ArticlePDF Available

Построение стратегии выхода на рынок фримиум-продукта на основе показателей виральности и ретеншна

Authors:

Abstract and Figures

SaaS-решения, software, web-приложения переходят на экономическую модель фримиум. Эта модель имеет множество особен-ностей. В статье исследована статистика поведения пользователей на примере образовательной коллаборационной платформы, рассматрива-ются взаимосвязи между ключевыми параметрами этой модели: показа-телями 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.
No caption available
… 
No caption available
… 
No caption available
… 
Content may be subject to copyright.
Электронный журнал Cloud of Science. 2014. T. 1. № 3
http://cloudofscience.ru
457
Построение стратегии выхода на рынок
фримиум-продукта на основе показателей
виральности и ретеншна
И. В. Осипов
“i2istudySIA,
Krišjāņa Barona Iela, 130 k-10, Rīga, 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 особен-
ностей. В статье исследована статистика поведения пользователей на
примере образовательной коллаборационной платформы, рассматрива-
ются взаимосвязи между ключевыми параметрами этой модели: показа-
телями 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. Ведение
Популярность экономической модели фримиум поражает, все больше инфор-
мационных 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 грамматиче-
скую подготовку студентов, учащимся зачастую 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, обучающих-
ся испанскому языку, что для овладения навыками свободного общения обычно не
нужен профессиональный преподаватель, а требуется партнер, готовый помогать
по заранее подготовленным материалампросто носитель испанского языка. Но-
сители же испанского, часто с удовольствием готовы изучать английский в обмен
на помощь в изучении испанского. Для того, чтобы учитывать, сколько каждый
И. В. Осипов
Построение стратегии выхода на рынок
фримиум-продукта на основе показателей
виральности и ретеншна
458
пользователь преподает родной язык и учит иностранный, была исспользована идея
Time Banking [6–7].
Совместив ставшие доступными технологии прямого аудио и видео общения
межу пользователями, добавив материалы уроков, разбитые на элементарные шаги
и понятные непрофессиональным преподавателям, добавив учет времени препода-
вания и изучения, а также систему онлайн-подбора партнера для изучения, была
создана платформа, названная i2istudy, на базе которой проведена серия экспери-
ментов и замеров [2]. Платформа полностью основана на облачном решении, функ-
ционирует таким образом, что основные нагрузки и взаимодействие между пользо-
вателями происходит напрямую на базе технологии p2p, а основное облако подвер-
гается 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 позво-
ляют создателям не только оплачивать содержание всей системы, включая бес-
платную ее часть, но и получать прибыль [8].
Рассмотрим основные функции Фримиум продукта, направленного на массо-
вого потребителя:
головная (базовая) функция ради которой приходит пользователь, в нашем
случае это практикум иностранного языка;
ретеншн (удержание) пользователей, включая возвращение пользовате-
лей;
монетизация пользователей;
привлечение пользователей и стимулирование виральностипривлечение
существующими пользователями новых.
Рассмотрим обычный цикл работы фримиум-приложения.
1. Базовый циклосновной цикл приложения, «core цикл», базовая функция,
ради которой пользователи решают воспользоваться приложением, в нашем слу-
чаеэто изучение иностранного языка с партнером носителем языка.
2. Цикл монетизациидополнительный цикл, в который вовлекаются наибо-
лее 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 циклцикл 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 напо-
минаниями о происходящих в их отсутствие событиях, а также геймифкацией.
4. Цикл виральностицикл приглашения существующими пользователями
новых пользователей из внешней среды (электронная почта, социальные сети, бло-
ПРИКЛАДНЫЕ
ИТ_СИСТЕМЫ
И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
459
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 поль-
зователя 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 бизнес-
подхода.
1. Покупка и прочее платное привлечение пользователей (трафика). Монетиза-
ция части трафика путем продажи дополнительных платных функций. Привлече-
ние новых пользователей осуществляется за счет заработанных денег. Ключевой
фактор при данном подходеденьги. Необходимо иметь успешную модель моне-
тизации, 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. Необхо-
димо 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 насыще-
ния [5, 18].
