उत्पाद का असली चेहरा देखें और जीवित रहें। कुछ नई सेवाएँ लिखने के कारण के रूप में उपयोगकर्ता परिवर्तन पर डेटा

ग्राहक व्यवहार का विश्लेषण करने के लाभों के बारे में इंटरनेट पर सैकड़ों लेख हैं। अक्सर यह खुदरा क्षेत्र से संबंधित होता है। खाद्य टोकरी विश्लेषण, एबीसी और एक्सवाईजेड विश्लेषण से लेकर प्रतिधारण विपणन और व्यक्तिगत ऑफ़र तक। दशकों से विभिन्न तकनीकों का उपयोग किया जा रहा है, एल्गोरिदम के बारे में सोचा गया है, कोड लिखा गया है और डीबग किया गया है - इसे लें और इसका उपयोग करें। हमारे मामले में, एक मूलभूत समस्या उत्पन्न हुई - हम आईएसपीसिस्टम में सॉफ्टवेयर विकास में लगे हुए हैं, खुदरा क्षेत्र में नहीं।
मेरा नाम डेनिस है और मैं वर्तमान में आईएसपीसिस्टम में विश्लेषणात्मक प्रणालियों के बैकएंड के लिए जिम्मेदार हूं। और यह कहानी है कि मैं और मेरे सहकर्मी कैसे हैं डेनील - डेटा विज़ुअलाइज़ेशन के लिए ज़िम्मेदार लोगों ने - इस ज्ञान के चश्मे से हमारे सॉफ़्टवेयर उत्पादों को देखने का प्रयास किया। आइए, हमेशा की तरह, इतिहास से शुरुआत करें।

शुरुआत में एक शब्द था, और वह शब्द था "क्या हम कोशिश करें?"

उस समय मैं अनुसंधान एवं विकास विभाग में एक डेवलपर के रूप में काम कर रहा था। यह सब तब शुरू हुआ जब डेनिल ने यहां हेब्रे पर पढ़ा प्रतिधारण के बारे में - अनुप्रयोगों में उपयोगकर्ता परिवर्तनों का विश्लेषण करने के लिए एक उपकरण। मैं इसे यहां उपयोग करने के विचार को लेकर कुछ हद तक सशंकित था। उदाहरण के तौर पर, लाइब्रेरी डेवलपर्स ने उन अनुप्रयोगों के विश्लेषण का हवाला दिया जहां लक्ष्य कार्रवाई को स्पष्ट रूप से परिभाषित किया गया था - मालिक कंपनी को भुगतान करने के तरीके का ऑर्डर देना या कुछ अन्य बदलाव। हमारे उत्पादों की आपूर्ति ऑन-प्रिमाइस पर की जाती है। यानी, उपयोगकर्ता पहले लाइसेंस खरीदता है, और उसके बाद ही एप्लिकेशन में अपनी यात्रा शुरू करता है। हाँ, हमारे पास डेमो संस्करण हैं। आप वहां उत्पाद आज़मा सकते हैं ताकि आपके पास कोई सुअर न हो।

लेकिन हमारे अधिकांश उत्पाद होस्टिंग बाज़ार पर लक्षित हैं। ये बड़े ग्राहक हैं, और व्यवसाय विकास विभाग उन्हें उत्पाद क्षमताओं पर सलाह देता है। इससे यह भी पता चलता है कि खरीदारी के समय, हमारे ग्राहकों को पहले से ही पता होता है कि हमारा सॉफ़्टवेयर उन्हें किन समस्याओं को हल करने में मदद करेगा। एप्लिकेशन में उनके रूट उत्पाद में एम्बेडेड सीजेएम के साथ मेल खाना चाहिए, और यूएक्स समाधान उन्हें ट्रैक पर बने रहने में मदद करेंगे। स्पॉइलर: ऐसा हमेशा नहीं होता. पुस्तकालय का परिचय स्थगित कर दिया गया... लेकिन अधिक समय के लिए नहीं।

