número de compras realizadas por cada cliente por año.
• Tamaño medio del carrito de la compra: es importante saber cuánta gente compra algo, pero también necesitamos saber cuánto gasta en cada compra.
• Abandono: el porcentaje de personas que comienzan a realizar una compra y luego la abandonan. Es lo opuesto al conversion rate. Utilizaremos herramientas analíticas para identificar qué confunde a los clientes y dónde tienen dificultades.
• Coste de adquisición: lo que gastamos para atraer a un comprador.
• Revenue por cliente o Customer Lifetime Value: el valor de cada cliente. Para maximizar el revenue por cliente intentaremos incrementar el tamaño del carrito y la conversión mientras reducimos el abandono.
• Palabras clave (keywords) que traen tráfico al sitio: los términos que las personas buscan y asocian con el producto.
• Principales términos de búsqueda: tanto los que generan ingresos como los que no tienen ningún resultado.
• Efectividad de los motores de recomendación: probabilidad de que un visitante agregue un producto recomendado al carrito de compra.
• Viralidad: boca a boca e intercambio por visitante.
• Eficacia de la lista de correo: tasas de clics y capacidad para hacer que los compradores regresen y compren.

En el e-commerce, no solo queremos tener una tasa de conversión alta. También queremos un revenue alto por cliente o un alto CLV, porque eso es realmente lo que hace crecer al negocio.

Cap. 9: Modelo dos: Software as a Service (SaaS)

Un SaaS ofrece software a demanda, usualmente entregado a través de la web en la que opera (Gmail, Salesforce…). Muchos generan revenue a través de suscripciones mensuales o anuales. Algunos ofrecen un modelo freemium en el que el usuario comienza con una versión gratuita en la que el producto tiene restricciones (como 1 GB de almacenamiento), esperando que pague por más.

En este caso, algunos ejemplos de métricas:

• Atención: Con qué eficacia el negocio atrae visitantes.
• Inscripción: Cuántos visitantes se convierten en usuarios gratuitos o de prueba.
• Stickiness: Con qué frecuencia usan el producto.
• Conversión: Cuántos de los usuarios se convierten en clientes de pago y cuántos de esos cambian a un nivel más alto.
• Revenue per customer: Cuánto dinero aporta un cliente en un período de tiempo determinado.
• Customer acquisition cost: Cuánto nos cuesta conseguir un usuario de pago.
• Virality: Cuán probable es que los clientes inviten a otros y corran la voz, y cuánto tiempo les lleva hacerlo.
• Upselling: Qué hace que los clientes aumenten sus gastos y con qué frecuencia.
• Uptime and reliability: Cuantas quejas, problemas escalando o interrupciones tiene la empresa.
• Churn: Cuántos usuarios y clientes se van en un período de tiempo determinado.
• Lifetime value: Cuánto valen los clientes durante su periodo de vida.

Estas métricas siguen un orden lógico y natural. Si cogemos el ciclo de vida del cliente: la empresa adquiere un usuario a través del marketing viral o de pago. Con suerte, ese usuario continua usando el servicio y comienza a pagar una suscripción. El usuario invita a otros y tal vez se actualice a un nivel superior. Como cliente, puede tener problemas. Al final, deja de usar el servicio; en ese momento, sabemos cuántos ingresos nos dió. Pensar de esta manera es un buen método para entender las métricas clave que guían nuestro negocio.

Customer Lifetime Value y Coste Adquisición Cliente son métricas esenciales para un modelo de suscripción, las veremos más adelante. Cuando el CAC es una pequeña fracción del CLV, es señal de que estamos teniendo un buen retorno de la inversión y es momento de escalar.

Para medir engagement, nos fijaremos en el uso diario, semanal o mensual. Pero además miraremos cuánto tiempo pasan usando nuestro producto, qué hacen cuando entran, hay alguna feature que siempre usen u otra que nunca toquen, vuelven por su propia voluntad o través de un email… Buscar estos patrones significa analizar para encontrar mejoras a través de segmentación (si vemos que por ejemplo todos los usuarios que envían invitaciones son menores de 30 años).

En un SAS, el churn lo es todo. Se puede medir semanalmente, mensualmente, cuatrimestralmente… En primer lugar debemos definir qué es para nosotros un usuario inactivo, por ejemplo: alguien que no se ha logueado en 90 días.

Churn = (Number of churns during period) / (# customers at beginning of period) x 100

Si el 2.5% de los clientes abandonan cada mes, significa que el cliente promedio permanece alrededor de 40 meses (100 / 2.5). Así es como puede comenzar a CLV de un cliente (40 meses × promedio de monthly revenue per user).

Esta fórmula no es demasiado exacta así que proponen una rectificación:

Churn = (Number of churns during period) / [(# customers at beginning of period)+(# customers at end of period)]/ 2

El hecho de que SaaS sea un servicio recurrente no significa que deba tener un pago recurrente. Si el producto es efímero, como una publicación de trabajo transitoria, podría ser mejor ofrecer precios más transaccionales. Hay que tener cuidado con el pricing y probar diferentes puntos de precio cualitativamente (obteniendo comentarios de los clientes) y cuantitativamente; no siempre un precio bajo es la respuesta, puede que a la gente le de desconfianza o piense que el producto es de menor calidad.

