كيفية التنبؤ بسلوك المستخدم في التطبيق

في مؤتمر Epic Growth ، استعرض الرئيس التنفيذي للتطبيق في الهواء ، Bayram Annakov ، الممارسات التي تساعد على زيادة معدل استبقاء المستخدم في التطبيق.


قراءة النص أدناه.

يريد المستخدم دائمًا إخبارنا بشيء.

شخص ما على الشريحة أدناه يرى سوء التخطيط. هنا أرى رسالة من المشاة للمهندسين المعماريين. يمكن استخلاص تشبيه مع المنتج. كيف ينتقل المستخدمون حقًا من النقطة "أ" إلى النقطة "ب".



نقوم بتصميم الواجهة بالطريقة التي نعتقد أن المستخدم يجب استخدامها. تتمثل مهمة مدير المنتج في فهم ما يريده المستخدمون ، استنادًا إلى مسارهم على طول التطبيق ولقطات الشاشة.

لماذا دراسة رسائل المستخدم؟

1. المستخدم ليس مدير منتج

هناك مثل: "الإنسان يقترح ، لكن الله يتخلص". يمكنك تطبيقه على عمل خدمات الويب: "يفترض مدير المنتج ، لكن يتخلص المستخدم". لا يمكننا دائمًا التنبؤ بدقة بكيفية استخدام الأشخاص للتطبيق. من أجل تحليل الموقف في الوقت المناسب والتعامل مع الأخطاء ، من المهم عدم "طرح" رسائل المستخدم ، ولكن دراستها.

2. القمع ليس كل شيء

يعد Funnel الطريقة الأكثر شيوعًا لدراسة الرسائل من المستخدمين. ومع ذلك ، فإن مشكلة المسارات هي أنها ليست كافية في مرحلة معينة. هناك عدة أسباب لهذا:

يقوم Funnel بتبسيط سلوك المستخدم بشكل كبير وغني
على اليسار ، تعرض الشريحة كيف يتصرف المستخدمون على شاشات منتجك. على اليمين ، كيف يمكنك تقليل هذا السلوك في مجموعة من المراحل ، على افتراض أن مراحل حركة المستخدم متسلسلة.



يمكن للمستخدم الدخول على متن الطائرة ثم التبديل إلى تطبيق آخر ، لأنه قد وصلت رسالة نصية قصيرة تحتوي على رسالة "الرجوع".

لا يذهب المستخدم بوضوح إلى الهدف الذي حددته له. يسترشد بالسلوك المعقد ، ويقلل القمع سلوكه بشكل كبير. هذا لا يسمح لك برؤية تعقيد وثراء رسالة المستخدم.

المستخدم يضيع الوقت

لا يأخذ القمع في الاعتبار جانب الوقت. هناك شاشات دقيقة حيث يقضي المستخدمون المزيد من الوقت وأقل. في تطبيقنا ، على سبيل المثال ، نعلم أنه إذا قرأ المستخدم سياسة الخصوصية ، فمن المرجح أنه سيترك التطبيق ولن يعود.

في مرحلة ما ، تشعر أن القمع لم يعد يجيب على الأسئلة التي تطرأ. ثم عليك أن تدرس مسارات المستخدم.

3. الرسم البياني للمستخدم هو المفتاح

ما هو المسار؟ تخيل: لديك أحداث قياسية (Google Analytics ، Firebase ، Amplitude). الأحداث لها تسلسل زمني. تمثل سلوك المستخدم كسلسلة من الإجراءات مع انتقالات من حدث إلى آخر.

العقد هي أحداث (كقاعدة عامة ، هذه شاشات). التحولات هي القفزات بين الشاشات. عندما نرسم تخطيط شاشة ، نستخدم الأداة نفسها.

سيكون من الرائع تحليل جميع مسارات جميع المستخدمين ، والعثور على أنماط في السلوك وما يحاولون إخبارنا به. ولكن عندما يتجاوز عدد المستخدمين 100 مليون دولار شهريًا ، لا يوجد وقت كاف للتحليل اليدوي. لا بد لي من استخدام أداة الآلي.

4. تحليل التردد = فائدة

لقد طورنا مجموعة من الأدوات لتتبع مسار المستخدمين الذين يشترون منتجاتنا ولا يشترونها. نحن نستخدم مصفوفة تردد استخدام المنتج.



على طول حواف الشريحة توجد مجموعات مختلفة من المستخدمين. يُظهر مخططان النسبة المئوية للمستخدمين الذين يشترون اشتراكنا من كل مجموعة. على المحور X - نرى مؤشرا لتكرار استخدام الميزات ، على المحور Y - المستخدمين.

عند إنشاء مصفوفة مشابهة ، تبدأ في رؤية الاختلافات الأساسية بين مجموعة وأخرى. مع العلم أنه نتيجةً لذلك ، توجد فروق بين نسبة المستخدمين الذين يشتركون وأي جزء لا يشتركون فيه ، يمكنك فهم الشاشات والأحداث والإجراءات التي تؤدي إلى فهم المستخدم.

5. من خلال الرسم البياني المجموعة ، يمكنك رؤية الأفكار

نحن مهتمون بالنظر إلى التسلسل الذي يستخدم فيه المستخدمون الميزات ، وبناء ما نسميه "رسم بياني جماعي" - رسم بياني يميز مجموعة معينة. على سبيل المثال ، الميزات الرئيسية التي يستخدمونها.

علاوة على ذلك ، حسب تطبيقك أو مهامك ، تجعل الناس يتحركون على طول المسار الذي يمنحك النتيجة القصوى.

