Kokkuvõte

Kui olete oma tipptasemel kasvu mõõdikud kätte saanud, saab analüüsi tõesti alustada.

• On palju nii sisemisi kui ka väliseid tegureid, mis mõjutavad ettevõtte tipptaseme näitajaid, näiteks tulud ja kasutajate kasv.
• Peamine on osata eraldada kavandatud tegevuste, näiteks turunduse ja PR-i mõjud, et mõista nende tõhusust edaspidiseks kasutamiseks.
• Finantsturgudel tavaliselt kasutatavaid tööriistu saab hõlpsasti rakendada tavapäraste äritavade jaoks.

Mõelge välja, milliseid kasvu aspekte soovite mõõta, ja seejärel looge võrdlusalus.

• Ettevõtte kasvustrateegiates on kolm muutujat, mida saab lahti mõtestada ja mõõta: tipptasemel kasutajate kasv, hoidmine ja seotus
• Lihtne regressioonimudel, kõige sagedamini tavaliste väikseimate ruutude meetodil, saab seejärel kindlaks teha ettevõtte normaalse kasvu võrdlusaluse. See võib testida mitmesuguseid sisemisi ja väliseid jõude nende mõju kasvu jõudlusele.
• Ärge käsitlege iga kasutatavat kasvustrateegiat eraldiseisva sündmusena - sündmuste rida võib igal ajahetkel olla erineva toimivusega, kuid nende mõju võib kokku kombineerida, et anda olulisi tulemusi

Alustage analüüsiprotsessi ülesehitamist: rohige välja punased räimed ja vaadake masinõppe kaudu pidevat täiustamist.

• Kui juhtub märkimisväärne, kuid ühekordne sündmus (näiteks C-suite'i tagasiastumine), märkige andmepunkt segaseks mitteseotud sündmuseks indikaatormuutujaga. Neid sündmusi iseenesest saab aja jooksul testida ka nende isoleeritud mõju osas.
• Võtke arvesse samal ajal toimuvate teatud sündmuste mittelineaarsust. Positiivsed-negatiivsed mõjud ei pruugi olla samad, nagu eraldi. Me näeme seda avalikel turgudel, kus ettevõtted saavad „vannis käia”, avaldades korraga negatiivsete uudiste tulva, mille tulemuseks on halbade uudiste esialgne „fikseeritud” tabamus, mille tagajärjed on marginaalsed.
• Alustage ka kasvu mõõdikute protsessi loomist - kui kogute aja jooksul rohkem andmeid, suureneb statistika täpsus.
• Vaadake protsessis olevate andmevoogude automatiseerimist ja korjatage andmeid organisatsiooni teistest piirkondadest (näiteks linkige GitHubiga tarkvarauuenduste mõju testimiseks). Aja jooksul korduvate masinõppepõhimõtete rakendamine kasvu mõõtmisel suurendab selle väärtust teie ettevõtte jaoks, mõistmaks selle edusamme.

Osalt jätkuna minu eelmisele artikkel selle kohta, kuidas teha kindlaks ettevõtete kasvumootorid, tahan nüüd minna küülikuaugu sügavamale ja uurida, kuidas saaksite siis mõõta kasvualgatuste mõju. Pakun mõned tööriistad, et hinnata toimingute, näiteks tootevärskenduste, PR-i ja turunduskampaaniate mõju klientide kasvule, hoidmismõõdikutele ja seotusele. See kajastab minu eelmist tööd statistikana, aidates ettevõtetel hinnata kaubeldavate väärtpaberite reaktsioonide mõju sise- ja välissündmuste hindamisele.

Usun, et statistilised mõju tööriistad, mis on riskifondides ja Wall Streeti maailmas tavalisemad, võivad tehnoloogiaettevõtetel olla majanduskasvu juhtimiseks palju rohkem kasulikud kui see, kuidas neid praegu rakendatakse. Tänu tehnoloogiale, mis teeb meile kättesaadavaks hulga kõrgsageduslikku teavet kasutaja või kliendi käitumise, oskusliku statistika või andmete kohta analüütik võib kommertsmeeskondades olla tõeline vara.