Cap. 10: Modelo tres: App gratuita

Al contrario que en una web, las apps no tienen despliegues continuos ya que deben pasar por la revisión de las app stores (iOS o Android), lo que limita el número de iteraciones y dificulta la experimentación.

Las apps de pago tienen un funnel claro, pero en este capítulo nos centraremos en aquellas que sacan el revenue de otras fuentes, como añadiendo:

• Contenido descargables
• Estilo y personalización de la apariencia del personaje y el contenido del juego (una mascota, ropa para el avatar de un jugador)
• Mejoras (upgrades, mejores armas…)
• Ahorrar tiempo
• Eliminar los contadores de tiempo (como los niveles de energía que pueden tardar un día en rellenarse)
• Versión de pago. Algunas apps tienen features restringidas en la versión gratuita, y solo ofrecen ciertas funcionalidades si pagas por ellas.
• Anuncios en juegos: Algunos juegos incluyen publicidad, el jugador ve contenido promocional a cambio de créditos del juego.

En el ejemplo de una app de juego que monetiza a través de mejoras o con anuncios, sus métricas serían:

• Descargas: cuántas personas han descargado la aplicación, así como métricas relacionadas, como la ubicación en la tienda de aplicaciones y las calificaciones.
• Coste de adquisición de clientes (CAC): cuánto cuesta obtener un usuario y a un cliente de pago.
• Launch Rate o Tasa de lanzamiento: el porcentaje de personas que descargan la aplicación, la abren y crean una cuenta.
• Porcentaje de usuarios / jugadores activos: el porcentaje de usuarios que abren la aplicación y la utilizan diaria y mensualmente: estos son sus usuarios activos diarios (DAU) y usuarios activos mensuales (MAU).
• Porcentaje de usuarios que pagan: cuántos de los usuarios alguna vez pagan por algo.
• Tiempo hasta la primera compra: el tiempo que tarda un usuario en realizar una compra después de la activación.
• Monthly average revenue per user (ARPU) o Ingresos promedio mensuales por usuario: se obtienen tanto de las compras como de los anuncios vistos. Normalmente, esto también incluye información específica de la aplicación, como qué pantallas o elementos fomentan la mayor cantidad de compras. También miraremos el ARPPU, que es el ingreso promedio por usuario de pago.
• Calificaciones de clics: el porcentaje de usuarios que ponen una calificación o una reseña en una tienda de aplicaciones.
• Viralidad: en promedio, a cuantas personas invita un usuario.
• Churn: cuántos clientes han desinstalado la aplicación o no la han abierto en un período de tiempo determinado.
• Customer lifetime value: cuánto vale un usuario desde la cuna hasta la tumba.

Ejemplo de cálculo de métricas esenciales para una app

Para una app, aparecer como destacada en la app store supone un incremento significativo en el número de descargas y por tanto, mayor revenue.

El churn también es una métrica importante, por lo que debemos mirar cuándo el usuario abandona (el primer día, a la semana, al mes…), esto nos dará un indicador de por qué se van y podremos tratar de cambiar algo para retenerlos más tiempo.

Cap. 11: Modelo cuatro: Media site

Estos sitios suelen vivir de la publicidad: patrocinio, publicidad en banners, publicidad basada en clicks…

Los media sites se preocupan sobre todo por las tasas de clics o de visualización, porque son ingresos reales, pero también necesitan maximizar el tiempo que los visitantes pasan en el sitio, la cantidad de páginas que ven y la cantidad de visitantes únicos (en comparación con los que se repiten), porque esto representa un inventario (oportunidades de mostrar anuncios a los visitantes) y un alcance cada vez mayor de nuevas personas en las que los anunciantes podrían estar interesados.

Los Media Site se preocupan por métricas como:

• Audiencia y churn: la métrica más obvia para un media site es la audiencia: cuántas personas visitan el sitio. Solemos medirlo con Número de visitantes únicos al mes. Sin embargo, esto puede hacernos perder el foco, porque el engagement es mucho más importante que el tráfico, así que debemos controlar cuántos visitantes estamos perdiendo.
• Inventario de anuncios: es el número total de páginas vistas únicas en un determinado período de tiempo, ya que cada visita a la página es una oportunidad para mostrar un anuncio al visitante. Puedes estimar el inventario de visitantes y páginas por visita, la mayoría de herramientas de analítica lo hacen automáticamente.
• Tasas de anuncios: a veces se miden en coste por engagement; básicamente, cuánto puede ganar un sitio con esas impresiones según el contenido que cubre y las personas que lo visitan.
• Tasas de clics o Click-through rates: cuántas de las impresiones realmente se convierten en dinero.
• Equilibrio de contenido / publicidad: el equilibrio de las tasas de inventario de anuncios y el contenido que maximiza el rendimiento general.

Los usuarios más técnicos a veces instalan en sus navegadores software para bloqueo de anuncios. Esto reduce el inventario y puede alterar el análisis. Reddit ejecuta algunos anuncios que contienen contenido divertido, minijuegos o mensajes agradeciendo a los visitantes por no bloquear anuncios.