हमारे स्टार्टअप की रिलीज़ के साथ सब कुछ बदल गया - कार्टबी — इंस्टाग्राम अकाउंट से ऑनलाइन स्टोर बनाने के लिए प्लेटफॉर्म। इस एप्लिकेशन में, उपयोगकर्ता को सभी कार्यक्षमताओं का निःशुल्क उपयोग करने के लिए दो सप्ताह की अवधि दी गई थी। फिर आपको तय करना होगा कि सदस्यता लेनी है या नहीं। और यह "मार्ग-लक्ष्य कार्रवाई" अवधारणा में पूरी तरह फिट बैठता है। यह निर्णय लिया गया: चलो कोशिश करें!

पहले परिणाम या विचार कहां से प्राप्त करें

विकास टीम और मैंने उत्पाद को सचमुच एक दिन में इवेंट संग्रह प्रणाली से जोड़ दिया। मैं तुरंत कहूंगा कि ISPsystem पृष्ठ विज़िट के बारे में घटनाओं को एकत्र करने के लिए अपने स्वयं के सिस्टम का उपयोग करता है, लेकिन कुछ भी आपको समान उद्देश्यों के लिए Yandex.Metrica का उपयोग करने से नहीं रोकता है, जो आपको मुफ्त में कच्चा डेटा डाउनलोड करने की अनुमति देता है। लाइब्रेरी का उपयोग करने के उदाहरणों का अध्ययन किया गया, और डेटा संग्रह के एक सप्ताह के बाद हमें एक संक्रमण ग्राफ प्राप्त हुआ।

संक्रमण ग्राफ. बुनियादी कार्यक्षमता, स्पष्टता के लिए अन्य बदलाव हटा दिए गए

यह बिल्कुल उदाहरण की तरह निकला: समतल, स्पष्ट, सुंदर। इस ग्राफ़ से, हम सबसे अधिक बार आने वाले मार्गों और क्रॉसिंगों की पहचान करने में सक्षम थे जहां लोग सबसे लंबा समय बिताते हैं। इससे हमें निम्नलिखित समझने में मदद मिली:

• एक बड़े सीजेएम के बजाय, जो एक दर्जन संस्थाओं को कवर करता है, केवल दो का सक्रिय रूप से उपयोग किया जाता है। यूएक्स समाधानों का उपयोग करके उपयोगकर्ताओं को उन स्थानों पर अतिरिक्त रूप से निर्देशित करना आवश्यक है जिनकी हमें आवश्यकता है।
• यूएक्स डिजाइनरों द्वारा शुरू से अंत तक डिजाइन किए गए कुछ पेजों पर लोगों का अनावश्यक समय खर्च होता है। आपको यह पता लगाना होगा कि किसी विशिष्ट पृष्ठ पर स्टॉप तत्व क्या हैं और इसे समायोजित करें।
• 10 बदलावों के बाद, 20% लोग थकने लगे और उन्होंने आवेदन में सत्र छोड़ दिया। और यह इस तथ्य को ध्यान में रख रहा है कि हमारे पास एप्लिकेशन में 5 ऑनबोर्डिंग पेज थे! आपको उन पृष्ठों की पहचान करने की आवश्यकता है जहां उपयोगकर्ता नियमित रूप से सत्र छोड़ देते हैं और उनके लिए पथ छोटा कर देते हैं। और भी बेहतर: किसी भी नियमित मार्ग की पहचान करें और स्रोत पृष्ठ से गंतव्य पृष्ठ तक त्वरित संक्रमण की अनुमति दें। क्या आपको नहीं लगता कि एबीसी विश्लेषण और परित्यक्त कार्ट विश्लेषण में कुछ समानता है?

