Monet tuotejohtajat väittävät, että asiakasuskollisuus on kaikkien tuotteen suorituskykyindikaattoreiden pyhä graali. Useimmat meistä varmistavat, että seuraamme aktiivisesti asiakasuskollisuusastettamme ja parannamme sitä. Päädymme kuitenkin usein myös seuraamaan sitä virheellisesti tai käyttämään vääriä työkaluja ja prosesseja sen korjaamiseen.
Tämä opas auttaa sinua ymmärtämään, mitä asiakasuskollisuusaste tarkoittaa eri yhteyksissä, miten sitä tulee seurata (oikealla tavalla) ja miten siihen voidaan tehdä merkittäviä parannuksia.
Mikä on asiakasuskollisuusaste? (Ja miksi sillä on merkitystä)
Asiakasuskollisuusaste osoittaa niiden asiakkaiden prosenttiosuuden, jotka käyttävät tuotettasi edelleen tietyn ajanjakson (esimerkiksi 4 viikon tai 6 kuukauden) kuluttua kaikista käyttäjistäsi. Se kertoo siis olennaisesti, kuinka moni käyttäjistäsi pysyy asiakkaanasi.
Koska asiakasuskollisuusaste osoittaa, kuinka moni ihminen on pysynyt asiakkaana, se on täsmälleen asiakaspoistuman vastakohta. Jos siis sanot, että tuotteesi asiakasuskollisuusaste kolmen kuukauden kohdalla on 80 %, asiakaspoistuma samalla ajanjaksolla olisi 20 %.
Asiakasuskollisuus ja asiakaspoistuma ovat saman kolikon kaksi puolta, mutta tuotetiimit seuraavat molempia, koska ne kertovat erilaisia tarinoita. Asiakasuskollisuus osoittaa, kuinka hyvin tuotteesi synnyttää käyttötottumuksia ja tuottaa jatkuvaa arvoa, kun taas asiakaspoistuma korostaa, missä ja miksi käyttäjät lopettavat tuotteen käytön. Yhdessä ne antavat kattavamman kuvan tuotteen terveydestä.
Asiakasuskollisuus on vain yksi niiden tuotteen kasvun mittareiden ”suuresta kolminaisuudesta”, joita sinun on mitattava (kaksi muuta ovat hankinta ja sitoutuminen). Yli 15 menestyksekkään ja muutaman (surkeasti) epäonnistuneen tuotteen johtamisesta saamani kokemuksen perusteella väittäisin kuitenkin, että asiakasuskollisuus on ”yksi mittari hallitsemaan niitä kaikkia”.
Logiikka on yksinkertainen. Jos asiakasuskollisuutesi on heikko, et voi kasvattaa käyttäjäkuntaasi ja menetät lopulta kaikki hankinnan kautta saamasi käyttäjät.
Asiakasuskollisuus on tärkeää myös toisesta syystä. Asiakasuskollisuus kasvattaa asiakkaan elinkaariarvoa (LTV). Se on erinomainen tapa saavuttaa tavoiteltu terve 3:1-suhde LTV:n ja asiakkaan hankintakustannuksen (CAC) välillä – mikä tekee liiketoimintamallistasi kestävän.
Kun kasvu peittää asiakasuskollisuuden ongelmat
Minun on myönnettävä, että opin arvostamaan asiakasuskollisuuden merkitystä kantapään kautta. Johdin kauan sitten markkinointityökalua, joka mahdollisti verkkosivustojen verkkopush-ilmoitusten käytön markkinointikanavana.
Yksinkertaisesti sanottuna asiakasuskollisuus oli heikkoa. Menetimme 100 % käyttäjistämme noin neljän kuukauden kuluttua heidän rekisteröitymisestään. Tuote otettiin käyttöön lisäämällä sen koodinpätkä verkkosivustolle. Koodinpätkä otti verkkopush-ilmoitukset käyttöön sivustolla ja antoi kävijöille mahdollisuuden käyttää niitä.
Tämän koodinpätkän ongelmana oli, että se käytti yhtä verkkotunnusta push-ilmoitusten hallintaan. Kun jotkut asiakkaista käyttivät push-ilmoituksia avoimen tai laittoman sisällön jakamiseen, Google merkitsi koodinpätkän haittaohjelmaksi. Tämän seurauksena kaikkien asiakkaiden, myös tuotetta hyvässä uskossa käyttävien, verkkosivustojen SEO-sijoitukset romahtivat merkittävästi.
