إذا كانت التسجيلات في منتجك ترتفع كل شهر، لكن أغلب من يسجل لا يعود بعد أسبوعه الأول، فهذا المقال لك. فالمشكلة هنا ليست في الإعلانات، وحملة جديدة لن تحلها. أنت تصب الماء في دلو مثقوب.
المقال للمؤسسين ومديري المنتجات والمسوقين، ولا يحتاج خلفية تقنية. ستعرف فيه ما هي لحظة التفعيل، وكيف تجدها في بياناتك بدل أن تخمنها، وكيف تقرأ منحنى الاحتفاظ، وكيف تحسب التسرب، وما الأرقام التي تتابعها كل أسبوع.
وفي مقال قمع التسويق ذكرنا أن التفعيل هو المرحلة التي تنساها الفرق كثيراً. وفي مقال مقاييس المنتج شرحنا العودة وجدول المجموعات. وهنا نجمع الاثنين.
باختصار
الاحتفاظ Retention: هل يعود المستخدم بعد ذلك ويستمر.
كيف تجد لحظة التفعيل: قارن عودة من قام بكل فعل في أسبوعه الأول بعودة من لم يقم به، ثم أثبت النتيجة بتجربة.
علامة المنتج الجيد: منحنى احتفاظ ينزل ثم يستقر، ولا ينزل حتى الصفر.
القاعدة: أصلح التفعيل والاحتفاظ قبل أن تزيد الإنفاق على الإعلانات.
ما هي لحظة التفعيل Activation Moment؟
التفعيل هو أول مرة يحصل فيها المستخدم على الفائدة التي سجل من أجلها. ويعرف بفعل محدد في مدة محددة. أمثلة:
| المنتج | لحظة التفعيل |
|---|---|
| أداة لمراقبة الخوادم | ربط قناة تنبيه، مثل Slack أو البريد، خلال 7 أيام من التسجيل |
| نظام فوترة | إرسال أول فاتورة |
| منصة استضافة | نشر أول موقع |
والتسجيل وحده ليس تفعيلاً. فمن أنشأ حساباً ثم أغلق الصفحة لم ير شيئاً من المنتج بعد، وغالباً لن يعود.
فكر في مطعم. الزبون الذي جلس ثم خرج قبل أن يأكل لم يتذوق الطعام. فإذا لم يعد، فالسبب ليس جودة الطبخ، وإنما أن الطلب تأخر أو أن قائمة الطعام لم تكن واضحة.

ثلاث ملاحظات على الصورة:
- كل مرحلة لها حدث مسجل Event: أي أن المنتج يسجل أن المستخدم فعلها ومتى. وبدون ذلك لا تستطيع أن تقيس شيئاً.
- لحظة التفعيل ليست أول نقرة: هي اللحظة التي يقول فيها المستخدم «هذا ما أحتاجه». وفي أداة المراقبة هي أن يصله أول تنبيه عن خادمه.
- المدة جزء من التعريف: من يربط قناة التنبيه بعد شهرين كان غالباً سيغادر لولا سبب آخر. لذلك نقول «خلال 7 أيام»، وليس «في أي وقت».
لماذا يغادر المستخدم في أسبوعه الأول؟
الأسباب ثلاثة أنواع، ولكل نوع علاج مختلف:
| السبب | مثال في أداة المراقبة | أين العلاج |
|---|---|---|
| لم ير الفائدة | أضاف خادماً، ورأى رسوماً خضراء، ولم يحدث شيء، فلم يعرف لماذا يعود | في المنتج: أظهر الفائدة مبكراً، مثل تنبيه تجريبي يصل في الدقيقة الأولى |
| الطريق إلى الفائدة طويل | ربط قناة التنبيه يحتاج صلاحيات لا يملكها، فأجل الخطوة ثم نسيها | في خطوات البداية: اختصر الخطوات وأزل العوائق |
| ليس من الجمهور المناسب | طالب يجرب لمشروع جامعي، أو شخص جاء من إعلان عام ولا يملك خوادم | في التسويق نفسه، لأنه يجلب جمهوراً لن يبقى مهما تحسن المنتج |
والبيانات وحدها هي التي تقول أي نوع هو الأكبر عندك. وهذا ما تفعله الأقسام التالية.