Kasvu mõju mõõtmiseks on palju viise

Oletame, et hindamise statistilise mõju mõõtmine on näiteks see, et börsil noteeritud ettevõte kuulutab välja uue toote ja soovib teada, kuivõrd see mõjutas tema hindamist. Tegeliku mõju hindamiseks tuleb arvestada järgmist:

1. Kuidas turg ise sel päeval toimis, seoses väärtpaberi korrelatsiooniga sellega.
2. Mis tahes muu samal ajal avaldatud ettevõttega seotud teabe mõju.
3. Lihtne asjaolu, et väärtpaberite hinnad ja kasutajate käitumine liiguvad igapäevaselt üldisest dispersioonist, isegi uue teabe puudumisel.
4. Pikaajaline mõju hinnastatistika statistiliselt olulise suundumuse osas.

Eraettevõtte puhul saab sama analüüsi teha nii lühi- kui ka pikaajalises perspektiivis aktiivsete kasutajate või klientide muutuste kohta, mis on aktsiahinna aktiivsuse tagajärg. See kehtib ka seotuse ja seotuse sügavuse mõõdikute kohta.

Selle ümardatud analüüsivormi kehtestamine võimaldab ettevõtetel suunata oma piiratud ressursse palju tugevamate infosignaalide põhjal, selle asemel, et eksitada turu või kasutaja reaktsiooniga, mis tegelikult ei tähenda muud kui juhuslikke kõikumisi. Esialgne töö signaali mürast eraldava statistilise mudeli loomiseks võib anda tohutuid dividende arusaamade kaudu, mida see ettevõtte kasvupüüdlustele toob. See on ka korduv protsess, mida saab uute andmete saamisel hõlpsalt (ja sageli ka automaatselt) uuendada ja täpsustada.

Testitava sihtmõõdiku valimine

Ettevõtte mis tahes mõõtmispinge peaks olema suunatud vähemalt ühele järgmistest kasvu dimensioonidest:

1. Tipptasemel kasv , mis on määratletud kogu müügi või aktiivsete kasutajate / klientide muutus ajas.
2. Säilitamine kasutajate ja klientide arv, mis on määratletud kui konkreetse kasutaja või kliendi keskmine eluiga.
3. Kaasamise sügavus kasutajate ja klientide arv, mis on määratletud kas põhitegevuse sagedus või platvormi kaudu tehingute maht.

Kõik kolm mõõdet on kvantifitseeritavad ja ettevõte saab oma väärtust kontseptualiseerida kui kolmest kolmnurgast moodustuvat pinda, mille moodustavad need kolm punkti. Kui üks kukub kokku, on ülejäänud kahe väärtuspotentsiaal tugevalt piiratud. Kuigi olen kindlasti nõus paljude asutajate ja investoritega, et 'mõned kasutajad, kes teid armastavad, on paremad kui paljud, kellele te meeldite,' ei usu ma, et see oleks vastuolus tipptasemel kasvu tähtsusega lisaks tugevale kaasamisele ja hoidmisele. Trajektoor loeb palju rohkem kui tase ja algus väiksema tõeliselt pühendunud kasutajate rühmaga seab kõige paremini pikaajalise kasvu esialgsed tingimused.

Ettevõtte põhiülesanne on seejärel luua analüütiline raamistik, mis võimaldab mõõta nende tegevuse tegelikku mõju ühele või mitmele neist kolmest peamisest mõõdikust. Ettevõte võib katsetada igaühe jaoks erinevaid mudeleid või kasutada selliseid tööriistu nagu samaaegsed võrrandid linkida neid otsesemalt. Turundus- ja suhtekorralduslikud jõupingutused kannatavad minu kogemuste kohaselt eriti sellepärast, et puudub range analüüs selle kohta, kas ettevõte saab oma investeeringult tulu. Teatud mõõdikud, näiteks vaatamiste, klikkide ja jagamiste koguarv, registreeritakse peaaegu alati, kuid need on kõik vahendid eesmärgi saavutamiseks ning järgmist küsimust kliendi konversioonile ja kaasamisele avalduvast mõjust analüüsitakse harva tõsiselt.

Ühekordse sündmuse võrdlusaluse ja näite valimine

Alustame ühekordse sündmuse lihtsustatud versiooniga. Oletame, et ettevõte avaldab 0. päeval uue tootevärskenduse või avaldab suure PR-loo ja soovib teada, kas see tähendab kasvu mõjutamiseks õiges suunas liikumist. Selle kindlakstegemiseks, kas on saadud tõeline signaal, et ettevõte peaks jätkama sarnaste jõupingutustega, on vaja teada, kui palju see tõusis, võrreldes selle suurusega, kui kõnealust sündmust ei oleks.