إذا كنت تفهم بوضوح أن منتجك مناسب لفئات مختلفة من المستخدمين ، فابحث عن ذلك. يمكنك أيضًا شحذ الجزء بالكامل من المنتج لحالة الاستخدام هذه.

6. دورات تؤدي إلى تدفق المستخدمين

عندما تحصل على أداة تقوم بتحليل الرسوم البيانية تلقائيًا ، وتقوم بإنشاء رسم بياني انتقالي على أحد المجموعات ، تبدأ في رؤية الخسائر في هذا الرسم البياني.

على سبيل المثال ، فقدنا حوالي 5٪ من المستخدمين بعد إحدى الشاشات الداخلية التي يمكن للمستخدم توصيل التقويم بها.

يحدث هذا بسبب الحلقة: يسير المستخدم حول مجموعة من الشاشات ، ويكرر نفس الإجراءات ، ثم يغلق التطبيق. من السهل جدًا العثور على الدورات إذا قمت بإنشاء رسم بياني رياضي - فكلما زاد عدد دورات المستخدم ، انخفض معامل الاحتفاظ به.

7. العد الديناميكي

اكتشفنا أي دورات تسلسل إجراءات المستخدم التي تم جمعها في المسار تقدم أكبر مساهمة في حقيقة أن الشخص يغادر. بدأنا في وميض هذه الدورات.



باستخدام المسارات ، يمكنك تحديد أنماط سلوك المستخدم. للقيام بذلك ، يمكنك فرض أدوات رياضية جاهزة ، على سبيل المثال ، البحث عن دورات - ستظهر بسرعة الدورات التي تؤدي إلى حقيقة أن الناس يغادرون.

يمكنك الانغماس في هذه الدورات ، والقيام بمراجعة شاملة لعدد من المستخدمين ، وعرض الدورة بأكملها ، وفهم المشكلة ، وفلاش الدورة. هذا يعطي على الفور ربح في معدل الاحتفاظ المستخدم.

مثال جيد: تخيل وصول المستخدم الخاص بك إلى مطار دبي ويضيع. هذا واحد من أكثر المطارات غير المفهومة من حيث الملاحة. في مرحلة ما ، لاحظه موظف في المطار ونقاط في اتجاه الخروج. بالنسبة لخدمتك ، يمكنك تغيير واجهة المستخدم ديناميكيًا لزيادة الاستبقاء إلى الحد الأقصى.

لقد فكرنا: "من الرائع القيام بذلك داخل الشركة. لكن الأمر أكثر متعة في التعويض عن كل هذه الأدوات وتمكين مديري المنتجات من استخدامها. "

العمل مع Google Analytics أو أي أداة تحليلية. ستساعدك مجموعة من الأدوات على إنشاء الرسوم البيانية تلقائيًا والتنبؤ بمغادرة شخص ما لأحدث أحداث X.

كيف تتطور التحليلات في العديد من الشركات؟

دعونا نتخيل أن لدينا محورين. أحدهما هو "أعرف" ، والثاني هو "لا أعرف". المحور الثاني يعمل على نفس المبدأ. لقد أظهرت مراقبة العديد من الشركات وتطور التحليلات أننا نتحرك جميعًا في هذا الربع.

ما هو موقف إعادة التأهيل والأدوات الموصوفة في الربع؟

1. "نحن نعرف فقط ما نعرفه"

عادة ما تكون هذه هي لوحة القيادة الرئيسية لنظام التحليلات. نحن نعرف عدد التنزيلات التي لدينا ، المستخدمين ، كم يبلغ دخلنا. في هذا المستوى ، يحدث "علم الفلك". لا يمكن أن يسمى هذا "التحليلات" ، فقط المعلومات الإحصائية. العديد من الشركات لا تزال على هذا المستوى.

2. "نحن نعلم أننا لا نفهم شيئًا ما"

وهم يعرفون ، على سبيل المثال ، معدل الاستبقاء أو LTV. يبدأون في قياس هذا بعدة طرق من أجل التنبؤ بالمستقبل.

لماذا قياس الاستبقاء؟ للتنبؤ بعدد المستخدمين النشطين لماذا قياس LTV؟ لفهم المبلغ الذي ننفقه والمبلغ الذي نربحه من المستخدم في النهاية. كيفية ربط هذه البيانات مع بعضها البعض؟ عندما نكون في مرحلة "نعرف ما لا نعرفه" ، فإننا ندرسها تدريجياً ونحاول أن ننظر إلى المستقبل.

3. "لا نعرف ما نعرفه"

هذا هو مكان إعادة التأهيل والعديد من أساليب التعلم الآلي. نحن نعرف بالفعل كيفية قياس مسارات المستخدم. نحن نعلم أن المستخدمين يحاولون إخبارنا بشيء. لكننا لا نحلل هذه المعلومات. تساعدنا الأدوات في سحب الرسائل من المستخدمين والحصول على رؤى لتحسين المنتج أو ، على العكس من ذلك ، إيقاف تشغيله.

4. "لا نعرف ما لا نعرفه"

عندما تتعامل مع إعادة الاختبار ، فأنت بحاجة إلى التحرك في هذا الاتجاه. يمكن وصف هذه المرحلة بأنها ذاهبة للنجوم في التحليلات. كنت تبحث باستمرار عن الأفكار ، وتحاول تطبيقها في منتجك ، والتحقق من النتائج وتحليلها.

يمكن الاطلاع على المزيد من التقارير حول تسويق المنتجات على قناة Telegramepicgrowth.