📱 Интересное в Wolt.

Wolt - финское приложение для доставки еды, работающее в северной Европе. Из интересного:

- Wolt пробует удержать пользователя в рамках платной подписки. Круто, что сразу собирают фидбек.

Я бы предложил в шторку, напоминающую пользователю о бенефитах подписки, добавить персонализации: ты, клиент, не просто потеряешь бесплатную доставку, но ты потеряешь экономию в Х евро в месяц, которые окупают эту самую подписку.

🤨 Такую превентивную работу с пользователем делает, например, Glovo (другое приложение для доставки): на экране профиля пользователю напоминают, что с сервисом Glovo Prime ты, клиент, сэкономил аж 46 евро в течение последних трех месяцев.

- Если Wolt еще не работает на рынке пользователя, об этом будет вежливо сообщено прямо на карте.

- Вкусные анимации переходов с экрана на экран.

📌Еще из интересного: фичи в Glovo.

#otherapps #доставка #удержание #навигация #эмоции #подписка

📱Молодые бутоны в Сбере и Финздоровье.

В последние годы банки все больше уделяют внимание так называемому Финансовому здоровью клиентов. Начали движение в эту сторону иностранные банки, отечественные подхватили тренд.

Как правило, это отдельный раздел в приложении банка, в котором клиента скорят по разным параметрам, дают советы по накоплениям и расходам, а также пытаются в продажи сложных банковских продуктов.

Цель - дать клиенту знания, а потом продать ему сервис и заработать на этом.
Что можно найти в таких разделах:

- В Сбере фин. здоровье клиента характеризуется через цветущее дерево с бутонами. Хорошая идея из приложения Forest: Forus for Productivity, но реализация скорее забавная.

- Т-банк пробует триггерить клиентов через тултипы и сторис. Со стороны кажется, что не хватает действительно полезных и интересных инсайтов, чтобы заходить в раздел, поэтому очень интересно, какие у продуктовой команды есть данные на руках после пилота сервиса. P.S.: кажется, что самый полезный сервис - это кредитная нагрузка, через который у клиента можно усиливать ощущение безопасности с этим банком: мы постоянно проверяем список ваших кредитов и, если увидим что-то лишнее, сразу уведомим вас.

- Альфабанк решил сделать акцент на выгоде: кэшбэке и процентах.

- Приложение Мосбиржи, казалось бы, пугает клиентов подробными индикаторами. Скорее всего, ребята просто очень хорошо знают портрет своих целевых пользователей, которые, разобравшись в ценных бумагах, поймут и эти правила игры.

- Немецкий N26 тоже пока что решил не играть в финздоровье, а остановился на накопительных счетах под названием Spaces.

- Итальянский Intesa и испанский BBVA интегрировали Финздоровье, наверное, одними из первых. Но тяжело представить себе, кто этим пользуется: интерфейс перегружен мануалами.

Посмотрим, в какую сторону пойдет мобильный банкинг с внедрением LLM'ок. Сам я лично +- активно использую функционал "Бюджет на месяц" в Revolut, информирующий меня о превышении лимитов. Чем пользуетесь вы?

#otherapps #banking #банкинг #онбординг

📱Tinder-механика в Slack.

В мобильном приложении Slack есть фича Catch Up, помогающая быстро отсортировать накопившиеся входящие сообщения и отметки в стиле Tinder-карточек.

Между прочим, Slack осознанно борется с FOMO (fear of missing out) и старается помочь пользователю быстро восстановить контроль над входящим потоком без перегрузки.

Это перекликается с концепцией “Inbox Zero” - идеей, что входящие не должны оставаться бесконтрольно «захламлёнными». Как-то в моем рабочем Outlook скопилось под 1000 непрочитанных писем..

Директор продукта в Slack: "Свайпы - это попытка сделать процесс веселым и легким, не похожим на проверку электронной почты или прокрутку очередной ленты" (theverhe).

Поддерживаю. Фича Catch Up особенно удобна:
- утром, пока не открыл ноутбук;
- в дороге или на ходу, когда невозможно сесть и поработать полноценно, но хочется расчистить одно из своих рабочих мест.