Võrdlusuuringu kasvu saab hinnata regressioonimudeli abil, mis ennustab ettevõtte kasvu, hoidmist või seotust väliste ja sisemiste muutujate põhjal. Teatud juhtudel võimaldab võimalus isoleerida need kasutajad, keda tootevärskendus mõjutab, otsese A / B testimise kontrollrühmaga. See ei kehti aga suuremahuliste toote-, PR- ja äritegevuse puhul, mis mõjutab kõiki praeguseid ja potentsiaalseid kasutajaid mõnevõrra ühtlaselt. Kuigi selliseks testimiseks on saadaval suurepäraseid ressursse, võivad paljud varajases staadiumis olevad ettevõtted pidada neid kalliks.

Selle mudeli puhul võib arvesse võtta järgmisi muutujaid:

Sektori suundumused	Teie asjaomase sektori kasv kogu müügi mahus.
Sihtige klienditrende	Erineb sektori suundumustest selle poolest, et see keskendub rohkem teie sihtklientide kasvule, olenemata sellest, kas nad juba teie sektoriga äri teevad või mitte.
S&P 500 pluss täiendavad sektoriga seotud alaindeksid	Kui teie kliendid on finantsettevõtted või kui neid võivad mõjutada kapitaliturgude otsesed või psühholoogilised mõjud.
Makromuutujad, näiteks intressimäärad ja vahetuskursid	Sõltuvalt teie ärimudelist võivad intressimäärad ja vahetuskursid mõjutada teie pakkumise konkurentsivõimet.
Sisemised draiverid, näiteks suunamismäärad	Iga ettevõtte kasv on väliste ja sisemiste tegurite kombinatsioon. Sisemõõdikud, mida on oluline eraldi jälgida, nagu praeguste kasutajate suunamissagedus (mis võib olla oluline impulsimõju), kasutajate rahulolu hinnangud, sotsiaalmeedia aktiivsus ja nii edasi, võivad kõik olla kasulikud.
Hooajalisus / tsüklilisus	Indikaatormuutujaid, mis on tingimuse täitmise korral võrdsed 1 (näiteks kuu langeb pühadeperioodil) ja muul juhul 0, saab kasutada mis tahes aastakuu / nädalapäeva mõjude kontrollimiseks, mis võivad teie kasutaja tegevuse jaoks asjakohased olla .

Kõik muutujad tuleks täpsustada muutuste kiirusena, mitte absoluuttasemena, kasutades pigem logaritme kui protsente.

Samuti tuleb hoolikalt kaaluda iga muutuja ajakava. Mõned muutujad on juhtiv (aktsiaturg põhineb suuresti ootustel), samas kui teised, näiteks kasutajate rahulolu reitingud, põhinevad varasematel kogemustel, kuid võivad kindlasti eeldatava kasvu seisukohalt asjakohased olla.

kaks võimalust ostujõu vähendamiseks on vahetuskulud ja lojaalsusprogrammid.

Taandarengu enda jaoks soovitan alustada Tavalised kõige väiksemad ruudud (OLS) ja seejärel konkreetsetele põhjustele minnes edasi ainult teistele funktsionaalsetele vormidele. OLS on mitmekülgne ja võimaldab tulemuste otsest tõlgendamist kui muud keerukamad vormid. Muudatused OLS-i kontekstis hõlmaksid mittelineaarsete muutujate, interaktsioonimuutujate (näiteks võib-olla praeguse kliendi rahulolu ja sotsiaalse meedia aktiivsus) logaritmilist regressiooni ning ruutude muutujate ruudukujulist muutmist, millel on teie arvates suuremate väärtuste korral ebaproportsionaalne mõju. Kuna kasv on loodetavasti eksponentsiaalne, võivad logaritmilised regressioonid kindlasti osutuda tugevaks sobivuseks.

Toimingu ajaperioodi osas arvestage kindlasti oma kasutajate toimingute või ostude sagedusega, et aidata teil kindlaks määrata õige intervall, mille jooksul mõju saab otsida. Kui kasutate ajaraame, mis on pikem kui üks päev, pidage meeles, et iganädalased aktiivsed kasutajad ei ole selle nädala aktiivsete kasutajate summa. Kui ma kasutan teie toodet sellel nädalal iga päev aktiivselt, arvestatakse mind igapäevase analüüsi jaoks iga päev. Kui lähete seejärel nädalanalüüsile, peaksin ilmuma vaid ühe korra ja seega arvestaks üksikute päevade liitmine liiga palju.