Cap. 12: Modelo cinco: Contenido generado por usuario (User-Generated content)

Este modelo centra sus esfuerzos en la creación de un buen contenido, lo que significa no solo posts y subidas, sino también votos, comentarios y otra información valiosa.

Se trata de la cantidad de contenido bueno versus malo, y el porcentaje de usuarios espectadores versus creadores. Este es un embudo de participación, similar a los embudos de conversión tradicionales de un modelo de comercio electrónico, solo que en lugar de mover a los clientes potenciales hacia las compras, tratamos de mover niveles cada vez más altos de participación. Ejemplo: Wikipedia, Reddit… El revenue suele venir de donaciones o publicidad, pero el foco principal es el engagement.

Este tipo de negocios suelen mirar las mismas métricas que el modelo anterior (Media sites), y las siguientes:

• Nº engaged visitors: la frecuencia con la que las personas regresan y el tiempo que permanecen allí. Un UGC tiene éxito cuando los visitantes se convierten en frecuentes. Por ejemplo lo calculamos con el day-to-week ratio: ¿cuántos visitantes de hoy usaron el producto la semana pasada? Otra métrica podría ser promedio de días desde la última visita, aunque necesitemos excluir aquellos que pasen un límite (por ejemplo más de 30 días), para que el churn no nos sesge los números. Para usuarios que tengan cuenta e interactúen, podemos medir engagement a través de días desde el último post, número de votos por día…
• Creación de contenido: el porcentaje de visitantes que interactúan con el contenido de alguna manera, desde la creación hasta la votación.
• Engagement funnel changes: cómo mueve el producto a la gente a niveles de más engagement durante el tiempo. En función del producto, tendremos un funnel diferente. Puede que para nosotros que alguien cree un post sea mejor que alguien que comparta una historia, por lo que crear post irá en el top del funnel de engagament.
• Valor del contenido creado: el beneficio comercial del contenido, desde donaciones hasta clics en contenido. Puede que sea el número de visitantes únicos que han visto el contenido, el número de páginas vistas o revenues de afiliados generados por clics en posts. En cualquier caso, lo mediremos por cohortes o segmentando el tráfico.
• Compartir contenido y viralidad: cómo se comparte el contenido y cómo esto impulsa el crecimiento. Miramos estos datos para saber si tenemos un nivel de viralidad que sostenga el negocio, para entender cómo se comparte el contenido y con quién, y por último para entender si debemos considerar una estrategia de monetización paywall (contenido cerrado para los no suscriptores).
• Eficacia de la notificación: porcentaje de usuarios que, cuando se les dice algo mediante push, correo electrónico u otro medio, actúan en consecuencia. En este modelo, las notificaciones son una parte fundamental para sostener el engagement. Para muchos usuarios, la pantalla de notificaciones es la pantalla principal, cuando coges el móvil, es lo primero que miras.

Cap. 13: Modelo seis: Two-sided Marketplace

En este modelo, la empresa hace dinero cuando un comprador y un vendedor completan una transacción (ej. Ebay). Esto representa un problema: deben atraer a ambos usuarios. Esto a priori sería el doble de trabajo, pero compañías como Uber, Etsy o Amazon se centran en el usuario que compra, ya que si tenemos a gente dispuesta a pagar dinero, será más fácil encontrar al grupo que quiera vender.

El primer paso al crear un marketplace, -y lo primero que hay que medir-, es nuestra capacidad para crear un inventario (oferta) o una audiencia (demanda). Comienza con lo mínimo para validar que tienes vendedores y compradores dispuestos a hacer una transacción. Tras esto, empezaremos a buscar formas de ganar dinero con esa actividad. Las métricas que rastreemos dependerán del tamaño de la transacción, la frecuencia y otras características de la empresa. Pero desde un punto de vista analítico es fundamental rastrear ingresos por transacciones.

Algunas métricas a las que mirar:

• Crecimiento de compradores y vendedores: la tasa a la que añadimos nuevos compradores y vendedores, medida por los visitantes que regresan (returning visitors).
• Crecimiento de inventario: la tasa a la que los vendedores añaden inventario, — como nuevos listados-, así como lo completos que estén.
• Eficacia de la búsqueda: lo que buscan los compradores y si coincide con el inventario.
• Embudos de conversión o conversion funnels: las tasas de conversión de los artículos vendidos y cualquier segmentación que revele qué ayuda a venderlos, como por ejemplo que haya fotografías de calidad.
• Calificaciones y signos de fraude: las calificaciones de compradores y vendedores, signos de fraude y tono de los comentarios. Los usuarios también pueden clasificarse entre sí, y los vendedores se esfuerzan para ganarse una buena reputación.
• Métricas de precios: si tienes un método de puja implementado (como hace eBay), entonces importa si los vendedores están fijando precios demasiado altos.

Cap. 14: ¿En qué fase estás?

No puedes empezar a medir todo de una vez. Tienes que medir tus suposiciones en el orden correcto. Para hacer eso, necesitas saber en qué etapa te encuentras.