Author's Tip
Asiakasuskollisuus on tärkeää, mutta se ei tarkoita muiden menestysmittareiden sivuuttamista. Seuraa niitä kaikkia ja anna samalla asiakasuskollisuudelle suurin painoarvo.
Emme kiinnittäneet liikaa huomiota heikkoon asiakasuskollisuuteen, koska hankintakanavamme toivat niin paljon uusia käyttäjiä, että kokonaiskasvu jatkui huonoista asiakaspoistumamittareista huolimatta.
Luonnollisesti, kuten minkä tahansa uuden työkalun kohdalla, suuren hankintamäärän ajanjakso alkoi hiljalleen hiipua. Silloin aloimme huomata ja tuntea heikon asiakasuskollisuuden vaikutukset. Käyttäjäkuntamme ei ainoastaan lakannut kasvamasta, vaan alkoi pienentyä!
Onneksi löysimme ratkaisun. Otimme käyttöön suodattimia, jotka estivät haitallisen sisällön, sekä verkkotunnusten eriyttämisen. Näin yhden asiakkaan huono toiminta ei vaikuttanut muihin. Meidän olisi kuitenkin pitänyt kiinnittää asiaan huomiota heti alussa, jotta käyttäjien menettäminen olisi voitu välttää.
Viimeinen tärkeä huomio on, että asiakasuskollisuus on tärkeää, mutta se ei tarkoita, että sinun pitäisi sivuuttaa muut tuotteen menestyksen mittarit. Sen sijaan sinun tulisi seurata ja optimoida niitä kaikkia, mutta kiinnittää eniten huomiota asiakasuskollisuuteen.
Näin lasket asiakasuskollisuusasteen (kaava ja esimerkkejä)
Retentioasteen laskeminen on melko suoraviivaista. Laske se vain aloittavan kohortin perusteella – jätä tarkastelujakson aikana hankitut uudet käyttäjät pois, koska he eivät ole vielä käyneet läpi koko ajanjaksoa.
Sen jälkeen käytät tätä kaavaa.
Lopputuloksena saat prosenttiosuuden.
100 %:n retentio = ei vuotoja. 0 %:n retentio = tyhjä ämpäri.
Katsotaan esimerkkiä. Mittaat kuukausittaista retentiota, ja sinulla on seuraavat luvut.
- 1 000 käyttäjää kuukauden alussa
- 920 käyttäjää kuukauden lopussa
- 150 uutta käyttäjää liittyi palveluusi kuukauden aikana.
Retentioaste olisi tässä tapauksessa:
Voimme siis sanoa, että 77 % käyttäjistämme on pysynyt mukana kuukauden aikana ja että olemme menettäneet heistä 23 %.
Voit käyttää tätä kaavaa myös muille ajanjaksoille (esimerkiksi viikoittain, päivittäin, neljännesvuosittain ja niin edelleen). Tässä on esimerkkejä.
On tärkeää huomata, että sinun on seurattava retentiota jokaisella ajanjaksolla, ei vain kerran. Jos kyse on kuukausittaisesta retentiosta, sitä on seurattava joka kuukausi.
Syvemmälle: kohorttianalyysi parempien retentiohavaintojen saavuttamiseksi
Kokonaisretentioasteen tarkasteleminen on hyödyllistä kokonaiskuvan kannalta, mutta muista, että kyseessä on vain keskiarvo kaikista eri aikoina liittyneistä käyttäjistä. Tämä keskiarvo voi hämärtää yksittäisten tuoteparannusten vaikutusta.
Oletetaan esimerkiksi, että retentiosi oli 50 %. Sen jälkeen julkaisit ominaisuuden, joka paransi asiakaskokemusta merkittävästi. Jotta näkisit sen todellisen vaikutuksen, haluaisit mitata vain ominaisuuden julkaisun jälkeen liittyneiden käyttäjien retentiota. Heidän käyttäytymisensä heijastaa tuotteen uutta todellisuutta eikä aiempia ongelmakohtia.
Tätä lähestymistapaa – retentioasteen mittaamista samana ajanjaksona liittyneiden käyttäjäryhmien perusteella – kutsutaan kohorttianalyysiksi. Tältä se näyttää kuuden päivän retentioasteen seurannassa:
Kohortit perustuvat rekisteröitymispäivään.