See mudel võimaldab seejärel hinnata nende selgitavate muutujate toimivuse põhjal eeldatavat kasvu / hoidmist / seotust antud ajahetkel või käimasoleval ajaperioodil. Eeldatava kasvu ja pärast sündmust täheldatud tegeliku kasvu erinevus on siis ebanormaalne osa, mis võib viidata mõjule. Selle ebanormaalse kasvu jagamine oodatava kasvu standardhälbega näitab siis, kui tõenäoline oli, et ebanormaalne komponent juhuslikult tekkis. Tavaliselt kasutatakse piirväärtusena tulemust 1,96 (mis on ligikaudu kaks standardhälvet prognoositust väärtusest eemal), kui leitakse, et see ei juhtunud juhuslikult.

Kohortide kontekstis võib hoidmist ja seotust pidada kas järjestikuste kohortide muutuste (st iga kohordi jaoks fikseeritud väärtuste hoidmine) või täieliku säilitamise ja seotuse ajas toimuva muutuse kaudu, ilma et see oleks jaotatud kohort.

Sündmuste sarja kumulatiivne mõju kasvule

Kasvustrateegiad on sageli sündmuste seeria kasutuselevõtmise asemel ühekordsete jõupingutuste mõte, nii mitme jõupingutuse otsesema mõju kui ka kliendi enda mustri näitamise aluseks oleva mõju jaoks. Mõju analüüs võib seega vaadata ka kumulatiivset mõju. Rida sündmusi, mis on individuaalselt ebaolulised, võivad põhjustada olulist kumulatiivset mõju ja vastupidi, rida olulisi sündmusi võivad osutuda ebaoluliseks.

Esimest olukorda võib mõelda kui “aeglane ja püsiv võidab võistluse”. Oletame, et teie müük suureneb murdosa protsendi võrra nädalas kiiremini kui teie vastav sektor. Lühikese aja jooksul ei tähenda see midagi, sest mõne ettevõtte kasv erineb juhuslikult veidi võrdlusalusest. Kui teie kerge ületootmine jätkub siiski piisavalt kaua, võite lõpuks kindlalt öelda, et ettevõtte kasvutempo ületab tõepoolest turu oma.

Teine olukord on sisuliselt igasugune ümberpööramine. Üha sagedasemad vahendid, mille abil inimesed saavad reageerida arengutele enne teabe tõelist töötlemist, samuti karja lühiajaline mentaliteet, toob väljakutse tagada, et arvestaksite reaktsiooni tõelist suurust ja kestust vahetuma müra kaudu. Teatud tingimustel võivad kasutajad ja turud kipuda lühiajaliselt süstemaatiliselt üle reageerima (uued tehnoloogiad, valuutaturud ja sageli halvad uudised, mis ei kujuta endast ettevõttele tõsist ohtu), kuid seejärel hiljem ennast parandada.

kasutajaliidese stiilijuhendi näide

Neid kahte olukorda saab illustreerida järgmiselt. Usaldusvahemik näitab piire, mille piires võime eeldada 95% vaatluste langemist, mida tavaliselt kasutatakse millegi statistiliselt oluliseks pidamise lävena.

Olulise ümberpööramise puudumist võib pidada püsiva mõju tõendiks. Selle loogika suhtes tuleb olla ettevaatlik, kuna see on vastuolus empiirilise skepsise tavapärase reegliga, et tõendite puudumine ei ole tõend puudumise kohta, kuid see on parim, mida saame teha.

Olge protsentide / logaritmiliste muutuste võrdlemisel üksikute ajaperioodide ajal ettevaatlik. 99% -line langus, millele järgneb 99% -line tõus, ei tähenda sugugi ebaolulist kumulatiivset muutust. Lõpuks arvestage kindlasti kumulatiivsete muutustega.