Реальный продукт может содержать в себе черты как первого (упор на монети-
зацию), 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 Skokуспешный 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 recog-
nize 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
И. В. Осипов
Построение стратегии выхода на рынок
фримиум-продукта на основе показателей
виральности и ретеншна
460
your company, as they recognize that even though these customers have yet to be mone-
tized, 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 recog-
nize the importance of market leadership. In the tech industry, market leadership is usual-
ly 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 finan-
cial 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. Оче-
видно, что это лучший момент, чтобы переориентировать продукт и переключить
внимание пользователей на монетизациюто, 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 кон-
текст, в которой происходит контакт с сообщением.
Существует два основных доступных пользователю способа пригласить новых
пользователей.
1. Открытые рекомендацииэто виральный механизм, где пользователь раз-
мещает рекомендацию в социальной сети, блоге, на персональной странице и т. д. с
приглашением, адресованным к неопределенному множеству лиц.
ПРИКЛАДНЫЕ
ИТ_СИСТЕМЫ
И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
461
2. Прямые персональные приглашения инициируются существующими поль-
зователями для отправки их получателям, не являющимися пользователями, с при-
менением средств коммуникации, имеющих адресную доставку: электронная поч-
та, личное сообщение в социальной сети, SMS, и прочее.
Для открытых рекомендаций сложно считать статистику эффективности. Ав-
торы в своей системе учитывают ее упрощенно (например, рассчитывается, сколько
всего приглашено пользователей этим методом, и сколько человек удалось мотиви-
ровать 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). Ис-
пользуются недельные интервалы. Статистика учитывает только встроенный меха-
низм публикации (все данные и замеры приведены для нашего проекта i2istudy).
Рисунок 2. Динамика открытых приглашений
Таблица 1. Открытые приглашения
И. В. Осипов
Построение стратегии выхода на рынок
фримиум-продукта на основе показателей
виральности и ретеншна
462
Персональные прямые приглашения позволяют учитывать все параметры в де-
талях, и измерить все шаги вирального цикла: сколько пользователей делают пер-
сональные приглашения, сколько приглашений приходится на пользователя, сколь-
ко приглашений достигают адресата, сколько адресатов приходят на сервис, и
сколько регистрируются на нем и вовлекаются в процесс.
В табл. 2 и на рис. 3, всего отправленных персональных приглашений, число
пользователей оправившие такие приглашения, и сколько пользователей пригла-
шено персональными (прямыми) приглашениями.
Рисунок 3. Динамика персональных приглашений
Таблица 2. Персональные приглашения
Виральный Цикл. Определимся с обозначениями параметров и метрик.
Под пользователями здесь и далее подразумеваем зарегистрированных и ав-
торизованных посетителей сервиса.
Введем обозначения:
daily users (dU);
daily new users (dNU);
ПРИКЛАДНЫЕ
ИТ_СИСТЕМЫ
И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
463
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 (вовлечен-
ные 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 при-
глашений (процент конверсии) (IPi);
К-FactorКонцептуально это сколько пользователей в продукт при-
глашает 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-факторкак соотношение между
приглашенными виральными методами пользователями в условном периоде ко
всем активным пользователями в этом периоде [10]. Теоретически мы должны бы-
ли 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 от-
правка приглашения и принятие его попадает в один день. Базой для расчета могут
быть новые пользователи (dNU), все пользователи периода (dU) или только актив-
ные пользователи периода (dAU). В качестве базы использованы данные об актив-
ных 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
толькоданные новых пользователей (dNU), сравнивая всех пользователей привле-
ченных вирально, ко всем видам новых пользователей. Автор настоящий 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, отправ-
ленных каждым пользователем, умноженное на процент конверсии каждого при-
И. В. Осипов
Построение стратегии выхода на рынок
фримиум-продукта на основе показателей
виральности и ретеншна
464
глашения в пользователи [13]. Например, среднее количество приглашений рав-
но 5, а процент конверсии приглашений в пользователи 20%, тогда
K-Factor = 5 × 0,2 = 1. К-фактор без учета периода, т. е. усредненный за все время
работы системы, зачастую называют глобальным К-фактором, который расчитыва-
ется по формуле:
Здесь приглашенные пользователи к числу приглашений:
,
IPi IU i
=
среднее число приглашений на пользователя,
,
AiPU i U=
где iобщее число приглашений, Uобщее число пользователей.