Tässä näet, että kolmannen päivän retentio on laskenut merkittävästi 22. lokakuuta liittyneiden kohortissa. Kannattaa ehkä selvittää, mitä tuolloin tapahtui ja mikä aiheutti tämän pudotuksen.
Have an account? Log In
Miten retentioaste vaihtelee kontekstin mukaan
Retentioasteen yleistäminen ja pitäminen kaikissa tilanteissa toimivana mittarina on todennäköisesti epäreilua. Syynä on se, että retentioaste toimii eri tavoin sen mukaan, missä sitä käytetään. Tarkastellaan siis erityyppisiä retentioasteita, jotta niiden erityispiirteet tulevat paremmin ymmärretyiksi.
Asiakasretentio (SaaS / verkkokauppa)
SaaS-palveluissa retentiota mitataan tilausten kautta – jatkavatko asiakkaat tilaustaan, uusivatko he sen tai laajentavatko he tilaustasoaan. Asiakasmäärän lisäksi myös nettotulojen retentio (NRR) on ratkaisevan tärkeä, sillä se osoittaa, kuinka paljon tuloja säilytät ja kasvatat nykyisiltä asiakkailta. Molemmat mittarit vaikuttavat suoraan SaaS-yrityksen kuukausittaiseen toistuvaan liikevaihtoon (MRR) ja vuosittaiseen toistuvaan liikevaihtoon (ARR), joten ne ovat SaaS-yritysten keskeisiä terveysmittareita.
Verkkokaupassa retentio tarkastelee uudelleen ostavia asiakkaita – niiden asiakkaiden osuutta, jotka palaavat ja ostavat uudelleen. Jo pienetkin parannukset uusintaostojen määrässä kertaantuvat merkittäväksi liikevaihdon kasvuksi, koska nykyisen asiakkaan säilyttäminen on usein halvempaa kuin uuden hankkiminen.
Author's Tip
Ajattele SaaS-retentiota tilaajien koukuttamisena ja verkkokaupan retentiota ostajien tuomisena takaisin ostoskorin äärelle.
Käyttäjäretentio (tuotteet/sovellukset)
Käyttäjien pysyvyydessä ei ole kyse rahasta, jota he maksavat sinulle jatkuvasti. Sen sijaan kyse on siitä, että he käyttävät tuotettasi toistuvasti.
Tuotteesi ratkaisemaan ongelmaan liittyvästä luonnollisesta esiintymistiheydestä riippuen mittaat päivittäistä, viikoittaista, kuukausittaista tai jopa neljännesvuosittaista pysyvyyttä. Sosiaalisilla verkostoilla on esimerkiksi päivittäinen luonnollinen esiintymistiheys. Siksi niiden kohdalla mittaisit päivien 1, 7 ja 30 pysyvyysasteita.
Päivien 1 ja 7 välinen ero auttaa yleensä mittaamaan käyttöönoton virstanpylväitä. Päivä 30 puolestaan osoittaa tuotteesi sitouttavuuden ja tapasilmukoiden laadun.
Työntekijöiden pysyvyys (HR)
Työntekijöiden pysyvyys kertoo, kuinka hyvä työntekijäkokemus yrityksessä on. Matala pysyvyysaste tarkoittaa, että monet ihmiset lähtevät yrityksestä.
Työntekijöiden pysyvyys lasketaan seuraavasti:
Perinteisesti HR-tiimit käyttävät vuosineljänneksiä työntekijöiden pysyvyysasteen mittaamiseen, koska ihmisten lähteminen yrityksestä tai liittyminen siihen vie aikaa. Lyhytaikaiset sopimukset kannattaa myös jättää pois tästä laskelmasta, koska pysyvyysasteella ei ole niiden kohdalla merkitystä.
On tärkeää ymmärtää ero työntekijöiden pysyvyyden ja kahden muun mittarin välillä, joita HR-tiimit käyttävät ymmärtääkseen yrityksen henkilöstömuutoksia.
Työntekijöiden vaihtuvuusaste: Toisin kuin pysyvyys, joka osoittaa, kuinka suuri prosenttiosuus pysyy, vaihtuvuus osoittaa, kuinka suuri prosenttiosuus kaikista kyseisen ajanjakson aikana lähteneistä ihmisistä on kyseessä.
