유지 관리: Python 및 Pandas에서 제품 분석을 위한 오픈 소스 도구를 작성한 방법

안녕하세요, 하브르님. 이 기사는 애플리케이션이나 웹사이트에서 사용자 이동 궤적을 처리하기 위한 일련의 방법과 도구를 XNUMX년 동안 개발한 결과를 다루고 있습니다. 개발 작성자 - 막심 고지, 제품 제작자 팀의 책임자이자 기사의 저자이기도 합니다. 제품 자체를 Retentioneering이라고 불렀는데, 이제는 누구나 사용할 수 있도록 오픈소스 라이브러리로 변환되어 Github에 게시되었습니다. 이 모든 것은 제품 및 마케팅 분석, 판촉 및 제품 개발에 관련된 사람들에게 흥미로울 수 있습니다. 그건 그렇고, Habré에서는 Retentioneering과 협력한 사례 중 하나에 대한 기사가 이미 게시되었습니다.. 새로운 자료에서는 제품의 기능과 사용 방법을 설명합니다.

기사를 읽은 후에는 자신만의 Retentioneering을 작성할 수 있습니다. 이는 애플리케이션 및 그 이상에서 사용자 궤적을 처리하기 위한 표준화된 방법일 수 있으며, 이를 통해 행동의 특성을 자세히 확인하고 성장을 위한 통찰력을 추출할 수 있습니다. 비즈니스 측정항목의

유지관리란 무엇이며 왜 필요한가요?

우리의 초기 목표는 그로스 해킹을 "디지털 마법"의 세계에서 숫자, 분석 및 예측의 세계로 옮기는 것이었습니다. 결과적으로 제품 분석은 환상적인 스토리 대신 숫자를 선호하는 사람들을 위한 순수한 수학과 프로그래밍으로 축소되고, "리브랜딩", "리포지셔닝" 등과 같은 유행어에 대한 수식은 듣기에는 좋지만 실제로는 거의 도움이 되지 않습니다.

이러한 문제를 해결하려면 사람과 로봇 모두가 이해할 수 있는 일반적인 제품 분석 작업을 설명하는 방법으로 그래프와 궤적을 통한 분석을 위한 프레임워크와 동시에 일반적인 분석 루틴을 단순화하는 라이브러리가 필요했습니다. 라이브러리는 개발자와 분석가의 일상적인 작업을 단순화 및 자동화하고 비즈니스와의 커뮤니케이션을 용이하게 하는 공식적이고 명확한 언어로 사용자 행동을 설명하고 이를 제품 비즈니스 지표에 연결하는 기능을 제공합니다.

Retentioneering은 디지털 제품뿐만 아니라 모든 디지털 제품에 적용하고 통합할 수 있는 방법이자 분석 소프트웨어 도구입니다.

우리는 2015년부터 제품 개발을 시작했습니다. 이제 이것은 아직 이상적이지는 않지만 기성품이며, 데이터 작업을 위한 Python 및 Pandas의 도구 세트, sklearn과 같은 API를 사용한 기계 학습 모델, 기계 학습 모델 eli5 및 shap의 결과를 해석하기 위한 도구입니다.

다 끝났어 오픈 Github 저장소의 편리한 오픈 소스 라이브러리 - Retentioneering-tools. 라이브러리 사용은 어렵지 않습니다. 제품 분석을 좋아하지만 이전에 코드를 작성해 본 적이 없는 거의 모든 사람이 상당한 시간 투자 없이 독립적으로 데이터에 분석 방법을 적용할 수 있습니다.

프로그래머, 애플리케이션 작성자, 이전에 분석을 수행해 본 적이 없는 개발 또는 테스트 팀의 구성원은 이 코드를 사용하여 외부 도움 없이 애플리케이션의 사용 패턴을 확인할 수 있습니다.