خطوات إيجاد لحظة التفعيل في بياناتك
الطريقة السهلة أن يجتمع الفريق ويختار فعلاً يبدو منطقياً. ومشكلتها أن الفريق يعرف المنتج أكثر من المستخدم، فيختار ما يراه هو مهماً. والأفضل أن تجعل البيانات تقترح عليك، بأربع خطوات:
الخطوة 1: اجمع الأفعال المرشحة
اكتب كل فعل يمكن أن يقوم به المستخدم في أسبوعه الأول. مثلاً في أداة المراقبة: إكمال الملف الشخصي، وإضافة أول خادم، ودعوة زميل، وربط قناة التنبيه.
وتأكد أن كل فعل منها مسجل بتاريخه في بيانات المنتج.
الخطوة 2: قارن العودة لكل فعل
لكل فعل، قسم المستخدمين إلى مجموعتين: من قام به في أول 7 أيام، ومن لم يقم به. ثم احسب كم نسبة كل مجموعة عادت في الأسبوع الرابع.
الفعل الذي يصنع أكبر فرق بين المجموعتين هو المرشح الأقوى. وغالباً ستجد أفعالاً لا تصنع أي فرق، مثل إكمال الملف الشخصي. وهذه لا تضعها خطوة إلزامية في البداية، لأنها تؤخر المستخدم ولا تنفعه.
الخطوة 3: ابحث عن العدد الكافي Threshold
هل يكفي خادم واحد؟ أم أن من أضاف ثلاثة يعود أكثر بوضوح؟ بعض الأفعال لا تظهر قيمتها إلا بعد عدد معين.
الخطوة 4: اختر المدة المناسبة
جرب أكثر من مدة: يوم واحد، وثلاثة أيام، وسبعة أيام.
المدة القصيرة جداً تخدعك. فإذا قلت «ربط القناة في يوم التسجيل»، صارت مجموعة «لم يفعل» تضم من ربطها في اليوم الثاني أو الثالث. وهؤلاء يعودون، فيصغر الفرق بين المجموعتين. أي أن المدة القصيرة جداً تقيس السرعة، وليس الفائدة.
انتبه: الارتباط ليس سبباً
إذا وجدت أن من ربط قناة التنبيه يعود أكثر بكثير، فهل ربط القناة هو سبب العودة؟ ليس بالضرورة.
هذا ارتباط Correlation، وليس سببية Causation. فقد يكون المستخدم الجاد هو الذي يربط القناة ويعود في نفس الوقت، أي أن جديته هي سبب الاثنين.
لذلك البيانات تعطيك فرضية. ثم تثبتها بتجربة A/B: تدفع نصف المستخدمين الجدد نحو هذا الفعل، وتقيس هل ارتفعت عودتهم فعلاً. وهذا موضوع مقال تجارب النمو عملياً.
خطوات البداية Onboarding: اختصر الطريق إلى أول فائدة
بعد أن تعرف لحظة التفعيل، يصبح هدف خطوات البداية واضحاً: أن يصل أكبر عدد من المستخدمين إليها في أقصر وقت. وهذا الوقت اسمه الوقت حتى الفائدة Time to Value.