Decidir en qué modelo de negocio te encuentras suele ser bastante fácil. Decidir en qué escenario te encuentras es complicado. Aquí es donde lxs fundadorxs tienden a mentirse a sí mismxs. Creen que están en una etapa más avanzada de lo que realmente están.

Cap. 15: Fase uno: Empatía

Esta fase consiste en descubrir y validar un problema para después averiguar si esa solución podría funcionar. Para ello, proponen los siguientes pasos:

• Has tenido una idea que crees que puede resolver un problema. Antes de ponerte a trabajar en ella, dale una vuelta y pide opinión a la gente de tu alrededor para ver si la idea les encaja, además de ayudará a recopilar más insights.
• Validar el problema: ¿es lo suficientemente importante?, ¿le pasa a mucha gente?, ¿cómo están intentando resolverlo ahora?. En esta fase será importante hacer mínimo 15 entrevistas para recoger feedback cualitativo e identificar si hay un patrón que nos sirva para plantear una hipótesis.
• A la hora de hacer entrevistas: haremos preguntas abiertas, intentaremos entrevistar a personas que no nos conozcan (para que no sepan de nosotros y no nos digan lo que queremos oír), pregunta por qué varias veces (queremos llegar al origen del problema y a lo que la gente hace, no lo que dicen que hacen).
• Podemos tener dos enfoques: con el convergente nos enfocarnos en los problemas que creemos que son más importantes y nos arriesgamos a no identificar otros insights que puedan sernos de utilidad. Por el contrario, con el divergente hablamos de un tema más abierto y navegaremos sobre diferentes problemas sin llegar a centrarnos en nada concreto. Encontrar el equilibrio es complicado; por un lado queremos que los entrevistados nos cuenten lo que quieran, pero a la vez centrarlos cuando creamos que hemos encontrado un problema que podría merecer la pena.
• Para encontrar un problema lo suficientemente importante, nuestra Métrica que Importa en las entrevistas será el dolor (pain), y estableceremos puntos para medir cómo de importante es el problema para el entrevistado. Por ejemplo, si ya lo está intentando resolver le daremos 10 puntos, si lo ha intentado alguna vez o no lo está intentando mucho, 5 puntos. Por último, si no ha pasado nada de tiempo significa que no es un problema importante, 0 puntos.
• Para tener un mejor conocimiento de nuestro usuario, podemos realizar un storyboard del journey de nuestro usuario. Describir sus comportamientos a medida que realizan una tarea en particular, y luego alinear esos comportamientos con nuestro producto, es una buena manera de identificar oportunidades perdidas para mejorar el engagement, aumentar las ventas, respaldar o influir de otra manera en los usuarios.
• Para encontrar prospects podemos utilizar algunas herramientas como : Búsqueda avanzada de Twitter, LinkedIn, Facebook… O campañas en AdWords para conseguir un segmento específico y ver quién hace clic para hacer la encuesta.
• Crear una campaña a gran escala: Primero haremos el diseño de la encuesta (segmentación de respuestas, tipos de preguntas cuantificables o abiertas para responder…), la testeamos antes de enviarla para asegurarnos que se entiende, la distribuimos (en el titular deberíamos poner el problema al que nos dirigimos o nuestra propuesta de valor) y la analizamos (coste por respuesta, cuántas personas han clicado, qué decisiones podemos tomar con la información recogida, si la gente usaría nuestro producto, si están dispuestos a que les contactemos…)
• Cómo validar la solución: Una vez hemos identificado los riesgos de nuestra solución y qué necesitamos para tener éxito, buscamos una manera de testear nuestra hipótesis a través de un proxy sin necesidad de construir nada.
• A la hora de comenzar con el MVP, tendremos que decidir qué funcionalidades contendrá, debemos generar el valor que hemos prometido a los usuarios. Mientras lo diseñamos, les iremos enseñando wireframes, prototipos y mockups. El MVP es un proceso, no un producto.
• En esta fase, debemos elegir nuestra única métrica que importa y definir qué es para nosotros éxito en esa métrica. Aquí no nos vamos a preocupar aún por la adquisición, podemos medirlo en un entorno pequeño. Mediremos el uso y engagement: ¿Están usando el producto?, ¿cómo lo usan?, ¿usan todas las funcionalidades o solo una?, ¿su comportamiento de uso es el esperado o no?

Cap. 16: Fase dos: Adherencia

Una vez hemos entrado en la cabeza de nuestro mercado, es hora de empezar a construir para encontrar el producto y mercado adecuados. En esta fase nos centraremos en retención y engagement: usuarios activos diarios, semanales o mensuales, cuánto tarda un usuario el volverse inactivo, cuántos usuarios inactivos se reactivan cuando enviamos un email, y qué features son las que retienen más y cuáles se ignoran. Segmenta estas métricas con cohortes para ver si hay comportamientos diferentes.

Debemos preguntarnos: ¿Está la gente usando el producto como esperábamos?, ¿están recibiendo valor?

Hay que ser cuidadosos en anticiparnos en fomentar la viralidad. Los resultados de escalar de manera prematura y centrarnos en la adquisición antes de tiempo pueden ser peligrosas, ya que cuando queramos recuperar a aquellos usuarios que han abandonado no llegaremos a tiempo.

