ნახეთ პროდუქტის ნამდვილი სახე და გადარჩით. მონაცემები მომხმარებლის გადასვლების შესახებ, როგორც რამდენიმე ახალი სერვისის დაწერის მიზეზი

ინტერნეტში ასობით სტატიაა მომხმარებელთა ქცევის ანალიზის უპირატესობების შესახებ. ყველაზე ხშირად ეს ეხება საცალო სექტორს. სურსათის კალათის ანალიზიდან, ABC და XYZ ანალიზიდან დაწყებული შეკავების მარკეტინგით და პირადი შეთავაზებებით. ათწლეულების განმავლობაში იყენებდნენ სხვადასხვა ტექნიკას, გააზრებული იყო ალგორითმები, დაწერილი და გამართული კოდი - აიღე და გამოიყენე. ჩვენს შემთხვევაში წარმოიშვა ერთი ფუნდამენტური პრობლემა - ჩვენ ISPsystem-ში ვართ დაკავებული პროგრამული უზრუნველყოფის შემუშავებით და არა საცალო ვაჭრობით.
მე მქვია დენისი და ამჟამად ვარ პასუხისმგებელი ანალიტიკური სისტემების ბექენდზე ISPsystem-ში. და ეს არის ისტორია, თუ როგორ მე და ჩემი კოლეგა დანილი - მონაცემთა ვიზუალიზაციაზე პასუხისმგებელი პირები - ცდილობდნენ ჩვენი პროგრამული პროდუქტების ამ ცოდნის პრიზმაში შეხედვა. დავიწყოთ, როგორც ყოველთვის, ისტორიით.

თავიდან იყო სიტყვა და სიტყვა იყო "ვცადოთ?"

იმ მომენტში ვმუშაობდი დეველოპერად R&D დეპარტამენტში. ყველაფერი მაშინ დაიწყო, როცა დანილმა წაიკითხა აქ ჰაბრეზე შეკავების შესახებ - ინსტრუმენტი აპლიკაციებში მომხმარებლის გადასვლების გასაანალიზებლად. მე გარკვეულწილად სკეპტიკურად ვიყავი განწყობილი მისი აქ გამოყენების იდეის მიმართ. როგორც მაგალითები, ბიბლიოთეკის დეველოპერებმა მოიყვანა აპლიკაციების ანალიზი, სადაც მკაფიოდ იყო განსაზღვრული სამიზნე ქმედება - შეკვეთის განთავსება ან სხვა ვარიაცია, თუ როგორ უნდა გადაიხადოს მფლობელი კომპანია. ჩვენი პროდუქციის მიწოდება ხდება ადგილზე. ანუ მომხმარებელი ჯერ ყიდულობს ლიცენზიას და მხოლოდ ამის შემდეგ იწყებს მოგზაურობას აპლიკაციაში. დიახ, ჩვენ გვაქვს დემო ვერსიები. თქვენ შეგიძლიათ სცადოთ პროდუქტი იქ, რათა არ გქონდეთ ღორი ჩასმული.

მაგრამ ჩვენი პროდუქციის უმეტესობა მიმართულია ჰოსტინგის ბაზარზე. ესენი არიან მსხვილი კლიენტები და ბიზნესის განვითარების დეპარტამენტი ურჩევს მათ პროდუქტის შესაძლებლობებთან დაკავშირებით. აქედან გამომდინარეობს ისიც, რომ შეძენისას ჩვენმა მომხმარებლებმა უკვე იციან რა პრობლემების გადაჭრაში დაეხმარებათ ჩვენი პროგრამული უზრუნველყოფა. აპლიკაციაში მათი მარშრუტები უნდა ემთხვეოდეს პროდუქტში ჩაშენებულ CJM-ს და UX გადაწყვეტილებები დაეხმარება მათ გზაზე დარჩენაში. სპოილერი: ეს ყოველთვის არ ხდება. ბიბლიოთეკაში გაცნობა გადაიდო... მაგრამ არც ისე დიდი ხნით.