Poistuma: Se keskittyy tiimin koon pienenemiseen. Jos tiimisi kasvaa, poistuma on 0 %.
Missä pysyvyysaste lasketaan väärin ja miten se korjataan
Monet meistä katsovat pysyvyyden kaavaa ja ajattelevat, että se on niin yksinkertainen, ettei sitä voi laskea väärin. No, oman surkean kokemukseni perusteella, kun laskin sitä manuaalisesti urani alkuaikoina, voin vakuuttaa, että sen voi ehdottomasti laskea väärin.
Älä kuitenkaan huolehdi siitä. Suurin osa käyttäjien käyttäytymisen analytiikkatyökaluista laskee sen automaattisesti puolestasi. Jos sinun täytyy laskea se käsin, tässä on luettelo yleisistä virheistä ja tavoista korjata ne.
- Uusien käyttäjien sisällyttäminen kaavaan. Se kasvattaa pysyvyysastetta keinotekoisesti, koska uudet käyttäjät eivät ole vielä poistuneet. Voit välttää tämän seuraamalla uusien käyttäjien määrää ja vähentämällä heidät jakson lopun käyttäjämäärästä.
- Ajanjaksojen yhteensopimattomuus. Et voi verrata 7 päivän pysyvyyttä 14 päivän pysyvyyteen. Nämä ovat käyttäjillesi kaksi eri tilannetta eivätkä vastaa toisiaan.
- Uudelleenaktivoitumisten sivuuttaminen. Kun käyttäjät poistuvat tuotteesta ja palaavat jonkin ajan kuluttua, he sotkevat pysyvyyskaaviosi, koska pysyvyys laskee ja kasvaa sitten ajan mittaan. Tämän torjumiseksi suosittelen luomaan Amplitudessa tai toisessa tuoteanalytiikan hallintapaneelissasi erilliset kohortit pysyneille, uusille ja uudelleenaktivoituneille käyttäjille.
Viimeinen kohta on asia, johon olen törmännyt lukuisia kertoja. Yleisesti ottaen sinun pitäisi odottaa pysyvyysasteen vakiintuvan jossain vaiheessa. Se tarkoittaa, että ihmiset pysyvät kanssasi. Kun huomaat pysyvyyden kasvavan ajan mittaan, se on merkki siitä, että data on virheellistä ja voi johtaa sinua harhaan.
Ainakin minua se on johtanut harhaan useammin kuin kerran. Kerran, kun johdin puheluiden yhteenvetotyökalua, innostuin nähdessäni pysyvyysasteen kasvavan, koska ajattelin sen osoittavan tuotetoimiemme laadun. Kun sitten näytin sen toimitusjohtajallemme, hän katsoi minua pettyneenä. Olin täysin väärässä. Pysyvyyden kasvu osoitti uudelleenmarkkinointitoimiemme tuloksen ja peitti alleen samana ajanjaksona tapahtuneen pysyvyyden laskun, mikä antoi minulle väärän vaikutelman, että kaikki oli kunnossa.
Pysyvyyden vertailuarvot toimialoittain
Se, mitä saatat kutsua korkeaksi pysyvyysasteeksi, riippuu toimialasta ja tuotetyypistäsi. Joillekin 80 prosentin poistuma-aste on täysin hyväksyttävä, kun taas toisille se merkitsisi asiakasuskollisuuden katastrofaalista tasoa.
Tässä ovat yleisimpien toimiala- ja tuotetyyppien keskimääräiset pysyvyysasteet.
Älä unohda, että tuotteesi varhaisilla versioilla on täysin hyväksyttävää olla matala pysyvyysaste. Parannat sitä ajan mittaan. Loppujen lopuksi tässä esitetyt vertailuarvot perustuvat pääasiassa kypsiin tuotteisiin.
Näin parannat pysyvyysastetta (tarkistuslista + toimintasuunnitelma)
En pitäisi säilyttämisopasta täydellisenä ilman käytännön vinkkejä, joiden avulla säilyttämisastetta voi parantaa. Tässä on kuusi vinkkiä, joiden tiedän toimivan hyvin oman kokemukseni ja tunnettujen digitaalisten tuotteiden perusteella.