El objetivo es, por tanto, la retención. Pregúntate si la feature que queremos construir o cambiar mejorará la retención. Si la respuesta es sí, encuentra la manera de testar esa creencia y empezar a construirla. Seguramente tengas una lista de posibles features, antes de construirla deberás preguntarte:

1. Si esta funcionalidad mejorará el producto nos obliga a escribir una hipótesis que testar. (“Creo que la funcionalidad X mejorará la retención Y%”)
2. Debemos medir el impacto de cada experimento, para poder saber si aporta valor o no.
3. Un experimento no debe llevar demasiado tiempo. Si creemos que nuestra funcionalidad tiene esfuerzo en desarrollo, veamos cómo podemos dividirla en partes más pequeñas que aporten valor.
4. La complejidad mata al producto: ¿Estamos sacrificando experiencia de usuario o confundiendo con esta funcionalidad?
5. ¿Cuánto riesgo nos trae esta funcionalidad? En términos de tecnología, de impacto en el usuario o que nos condene a futuro desarrollos.
6. En esta fase debemos aportar por innovación, y priorizar aquellas features que puedan generar mayor impacto.
7. Cojamos feedback de los usuarios (a ser posible no solo sobre lo que dicen, sino sobre sus acciones), para validar nuestras hipótesis y ver qué está funcionando.

Sobre las quejas de los usuarios, recomiendan leer este post de Laura Klein. La realidad es que aunque usen nuestro producto y tengamos buenas métricas de engagement, la gente siempre va a quejarse. Escuchemos esas quejas e intentemos llegar a la raíz del problema lo más rápido posible sin dramatizar.

Aunque estemos construyendo el mínimo producto viable, la visión debe ser lo suficientemente grande como para inspirar a clientes, empleados e inversores, y debe haber una forma creíble de pasar de la prueba actual a una visión futura. Lee aquí sobre Minimum Viable Vision.

Problem-solution canvas: El objetivo es aprender. Cuál es el problema, cómo se propone solucionarlo y cómo vamos a saber si lo conseguimos. Ese es el núcleo del Problem-Solution Canvas. Página 1 / Página 2

Cap. 17: Fase tres: Viralidad

En la etapa de viralidad, es hora de centrarse en la adquisición y el crecimiento de los usuarios, pero también vigilar la retención. Existe el riesgo de que generemos viralidad sacrificando engagement. Quizás estemos incorporando nuevos usuarios que son diferentes a nuestros usuarios anteriores y, como resultado, no interactúan con el producto. O tal vez nuestra propuesta de valor se está perdiendo en los esfuerzos de marketing y los nuevos usuarios tienen expectativas diferentes que los anteriores.

La viralidad no es otra cosa que los usuarios compartan nuestro producto con otros. Hay tres tipos de viralidad:

1. Inherente al producto, como una funcionalidad social (por ejemplo, compartir mis viajes).
2. Artificial, quizá creada con un sistema de recompensas donde la compañía gasta dinero.
3. Boca a boca generado por usuarios satisfechos.

En esta fase nuestra métrica principal es el coeficiente de viralidad: 1)Primero calculamos la tasa de invitación, que es el número de invitaciones enviadas dividido por el número de usuarios que tenemos. 2) Calculamos la tasa de aceptación, que es el número de registros o inscripciones dividido por el número de invitaciones. 3) Multiplicamos los dos juntos.

Debemos buscar tener un coeficiente de viralidad mayor que 1, eso significa que cada usuario hablará de nuestro producto al menos a 1 persona. Para tener ese resultado, podemos:

• Concentrarnos en aumentar la tasa de aceptación.
• Intentar extender el lifetime del cliente para que tenga más tiempo para invitar a la gente.
• Intentar acortar el ciclo de las invitaciones para que crezcan más rápido.
• Trabajar para convencer a los clientes de que inviten a más personas.

Para compañías que no venden a un mercado, podemos medir con net promoter score, que pregunta al usuario si recomendaría a sus amigos de nuestro producto.

El Growth Hacking es un término para referir al marketing de guerrilla basado en datos. La clave del proceso de growth hacking es la métrica inicial (que también se conoce como leading indicator, algo que se conocemos hoy que predice el mañana).

Los leading indicators tienden a relacionarse con social engagement, la creación de contenido (publicaciones, compartir, me gusta) o la frecuencia de retorno (días desde la última visita, tiempo en el sitio, páginas por visita). Debería estar ligado a una parte del modelo de negocio (como usuarios, tráfico diario, revenue…), ya que estamos intentando aumentar el número de usuarios leales. Encontraremos estos indicadores a través de segmentación o cohortes, mirando a un grupo de usuarios con respecto a otro y ver qué tienen en común.

A medida que crecemos en Viralidad e Ingresos, estamos tratando de encontrar leading indicators de crecimiento futuro: métricas que se pueden medir temprano dentro del ciclo de vida de un usuario que predicen, o mejor aún, controlan, cuál será el futuro. Cuando crece orgánicamente a partir de referencias e invitaciones, obtendrá el máximo provecho de cada dólar que gaste en adquirir clientes. Es hora de concentrarse en maximizar los ingresos y de invertir parte de ese dinero en adquisiciones adicionales. Es hora de la etapa de ingresos.