Kui mõõdate piiratud ajavahemiku jooksul (st pühadeperioodil) sündmuste seeria, näiteks konkreetse PR-kampaania, kumulatiivset mõju, siis võiksite jälgida kasvu ajakavasse lisatud kalendripäevade või nädalate jooksul , kas igaühel oli konkreetseid toiminguid tehtud või mitte. Te loodate endiselt sisuliselt, et 1-2-3 punch annab kindla perioodi jooksul nokaudi, isegi kui tabamuste vahel võib esineda kergeid viivitusi.

Kui kõnesolevad sündmused on üksteisest kaugemal, kuid soovite siiski hinnata kumulatiivset mõju, võite kaaluda nende ühendamist üheks pidevaks päevade reaks ja seejärel sama analüüsi käivitamist. Selles ütlete sisuliselt: „1. päev on 5. jaanuar, 2. päev on 15. märts, 3. päev on 10. aprill…”) ja testite nende kumulatiivseid muutusi võrreldes võrdlusalusega prognoosituga, nagu oleksid need tegelikult täiesti järjestikused kuupäevad. Olulisuse testimine on siis sama valem kui üksikute sündmuste korral, välja arvatud see, et see tõstab kumulatiivse perioodi moodustavate päevade / nädalate arvu standardhälbe ruutjuurele.

Saastunud teabega tegelemine ettevõtte kasvu mõõtmisel

Maailm annab meile ideaalsete proovide tegemiseks harva viisakalt täiuslikke laboritingimusi, nii et kui põhimudel on loodud, peab see tõenäoliselt kontrollima muud teavet, mis mõjutab eeldatavat kasvukiirust samal ajal kui me otsin uuesti mõõta.

Oletame, et samal ajal PR-ürituse või tootevärskendusega otsustab tippjuht kahjuks lahkuda konkurentidest ajakirjanduse suure meeltmööda keskel ja olete mures, et mõned kasutajad võivad seda võtta signaalina toote suhtelistest eelistest. kaks toodet. Üks väga kiire lahendus on kahjuks märkida andmepunkt lihtsalt segaseks mitteseotud sündmuseks indikaatormuutujaga.

Kuid kui teil on võimalik hankida andmeid segase sündmuse varasemate esinemiste kohta, saate korraldada a ristlõike analüüs see võimaldab teil ennustada, kui suurt mõju konkreetne sündmus sarnastes tingimustes kipub avaldama, ja saate selle oodatava mõju lõpptulemustest eemaldada. Ülaltoodud näites võimaldaksid andmed kasutajate aktiivsuse kohta meeskonna liikmete lahkumineku kohta teistes ettevõtetes hinnata ja eristada selle konkreetse teguri mõju, et isoleerida PR-sündmuse või tootevärskenduse mõju, mida lootsite hinnata.

olete tellinud pilvepõhise teenuse andmete sünkroonimiseks

Paljud ettevõtted võivad ka aastaaegade või teatud võtmemomentide, näiteks pühade, tõttu hooajalisust kokku puutuda. Selle kontrollimiseks määrake indikaatormuutujad kõnealusele aastaajale.

Teatud mõjude mittelineaarsused

Arvestades oma analüüsi tulemusi ja kasvupüüdluste strateegiaid, tasub meeles pidada teatud mittelineaarseid mõjusid, kuidas inimesed on dokumenteeritud positiivsetele arengutele reageerimiseks.

Ülitundlikkus versus allatundlikkus võib olla väga erinev. Kui andmed ja aeg lubavad, kaaluge nii positiivsete kui ka negatiivsete sündmuste eeldatava mõju hindamist, kui mõlemad on teie jaoks asjakohased. Kahjuks võivad langused, mis ulatuvad kasutaja käitumisest finantsturgudeni, olla palju järsemad ja tõsisemad kui ülespoole liikumine.

Mitme toimingu korraga sooritamise koosmõju ei pruugi olla võrdne nende järjestikuse sooritamisega, sest juba käimasoleva mustri fakt võib ise avaldada positiivset või negatiivset mõju. Iga kuu tootevärskendusi välja andva ettevõtte muster võib sisendada kasutajates enesekindlust, samas kui negatiivsetest sündmustest, näiteks koondamised või mahakandmised, teatada rohkem kui üks kord, võib olla tohutult ebaproportsionaalne mõju, põhjustades muret, et ettevõte ei saa täielikult aru oma olukorda. Börsil kaubeldavad ettevõtted sageli 'vannivad' ja avaldavad kõik halvad uudised korraga, kuna halbade uudiste fakt võib ise olla esialgne 'fikseeritud' hitt, millel on marginaalne järgnev mõju. ' Torpeedoefekt , ”Kirjeldab näiteks empiirilist nähtust, et ainuüksi halbade uudiste olemasolu võib moodustada olulise osa hinnalangusest. Negatiivsed tilgad saab seetõttu jagada esialgseks fikseeritud efektiks, mis annab võimaluse uudise või arenduse tegelikust sisust vähenevale piirmõjule. PR-kampaaniad toimivad järjestusena paremini kui üksikud megaüritused, kuna eesmärk on ettevõtte positsioneerimine aja jooksul.