ყველაფერი შეიცვალა ჩვენი სტარტაპის გამოშვებით - კარტბეი — პლატფორმები ინსტაგრამის ანგარიშიდან ონლაინ მაღაზიის შესაქმნელად. ამ აპლიკაციაში მომხმარებელს მიეცა ორკვირიანი ვადა, რათა გამოიყენოს ყველა ფუნქცია უფასოდ. შემდეგ თქვენ უნდა გადაწყვიტოთ გამოწეროთ თუ არა. და ეს მშვენივრად ჯდება „მარშრუტი-სამიზნე მოქმედების“ კონცეფციაში. გადაწყდა: ვცადოთ!

პირველი შედეგები ან საიდან მიიღოთ იდეები

მე და დეველოპერის გუნდმა პროდუქტი ღონისძიების შეგროვების სისტემას დავუკავშირეთ ფაქტიურად ერთ დღეში. მაშინვე ვიტყვი, რომ ISPsystem იყენებს საკუთარ სისტემას გვერდის ვიზიტების შესახებ მოვლენების შესაგროვებლად, მაგრამ არაფერი გიშლით ხელს Yandex.Metrica-ს იმავე მიზნებისთვის გამოყენებაში, რაც საშუალებას გაძლევთ უფასოდ ჩამოტვირთოთ ნედლეული მონაცემები. შესწავლილი იქნა ბიბლიოთეკის გამოყენების მაგალითები და მონაცემთა შეგროვების ერთი კვირის შემდეგ მივიღეთ გარდამავალი გრაფიკი.

გარდამავალი გრაფიკი. ძირითადი ფუნქციონირება, სხვა გადასვლები ამოღებულია სიცხადისთვის

აღმოჩნდა ისევე, როგორც მაგალითში: პლანშეტური, ნათელი, ლამაზი. ამ გრაფიკიდან ჩვენ შევძელით ყველაზე ხშირი მარშრუტებისა და გადაკვეთების იდენტიფიცირება, სადაც ადამიანები ყველაზე დიდ დროს ატარებენ. ამან საშუალება მოგვცა გაგვეგო შემდეგი:

• დიდი CJM-ის ნაცვლად, რომელიც მოიცავს ათეულ სუბიექტს, აქტიურად გამოიყენება მხოლოდ ორი. აუცილებელია მომხმარებლების დამატებით გადაყვანა იმ ადგილებში, სადაც ჩვენ გვჭირდება UX გადაწყვეტილებების გამოყენებით.
• ზოგიერთი გვერდი, რომელიც შექმნილია UX-ის დიზაინერების მიერ, რათა იყოს ბოლომდე მიყვანილი, მთავრდება იმით, რომ ადამიანები მათზე არაგონივრულ დროს ხარჯავენ. თქვენ უნდა გაარკვიოთ, რა არის გაჩერების ელემენტები კონკრეტულ გვერდზე და დაარეგულიროთ ისინი.
• 10 გადასვლის შემდეგ ადამიანების 20%-მა დაიწყო დაღლილობა და სესიის დატოვება აპლიკაციაში. და ეს იმის გათვალისწინებით, რომ განაცხადში გვქონდა 5-მდე შიდა გვერდი! თქვენ უნდა დაადგინოთ გვერდები, სადაც მომხმარებლები რეგულარულად ტოვებენ სესიებს და შეამოკლეთ მათკენ მიმავალი გზა. კიდევ უკეთესი: იდენტიფიცირება ნებისმიერი რეგულარული მარშრუტი და დაუშვით სწრაფი გადასვლა საწყისი გვერდიდან დანიშნულების გვერდზე. რაღაც საერთოა ABC ანალიზთან და მიტოვებული ურიკის ანალიზთან, არ ფიქრობთ?

და აქ ჩვენ გადავხედეთ ჩვენს დამოკიდებულებას ამ ხელსაწყოს გამოყენებადობაზე შიდა პროდუქტებისთვის. გადაწყდა აქტიურად გაყიდული და გამოყენებული პროდუქტის ანალიზი - VMmanager 6. ეს ბევრად უფრო რთულია, სიდიდის რიგით მეტი ერთეულია. ჩვენ აღელვებული ველოდით, თუ როგორი იქნებოდა გარდამავალი გრაფიკი.