और यहां हमने ऑन-प्रिमाइसेस उत्पादों के लिए इस उपकरण की प्रयोज्यता के प्रति अपने दृष्टिकोण पर पुनर्विचार किया। सक्रिय रूप से बेचे जाने वाले और प्रयुक्त उत्पाद का विश्लेषण करने का निर्णय लिया गया - वीएममैनेजर 6. यह बहुत अधिक जटिल है, परिमाण के क्रम में अधिक इकाइयाँ हैं। हम यह देखने के लिए उत्सुकता से इंतजार कर रहे थे कि संक्रमण ग्राफ क्या होगा।

निराशाओं और प्रेरणाओं के बारे में

निराशा #1

यह कार्य दिवस का अंत, महीने का अंत और वर्ष का अंत एक ही समय पर था - 27 दिसंबर। डेटा जमा किया गया है, प्रश्न लिखे गए हैं। सब कुछ संसाधित होने में कुछ सेकंड बचे थे और हम यह पता लगाने के लिए अपने परिश्रम के परिणाम को देख सकते थे कि अगला कार्य वर्ष कहाँ से शुरू होगा। अनुसंधान एवं विकास विभाग, उत्पाद प्रबंधक, यूएक्स डिजाइनर, टीम लीड, डेवलपर्स यह देखने के लिए मॉनिटर के सामने एकत्र हुए कि उनके उत्पाद में उपयोगकर्ता पथ कैसा दिखता है, लेकिन... हमने यह देखा:

रिटेंशनियरिंग लाइब्रेरी द्वारा निर्मित संक्रमण ग्राफ़

प्रेरणा #1

मजबूती से जुड़े हुए, दर्जनों संस्थाएं, गैर-स्पष्ट परिदृश्य। यह केवल स्पष्ट था कि नया कार्य वर्ष विश्लेषण के साथ शुरू नहीं होगा, बल्कि ऐसे ग्राफ के साथ काम को सरल बनाने के तरीके के आविष्कार के साथ होगा। लेकिन मैं इस भावना को हिला नहीं सका कि सब कुछ जितना लगता था उससे कहीं अधिक सरल था। और रिटेंशनियरिंग स्रोत कोड का अध्ययन करने के पंद्रह मिनट बाद, हम निर्मित ग्राफ़ को डॉट प्रारूप में निर्यात करने में सक्षम थे। इससे ग्राफ़ को दूसरे टूल - गेफ़ी पर अपलोड करना संभव हो गया। और ग्राफ़ का विश्लेषण करने की गुंजाइश पहले से ही मौजूद है: लेआउट, फ़िल्टर, आँकड़े - आपको बस इंटरफ़ेस में आवश्यक मापदंडों को कॉन्फ़िगर करना है। यही सोच कर हम नए साल के वीकेंड पर निकल पड़े.

निराशा #2

काम पर लौटने के बाद, यह पता चला कि जब हर कोई आराम कर रहा था, हमारे ग्राहक उत्पाद का अध्ययन कर रहे थे। हां, इतना कठिन कि ऐसी घटनाएं भंडारण में दिखाई देने लगीं जो पहले मौजूद नहीं थीं। इसका मतलब यह था कि प्रश्नों को अद्यतन करने की आवश्यकता है।

इस तथ्य के दुःख को समझने के लिए एक छोटी सी पृष्ठभूमि। हम अपने द्वारा चिह्नित घटनाओं (उदाहरण के लिए, कुछ बटनों पर क्लिक) और उपयोगकर्ता द्वारा देखे गए पृष्ठों के यूआरएल दोनों को प्रसारित करते हैं। कार्टबी के मामले में, "एक क्रिया - एक पृष्ठ" मॉडल ने काम किया। लेकिन VMmanager के साथ स्थिति बिल्कुल अलग थी: एक पेज पर कई मोडल विंडो खुल सकती थीं। उनमें उपयोगकर्ता विभिन्न समस्याओं का समाधान कर सकता है। उदाहरण के लिए, यूआरएल:

/host/item/24/ip(modal:modal/host/item/ip/create)

इसका मतलब है कि "आईपी पते" पृष्ठ पर उपयोगकर्ता ने एक आईपी पता जोड़ा है। और यहाँ दो समस्याएँ एक साथ दिखाई देती हैं:

• यूआरएल में कुछ प्रकार का पथ पैरामीटर होता है - वर्चुअल मशीन की आईडी। इसे बाहर करने की जरूरत है.
• यूआरएल में मोडल विंडो आईडी है। आपको किसी तरह ऐसे यूआरएल को "अनपैक" करने की ज़रूरत है।
  दूसरी समस्या यह थी कि जिन घटनाओं को हमने चिह्नित किया था उनमें पैरामीटर थे। उदाहरण के लिए, सूची से वर्चुअल मशीन के बारे में जानकारी वाले पृष्ठ पर पहुंचने के पांच अलग-अलग तरीके थे। तदनुसार, एक ईवेंट भेजा गया था, लेकिन एक पैरामीटर के साथ जो इंगित करता था कि उपयोगकर्ता ने किस विधि से संक्रमण किया था। ऐसे कई आयोजन हुए और सभी के पैमाने अलग-अलग थे. और हमारे पास Clickhouse के लिए SQL बोली में सभी डेटा पुनर्प्राप्ति तर्क हैं। 150-200 पंक्तियों की क्वेरीज़ कुछ हद तक सामान्य लगने लगी थीं। समस्याओं ने हमें घेर लिया.

प्रेरणा #2

एक दिन सुबह-सुबह, डेनिल ने दुखी होकर दूसरे मिनट तक अनुरोध को स्क्रॉल करते हुए मुझे सुझाव दिया: "आइए डेटा प्रोसेसिंग पाइपलाइन लिखें?" हमने इसके बारे में सोचा और फैसला किया कि अगर हम इसे करने जा रहे हैं, तो यह ईटीएल जैसा कुछ होगा। ताकि यह तुरंत फ़िल्टर हो जाए और अन्य स्रोतों से आवश्यक डेटा खींच ले। इस तरह पूर्ण बैकएंड के साथ हमारी पहली विश्लेषणात्मक सेवा का जन्म हुआ। यह डेटा प्रोसेसिंग के पांच मुख्य चरणों को लागू करता है:

1. कच्चे डेटा भंडारण से घटनाओं को उतारना और उन्हें प्रसंस्करण के लिए तैयार करना।
2. स्पष्टीकरण मोडल विंडो, ईवेंट पैरामीटर और अन्य विवरणों के उन्हीं पहचानकर्ताओं की "अनपैकिंग" है जो घटना को स्पष्ट करते हैं।
3. संवर्धन ("अमीर बनने के लिए" शब्द से) तीसरे पक्ष के स्रोतों से डेटा के साथ घटनाओं को जोड़ना है। उस समय, इसमें केवल हमारा बिलिंग सिस्टम BILLmanager शामिल था।
4. फ़िल्टरिंग उन घटनाओं को फ़िल्टर करने की प्रक्रिया है जो विश्लेषण के परिणामों को विकृत करती हैं (आंतरिक स्टैंड, आउटलेयर आदि से घटनाएं)।
5. प्राप्त इवेंट को स्टोरेज में अपलोड करना, जिसे हम क्लीन डेटा कहते हैं।
   अब किसी घटना या यहां तक ​​कि समान घटनाओं के समूहों के प्रसंस्करण के लिए नियम जोड़कर प्रासंगिकता बनाए रखना संभव था। उदाहरण के लिए, तब से हमने कभी भी यूआरएल अनपैकिंग को अपडेट नहीं किया है। हालाँकि, इस दौरान कई नए यूआरएल वेरिएशन जोड़े गए हैं। वे सेवा में पहले से ही निर्धारित नियमों का अनुपालन करते हैं और सही ढंग से संसाधित होते हैं।

निराशा #3

एक बार जब हमने विश्लेषण करना शुरू किया, तो हमें एहसास हुआ कि ग्राफ़ इतना सुसंगत क्यों था। तथ्य यह है कि लगभग हर एन-ग्राम में ऐसे बदलाव होते हैं जिन्हें इंटरफ़ेस के माध्यम से नहीं किया जा सकता है।

एक छोटी सी जांच शुरू हुई. मैं उलझन में था कि एक इकाई के भीतर कोई असंभव परिवर्तन नहीं थे। इसका मतलब यह है कि यह इवेंट कलेक्शन सिस्टम या हमारी ईटीएल सेवा में कोई बग नहीं है। ऐसा महसूस हो रहा था कि उपयोगकर्ता एक से दूसरे में गए बिना, एक साथ कई संस्थाओं में काम कर रहा था। इसे कैसे हासिल करें? ब्राउज़र में विभिन्न टैब का उपयोग करना.