#otherapps #навигация #ux #геймификация

📱 The Tinder Paradox.

Тема Retention в dating app'ах пройдена вдоль и поперек, но к ней всегда интересно возвращаться. Особенно когда в блоге Amplitude есть вот такая статья.

Обычно продукты наращивают количество пользователей и их удержание -> компания получает предсказуемый трек роста и выручки.

В приложениях для знакомств ключевая проблема, с которой сталкивается продуктовая команда, это User Retention vs. User Goals. Пользователь, активно вовлеченный в фичи того же Tinder на начальных этапах, находит себе пару, в результате чего продукт получает отток в виде двух пользователей.

По идее, чем лучше Tinder помогает пользователям находить себе пару, тем больше пользователей он теряет.

В статье приводятся разные данные: удержание существующих пользователей дешевле привлечения новых в 6-7 раз, а 5%-ный рост retention дает 25-95% рост выручки.

Стратегия вовлечения новых пользователей через маркетинг и рекламу - дорогостоящее мероприятие. Таким образом, Tinder'у нужно находить баланс между пользователями, кто в поисках долгосрочных отношений и кто удаляет приложение после месяца-двух использований, и пользователями, кто в поисках краткосрочных отношений и кто позитивно влияет на монетизацию продукта.

У первых - низкий retention. Нашли пару - ушли из продукта. Этот сегмент клиентов хорошо работает на репутацию продукта как надёжного сервиса. Amplitude называют это как The Good Churn: пользователь ушел, потому что нашел ценность в продукте.

Успешные «истории любви» (success stories) привлекают новых пользователей и повышают лояльность бренда.

У любителей коротких встреч - высокий retention, и эти пользователи, полагаю, приносят продукту основной доход. За счет такой диверсификации по сегментам Tinder'у удается балансировать между "репутационными" пользователями и "монетизационными" пользователями. А за счет создания различных премиум-функций команда увеличивает ARPU (средний доход с пользователя), компенсируя высокие расходы на привлечение новых пользователей.

📌 Еще из интересного: AI-помощник в Tinder.

#otherapps #удержание #соцсети

📱 Instagram и Two Towers.

Периодически я привожу здесь кейсы с рекомендациями, такие, как с Яндекс.картами, например. И интересно разобраться в том, как именно такая персонализация работает под капотом, чтобы говорить на одном языке со всей командой разработки.

В блоге Meta есть интересная статья об этом, и в этом посте я приведу ее выжимку + доп. результаты гугления.

Instagram использует модели машинного обучения, чтобы рекомендовать пользователям релевантный контент. Одна из основных технологий — это нейронные сети типа "Two Towers" (two-tower neural networks) - архитектура, часто используемая для систем рекомендаций и рекомендательных систем.

- Первая башня (User Tower): эта сеть обучается на данных о пользователе (например, его поведении, предпочтениях, взаимодействиях с контентом). Она создает представление пользователя в виде вектора признаков (embeddings). Например, [0.9, 0.2, 0.6, 0.1], где 0.9 = юзер любит котиков, 0.2 = юзер предпочитает шок-контент, 0.6 = любит мейнстрим, 0.1 = еще что-нибудь.

- Вторая башня (Item Tower): эта сеть обучается на данных о контенте (например, изображениях, видео, текстах), что позволяет создавать представление контента, с которым пользователь может взаимодействовать.

🤨 После того как каждая из "башен" преобразуется в вектор, их объединяют и вычисляют схожесть между ними. Это позволяет системе понять, насколько данный контент подходит для конкретного пользователя.
Так и рождаются тысячи рекомендаций для одного пользователя, из которых уже другой технический процесс отбирает лучшие 100.

😮 В то время как пользователь лайкает и комментирует посты, на сервере в режиме онлайн сохраняются вектора (embeddings) каждого из таких постов. Затем система ищет все посты, которые максимально похожи на те, которые понравились пользователю. И если прямо сейчас пользователь больше интересуется путешествиями, то система будет искать похожие посты по теме путешествий.

Все ради того, чтобы удержать пользователя и повысить Time Spent.

💖 - ничего не понятно, но все равно интересно
💎 - нормально, продолжай

#instagram #ai #соцсети #персонализация