| الأسلوب | ماذا يفعل | مثال في أداة المراقبة |
|---|---|---|
| قائمة خطوات البداية Onboarding Checklist | ثلاث أو أربع خطوات تنتهي بلحظة التفعيل، ويرى المستخدم تقدمه فيها | أضف خادماً، اربط قناة التنبيه، جرب تنبيهاً تجريبياً |
| الشاشة الفارغة Empty State | الصفحة التي لا تحتوي بيانات بعد تشرح الخطوة التالية بدل أن تبقى فارغة | «لا توجد خوادم بعد، أضف أول خادم في دقيقة» |
| القيم الافتراضية Defaults | تقلل الحقول التي يملؤها المستخدم قبل أن يرى النتيجة | فحص كل دقيقة دون أن يختار شيئاً |
| بيانات تجريبية Sample Data | يرى المستخدم شكل المنتج ممتلئاً قبل أن يضيف بياناته | لوحة فيها خادم تجريبي وتنبيه سابق |
| رسائل التذكير Onboarding Emails | تذكير بالخطوة التي توقف عندها المستخدم، وليس رسالة ترحيب عامة | «أضفت خادماً ولم تربط التنبيه بعد، وهذا يأخذ دقيقة» |
لاحظ أن كل أسلوب يقلل خطوة أو يوضحها، ولا يضيف شيئاً جديداً. والخطأ المعتاد أن يضيف الفريق جولة تعريفية Product Tour من عشر شاشات تشرح كل الميزات، فيغلقها المستخدم بعد الشاشة الثانية.
وانتبه في رسائل التذكير. هي رسائل خدمة مرتبطة بحساب أنشأه المستخدم. لكن إذا خلطتها بعروض ترويجية، دخلت في التسويق المباشر الذي يحتاج موافقة منفصلة. فافصل بين النوعين من البداية.
مثال: لماذا التنبيه التجريبي أولاً؟
في أداة المراقبة، الفائدة لا تظهر إلا حين يتعطل شيء، وقد لا يتعطل شيء في الأسبوع الأول. فمن لم يربط القناة لم ير المنتج يعمل أبداً.
والتنبيه التجريبي رسالة تصل فور ربط القناة، تقول: «هذا ما سيصلك حين يتوقف موقعك». فيرى المستخدم الفائدة بيده بدل أن ينتظر عطلاً حقيقياً.
وهو تغيير صغير، وسهل القياس، ولا يضيف خطوة. وهذه الصفات الثلاث هي ما يجعله أول ما تجرب.
وفي المقابل، لا تجبر المستخدم على ربط القناة قبل أي شيء آخر. هذا يرفع الرقم ويخفي المعنى، لأن من يربط القناة مجبراً ليس مثل من ربطها لأنه يريد التنبيه.
منحنى الاحتفاظ Retention Curve: هل يستقر؟
منحنى الاحتفاظ يرسم نسبة من عاد من مجموعة واحدة من المسجلين في كل أسبوع بعد التسجيل. يبدأ من 100% ثم ينزل.
والسؤال المهم ليس كم ينزل في الأسبوع الأول، فهو ينزل كثيراً في كل المنتجات تقريباً. السؤال: ماذا يحدث بعد ذلك؟ وهنا ثلاثة أشكال:
| الشكل | ماذا يعني | ماذا تفعل |
|---|---|---|
| ينزل حتى الصفر | كل مجموعة تختفي بعد أسابيع، فالمنتج لا يحل مشكلة متكررة لأحد | أصلح المنتج، وأي إنفاق على الإعلانات هنا خسارة |
| ينزل ثم يستقر Flattening | يثبت عند نسبة معينة، وهؤلاء هم من وجدوا فائدة حقيقية | هذا ما تبحث عنه قبل أن تزيد الإنفاق على التسويق |
| ينزل ثم يرتفع Smile Curve | بعض من غادر يعود لاحقاً، بسبب ميزة جديدة أو موسم معين | افهم ما الذي أعادهم، وكرره |
ارسمه لكل شريحة
المنحنى الواحد لكل المستخدمين يخفي الكثير. فقد يبدو منحنى متوسطاً لمنتج متوسط، والحقيقة أن عندك مجموعتين مختلفتين تماماً: من وصل إلى التفعيل ويبقى منه كثير، ومن لم يصل ويختفي أغلبه.
لذلك ارسم منحنى لمن وصل إلى التفعيل، وآخر لمن لم يصل. وارسمه حسب مصدر المستخدم أيضاً: من جاء من الإحالات، ومن جاء من الإعلانات.
