リテンション: Python と Pandas で製品分析用のオープンソース ツールを作成した方法

こんにちは、ハブル。 この記事では、アプリケーションまたは Web サイトでのユーザーの移動軌跡を処理するための一連の方法とツールの XNUMX 年間の開発結果を取り上げます。 開発者 - マキシム・ゴジ、プロダクトクリエイターチームのリーダーであり、この記事の著者でもあります。 製品自体は Retentioneering と呼ばれていましたが、現在はオープンソース ライブラリに変換され、誰でも使用できるように Github に公開されています。 これらすべては、製品およびマーケティング分析、プロモーション、製品開発に携わる人々にとって興味深いものとなるでしょう。 ちなみにハブレでは Retentioneering を使用した事例の XNUMX つに関する記事がすでに公開されています。 新しい資料では、製品で何ができるのか、どのように使用できるのかが説明されています。

この記事を読んだ後は、あなた自身が独自のリテンショニアリングを作成できるようになります。これは、アプリケーション内およびそれ以降でユーザーの軌跡を処理するための標準化された方法であれば何でもよく、行動の特徴を詳細に確認し、そこから成長のための洞察を抽出することができます。ビジネス指標の。

リテンションとは何ですか?なぜ必要ですか?

私たちの当初の目標は、グロースハッキングを「デジタル魔術」の世界から数字、分析、予測の世界に移行させることでした。 その結果、製品分析は、空想的な話ではなく数字を好む人にとっては純粋な数学とプログラミングに還元され、数式は「ブランド変更」や「ポジショニング変更」などの流行語に還元されます。言葉は聞こえはいいですが、実際にはほとんど役に立ちません。

これらの問題を解決するには、グラフと軌跡による分析のフレームワークが必要であり、同時に人間とロボットの両方に理解できる通常の製品分析タスクを記述する方法として、典型的な分析ルーチンを簡素化するライブラリが必要でした。 このライブラリは、ユーザーの行動を記述し、それを正式かつ明確な言語で製品のビジネス指標にリンクする機能を提供するため、開発者やアナリストの日常的なタスクを簡素化および自動化し、ビジネスとのコミュニケーションを容易にします。

リテンションは、あらゆるデジタル製品 (デジタル製品に限らず) に適用して統合できる手法および分析ソフトウェア ツールです。

私たちは 2015 年にこの製品の開発に取り組み始めました。 これは、まだ理想的ではありませんが、データ、sklearn のような API を使用した機械学習モデル、機械学習モデル eli5 と shap の結果を解釈するためのツールを操作するための、Python と Pandas の既製のツール セットです。

すべては終わった オープンな Github リポジトリの便利なオープンソース ライブラリへのリンク - retentioneering-tools。 このライブラリの使用は難しくありません。製品分析は好きだが、これまでにコードを書いたことがないほとんどの人が、多大な時間を費やすことなく、独自に分析メソッドをデータに適用できます。

プログラマー、アプリケーション作成者、またはこれまで分析を行ったことのない開発チームやテスト チームのメンバーは、外部からの助けを借りずに、このコードを使って遊び始めて、アプリケーションの使用パターンを確認できます。

分析の基本要素としてのユーザーの軌跡とその処理方法

ユーザーの軌跡は、特定の時点でのユーザーの状態のシーケンスです。 さらに、イベントはオンラインとオフラインの両方のさまざまなデータ ソースから取得される可能性があります。 ユーザーに起こる出来事は、ユーザーの軌跡の一部です。 例:
• ボタンを押した
• 写真を見ました
• 画面を叩く
• 電子メールを受信しました
• 友人に製品を勧めた
• フォームに記入しました
• 画面をタップした
• スクロール
• レジに行きました
• ブリトーを注文しました
• ブリトーを食べた
• ブリトーを食べて中毒になった
• 裏口からカフェに入った
• 正面玄関から入った
• アプリケーションを最小化しました
• プッシュ通知を受信しました
• X よりも長く画面に留まった
• 注文の代金を支払いました
• 注文を購入した
• 融資を拒否された

ユーザーのグループの軌跡データを取得し、遷移がどのように構造化されているかを調査すると、アプリケーション内でのユーザーの動作がどのように構造化されているかを正確に追跡できます。 これは、状態がノードであり、状態間の遷移がエッジであるグラフを通じて行うと便利です。

「軌跡」は非常に便利な概念です。これには、すべてのユーザーのアクションに関する詳細情報が含まれており、これらのアクションの説明に追加データを追加できます。 これにより、普遍的なオブジェクトになります。 軌跡を操作できる美しくて便利なツールがあれば、類似点を見つけてセグメント化することができます。

軌跡のセグメンテーションは、最初は非常に複雑に見えるかもしれません。 通常の状況では、これが当てはまります。接続性行列の比較または配列アラインメントを使用する必要があります。 私たちは、より簡単な方法を見つけることができました。それは、多数の軌跡を研究し、クラスタリングを通じてそれらをセグメント化するというものです。

結局のところ、次のような連続表現を使用して軌跡を点に変換することが可能です。 TF-IDF。 変換後、軌跡は空間内の点になり、軌跡内でのさまざまなイベントの正規化された発生とそれらの間の遷移が軸に沿ってプロットされます。 巨大な 2 次元以上の空間 (dimS=sum(イベント タイプ) + sum(ngrams_XNUMX タイプ)) からのこのものは、次のようにして平面に投影できます。 TSNE。 TSNE は、空間の次元を 2 軸に縮小し、可能であれば点間の相対距離を保存する変換です。 したがって、軌跡の比喩的な投影図である平面地図上で、異なる軌跡の点が相互にどのように配置されているかを研究することが可能になります。 それらが互いにどれだけ近いか異なっているか、クラスターを形成しているかマップ全体に分散しているかなどを分析します。