कार्टबी का विश्लेषण करते समय, हम इसकी विशिष्टता से बच गए। एप्लिकेशन का उपयोग मोबाइल उपकरणों से किया गया था, जहां कई टैब से काम करना बिल्कुल असुविधाजनक है। यहां हमारे पास एक डेस्कटॉप है और जब कोई कार्य एक इकाई में किया जा रहा है, तो इस समय को दूसरी इकाई में स्थापित करने या स्थिति की निगरानी करने में खर्च करना उचित है। और प्रगति न खोने के लिए, बस एक और टैब खोलें।

प्रेरणा #3

फ्रंट-एंड डेवलपमेंट के सहकर्मियों ने इवेंट कलेक्शन सिस्टम को टैब के बीच अंतर करना सिखाया। विश्लेषण शुरू हो सकता है. और हमने शुरुआत की. जैसा कि अपेक्षित था, सीजेएम वास्तविक पथों से मेल नहीं खाता: उपयोगकर्ताओं ने सबसे अप्रत्याशित स्थानों में निर्देशिका पृष्ठों, परित्यक्त सत्रों और टैब पर बहुत समय बिताया। संक्रमण विश्लेषण का उपयोग करके, हम कुछ मोज़िला बिल्ड में समस्याएं ढूंढने में सक्षम थे। उनमें, कार्यान्वयन सुविधाओं के कारण, नेविगेशन तत्व गायब हो गए या आधे-खाली पृष्ठ प्रदर्शित हुए, जिन तक केवल व्यवस्थापक की पहुंच होनी चाहिए। पेज खुला, लेकिन बैकएंड से कोई सामग्री नहीं आई। संक्रमणों की गिनती से यह मूल्यांकन करना संभव हो गया कि वास्तव में कौन सी सुविधाओं का उपयोग किया गया था। श्रृंखलाओं ने यह समझना संभव बना दिया कि उपयोगकर्ता को यह या वह त्रुटि कैसे प्राप्त हुई। उपयोगकर्ता के व्यवहार के आधार पर परीक्षण के लिए डेटा की अनुमति दी गई है। यह एक सफलता थी, यह विचार व्यर्थ नहीं था।

विश्लेषिकी स्वचालन

परिणाम प्रदर्शनों में से एक में, हमने दिखाया कि ग्राफ़ विश्लेषण के लिए गेफ़ी का उपयोग कैसे किया जाता है। इस टूल में रूपांतरण डेटा को एक तालिका में प्रदर्शित किया जा सकता है। और यूएक्स विभाग के प्रमुख ने एक बहुत ही महत्वपूर्ण विचार कहा जिसने कंपनी में संपूर्ण व्यवहार विश्लेषण दिशा के विकास को प्रभावित किया: "आइए भी ऐसा ही करें, लेकिन टेबल्यू में और फिल्टर के साथ - यह अधिक सुविधाजनक होगा।"

फिर मैंने सोचा: क्यों नहीं, रिटेंशनियरिंग सभी डेटा को एक पांडा.डेटाफ़्रेम संरचना में संग्रहीत करता है। और यह, कुल मिलाकर, एक तालिका है। इस प्रकार एक और सेवा सामने आई: डेटा प्रदाता। उन्होंने न केवल ग्राफ़ से एक तालिका बनाई, बल्कि यह भी गणना की कि पेज और उससे जुड़ी कार्यक्षमता कितनी लोकप्रिय है, यह उपयोगकर्ता की अवधारण को कैसे प्रभावित करती है, उपयोगकर्ता उस पर कितने समय तक रहते हैं, और कौन से पेज उपयोगकर्ता सबसे अधिक बार छोड़ते हैं। और टेबल्यू में विज़ुअलाइज़ेशन के उपयोग ने ग्राफ़ का अध्ययन करने की लागत को इतना कम कर दिया कि उत्पाद में व्यवहार विश्लेषण के लिए पुनरावृत्ति का समय लगभग आधा हो गया।