1. Aktivoinnin ja perehdytyksen parantaminen
Aktivointi on suppilon ensimmäinen vaihe. Mitä useampi ihminen aktivoi tuotteen, sitä useammalla on mahdollisuus käyttää tuotettasi ja pysyä asiakkaanasi. Siksi aktivointiasteen kasvattaminen on ratkaisevan tärkeää.
Suosittelen, että:
- Esittelet ominaisuudet vaiheittain yksi kerrallaan.
- Tarjoat käyttäjille mallipohjia, jotta heidän ei tarvitse määrittää tuotettasi alusta alkaen. Miron Miroverse on tästä erinomainen esimerkki.
- Käytät tarkistuslistoja ohjaamaan käyttäjiä tuotteen käyttöönotossa ja ensimmäisessä käytössä.
Tarkistuslistojen osalta Trello tekee tämän parhaiten.
Heillä on ”Aloitusopas”-taulu, jossa on kuuden tehtävän tarkistuslista. Kun suoritat ne, koet tuotteen keskeisen hyödyn.
2. Käyttäjien sitouttamisen personointi
Voit hyödyntää sähköpostin, sovelluksen sisäisten viestien ja push-ilmoitusten kaltaisia kanavia pitääksesi käyttäjät sitoutuneina tuotteeseesi.
Tehokkainta näiden kolmen kanavan käyttö on, kun sisällytät ne tapasilmukkaan.
Aiemmin mainitsemallani puheluiden yhteenvetotyökalulla, jonka kehitystä johdin, oli vakava säilyttämisongelma. Puhelun päätyttyä ihmiset unohtivat, että olimme tehneet heille yhteenvedon, eivätkä katsoneet sitä. Riitti, että lisäsimme pienen työpöytäilmoituksen heti puhelun jälkeen kertomaan ihmisille, että heidän yhteenvetonsa on valmis. Tulos: säilyttämisaste lähes kaksinkertaistui!
3. Ominaisuuksien käyttöönottoa tukevien vinkkien hyödyntäminen
Tämä on toinen tapa varmistaa, että käyttäjät ovat kokeneet ominaisuutesi hyödyn. Mitä useampi käyttäjä tekee näin, sitä todennäköisemmin hän pysyy asiakkaanasi.
Nämä vinkit voivat olla mitä tahansa painikkeiden vieressä olevista työkaluvihjeistä tai tietokuvakkeista aina tuotteen esittelykierroksiin. Yksi digitaalisten käyttöönottoalustojen eduista on, että ne voivat auttaa tässä. Gainsightin kaltaisten työkalujen avulla voit määrittää tällaisia vinkkejä ja esittelykierroksia. Varmista vain, etteivät ne ole liian tungettelevia. Jotkut käyttäjät haluavat selvittää asiat itse ilman aktiivista apuasi.
Varmista lopuksi, että seuraat esittelykierroksen tehokkuutta suppilon avulla missä tahansa visuaalisessa raportointityökalussa.
More Articles
4. Palautteen kerääminen NPS-kyselyillä ja lähtöhaastatteluilla
Säilyttämisasteen kasvattamiseksi sinun on ensin ymmärrettävä asiakaspoistuman syy. Tähän on kaksi tapaa.
- NPS-kyselyt, joita löydät useimmista käyttäjäpalautetyökaluista. Ne kertovat, kuinka todennäköisesti ihmiset suosittelisivat työkalua ja miksi he pitävät siitä tai eivät pidä siitä.
- Lähtöhaastattelut. Kun ihmiset poistavat tilinsä, pyydä heitä varaamaan haastattelu kanssasi ja kertomaan lähtönsä syy.
Bonobosia käsittelevä mielenkiintoinen tapaustutkimus korostaa NPS-kyselyiden arvoa. Bonobos on miesten vaatteisiin keskittyvä verkkokauppa. Bonobosin tiimin mukaan he havaitsivat NPS-pisteidensä laskevan välittömästi, kun he julkaisivat kassalle ominaisuuden, joka lisäsi ylimääräisen vaiheen. Tämän ansiosta he pystyivät tekemään tietoon perustuvan päätöksen perua muutos ja välttää asiakkaiden menettämisen.
5. Asiakaspoistuman segmentointi syyn perusteella
Tässä on sinulle ammattilaistason tuoteanalytiikan määritys. Voit rakentaa usean työkalun ketjun palautteen keräämistä ja analysointia varten. Esimerkiksi HubSpot voi kerätä palautetta asiakaspoistumasta kysymällä käyttäjiltä tilin poistamisen yhteydessä, miksi he lähtevät.