Динамика K-фактора отражает изменение настроений пользователей и как они
реагируют на появление, активацию или деактивацию тех или иных виральных ме-
ханик, 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 dAUактивной аудитории), который считает важным парамет-
ром 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),
ПРИКЛАДНЫЕ
ИТ_СИСТЕМЫ
И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
465
рост системы затухает. В лучшем случае такой механизм виральности частично
компенсируют потерю пользователей в результате нормального снижения лояльно-
сти в ретеншн-цикле. Такой K-фактор увеличивает эффективность платного при-
влечения 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 геометри-
ческому росту пользовательской базы. Например, купленные 100 пользователей
привлекают 200, и если K-фактор останется прежним, то новые пользователи при-
влекут уже 400 пользователей и т. д. Виральность работает до тех пор, пока вся по-
тенциальная масса пользователей не достигнет насыщения в своей социальной мат-
рице 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 подсте-
гивать 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 Ре-
теншн, так, например, возможности, доступные за деньги, могут быть альтернатив-
но заработаны участием в программах виральности и геймификации. И цена этих
возможностей, выраженная в весомых долларах, мотивирует, наглядно демонстри-
рует 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, пригла-
шая друзей).
Очень важно, чтобы опыт от использования основной базовой функции про-
дукта 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, вызван-
ный удачной виральностью, будет компенсирован потерями этой же базы из-за не-
лояльности 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.
И. В. Осипов
Построение стратегии выхода на рынок
фримиум-продукта на основе показателей
виральности и ретеншна
466
Это главная формула роста фримиум-продукта, основанного на виральном продви-
жении. 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 благо-
даря известности бренда).
K-Retention всегда меньше единицы на длинных промежутках времени, так как
не существует продуктов, удерживающих свою аудиторию на все 100% всегда:
( )
1
Локальный K-Retenti n ,o dU
dU dNU
=
где dUдневная аудитория в заданный день;
1
dU
дневная аудитория днем
раньше; dNUновые пользователи за этот период.
Для расчетов удобно использовать только активную аудиторию, при этом учи-
тываются только те новые пользователи, что стали активными, а не вообще все за-
регистрированные. Аналогичная ситуация с приглашенными новыми пользовате-
лями, среди которых тоже учитываются только активные:
( )
A1
Локальный K-Retention .
dAU
dAU dNU
=
Коэффициент собственного роста можно представить как:
( )
1
F-Growth ,
dAU
dAU dNU dIU
=−+
т. е. это соотношение аудитории следующего периода без учета новых пользовате-
лей, но с учетом приглашенных виральными методами, к объему аудитории преды-
дущего периода.
Если dNU и dIU равны, т. е. все новые пользователи привлекаются исключи-
тельно виральными методами (платного и органического трафиканет), то в та-
ком случае F-Growth = dAU / dAU1.
В табл. 3 приведены данными и расчетамы параметров для продукта i2istudy.
Таблица 3. Значения параметров для i2istudy
Если коэффициент роста (F-Growth) меньше единицы, то продукт не может
расти и теряет пользователей со всеми вытекающими последствиями для продукта
ПРИКЛАДНЫЕ
ИТ_СИСТЕМЫ
И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
467
и его команды. Если же удается добиться коэффициента роста более единицы, про-
дукт начинает расти экспоненциально. Это безусловная цель для команды, разви-
вающей продукт. И это необходимо для достижения капитализации проекта, пре-
восходящей 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 усло-
вии, 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 1мы получаем геометрическую прогрессию роста
пользователей, если F-Growth меньше 1мы теряем пользователей (рис. 6).
Заметим, что позитивный коэффициент роста способен компенсировать другие
недоработки, такие как качество самого продукта и ретеншн. А для стратегии раз-
вития проекта в целом, вложения в виральность и ретеншн являются альтернативой
вложениям в рекламу и PR, что зачастую является выгодным решением, если срав-
нивать со стоимостью разработки (оплата труда программистов и т. п.) и расходами
на маркетинг и связанный с ним персонал [17].
И. В. Осипов
Построение стратегии выхода на рынок
фримиум-продукта на основе показателей
виральности и ретеншна
468
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 статистиче-
ской оценке и анализу. Добившись позитивного F-growth, можно привлекать вен-
чурные 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.