Cap. 18: Fase cuatro: Revenue

En esta fase vigilaremos click-through rates y ad revenue, o la tasa de conversión y el tamaño del carrito, o las suscripciones y el customer lifetime value, o lo que sea que genere ingresos. Lo compararemos con el coste de adquisición de nuevos usuarios más rápido de lo que abandonan, porque la adición neta de visitantes, usuarios y clientes que podemos monetizar es nuestra tasa de crecimiento. También trabajaremos en obtener los precios correctos, equilibrando el precio más alto con los clientes que más pagan. Y experimentaremos con paquetes, niveles de suscripción, descuentos y otros mecanismos para determinar el mejor precio.

Para ver cómo mejorar el revenue, volvemos a Sergio Zyman que definía el marketing como “more stuff to more, people for more money more often more efficiently”.

• Si por ejemplo dependemos de costes de transacción, more efficiently será importante.
• Si tenemos un coeficiente de viralidad alto, invertir en more people tiene sentido.
• Si tenemos clientes leales que hacen compras recurrentes, centrarte en more often hará que vuelvan más a menudo.
• Si tienes una transacción de una sola vez, more money ayudará, porque solo tenemos una oportunidad para generar revenue.
• Si tenemos un modelo de suscripción, y estamos combatiendo el churn, more stuff significará más features que aumenten el revenue.

Customer Lifetime Value > Customer Acquisition Cost

En lugar de crear nuevas funciones o reconstruir desde cero, intentemos apuntar a un nuevo mercado. Consideramos esto como un market / product fit en lugar de un product / market fit, porque estamos tratando de encontrar un mercado que se adapte a nuestro producto. Esto también se aplica a cambiar el modelo de negocio, que es un enfoque completamente razonable para si queremos escalar.

Cap. 19: Fase cinco: Escalar

En esta fase, miraremos a customer acquisition payback en diferentes canales, regiones y campañas de marketing. Por ejemplo ¿el cliente que obtenemos sobre cierto canal es más valioso que el que obtenemos de otro modo? ¿Nos lleva más tiempo recuperar el dinero de ventas directas o de marketing?

Para ello podemos medir el funnel de los canales para asegurar que convierten usuarios en clientes de pago. Y utilizar análisis de cohortes para encontrar cambios que pudiera provocar el producto o las nuevas iniciativas de marketing.

Cuando estamos escalando, ya conocemos bien el producto y nuestro mercado. Nuestras métricas se enfocan más en la salud del ecosistema y en nuestra habilidad para entrar en nuevos mercados.

Necesitamos entender si estamos centrados en eficiencia o en diferenciación. Tratar de conseguir los dos a la vez mientras escalamos es complicado. Si nos enfocamos en la eficiencia, trataremos de reducir costes, mientras que si nos enfocamos en la diferenciación, incrementaremos los márgenes.

A medida que crecemos, necesitaremos tener más de una métrica al mismo tiempo. Para ello estableceremos una jerarquía de métricas que mantendrán la estrategia e implementación alineados con un conjunto de objetivos consistentes, como el Three-Threes Model.

PARTE III: Líneas en la arena

La parte III analiza lo que es normal. A menos que tengas una línea de referencia, no sabes si lo estás haciendo bien o mal. Al leer esta sección, obtendrás buenas referencias para las métricas clave y aprenderás a configurar tus propios objetivos.

Cap. 21: ¿Soy lo suficientemente bueno?

Es fácil quedarse atascado en una métrica específica que se ve mal e invertir una cantidad considerable de tiempo y dinero tratando de mejorarla. Hasta que sepamos dónde estamos con respecto a los competidores y los promedios de la industria, estaremos ciegos. Tener puntos de referencia nos ayuda a decidir si seguir trabajando en una métrica específica o pasar al siguiente desafío.

Growth: Cuando eres una startup que aún no está en fase de revenue o estás cerca del product/market fit, tu indicador debería ser tener un crecimiento del 5% para los usuarios activos cada semana, y una vez que estés generando ingresos, deberían crecer 5% por semana.

Número de Engaged Visitors: Trata que el 30% de tus usuarios registrados te visiten una vez al mes y el 10% de ellos lo haga a diario. Averigua cuáles son tus leading indicator de growth fiables y míralos con las predicciones de tu modelo de negocio.

Métricas de pricing: No hay una regla clara sobre qué cobrar. Pero cualquiera que sea tu elección de modelo de precios, la clave está en testar. Comprender los niveles correctos de precios y la elasticidad del precio de tu mercado es vital si vas a equilibrar los ingresos con la adopción. Una vez que encuentres el “punto óptimo” de ingresos, apunta aproximadamente un 10% menos para fomentar el crecimiento de tu base de usuarios.

Coste de Adquisición: No gastes más de un tercio del dinero que creas te va a traer cada usuario en atraerlo.