Sen jälkeen voit välittää nämä tiedot tuoteanalytiikkatyökaluun, kuten Amplitudeen tai Mixpaneliin. Näin voit luoda kohortteja poistumissyyn perusteella ja nähdä poistumaan johtaneen käyttäjäkäyttäytymisen.
Voit esimerkiksi verrata näitä kohortteja aktiivisiin käyttäjiin ja havaita, että poistuneet käyttäjät saavuttivat aha-hetkensä myöhemmin tai eivät saavuttaneet sitä lainkaan (mikä on hyvin yleinen syy).
Voit myös yhdistää sen käyttäjien seurantatyökaluun nähdäksesi, miten he liikkuivat tuotteessasi ja millaisia ominaisuuksia he käyttivät.
Jos haluat oppia lisää edistyneistä analytiikka-asetuksista, tutustu kuratoituun luetteloomme tuoteanalytiikan kursseista.
Usein kysytyt kysymykset
Mikä on hyvä asiakaspysyvyyden aste?
Se riippuu tuotteesta ja toimialasta. B2C SaaS -palveluissa se on noin 90–95 %. Mobiilipeleissä 20 prosentin pysyvyyttä pidetään hyvänä. Verkkokaupan odotettu pysyvyys on noin 70 %.
Mitä eroa on pysyvyydellä ja poistumalla?
Pysyvyys kertoo siitä, ketkä pysyvät käyttäjinäsi. Poistuma kertoo käyttäjistä, jotka lähtevät. Ne ovat saman asian kaksi puolta. Ne tarjoavat kuitenkin erilaisia näkökulmia. Pysyvyys auttaa keskittymään tapojen muodostamisen ja käyttöönoton tehokkuuteen. Poistuma auttaa keskittymään arvon tuottamiseen liittyvien ongelmien tunnistamiseen ja korjaamiseen.
Miten työntekijöiden pysyvyysaste lasketaan?
Jaa ajanjakson lopussa olevien työntekijöiden määrästä vähennettyjen uusien työntekijöiden määrä ajanjakson alussa olevien työntekijöiden määrällä. Jätä myös määräaikaiset sopimustyöntekijät pois, sillä pysyvyys ei ole heidän kohdallaan merkityksellinen.
Miksi kohorttianalyysi on parempi kuin kokonaispysyvyyden tarkastelu?
Sen avulla näet tuotetta koskevien toimenpiteidesi vaikutuksen pysyvyysasteeseen. Uudet käyttäjät käyttävät tuotetta parannetussa tilassa ja pysyvät käyttäjinä vanhoja käyttäjiä paremmin – tämä osoittaa, että toimenpiteesi ovat parantaneet pysyvyyttä.
Kuinka usein pysyvyyttä pitäisi mitata?
Työntekijöiden pysyvyys: neljännesvuosittain. Tuotteen käyttäjien pysyvyys: sovita mittaustiheys sen ongelman luonnolliseen esiintymistiheyteen, jonka tuotteesi ratkaisee. Sosiaaliset verkostot seuraavat päivittäistä pysyvyyttä, kun taas Airbnb seuraa vuosittaista pysyvyyttä.
Voiko tekoäly auttaa parantamaan pysyvyyttä?
Kyllä. Nykyaikaiset tekoälytyökalut voivat auttaa löytämään käyttäjäsegmenttejä, joissa poistuma on todennäköistä, analysoimaan ja tiivistämään käyttäjien valituksia sekä ennustamaan poistumaa aiempien tietojen perusteella.
Liity mukaan saadaksesi lisää tietoa käyttäjien pysyvyydestä ja sitoutumisesta
Käyttäjien pysyvyysaste on yksi tärkeimmistä seurattavista ja optimoitavista mittareista. Käyttäjän pitäminen on paljon halvempaa kuin uuden käyttäjän hankkiminen.
Toivon, että tämä opas auttoi sinua ymmärtämään tuotteidesi pysyvyyttä ja seuraamaan sitä tehokkaasti.
Pysyvyys on kuitenkin vain yksi monista seurattavista ja parannettavista mittareista. Jos haluat oppia lisää muista mittareista, tilaa uutiskirjeemme.