والنتيجة المهمة: العودة العامة هي مزيج من المجموعتين. فإذا رفعت نسبة من يصل إلى التفعيل، ارتفع المنحنى العام كله، دون أن تغير شيئاً في المنتج بعد التفعيل. بشرط أن تبقى عودة كل مجموعة كما هي، وهذا ما تتأكد منه بالتجربة.
قبل التغيير وبعده ليس تجربة
جدول المجموعات Cohort Table يضع كل دفعة تسجيل في صف، وكل أسبوع في عمود. ومن المغري أن تقارن الدفعات قبل تغيير في خطوات البداية بالدفعات بعده.
وانتبه أيضاً: إذا كانت كل دفعة صغيرة، ستتذبذب الأرقام بين أسبوع وآخر. فلا تحكم من خانة واحدة. انظر إلى عدة دفعات وعدة أسابيع معاً.
المنحنى المستقر قد يخفي مغادرة كبيرة
قد ترى المنحنى ثابتاً بين أسبوعين، فتظن أن لا أحد غادر. لكن المنحنى يقيس الصافي Net: من بقي، ناقص من خرج، زائد من عاد.
فقد يخرج كثير من النشطين هذا الأسبوع، ويعود في نفس الوقت عدد مماثل ممن غابوا الأسبوع الماضي. فيبقى المنحنى ثابتاً، والحركة تحته كبيرة.
وهذا طبيعي في أداة مراقبة: الناس لا يدخلون كل أسبوع، وإنما عندما يصلهم تنبيه. والدرس أمران:
- اختر فترة قياس تناسب طريقة الاستخدام: عودة يومية لتطبيق محادثة، وأسبوعية لأداة عمل، وشهرية لأداة فوترة. والفترة الخطأ تجعل منتجاً جيداً يبدو سيئاً.
- احسب الخروج والعودة كلاً على حدة: المستخدمون الذين يعودون بعد غياب Resurrected لهم قصة مختلفة عمن لم يغادر أصلاً.
التسرب Churn: الأرقام التي تهم الإدارة
في المنتجات المدفوعة يصبح الاحتفاظ سؤالاً مالياً: كم عميلاً يلغي اشتراكه كل شهر؟ وهنا ثلاثة مقاييس ستسمعها كثيراً:
| المقياس | كيف يحسب | ماذا يقول |
|---|---|---|
| تسرب العملاء Logo Churn | العملاء الذين ألغوا في الشهر ÷ العملاء في بداية الشهر | كم عميلاً تخسر، بغض النظر عن حجمه |
| تسرب الإيراد Revenue Churn | الإيراد الشهري المفقود من الإلغاء والتخفيض ÷ الإيراد في بداية الشهر | كم من المال تخسر، فخسارة عميل كبير أسوأ من عشرة صغار |
| صافي الاحتفاظ بالإيراد Net Dollar Retention | إيراد نفس العملاء بعد سنة ÷ إيرادهم قبل سنة، شاملاً الترقيات | هل يكبر العملاء الحاليون أسرع مما يغادر غيرهم |
مثال محسوب: 5% في الشهر كم تساوي في السنة؟
قد يبدو التسرب الشهري صغيراً، لكنه يتراكم. لنحسبها شهراً بشهر:
| بعد | كيف نحسبها | من يبقى من كل 100 عميل |
|---|---|---|
| شهر واحد | 100 × 0.95 | 95 |
| شهرين | 95 × 0.95 | نحو 90 |
| سنة كاملة | نضرب في 0.95 اثنتي عشرة مرة | نحو 54 |
أي أنك تخسر نحو 46% من عملائك في السنة. وتحتاج أن تكسب قرابة نصف قاعدة عملائك كل سنة، فقط لتبقى في مكانك.
وفي المقابل ذكرت Slack في نشرة الاكتتاب S-1 سنة 2019 أن صافي الاحتفاظ بالإيراد عندها كان 143% في 31 يناير 2019. أي أن نفس العملاء دفعوا بعد سنة 43% أكثر، رغم من غادر منهم. والسبب أن استخدام Slack ينتشر داخل الشركة الواحدة من فريق إلى فريق.