იმედგაცრუებებისა და შთაგონების შესახებ

იმედგაცრუება #1

ეს იყო სამუშაო დღის ბოლოს, თვის ბოლოს და წლის ბოლოს ერთდროულად - 27 დეკემბერი. დაგროვილია მონაცემები, დაწერილია შეკითხვები. ყველაფრის დამუშავებამდე წამები რჩებოდა და შეგვეძლო ჩვენი შრომის შედეგს გადავხედოთ, რათა გაგვერკვია, სად დაიწყებოდა შემდეგი სამუშაო წელი. R&D დეპარტამენტი, პროდუქტის მენეჯერი, UX დიზაინერები, გუნდის ლიდერი, დეველოპერები შეიკრიბნენ მონიტორის წინ, რათა ენახათ, როგორ გამოიყურება მომხმარებლის ბილიკები მათ პროდუქტში, მაგრამ... ჩვენ ვნახეთ ეს:

გადასვლის გრაფიკი შექმნილი Retentioneering ბიბლიოთეკის მიერ

შთაგონება #1

მტკიცედ დაკავშირებული, ათობით სუბიექტი, არააშკარა სცენარი. მხოლოდ ცხადი იყო, რომ ახალი სამუშაო წელი არა ანალიზით, არამედ ამგვარი გრაფიკით მუშაობის გამარტივების გზის გამოგონებით დაიწყება. მაგრამ მე ვერ შევძელი განცდა, რომ ყველაფერი ბევრად უფრო მარტივი იყო, ვიდრე ჩანდა. და თხუთმეტი წუთის შემდეგ Retaineering წყაროს კოდის შესწავლის შემდეგ, ჩვენ შევძელით შექმნილი გრაფიკის ექსპორტი წერტილოვან ფორმატში. ამან შესაძლებელი გახადა გრაფიკის ატვირთვა სხვა ინსტრუმენტზე - Gephi. და უკვე არსებობს გრაფიკების ანალიზის შესაძლებლობა: განლაგება, ფილტრები, სტატისტიკა - ყველაფერი რაც თქვენ უნდა გააკეთოთ არის ინტერფეისში საჭირო პარამეტრების კონფიგურაცია. ამ ფიქრით წამოვედით საახალწლო შაბათ-კვირას.

იმედგაცრუება #2

სამსახურში დაბრუნების შემდეგ აღმოჩნდა, რომ სანამ ყველა ისვენებდა, ჩვენი კლიენტები პროდუქტს სწავლობდნენ. დიახ, იმდენად მძიმე, რომ საცავში გამოჩნდა მოვლენები, რომლებიც ადრე არ არსებობდა. ეს ნიშნავდა, რომ მოთხოვნების განახლება იყო საჭირო.

ცოტა ფონი ამ ფაქტის სამწუხარო გასაგებად. ჩვენ გადავცემთ ჩვენ მიერ მონიშნულ მოვლენებს (მაგალითად, ზოგიერთ ღილაკზე დაწკაპუნებას) და იმ გვერდების URL-ებს, რომლებსაც მომხმარებელი ეწვია. Cartbee-ს შემთხვევაში „ერთი ქმედება - ერთი გვერდი“ მოდელი მუშაობდა. მაგრამ VMmanager-თან დაკავშირებით სიტუაცია სრულიად განსხვავებული იყო: რამდენიმე მოდალური ფანჯარა შეიძლება გაიხსნას ერთ გვერდზე. მათში მომხმარებელს შეეძლო სხვადასხვა პრობლემის გადაჭრა. მაგალითად, URL:

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

ნიშნავს, რომ "IP მისამართების" გვერდზე მომხმარებელმა დაამატა IP მისამართი. და აქ ორი პრობლემა ერთდროულად ჩანს:

• URL შეიცავს გარკვეული სახის ბილიკის პარამეტრს - ვირტუალური მანქანის ID. ეს უნდა გამოირიცხოს.
• URL შეიცავს მოდალურ ფანჯრის ID-ს. თქვენ უნდა როგორმე „გაშალოთ“ ასეთი URL-ები.
  კიდევ ერთი პრობლემა ის იყო, რომ ჩვენ მიერ მონიშნულ მოვლენებს ჰქონდათ პარამეტრები. მაგალითად, სიიდან ვირტუალური მანქანის შესახებ ინფორმაციის სიაში შესვლის ხუთი განსხვავებული გზა იყო. შესაბამისად, გაიგზავნა ერთი მოვლენა, ოღონდ პარამეტრით, რომელიც მიუთითებდა, რომელი მეთოდით შეასრულა მომხმარებელმა გადასვლა. ბევრი ასეთი მოვლენა იყო და ყველა პარამეტრი განსხვავებული იყო. და ჩვენ გვაქვს ყველა მონაცემთა მოძიების ლოგიკა SQL დიალექტზე Clickhouse-ისთვის. 150-200 სტრიქონიანი კითხვები გარკვეულწილად ჩვეულებრივად ჩანდა. ირგვლივ პრობლემები იყო.

შთაგონება #2

ერთ დილით ადრე, დანილმა, სევდიანად გადახედა მოთხოვნას მეორე წუთის განმავლობაში, შემომთავაზა: "მოდით დავწეროთ მონაცემთა დამუშავების მილსადენები?" ჩვენ დავფიქრდით და გადავწყვიტეთ, რომ თუ ამას ვაპირებდით, ეს იქნებოდა რაღაც ETL. ასე რომ, ის დაუყოვნებლივ გაფილტრავს და აგროვებს საჭირო მონაცემებს სხვა წყაროებიდან. ასე დაიბადა ჩვენი პირველი ანალიტიკური სერვისი სრულფასოვანი ბექენდით. იგი ახორციელებს მონაცემთა დამუშავების ხუთ ძირითად ეტაპს:

1. მოვლენების გადმოტვირთვა ნედლეული მონაცემთა საცავიდან და მათი დამუშავებისთვის მომზადება.
2. გარკვევა არის მოდალური ფანჯრების, ღონისძიების პარამეტრების და სხვა დეტალების სწორედ იმ იდენტიფიკატორების „გაშლა“, რომლებიც აზუსტებენ მოვლენას.
3. გამდიდრება (სიტყვიდან „გამდიდრება“) არის მოვლენების დამატება მესამე მხარის წყაროებიდან მიღებული მონაცემებით. იმ დროს, ეს მოიცავდა მხოლოდ ჩვენს ბილინგის სისტემას BILLmanager.
4. ფილტრაცია არის მოვლენების გაფილტვრის პროცესი, რომელიც ამახინჯებს ანალიზის შედეგებს (მოვლენები შიდა სტენდებიდან, გარედან და ა.შ.).
5. მიღებული მოვლენების ატვირთვა საცავში, რომელსაც ჩვენ ვუწოდებთ სუფთა მონაცემებს.
   ახლა შესაძლებელი გახდა რელევანტურობის შენარჩუნება მოვლენის ან თუნდაც მსგავსი ღონისძიებების ჯგუფების დამუშავების წესების დამატებით. მაგალითად, მას შემდეგ ჩვენ არასოდეს განვაახლეთ URL-ის გახსნა. თუმცა, ამ დროის განმავლობაში დაემატა URL-ის რამდენიმე ახალი ვარიაცია. ისინი ემორჩილებიან სამსახურში უკვე დადგენილ წესებს და მუშავდება სწორად.

იმედგაცრუება #3

როგორც კი დავიწყეთ ანალიზი, მივხვდით, რატომ იყო გრაფიკი ასე თანმიმდევრული. ფაქტია, რომ თითქმის ყველა N-გრამი შეიცავდა გადასვლებს, რომლებიც ვერ განხორციელდა ინტერფეისის საშუალებით.