ПРИКЛАДНЫЕ
ИТ_СИСТЕМЫ
И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
469
[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 Lan-
guage Learning. 2014 (Acepted)
[5] Cohen E. L. What makes good games go viral? The role of technology use, efficacy,
emotion and enjoyment in playersdecision to share a prosocial digital game // Com-
puters 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] lek, L., Jašíková, V. Time bank and sustainability: The permaculture approach //
Procedia Social and Behavioral Sciences. 2013. Vol. 92. P. 986.
[8] ntymäki M., Salo J. Teenagers in social virtual worlds: Continuous use and pur-
chasing 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 LearnedViral 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 educa-
tional institutions // 2nd International Conference on Emission Electronics (ICEE).
Selected papers. IEEE; 2014. P. 6769.
[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: Илья Викторович Осипов, руководитель проекта i2istudy
И. В. Осипов
Построение стратегии выхода на рынок
фримиум-продукта на основе показателей
виральности и ретеншна
470
Indicators of Viral and Retention for Freemium
Product. Market Entry Strategy
I. V. Osipov
“i2istudy” SIA, Krišjāņa Barona Iela, 130 k-10, Rīga, 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 arti-
cle 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 es-
timate 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 Segmen-
tation to Drive Revenue (The Savvy Manager's Guides). Morgan Kaufmann. Wal-
tham 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., Volinsky, A. A., Prasikova, A. Y. (2014). Real time collaborative plat-
form for learning and teaching foreign languages. Computer Assisted Language
Learning.
[4] Osipov, I. V., Volinsky, A. A., Prasikova, A. Y. (2014). Participant behavior and con-
tent of the online foreign languages learning and teaching platform. Computer Assist-
ed Language Learning.
[5] Cohen E. L. (2014).What makes good games go viral? The role of technology use,
efficacy, emotion and enjoyment in playersdecision to share a prosocial digital
game. Computers in Human Behavior, 33, 321329.
[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] lek L., Jašíková V. (2013). Time bank and sustainability: The permaculture ap-
proach. Procedia Social and Behavioral Sciences, 92, 986.
ПРИКЛАДНЫЕ
ИТ_СИСТЕМЫ
И ПРОЦЕССЫ
Cloud of Science. 2014. T. 1. № 3
471
[8] ntymäki M., Salo J. (2011) Teenagers in social virtual worlds: Continuous use and
purchasing behavior in Habbo Hotel. Computers in Human Behavior, 27(6), 2088
2097.
[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 LearnedViral Marketing. For Entrepre-
neurs.
[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; 6769.
[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/
Full-text available
Article
Online distance e-learning systems allow introducing innovative methods in pedagogy, along with studying their effectiveness. Assessing the system effectiveness is based on analyzing the log files to track the studying time, the number of connections, and earned game bonus points. This study is based on an example of the online application for practical foreign language speaking skills training between random users, which select the role of a teacher or a student on their own. The main features of the developed system include pre-defined synchronized teaching and learning materials displayed for both participants, along with user motivation by means of gamification. The actual percentage of successful connects between specifically unmotivated and unfamiliar with each other users was measured. The obtained result can be used for gauging the developed system success and the proposed teaching methodology in general. effectiveness in online e-learning systems. https://pdfs.semanticscholar.org/b858/8ec4c150900d6d5c2ba165418d8a137046cb.pdf
Full-text available
Article
The paper describes a novel social network-based open educational resource for learning foreign languages in real time from native speakers, based on the predefined teaching materials. This virtual learning platform, named i2istudy, eliminates misunderstanding by providing prepared and predefined scenarios, enabling the participants to understand each other and, as a consequence, to communicate freely. The system allows communication through the real time video and audio feed. In addition to establishing the communication, it tracks the student progress and allows rating the instructor, based on the learner's experience. The system went live in April 2014, and had over six thousand active daily users, with over 40,000 total registered users. Currently monetization is being added to the system, and time will show how popular the system will become in the future. (E-learning collaborative system for practicing foreign languages with native speakers)
Full-text available
Article
The paper describes user behavior as a result of introducing monetization in the freemium educational online platform. Monetization resulted in alternative system growth mechanisms, causing viral increase in the number of users. Given different options, users choose the most advantageous and simple ones for them. System metrics in terms of the K-factor was utilized as an indicator of the system user base growth. The weekly K-factor almost doubled as a result of monetization introduction. Monetization and viral growth can be both competing and complementary mechanisms for the system growth.