الأرقام الأربعة التي تتابعها كل أسبوع
حتى لا تعود الشركة إلى عد التسجيلات فقط، اتفق مع فريقك على أربعة أرقام تعرض كل أسبوع لكل دفعة جديدة:
- عدد المسجلين: ما زال مهماً، لكنه لم يعد وحده.
- نسبة من وصل إلى التفعيل خلال 7 أيام: الرقم الذي تحاسب عليه خطوات البداية.
- الوقت المعتاد حتى أول فائدة: يتحرك قبل العودة بأسابيع، فيعطيك إشارة مبكرة.
- العودة في الأسبوع الرابع: للدفعات التي مر عليها أربعة أسابيع، ويقول هل أثر كل ما سبق.
والترتيب مقصود: من الأسرع حركة إلى الأبطأ. فإذا ارتفع عدد المسجلين ونزلت نسبة التفعيل، فالحملة الجديدة جلبت جمهوراً أقل مناسبة. وهذا يقال للتسويق في نفس الأسبوع، وليس بعد شهرين.
وإذا قصر الوقت حتى الفائدة دون أن ترتفع نسبة التفعيل، فخطوات البداية سرعت من كان سيصل على كل حال، ولم تقنع من كان سيغادر.
ماذا يحدث عندما يتغير شيء؟
- جلبت حملة إعلانية جمهوراً جديداً: قد تنخفض نسبة التفعيل دون أن يتغير المنتج، لأن الجمهور مختلف. لذلك قسم الدفعات حسب مصدر المستخدم قبل أن تحكم على خطوات البداية.
- أضيفت ميزة تغير الفائدة: مثل صفحة حالة عامة Status Page يشاركها العميل مع عملائه. قد تظهر لحظة تفعيل جديدة أقوى، فأعد مقارنة الأفعال كل ثلاثة أشهر.
- تغير نمط الاستخدام: إذا صار المستخدمون يدخلون حين يصلهم تنبيه فقط، فغير فترة القياس، أو قس نشاطاً آخر مثل وصول التنبيهات Alerts.
- صار المنتج مدفوعاً: يتحول السؤال من العودة إلى الإلغاء والإيراد، وتدخل مقاييس التسرب.
أخطاء شائعة
- اعتبار التسجيل تفعيلاً: يرتفع الرقم مع كل حملة ولا يقول شيئاً عن الفائدة.
- اختيار لحظة التفعيل بالرأي: قارن العودة لكل فعل مرشح، ثم اختبر الأقوى بتجربة قبل أن تبني عليه.
- عد الزيارات بدل المستخدمين: المستخدم الذي دخل عشر مرات في أسبوع واحد يعد مرة واحدة في منحنى الاحتفاظ، وإلا ارتفعت النسب فوق الواقع.
- فترة قياس لا تناسب المنتج: تجعل منتجاً جيداً يبدو سيئاً.
- مدة تفعيل قصيرة جداً: تقيس السرعة، وليس الفائدة.
- الحكم بمقارنة قبل وبعد: أشياء كثيرة تتغير في نفس الوقت. الحكم بتجربة A/B في نفس الفترة.
- الإنفاق على الإعلانات قبل أن يستقر المنحنى: إذا كانت كل دفعة تنزل إلى الصفر، فكل ريال في الإعلانات يجلب مستخدمين سيغادرون.