დაიწყო მცირე გამოძიება. დაბნეული ვიყავი, რომ არ არსებობდა შეუძლებელი გადასვლები ერთ ერთეულში. ეს ნიშნავს, რომ ეს არ არის შეცდომა ღონისძიების შეგროვების სისტემაში ან ჩვენს ETL სერვისში. იყო განცდა, რომ მომხმარებელი ერთდროულად მუშაობდა რამდენიმე ობიექტში, ერთიდან მეორეზე გადასვლის გარეშე. როგორ მივაღწიოთ ამას? ბრაუზერში სხვადასხვა ჩანართების გამოყენება.

Cartbee-ის გაანალიზებისას ჩვენ გადაგვარჩინა მისმა სპეციფიკამ. აპლიკაცია გამოიყენებოდა მობილური მოწყობილობებიდან, სადაც რამდენიმე ჩანართიდან მუშაობა უბრალოდ მოუხერხებელია. აქ ჩვენ გვაქვს დესკტოპი და სანამ დავალება სრულდება ერთ ობიექტში, მიზანშეწონილია დახარჯოთ ეს დრო მეორეში სტატუსის დაყენების ან მონიტორინგისთვის. და იმისათვის, რომ არ დაკარგოთ პროგრესი, უბრალოდ გახსენით სხვა ჩანართი.

შთაგონება #3

ფრონტ-ენდის განვითარების კოლეგებმა ასწავლეს მოვლენების შეგროვების სისტემას ჩანართების გარჩევა. ანალიზი შეიძლება დაიწყოს. და დავიწყეთ. როგორც მოსალოდნელი იყო, CJM არ ემთხვეოდა რეალურ ბილიკებს: მომხმარებლები დიდ დროს ატარებდნენ დირექტორია გვერდებზე, მიტოვებულ სესიებსა და ჩანართებზე ყველაზე მოულოდნელ ადგილებში. გარდამავალი ანალიზის გამოყენებით, ჩვენ შევძელით პრობლემების პოვნა Mozilla-ს ზოგიერთ ნაგებობაში. მათში, განხორციელების მახასიათებლების გამო, ნავიგაციის ელემენტები გაქრა ან გამოჩნდა ნახევრად ცარიელი გვერდები, რომლებიც ხელმისაწვდომი უნდა იყოს მხოლოდ ადმინისტრატორისთვის. გვერდი გაიხსნა, მაგრამ კონტენტი არ გამოსულა უკანა ნაწილიდან. გადასვლების დათვლამ შესაძლებელი გახადა იმის შეფასება, თუ რომელი ფუნქციები იყო გამოყენებული რეალურად. ჯაჭვებმა შესაძლებელი გახადა იმის გაგება, თუ როგორ მიიღო მომხმარებელმა ესა თუ ის შეცდომა. მონაცემები ნებადართული იყო ტესტირებისთვის მომხმარებლის ქცევის საფუძველზე. ეს იყო წარმატება, იდეა არ იყო უშედეგო.

ანალიტიკის ავტომატიზაცია

შედეგების ერთ-ერთ დემონსტრაციაში ჩვენ ვაჩვენეთ, თუ როგორ გამოიყენება Gephi გრაფიკის ანალიზისთვის. ამ ხელსაწყოში, კონვერტაციის მონაცემები შეიძლება აისახოს ცხრილში. და UX დეპარტამენტის ხელმძღვანელმა თქვა ერთი ძალიან მნიშვნელოვანი აზრი, რომელმაც გავლენა მოახდინა კომპანიაში ქცევის ანალიტიკის მთელი მიმართულების განვითარებაზე: ”მოდით, იგივე გავაკეთოთ, მაგრამ Tableau-ში და ფილტრებით - ეს უფრო მოსახერხებელი იქნება.”

შემდეგ ვიფიქრე: რატომაც არა, Retentioneering ინახავს ყველა მონაცემს pandas.DataFrame სტრუქტურაში. და ეს არის, ზოგადად, მაგიდა. ასე გამოჩნდა კიდევ ერთი სერვისი: მონაცემთა პროვაიდერი. მან არა მხოლოდ შეადგინა ცხრილი გრაფიკიდან, არამედ გამოთვალა თუ რამდენად პოპულარულია გვერდი და მასთან დაკავშირებული ფუნქციონალობა, რა გავლენას ახდენს ის მომხმარებლის შეკავებაზე, რამდენ ხანს რჩებიან მასზე მომხმარებლები და რომელ გვერდებს ტოვებენ მომხმარებლები ყველაზე ხშირად. და ვიზუალიზაციის გამოყენებამ Tableau-ში იმდენად შეამცირა გრაფიკის შესწავლის ღირებულება, რომ პროდუქტში ქცევის ანალიზის გამეორების დრო თითქმის განახევრდა.