डेनिल इस बारे में बात करेंगे कि इस विज़ुअलाइज़ेशन का उपयोग कैसे किया जाता है और यह क्या निष्कर्ष निकालने की अनुमति देता है।

टेबल भगवान के लिए और अधिक टेबल!

सरलीकृत रूप में, कार्य इस प्रकार तैयार किया गया था: झांकी में संक्रमण ग्राफ़ प्रदर्शित करें, फ़िल्टर करने की क्षमता प्रदान करें, और इसे यथासंभव स्पष्ट और सुविधाजनक बनाएं।

मैं वास्तव में झांकी में एक निर्देशित ग्राफ़ नहीं बनाना चाहता था। और सफल होने पर भी, गेफी की तुलना में लाभ स्पष्ट नहीं लग रहा था। हमें कुछ अधिक सरल और अधिक सुलभ चीज़ की आवश्यकता थी। मेज़! आख़िरकार, ग्राफ़ को तालिका पंक्तियों के रूप में आसानी से दर्शाया जा सकता है, जहाँ प्रत्येक पंक्ति "स्रोत-गंतव्य" प्रकार का एक किनारा है। इसके अलावा, हमने पहले ही रिटेंशनियरिंग और डेटा प्रोवाइडर टूल का उपयोग करके सावधानीपूर्वक ऐसी तालिका तैयार कर ली है। बस तालिका को झांकी में प्रदर्शित करना और रिपोर्ट को खंगालना बाकी रह गया था।

इस बारे में बात करते हुए कि हर कोई टेबल को कैसे पसंद करता है।

हालाँकि, यहाँ हमें एक और समस्या का सामना करना पड़ रहा है। डेटा स्रोत के साथ क्या करें? Pandas.DataFrame को कनेक्ट करना असंभव था; Tableau में ऐसा कोई कनेक्टर नहीं है। ग्राफ़ को संग्रहीत करने के लिए एक अलग आधार तैयार करना अस्पष्ट संभावनाओं वाला बहुत ही कट्टरपंथी समाधान लग रहा था। और निरंतर मैन्युअल संचालन की आवश्यकता के कारण स्थानीय अनलोडिंग विकल्प उपयुक्त नहीं थे। हमने उपलब्ध कनेक्टर्स की सूची देखी और हमारी नज़र उस आइटम पर पड़ी वेब डेटा कनेक्टर, जो सबसे नीचे उदास होकर छिपा हुआ था।

टेबल्यू में कनेक्टर्स का एक समृद्ध चयन है। हमें वह मिल गया जिससे हमारी समस्या हल हो गई

कैसा जानवर? ब्राउज़र में कुछ नए खुले टैब - और यह स्पष्ट हो गया कि यह कनेक्टर आपको यूआरएल तक पहुंचने पर डेटा प्राप्त करने की अनुमति देता है। डेटा की गणना के लिए बैकएंड लगभग तैयार हो चुका था, बस इसे WDC के साथ मित्र बनाना बाकी था। कई दिनों तक डेनिस ने दस्तावेज़ीकरण का अध्ययन किया और टेबलू तंत्र के साथ संघर्ष किया, और फिर मुझे एक लिंक भेजा जिसे मैंने कनेक्शन विंडो में चिपका दिया।

हमारे डब्ल्यूडीसी से कनेक्शन फॉर्म। डेनिस ने अपना मोर्चा बनाया और सुरक्षा का ध्यान रखा

कुछ मिनटों के इंतजार के बाद (अनुरोध किए जाने पर डेटा की गणना गतिशील रूप से की जाती है), तालिका दिखाई दी:

टेबलू इंटरफ़ेस में एक कच्चा डेटा सरणी इस तरह दिखती है

जैसा कि वादा किया गया था, ऐसी तालिका की प्रत्येक पंक्ति ग्राफ़ के एक किनारे का प्रतिनिधित्व करती है, अर्थात, उपयोगकर्ता का एक निर्देशित संक्रमण। इसमें कई अतिरिक्त विशेषताएँ भी शामिल थीं। उदाहरण के लिए, अद्वितीय उपयोगकर्ताओं की संख्या, संक्रमणों की कुल संख्या, और अन्य।

इस तालिका को रिपोर्ट में वैसे ही प्रदर्शित करना संभव होगा, उदारतापूर्वक फ़िल्टर छिड़कें और टूल सेलिंग भेजें। तर्कसंगत लगता है. आप टेबल के साथ क्या कर सकते हैं? लेकिन यह हमारा तरीका नहीं है, क्योंकि हम सिर्फ एक तालिका नहीं बना रहे हैं, बल्कि विश्लेषण और उत्पाद निर्णय लेने के लिए एक उपकरण बना रहे हैं।

आमतौर पर, डेटा का विश्लेषण करते समय, कोई व्यक्ति प्रश्नों के उत्तर प्राप्त करना चाहता है। महान। आइए उनसे शुरुआत करें.

• सबसे अधिक बार होने वाले परिवर्तन कौन से हैं?
• वे विशिष्ट पृष्ठों से कहाँ जाते हैं?
• जाने से पहले आप इस पेज पर औसतन कितना समय बिताते हैं?
• आप कितनी बार A से B में परिवर्तन करते हैं?
• सत्र किस पृष्ठ पर समाप्त होता है?

प्रत्येक रिपोर्ट या उनके संयोजन से उपयोगकर्ता को स्वतंत्र रूप से इन प्रश्नों के उत्तर खोजने की अनुमति मिलनी चाहिए। यहां मुख्य रणनीति आपको इसे स्वयं करने के लिए उपकरण देना है। यह एनालिटिक्स विभाग पर भार कम करने और निर्णय लेने के समय को कम करने दोनों के लिए उपयोगी है - आखिरकार, अब आपको Youtrack पर जाकर विश्लेषक के लिए एक कार्य बनाने की आवश्यकता नहीं है, आपको बस रिपोर्ट खोलने की आवश्यकता है।

हमें क्या मिला?

लोग अक्सर डैशबोर्ड से कहाँ हटते हैं?

हमारी रिपोर्ट का अंश. डैशबोर्ड के बाद, हर कोई या तो वीएम की सूची या नोड्स की सूची में गया

आइए बदलावों वाली एक सामान्य तालिका लें और स्रोत पृष्ठ के अनुसार फ़िल्टर करें। अक्सर, वे डैशबोर्ड से वर्चुअल मशीनों की सूची में चले जाते हैं। इसके अलावा, नियमितता कॉलम बताता है कि यह एक दोहराई जाने वाली क्रिया है।

वे समूहों की सूची में कहाँ से आते हैं?

रिपोर्ट में फ़िल्टर दोनों दिशाओं में काम करते हैं: आप पता लगा सकते हैं कि आपने कहाँ छोड़ा था, या आप कहाँ गए थे

उदाहरणों से यह स्पष्ट है कि दो सरल फ़िल्टर और मूल्यों के आधार पर रैंकिंग पंक्तियों की उपस्थिति भी आपको जल्दी से जानकारी प्राप्त करने की अनुमति देती है।

चलिए कुछ अधिक जटिल बात पूछते हैं।

उपयोगकर्ता अक्सर अपना सत्र कहाँ छोड़ देते हैं?