Dispersiooni saab muidugi mõõta ainult ajalooliselt, kuid teatud sündmused võivad muuta aluseks olevat tegelikku dispersiooni ja tõenäosust, et ebanormaalne kasv toimus juhuslikult. Kuna uus dispersioon on iseenesest kõnealuse sündmuse tulemus, tuleks varasemat dispersiooni kasutada, et vältida sündmuse olulisuse kõrvalejätmise ümmargust põhjendust sellega kaasneva suurema dispersiooni põhjal. Nagu alati, toimub ka arutelu ja iga olukord võib olla erinev.

Nagu varem mainitud, võivad kasv või kasvu aeglustumine nii inimese psühholoogia kui ka väga reaalsete turustruktuuride tõttu mõnda aega sarnaseid mõjusid tekitada. Ehkki impulsimõjude mõõtmiseks on saadaval mitu väljamõeldud autokorrelatsiooni testi, leian, et “manuaalsem” lähenemisviis kasvusarja regressioonile enda mahajäänud versioonil on läbipaistvam ja hõlpsam katsetada.

Kokkuvõtvad mõtted lähenemisest masinõppele ettevõtluses

Kui sellist katsetamist võimaldav mudel on välja töötatud, ei ole põhjust, miks ettevõtte platvorme kasutajate käitumise, müügi jms jälgimiseks ei saa uute koodide saabumisel koefitsientide pidevaks värskendamiseks otseselt selle koodiga siduda. Minu isiklik eelistus on alati olnud võimaluse korral jooksev üheaastane hindamisperiood, kuna see tasakaalustab andmekogumi suurust uuema teabe kõrgema väärtusega ja hõlmab sesoonsuse korral ka loomulikult kõiki aastaaegu.

Eeldades, et ettevõtte ja toote olemuses ei esine struktuurilisi katkestusi, pole põhjust pikendada hindamisperioodi üle ühe aasta, kuid noored kiiresti kasvavad ettevõtted kipuvad kiiresti arenema. Tarkvarapõhised ettevõtted võiksid linkida otse oma GitHubiga, et luua protsess, mille abil tarkvarauuenduste mõju automaatselt testitakse. Selle otselingi loomisega ja funktsioonide automaatsel arenemisel olete astunud esimese sammu oma ettevõtte masinõppe juurutamise suunas.

Tihti tuuakse välja, kuidas teave on maailma kõige väärtuslikum kaup, kuid harvemini mainitakse, et andmed pole teave. Vastupidi, ettevõtteid valdab nii palju andmeid, mis näivad rääkivat konkureerivatest narratiividest, millest paljud võivad olla lihtsalt juhuslikkusel põhinevad võltsmustrid. Statistika on parimal juhul vähendamisprotsess - peamiste muutujate ja seoste kiire lihvimine ning nende praktiliseks testimiseks rakendamine. Selle analüüsivormi vaim on ennekõike tervisliku skepsise sisendamine otsustusprotsessi, sundides andmeid ennast tõelise teabena tõestama, enne kui otsustate selle alusel.

Põhitõdesid mõistes

Kuidas kasvu mõõdetakse.

Kasvu mõõdetakse kolme muutujaga: tipptasemel kasv (kogu müügi või aktiivsete kasutajate / klientide muutus ajas), hoidmine (konkreetse kasutaja või kliendi keskmine eluiga) ja seotuse sügavus (põhitoimingu sagedus või maht platvormi kaudu tehingute tegemine).

Miks on klientide hoidmine nii oluline?

Klientide hoidmine suurendab nii tulude usaldusväärsust kui ka uute kasutajate kasvu. Õnnelikud kliendid on püsikliendid, kes suurema tõenäosusega toote / teenuse uutele väljavaadetele evangeliseerivad