დანილი ისაუბრებს იმაზე, თუ როგორ გამოიყენება ეს ვიზუალიზაცია და რა დასკვნების გამოტანის საშუალებას იძლევა.

მეტი მაგიდა მაგიდის ღმერთისთვის!

გამარტივებული ფორმით, დავალება ჩამოყალიბდა შემდეგნაირად: აჩვენეთ გადასვლის გრაფიკი Tableau-ში, უზრუნველყოთ გაფილტვრის შესაძლებლობა და გახადეთ ის რაც შეიძლება ნათელი და მოსახერხებელი.

მე ნამდვილად არ მინდოდა Tableau-ში მიმართული გრაფიკის დახატვა. და თუნდაც წარმატებული იყოს, მოგება, გეფისთან შედარებით, აშკარად არ ჩანდა. ჩვენ გვჭირდებოდა რაღაც ბევრად უფრო მარტივი და ხელმისაწვდომი. მაგიდა! ბოლოს და ბოლოს, გრაფიკი ადვილად შეიძლება იყოს წარმოდგენილი ცხრილის სტრიქონების სახით, სადაც თითოეული მწკრივი არის "წყარო-დანიშნულების" ტიპის ზღვარი. უფრო მეტიც, ჩვენ უკვე ფრთხილად მოვამზადეთ ასეთი ცხრილი Retentioneering და Data Provider ინსტრუმენტების გამოყენებით. დარჩენილი იყო მხოლოდ ცხრილის ჩვენება Tableau-ში და ანგარიშის გავლა.

საუბარია იმაზე, თუ როგორ უყვარს სუფრები ყველას.

თუმცა აქ სხვა პრობლემის წინაშე ვდგავართ. რა უნდა გააკეთოს მონაცემთა წყაროსთან? შეუძლებელი იყო პანდების დაკავშირება.DataFrame; Tableau-ს არ აქვს ასეთი კონექტორი. გრაფიკის შესანახად ცალკე ბაზის აწევა ძალიან რადიკალური გამოსავალი ჩანდა ბუნდოვანი პერსპექტივით. და ადგილობრივი გადმოტვირთვის ვარიანტები არ იყო შესაფერისი მუდმივი ხელით ოპერაციების საჭიროების გამო. ჩვენ გადავხედეთ ხელმისაწვდომი კონექტორების სიას და ჩვენი მზერა დაეცა ნივთს ვებ მონაცემთა კონექტორი, რომელიც სულ ძირს გაწბილებული იყო.

Tableau-ს აქვს კონექტორების მდიდარი არჩევანი. ჩვენ ვიპოვეთ ერთი, რომელმაც გადაჭრა ჩვენი პრობლემა

როგორი ცხოველი? ბრაუზერში რამდენიმე ახალი ღია ჩანართი - და გაირკვა, რომ ეს კონექტორი საშუალებას გაძლევთ მიიღოთ მონაცემები URL-ზე წვდომისას. თავად მონაცემების გამოთვლის ბექენდი თითქმის მზად იყო, დარჩა მხოლოდ WDC-თან დამეგობრება. რამდენიმე დღის განმავლობაში დენისმა შეისწავლა დოკუმენტაცია და ებრძოდა Tableau მექანიზმებს, შემდეგ კი გამომიგზავნა ბმული, რომელიც ჩასვით კავშირის ფანჯარაში.