Viralidad: Si el coeficiente de viralidad es menor de 1, está ayudando a bajar tu coste de adquisición. Si está por encima de 1, crecerás. Trata de crear una viralidad inherente al producto en función de tu modelo de negocio. Trata la viralidad artificial de la misma manera que lo harías con la adquisición de clientes y segméntala por el valor de los nuevos usuarios que trae.

Efectividad del Mailing List: Las tasas de apertura y de clics variarán significativamente, pero una campaña bien administrada debería alcanzar una tasa de apertura del 20–30% y más del 5% de clics.

Uptime y Fiabilidad: Para un servicio pago en el que los usuarios confían (como una aplicación de correo electrónico o una aplicación de gestión de proyectos), deberíamos tener al menos un 99,5% de tiempo de actividad y mantener a los usuarios informados sobre las interrupciones. Otros tipos de aplicaciones pueden sobrevivir a un nivel de servicio más bajo.

Engagement del sitio: El tiempo promedio de participación en una página es de un minuto, pero existe una gran variación entre los sitios y entre las páginas de un sitio.

Web Performance: La velocidad del sitio es algo que podemos controlar, y nos puede dar ventaja. Consigue que tus páginas se carguen rápido (menos de 5 segundos) para un visitante nuevo

Cap. 22: E-commerce, líneas en la arena

• Tasa de conversión: una startup puede comenzar con un 2% de conversión, y conseguir un 10% sería obtener muy buenos resultados. En función del producto, los visitantes pueden llegar ya con una intención clara de comprar o no.
• Abandono de la compra: Aprox un 65% de personas abandonan la compra, las razones más comunes suelen ser por el coste de envío, deciden que no están seguros del pedido o el precio total es demasiado caro.
• Efectividad en la búsqueda: casi el 80% de los compradores online pasan la mitad del tiempo buscando productos, es por esto que invertir en métricas de búsqueda se hace necesario, para conocer qué es aquello que los usuarios están buscando y pueden no estar encontrando.

Cap. 23: SaaS, líneas en la arena

• Suscripciones gratuitas y de pago: queremos que los usuarios que se apunten al periodo de prueba se conviertan en usuarios de pago. Pedir la tarjeta durante el periodo de prueba puede significar más churn después del primer mes de pago, un 40% de los usuarios de pago pueden cancelar su suscripción. Una vez pasa este mes, la mayoría de usuarios suelen quedarse. Las tarjetas de crédito no son solo el único indicador de la tasa de conversión. Puede que algunos usuarios simplemente quieran probar, otros están evaluando la herramienta… Por ello hay que separar segmentos basándonos en sus comportamientos y cuanto tiempo pasan usando el producto.

Freemium vs Paid: El modelo Freemium suele funcionar, según Jules Maltz y Daniel Barney, en productos que tienen coste bajo en el servicio de delivery, en productos en los que el marketing ocurre mientras la gente lo usa, en una herramienta sencilla que no requiera mucho aprendizaje, en productos cuyo valor aumenta a medida que se va usando más, productos con un buen coeficiente viral…

• Upselling y crecimiento del revenue: Intenta incrementar un 20% el customer revenue cada año.
• Churn: Los SaaS suelen tener un churn entre 1.5% y 3% al mes. Si el churn no está en menos del 5%, el producto no está preparado para escalar.

Cap. 24: App gratuita, líneas en la arena

• Descargas: Todos los negocios tienen competidores, pero las apps sufren la presión por estar en una posición alta en el ranking de las App Stores. Sin embargo, puede utilizarse para recoger bastante información sobre competidores, qué está funcionando e intentar emular sus éxitos.

Tamaño de descarga: A medida que las apps se vuelven más complejas, el tamaño de archivo aumenta. Los usuarios con conexiones más lentas pueden abandonar la descarga si les está llevando mucho tiempo. Lo ideal es que el archivo pese menos de 50MB.

• Coste de adquisición de cliente móvil: nuestro coste de adquisición por usuario debería ser menor de $0.75 y debe ser inferior al CLV de cada cliente.
• Application Launch Rate: Es diferente descargar la app a abrirla. Habrá usuarios que la descarguen y nunca la abran, especialmente si es una app gratuita.
• % de Usuarios Activos en móvil: Asumiremos que un % de usuarios que prueban la app no volverán a abrirla, pero tras esa caída inicial, iremos viendo un declive más gradual entre los usuarios recurrentes. Esto nos ayudaría a predecir el churn y el disengagement a lo largo del tiempo.
• % de usuarios que pagan: en un modelo freemium, este porcentaje será de un 2%. Para apps con compras, un 1.5% de usuarios realizarán alguna compra.
• Average Revenue Per Daily Active User: en el caso de las apps de juegos, el dato iría a partir de $0.05.
• Monthly Average Revenue Per Mobile User: no hay manera de generalizar en este dato ya que depende del modelo de negocio. En la industria de los juegos móviles, aprox sería $3 per month per daily active player.
• Average Revenue Per Paying User: identifica el comportamiento de los usuarios y establece diferentes maneras de monetización adaptando el marketing, pricing y promociones a ese comportamiento.
• Mobile App Rating Click-Through: menos de 1.5% de review rate para apps de pago y menos del 1% en apps gratuitas.
• Mobile Customer Lifetime Value: no se puede generalizar en este aspecto porque depende de muchos factores como churn, engagement, diseño de la app, loyalty… En función de la categoría, la lealtad del usuario es diferente. Por ejemplo, apps con uso frecuente y usuarios leales suelen ser un buen vehículo para publicidad, fees recurrentes… mientras que apps con usuarios leales pero uso no frecuente necesitan animar al usuario a invitar a otros nuevos usuarios.