VMmanager उपयोगकर्ता अक्सर अलग टैब में काम करते हैं

ऐसा करने के लिए, हमें एक रिपोर्ट की आवश्यकता है जिसका डेटा रेफरल स्रोतों द्वारा एकत्रित किया गया हो। और तथाकथित ब्रेकप्वाइंट को असाइनमेंट के रूप में लिया गया - ऐसी घटनाएं जो संक्रमण की श्रृंखला के अंत के रूप में कार्य करती थीं।

यहां यह ध्यान रखना महत्वपूर्ण है कि यह या तो सत्र का अंत हो सकता है या एक नए टैब का उद्घाटन हो सकता है। उदाहरण से पता चलता है कि श्रृंखला अक्सर वर्चुअल मशीनों की सूची वाली तालिका पर समाप्त होती है। इस मामले में, विशेषता व्यवहार दूसरे टैब पर स्विच हो रहा है, जो अपेक्षित पैटर्न के अनुरूप है।

जब हमने इसी तरह से विश्लेषण किया तो सबसे पहले हमने इन रिपोर्टों की उपयोगिता को खुद पर परखा वेप, हमारा एक अन्य उत्पाद। तालिकाओं और फिल्टर के आगमन के साथ, परिकल्पनाओं का तेजी से परीक्षण किया गया, और आँखें कम थक गईं।

रिपोर्ट विकसित करते समय, हम विज़ुअल डिज़ाइन के बारे में नहीं भूले। इस आकार की तालिकाओं के साथ काम करते समय, यह एक महत्वपूर्ण कारक है। उदाहरण के लिए, हमने रंगों की एक शांत श्रृंखला का उपयोग किया, जिसे समझना आसान है मोनोस्पेस फ़ॉन्ट संख्याओं के लिए, विशेषताओं के संख्यात्मक मानों के अनुसार रेखाओं का रंग हाइलाइटिंग। इस तरह के विवरण उपयोगकर्ता अनुभव को बेहतर बनाते हैं और कंपनी के भीतर टूल के सफलतापूर्वक शुरू होने की संभावना बढ़ाते हैं।

तालिका काफी बड़ी हो गई है, लेकिन हमें आशा है कि यह पढ़ने योग्य नहीं रह गई है

हमारे आंतरिक ग्राहकों के प्रशिक्षण के बारे में अलग से उल्लेख करना उचित है: उत्पाद विशेषज्ञ और यूएक्स डिजाइनर। फ़िल्टर के साथ काम करने के लिए विश्लेषण उदाहरणों और युक्तियों वाले मैनुअल विशेष रूप से उनके लिए तैयार किए गए थे। हमने मैनुअल के लिंक सीधे रिपोर्ट पेजों में डाले।

हमने मैनुअल को केवल Google डॉक्स में एक प्रस्तुतिकरण के रूप में बनाया है। झांकी उपकरण आपको सीधे रिपोर्ट कार्यपुस्तिका के अंदर वेब पेज प्रदर्शित करने की अनुमति देते हैं।

इसके बजाय एक afterword

निचली पंक्ति में क्या है? हम हर दिन के लिए अपेक्षाकृत जल्दी और सस्ते में एक उपकरण प्राप्त करने में सक्षम थे। हाँ, यह निश्चित रूप से स्वयं ग्राफ़, क्लिक के हीट मैप या वेब व्यूअर का प्रतिस्थापन नहीं है। लेकिन ऐसी रिपोर्टें सूचीबद्ध उपकरणों को महत्वपूर्ण रूप से पूरक करती हैं और विचार और नए उत्पाद और इंटरफ़ेस परिकल्पनाओं के लिए भोजन प्रदान करती हैं।

इस कहानी ने आईएसपी सिस्टम में एनालिटिक्स के विकास की शुरुआत के रूप में काम किया। पिछले छह महीनों में, सात और नई सेवाएँ सामने आई हैं, जिनमें उत्पाद में उपयोगकर्ता के डिजिटल पोर्ट्रेट और समान दिखने वाले लक्ष्यीकरण के लिए डेटाबेस बनाने की सेवा शामिल है, लेकिन हम उनके बारे में निम्नलिखित एपिसोड में बात करेंगे।

स्रोत: www.habr.com