კავშირის ფორმა ჩვენს WDC-სთან. დენისმა წინა მხარე გააკეთა და უსაფრთხოებაზე იზრუნა

რამდენიმე წუთის ლოდინის შემდეგ (მონაცემები გამოითვლება დინამიურად მოთხოვნისას), გამოჩნდა ცხრილი:

ასე გამოიყურება ნედლეული მონაცემთა მასივი Tableau ინტერფეისში

დაპირებისამებრ, ასეთი ცხრილის თითოეული მწკრივი წარმოადგენს გრაფის კიდეს, ანუ მომხმარებლის მიმართულ გადასვლას. იგი ასევე შეიცავდა რამდენიმე დამატებით მახასიათებელს. მაგალითად, უნიკალური მომხმარებლების რაოდენობა, გადასვლების საერთო რაოდენობა და სხვა.

შესაძლებელი იქნებოდა ამ ცხრილის ჩვენება ანგარიშში, როგორც არის, გულუხვად დაასხით ფილტრები და გაგზავნეთ ხელსაწყო მცურავი. ლოგიკურად ჟღერს. რა შეგიძლიათ გააკეთოთ მაგიდასთან? მაგრამ ეს არ არის ჩვენი გზა, რადგან ჩვენ ვქმნით არა მხოლოდ ცხრილს, არამედ ინსტრუმენტს ანალიზისა და პროდუქტის გადაწყვეტილების მისაღებად.

როგორც წესი, მონაცემთა გაანალიზებისას ადამიანს სურს კითხვებზე პასუხის მიღება. დიდი. დავიწყოთ მათთან.

• რა არის ყველაზე ხშირი გადასვლები?
• სად მიდიან ისინი კონკრეტული გვერდებიდან?
• საშუალოდ რამდენ ხანს ატარებთ ამ გვერდზე წასვლამდე?
• რამდენად ხშირად აკეთებთ A-დან B-ზე გადასვლას?
• რომელ გვერდებზე მთავრდება სესია?

თითოეულმა მოხსენებამ ან მათმა ერთობლიობამ მომხმარებელს უნდა მისცეს საშუალება დამოუკიდებლად მოიძიოს ამ კითხვებზე პასუხები. აქ მთავარი სტრატეგია არის ის, რომ მოგცეთ ინსტრუმენტები, რომ ეს თავად გააკეთოთ. ეს სასარგებლოა როგორც ანალიტიკის განყოფილებაზე დატვირთვის შესამცირებლად, ასევე გადაწყვეტილების მიღების დროის შესამცირებლად - ბოლოს და ბოლოს, თქვენ აღარ გჭირდებათ Youtrack-ზე წასვლა და ანალიტიკოსისთვის დავალების შექმნა, თქვენ უბრალოდ უნდა გახსნათ ანგარიში.

რა მივიღეთ?

სად განსხვავდებიან ადამიანები ყველაზე ხშირად დაფაზე?

ფრაგმენტი ჩვენი მოხსენებიდან. დაფის შემდეგ ყველა მიდიოდა ან VM-ების სიაში ან კვანძების სიაში

ავიღოთ ზოგადი ცხრილი გადასვლებით და გავფილტროთ წყაროს გვერდის მიხედვით. ყველაზე ხშირად, ისინი დაფიდან გადადიან ვირტუალური მანქანების სიაში. უფრო მეტიც, რეგულარობის სვეტი ვარაუდობს, რომ ეს არის განმეორებითი მოქმედება.

საიდან მოდიან ისინი კლასტერების სიაში?

ანგარიშებში ფილტრები მუშაობს ორივე მიმართულებით: შეგიძლიათ გაიგოთ სად წახვედით ან სად წახვედით

მაგალითებიდან ირკვევა, რომ ორი მარტივი ფილტრის არსებობაც კი და მნიშვნელობების მიხედვით რიგების დალაგება საშუალებას გაძლევთ სწრაფად მიიღოთ ინფორმაცია.

რამე უფრო რთული ვიკითხოთ.

სად ტოვებენ მომხმარებლები ყველაზე ხშირად სესიას?

VMmanager მომხმარებლები ხშირად მუშაობენ ცალკეულ ჩანართებში

ამისათვის ჩვენ გვჭირდება ანგარიში, რომლის მონაცემები გაერთიანებულია რეფერალური წყაროებით. და ეგრეთ წოდებული breakpoints მიიღეს დავალებად - მოვლენები, რომლებიც ემსახურებოდნენ გარდამავალთა ჯაჭვის დასასრულს.