Cap. 25: Media site, líneas en la arena

• CTRs: los anuncios suelen tener una media entre 0.5% y 2%.
• Tasa de clicks por sesión: Un 5% de los clicks que vengan de buscadores o anuncios nunca llegarán a abrir nuestro producto. Esto es algo en lo que tampoco debemos dedicar demasiado tiempo si aun no hemos encontrado el product/market fit.
• Referrers: Aprende de donde viene el tráfico más beneficioso e invierte tiempo en cultivar seguimiento entre esas fuentes y temas. Cuando lleves a cabo experimentos, segmenta por plataforma.
• Engaged Time: Esta métrica nos sirve para medir la calidad de nuestro contenido. Podemos aspirar a unos 90 segundos de engaged time en páginas de contenido (no en landings, ya que en estas queremos que los usuarios encuentren rápido lo que están buscando). Si tenemos un gran número de visitantes pero una tasa pequeña de engaged time, debemos pensar qué es lo que no está funcionando. Si por el contrario tiene mucho engagement pero pocos visitantes, podemos considerar promocionarla para tener una mayor audiencia.
• Compartir: Es el boca a boca en cuanto a vitalidad.

Cap. 26: User-Generated content, líneas en la arena

• Content Upload Success: “Success” puede ser algo difícil de definir. No hay un número definido, pero si la funcionalidad de generar contenido (como subir una foto) es core en el uso de tu producto, optimízalo hasta que todos los usuarios puedan hacerlo, y trackea los errores para ver qué está causando el problema.
• Tiempo en el sitio al día: Es ideal que pasen una media de 17 minutos al día usando nuestro producto.
• Engagement Funnel Changes: Solo el 5–15% de los usuarios estarán enganchados y crearán contenido. Sobre estos usuarios, solo el 2.5% interactuarán casualmente con otro contenido.
• Spam: En este tipo de productos, es necesario invertir en luchar contra el spam a medida que se va creciendo. Se puede comenzar por medir y diferenciar el buen contenido del malo, y qué usuarios son buenos en señalar el mal contenido. La clave para la efectividad en los algoritmos es un monto de data para aprender.

Cap. 27: Two-Sided Marketplace, líneas en la arena

• En este caso es una mezcla entre el modelo e-commerce (porque se crean transacciones entre vendedores y compradores), y el UGC (porque necesitan que los vendedores suban sus productos para vender). Por lo que hay una combinación de análisis que tenemos que tener en cuenta.
• Tamaño de la transacción: debemos medir este dato junto con la tasa de conversión para entender el comportamiento del comprador.
• Lista de top 10: ¿Quienes son los principales compradores y vendedores? ¿Qué productos o categorías generan la mayoría del revenue? ¿Qué días, horas o rangos de precio tienen mejores ventas?

Cap. 28: Qué hacer cuando no tienes referencia

Los capítulos anteriores nos dan una aproximación de lo que es normal en el resto del mundo, pero en el caso de un nuevo producto iremos descubriendo poco a poco cuál es el dato normal para nuestro negocio en concreto.

PARTE IV: Poniendo Lean Analytics a trabajar

La Parte IV muestra cómo aplicar Lean Analytics a tu organización, cambiando la cultura de las nuevas empresas centradas en el cliente y el negocio, así como negocios establecidos. Después de todo, no solo son las nuevas empresas las que se deben enfocar en un modelo basado en datos.

Cap. 29: Vendiendo a mercados de grandes empresas

Si bien las startups deben lidiar con algunos asuntos del negocio, el modelo fundamental de Lean Startup permanece: centrarse en determinar la parte arriesgada negocio y encontrar una manera de cuantificar y mitigar ese riesgo rápidamente al crear algo, medir el resultado y aprender..

Cap. 30: Intrapreneurs

Si eres emprendedor/a, pasarás por una serie de etapas que se relacionan estrechamente con las etapas que hemos visto en otros modelos de startups. Pero tienes algunos pasos importantes que considerar:

Cap. 31: Conclusión, más allá de las startups

Nunca ha habido un mejor momento para conocer el mercado. Los usuarios
dejan un rastro de migas de pan digitales con cada clic, tweet, voto, me gusta, compartir, check-in y compra, desde la primera vez que escuchan sobre nuestro producto hasta el día en que nos dejan para siempre.

Si sabemos recopilar esas migas de pan, tendremos una visión de sus necesidades y sus estilos de vida. Hoy en día hay tanta información que lo importante es saber dónde enfocarnos, tener un enfoque disciplinado para crecer. Las empresas líderes no tienen hoy en día todas las respuestas, pero saben qué preguntas tienen que hacerse.