Full-text available
Patent
Users may form learning groups in real time on-line by choosing among pre-defined participant roles in a group, e.g. “a teacher” or a “student”, reviewing the list of available participants, sending invitations, reviewing pending invitations with role descriptions, and 415 accepting the invitations. Learning groups may be formed by two or more participants, and do not require advance scheduling or determination of the group composition. Teaching may be delivered in the form of pre-set scenario on topics, wherein the content is deliverd in differentiated formats to teachers and students, with an option of activated tips for the students in their native language.
Full-text available
Article
The paper describes gamification, virality and retention in the freemium educational online platform with 40,000 users as an example. Relationships between virality and retention parameters as measurable metrics are calculated and discussed using real examples. Virality and monetization can be both competing and complementary mechanisms for the system growth. The K-growth factor, which combines both virality and retention, is proposed as the metrics of the overall freemium system performance in terms of the user base growth. This approach can be tested using a small number of users to assess the system potential performance. If the K-growth factor is less than one, the product needs further development. If the K-growth factor it is greater than one, the system retains existing and attracts new users, thus a large scale market launch can be successful. http://thesai.org/Downloads/Volume6No4/Paper_2-Gamification_Virality_and_Retention_in_Educational_Online_Platform.pdf
Full-text available
Conference Paper
Modern educational institutions widely used virtual laboratories and cloud technologies. In practice must deal with security, processing speed and other tasks. The paper describes the experience of the construction of an experimental stand cloud computing and network management. Models and control principles set forth herein.
Full-text available
Conference Paper
The paper aims to find a new approach to include interesting phenomena of time banking (a system of time complementary currency) into the current economy. The time banks have been in existence for almost three decades for now, but their existence is often powered only by good will of enthusiasts and they suffer from the lack of real institutional support. During their existence the time banks proven to be not only very valuable support to local economies, but as well to social development of a society where they are implemented. Basic problem appears to be created by reluctance of national economies to accept time banking concept as viable support to social system or include it directly. It probably looks to be too utopistic and suspiciously not profit-based to be understood by rigid monetary-based economies. The paper uses the approach of permaculture to show how socially beneficial systems, which merge trade exchange system with other dimensions of human development of life, are necessary to the sustainability of the economic system in general. It is becoming clearer and clearer during past decade that mechanistic economies are most probably not sustainable and more holistic point of view is more than necessary. Inclusion of elements like time banking opens gates to autopoietic ways of economy and it should be considered as one of the ways for the further development of economic systems.
Article
Freemium Economics presents a practical, instructive approach to successfully implementing the freemium model into your software products by building analytics into product design from the earliest stages of development. Your freemium product generates vast volumes of data, but using that data to maximize conversion, boost retention, and deliver revenue can be challenging if you don't fully understand the impact that small changes can have on revenue. In this book, author Eric Seufert provides clear guidelines for using data and analytics through all stages of development to optimize your implementation of the freemium model. Freemium Economics de-mystifies the freemium model through an exploration of its core, data-oriented tenets, so that you can apply it methodically rather than hoping that conversion and revenue will naturally follow product launch.
Conference Paper
MATLAB much used for the organization of computer laboratories in the cloud. The main components of the architecture are: use of SaaS- portal; autonomous system of automatic framework and control; hybrid cloud IaaS. We will consider scientific and educational resources of the educational institution in order to ensure definiteness of the research. Moscow Technological Institute is the largest Russian University, providing distance learning programs and possessing a powerful structure.
Article
Serious digital games may be an effective tool for prosocial message dissemination because they offer technology and experiences that encourage players to share them with others, and spread virally. But little is known about the factors that predict players' willingness to share games with others in their social network. This panel study explores how several factors, including sharing technology use, emotional responses, and game enjoyment, contribute to players' decision to share the game Darfur is Dying, with others. College students played the game and completed questionnaires that assessed whether they had shared the games at two different time points: during game play and after game play. Positive emotions predicted sharing while students played the game, but negative emotions predicted whether the game was shared after initial game play. Game enjoyment predicted players' intentions to share the game, but it did not predict actual sharing behavior. Neither players' general use of sharing technologies nor their satisfaction related to sharing digital content predicted sharing intentions or behavior. These findings have implications for the study of viral social marketing campaigns, and serious game design and theory.