قائمة تحقق للتفعيل والاحتفاظ
| السؤال | كيف تتحقق |
|---|---|
| هل لكل خطوة في الأسبوع الأول حدث مسجل بتاريخه؟ | اسأل فريق المنتج عن قائمة الأحداث المسجلة |
| هل عرف التفعيل بفعل ومدة؟ | تعريف مكتوب يستخدمه كل تقرير |
| هل اخترت الفعل بمقارنة العودة لكل مرشح؟ | جدول بالأفعال ونسبة عودة من فعل ومن لم يفعل |
| هل جربت أكثر من مدة للتفعيل؟ | يوم وثلاثة أيام وسبعة أيام على الأقل |
| هل المنحنى مرسوم لكل شريحة؟ | من وصل ومن لم يصل، وحسب المصدر |
| هل تحسب الخروج والعودة كلاً على حدة؟ | رقمان منفصلان بجانب المنحنى |
| هل فترة القياس تناسب طريقة الاستخدام؟ | يومية أو أسبوعية أو شهرية حسب المنتج |
| هل أثبت أثر خطوات البداية بتجربة؟ | تجربة A/B في نفس الفترة، وليس مقارنة قبل وبعد |
الخلاصة
- التفعيل أول فائدة حقيقية يحصل عليها المستخدم، ويعرف بفعل محدد في مدة محددة. والتسجيل ليس تفعيلاً.
- ابحث عن لحظة التفعيل بمقارنة العودة لكل فعل مرشح، ثم أثبت السبب بتجربة A/B.
- خطوات البداية الجيدة تختصر الطريق إلى لحظة التفعيل، ولا تشرح كل الميزات Features.
- المنحنى الذي يستقر علامة أن المنتج يحل مشكلة حقيقية. وارسمه لكل شريحة، لأن المتوسط يخفي الفرق.
- المنحنى يقيس الصافي، فاحسب الخروج والعودة كلاً على حدة.
- تسرب 5% في الشهر يعني خسارة نحو 46% من العملاء في السنة.
وفي المقالات التالية من هذه المرحلة بإذن الله نشرح كيف يجلب المستخدم الراضي مستخدماً آخر، ثم كيف تختبر تغييراً مثل قائمة خطوات البداية بتجربة حقيقية:
دليلتسويق النمو Growth Marketing: مقاييس AARRR وحلقات النموكيف يعمل فريق النمو على كل مرحلة من مسار المستخدم، ولماذا تنمو الشركات بالحلقات لا بالقمع، وكم تجربة تحتاج.
دليلالنمو بقيادة المنتج Product-Led Growth: متى يبيع المنتج نفسه؟كيف تبيع Slack وDropbox وAtlassian وFigma بالمنتج قبل المبيعات، والتجربة المجانية مقابل النسخة المجانية، والعميل المؤهل PQL.
دليلبرامج الإحالة Referral: كيف يجلب المستخدم مستخدماً آخرمتى يجلب برنامج الإحالة نمواً حقيقياً، وكيف تحسب معامل الانتشار K وتكلفة المكافأة، وتفحص الاحتيال قبل أن تدفع.
دليلتجارب النمو عملياً: من الفرضية إلى القرار بالأرقامنبني مختبر GrowthBook في Docker ونختبر قائمة خطوات البداية بزيارات محاكاة، من حجم العينة إلى قرار نتيجة غير حاسمة.
دليلتحليلات المنتج Product Analytics مع PostHog على سيرفركنشغل PostHog على سيرفرنا ونتتبع المستخدم من أول زيارة إلى أول فاتورة، ونقيس ما يحتاجه من ذاكرة ووقت إقلاع.
دليلأنظمة التسويق الرقمي Digital Marketing في السعوديةما تطلبه أنظمة السعودية قبل أن ترسل رسالة تسويقية أو تنشر إعلاناً: الموافقة وساعات الإرسال والإيقاف وترخيص موثوق.سجل التحديثات
- 2026-11-13: إعادة كتابة المقال بلغة أوضح وخطوات وجداول، دون كود.
- أكتوبر 2026: توسيع المقال بأسباب المغادرة، ونافذة التفعيل، وخطة الفريق، وماذا يحدث عندما يتغير شيء، وقائمة تحقق.
- أكتوبر 2026: كتابة المقال، مع جدول المجموعات ومنحنيات الاحتفاظ ولحظة التفعيل والتسرب على سجل أحداث مثال.