აქ მნიშვნელოვანია აღინიშნოს, რომ ეს შეიძლება იყოს სესიის დასასრული ან ახალი ჩანართის გახსნა. მაგალითი გვიჩვენებს, რომ ჯაჭვი ყველაზე ხშირად მთავრდება მაგიდასთან ვირტუალური მანქანების სიით. ამ შემთხვევაში, დამახასიათებელი ქცევა არის სხვა ჩანართზე გადასვლა, რომელიც შეესაბამება მოსალოდნელ შაბლონს.

ჩვენ უპირველეს ყოვლისა საკუთარ თავზე გამოვცადეთ ამ ანგარიშების სარგებლიანობა, როდესაც ანალოგიურად ჩავატარეთ ანალიზი ვეპ, ჩვენი კიდევ ერთი პროდუქტი. ცხრილებისა და ფილტრების მოსვლასთან ერთად ჰიპოთეზები უფრო სწრაფად შემოწმდა და თვალები ნაკლებად დაიღალა.

მოხსენებების შემუშავებისას არ დავივიწყეთ ვიზუალური დიზაინი. ამ ზომის მაგიდებთან მუშაობისას ეს მნიშვნელოვანი ფაქტორია. მაგალითად, ჩვენ გამოვიყენეთ ფერების მშვიდი სპექტრი, ადვილად აღქმადი monospace შრიფტი რიცხვებისთვის, ხაზების ფერადი ხაზგასმა, მახასიათებლების რიცხვითი მნიშვნელობების შესაბამისად. ასეთი დეტალები აუმჯობესებს მომხმარებლის გამოცდილებას და ზრდის ხელსაწყოს წარმატებით გაშვების ალბათობას კომპანიის შიგნით.

ცხრილი საკმაოდ მოცულობითი აღმოჩნდა, მაგრამ ვიმედოვნებთ, რომ მისი წაკითხვა არ შეწყვეტილა

ცალკე უნდა აღინიშნოს ჩვენი შიდა კლიენტების ტრენინგის შესახებ: პროდუქტის სპეციალისტები და UX დიზაინერები. მათთვის სპეციალურად მომზადდა სახელმძღვანელოები ანალიზის მაგალითებით და რჩევებით ფილტრებთან მუშაობისთვის. ჩვენ ჩავსვით სახელმძღვანელოების ბმულები უშუალოდ მოხსენების გვერდებზე.

ჩვენ გავაკეთეთ სახელმძღვანელო უბრალოდ პრეზენტაციის სახით Google Docs-ში. Tableau ინსტრუმენტები საშუალებას გაძლევთ აჩვენოთ ვებ გვერდები უშუალოდ მოხსენების სამუშაო წიგნის შიგნით.

ნაცვლად ამისა

რა არის ბოლოში? შედარებით სწრაფად და იაფად შევძელით ყოველი დღის ხელსაწყოს მიღება. დიახ, ეს ნამდვილად არ არის თავად გრაფიკის ჩანაცვლება, დაწკაპუნების სითბოს რუკა ან ვებ მაყურებელი. მაგრამ ასეთი მოხსენებები მნიშვნელოვნად ავსებს ჩამოთვლილ ინსტრუმენტებს და იძლევა საჭმელს ფიქრისთვის და ახალი პროდუქტისა და ინტერფეისის ჰიპოთეზებისთვის.

ეს ამბავი მხოლოდ ISP სისტემაში ანალიტიკის განვითარების დასაწყისი იყო. ბოლო ექვსი თვის განმავლობაში გამოჩნდა კიდევ შვიდი ახალი სერვისი, მათ შორის მომხმარებლის ციფრული პორტრეტები პროდუქტში და სერვისი მონაცემთა ბაზების შესაქმნელად Look-alike მიზნებისთვის, მაგრამ მათზე ვისაუბრებთ შემდეგ ეპიზოდებში.

წყარო: www.habr.com