リテンション分析ツールは、複雑なデータと軌跡を相互に比較できるビューに変換し、変換の結果を調べて解釈できる機能を提供します。

軌跡を処理するための標準的な方法について言えば、リテンショニアリングに実装した XNUMX つの主要なツール、つまりグラフ、ステップ マトリックス、および軌跡投影マップを意味します。

Google Analytics、Firebase、および同様の分析システムの操作は非常に複雑で、100% 効果的ではありません。 問題は、ユーザーに対する多くの制限であり、その結果、このようなシステムでのアナリストの作業はマウスのクリックとスライスの選択に依存します。 リテンションにより、Google アナリティクスのようなファネルだけでなく、ユーザーの軌跡も操作できるようになります。Google アナリティクスでは、特定のセグメント向けに構築されているにもかかわらず、詳細レベルがファネルに削減されることがよくあります。

保持と事件

開発されたツールの使用例として、ロシアの大規模なニッチなサービスの事例を挙げることができます。 この会社は、顧客の間で人気のある Android モバイル アプリケーションを提供しています。 モバイル アプリケーションの年間売上高は約 7 万ルーブルで、季節変動は 60 万から 130 万ルーブルでした。同じ会社は iOS 用のアプリケーションも提供しており、Apple アプリケーションのユーザーの平均請求額は、Apple のユーザーの平均請求額よりも高かったのです。 Android アプリケーションを使用するクライアント - 1080 Rub。 対1300摩擦。

同社は Android アプリケーションの効率を向上させることを決定し、徹底的な分析を実施しました。 アプリケーションの有効性の向上に関して、数十の仮説が生成されました。 Retentionneering を使用した後、問題は新規ユーザーに表示されるメッセージにあることが判明しました。 彼らはブランド、会社の特典、価格に関する情報を受け取りました。 しかし、結局のところ、メッセージはユーザーがアプリケーションでの作業方法を学ぶのに役立つはずでした。

これが行われた結果、アプリケーションのアンインストールが減り、注文へのコンバージョンが 23% 増加しました。 最初は、受信トラフィックの 20 パーセントがテストに与えられましたが、数日後、最初の結果を分析して傾向を評価した後、比率を逆転させ、逆に 20 パーセントを対照グループに残しました。 XNUMXパーセントがテストに合格しました。 XNUMX 週間後、さらに XNUMX つの仮説のテストを順次追加することが決定されました。 わずか XNUMX 週間で、Android アプリケーションの売上高は以前のレベルと比較して XNUMX 倍に増加しました。

リテンションと連携するにはどうすればよいですか?

最初の手順は非常に簡単です。pip install restarteering コマンドを使用してライブラリをダウンロードします。 リポジトリ自体には、一部の製品分析タスクのデータ処理の既製のサンプルとケースが含まれています。 このセットは、初めて知る人にとって十分なものになるまで、常に更新されます。 誰でも既製のモジュールを取得して自分のタスクにすぐに適用できます。これにより、ユーザーの軌跡のより詳細な分析と最適化のプロセスをできるだけ迅速かつ効率的にセットアップできます。 これらすべてにより、明確なコードを通じてアプリケーションの使用パターンを見つけ、このエクスペリエンスを同僚と共有することが可能になります。

リテンションはアプリケーションの存続期間中ずっと使用する価値のあるツールです。その理由は次のとおりです。

• リテンションは、ユーザーの軌跡を追跡して継続的に最適化し、ビジネス パフォーマンスを向上させるのに効果的です。 したがって、新しい機能が e コマース アプリケーションに追加されることがよくありますが、その機能が製品に与える影響を常に正確に予測できるとは限りません。 場合によっては、新しい関数と古い関数の間で互換性の問題が発生することがあります。たとえば、新しい関数が既存の関数を「共食い」します。 この状況では、軌道を継続的に分析することがまさに必要となります。
• 広告チャネルを扱う場合も状況は同様です。新しいトラフィック ソースと広告クリエイティブは常にテストされており、季節性、傾向、その他のイベントの影響を監視する必要があり、その結果、ますます新しい種類の問題が発生します。 これには、ユーザーの仕組みを常に監視し解釈することも必要です。
• アプリケーションのパフォーマンスに常に影響を与える要因は数多くあります。 たとえば、開発者からの新しいリリース: 現在の問題を解決すると、知らず知らずのうちに古い問題が返されたり、まったく新しい問題が作成されたりします。 時間が経つにつれて、新しいリリースの数が増加するため、ユーザーの軌跡を分析するなど、エラーを追跡するプロセスを自動化する必要があります。

全体として、リテンションは効果的なツールです。 しかし、完璧には限界がありません。それをベースに改良、開発、構築される新しい優れた製品は可能ですし、そうすべきです。 プロジェクトのコミュニティが活発であればあるほど、より多くのフォークが存在し、それを使用するための新しい興味深いオプションが表示されます。

リテンションツールの詳細情報:

• 私たちのウェブサイト： リテンション.com
• 交流会のスケジュール そして参加登録
• Telegram での製品とアナリストのチャット
• フリー GitHub 上のリテンション リポジトリ

出所： habr.com