분석의 기본 요소인 사용자 궤적 및 처리 방법

사용자 궤적은 특정 시점의 일련의 사용자 상태입니다. 또한 이벤트는 온라인과 오프라인 모두에서 다양한 데이터 소스에서 나올 수 있습니다. 사용자에게 발생하는 이벤트는 그의 궤적의 일부입니다. 예:
• 버튼을 눌렀다
• 사진을 봤어요
• 화면을 누르세요
• 이메일을 받았습니다
• 친구에게 제품을 추천했습니다.
• 양식을 작성했습니다.
• 화면을 탭했습니다.
• 스크롤됨
• 금전등록기에 갔다
• 부리또를 주문했습니다
• 부리또를 먹었다
• 부리또를 먹고 중독됨
• 뒷문에서 카페에 들어갔다
• 정문에서 들어옴
• 애플리케이션 최소화
• 푸시 알림을 받았습니다.
• X보다 오랫동안 화면에 멈췄습니다.
• 주문 결제
• 주문을 구매했습니다.
• 대출이 거부되었습니다

사용자 그룹의 궤적 데이터를 가져와 전환이 어떻게 구성되어 있는지 연구하면 애플리케이션에서 사용자의 동작이 어떻게 구성되어 있는지 정확하게 추적할 수 있습니다. 상태가 노드이고 상태 간 전환이 가장자리인 그래프를 통해 이 작업을 수행하는 것이 편리합니다.

"궤도"는 매우 편리한 개념입니다. 여기에는 모든 사용자 작업에 대한 자세한 정보가 포함되어 있으며 이러한 작업 설명에 추가 데이터를 추가할 수 있습니다. 이것이 보편적인 대상이 됩니다. 궤적 작업을 할 수 있는 아름답고 편리한 도구가 있다면 유사점을 찾아 분할할 수 있습니다.

궤적 분할은 처음에는 매우 복잡해 보일 수 있습니다. 일반적인 상황에서는 연결 매트릭스 비교 또는 시퀀스 정렬을 사용해야 합니다. 우리는 더 간단한 방법을 찾았습니다. 즉, 많은 수의 궤적을 연구하고 클러스터링을 통해 분할하는 것입니다.

결과적으로, 연속 표현을 사용하여 궤적을 점으로 바꾸는 것이 가능합니다. 예를 들어, TF-IDF. 변환 후 궤적은 다양한 이벤트의 정규화된 발생과 궤적 내 전환이 축을 따라 플롯되는 공간의 지점이 됩니다. 수천 개 이상의 차원 공간(dimS=sum(이벤트 유형)+sum(ngrams_2 유형))에서 나온 이 내용은 다음을 사용하여 평면에 투영할 수 있습니다. TSNE. TSNE는 공간의 차원을 2개의 축으로 줄이고, 가능하다면 점 사이의 상대적 거리를 유지하는 변환입니다. 따라서, 평면 지도, 즉 궤적의 비유적 투영 지도에서 서로 다른 궤적의 지점이 서로 어떻게 위치했는지 연구하는 것이 가능해집니다. 서로 얼마나 가깝거나 다른지, 클러스터를 형성했는지, 지도 전체에 흩어져 있는지 등을 분석합니다.

유지 분석 도구는 복잡한 데이터와 궤적을 서로 비교할 수 있는 뷰로 전환한 다음 변환 결과를 검사하고 해석할 수 있는 기능을 제공합니다.

궤적 처리를 위한 표준 방법에 대해 말하자면, Retentioneering에서 구현한 세 가지 주요 도구인 그래프, 단계 행렬 및 궤적 투영 맵을 의미합니다.

Google Analytics, Firebase 및 유사한 분석 시스템을 사용하는 것은 매우 복잡하며 100% 효과적이지는 않습니다. 문제는 사용자에 대한 여러 가지 제한 사항이며, 그 결과 해당 시스템에서 분석가의 작업은 마우스 클릭과 슬라이스 선택에 따라 달라집니다. 리텐니어링을 사용하면 특정 세그먼트를 위해 구축되었음에도 불구하고 세부 수준이 유입경로로 축소되는 경우가 많은 Google Analytics처럼 유입경로뿐만 아니라 사용자 궤적으로 작업할 수 있습니다.

유지 및 사례

개발된 툴을 활용한 사례로 러시아의 대규모 틈새 서비스 사례를 들 수 있다. 이 회사는 고객에게 인기가 있는 Android 모바일 애플리케이션을 보유하고 있습니다. 모바일 애플리케이션의 연간 매출액은 약 7만 루블이고 계절 변동은 60~130입니다. 같은 회사에는 iOS용 애플리케이션도 있으며 Apple 애플리케이션 사용자의 평균 청구액은 Android 애플리케이션을 사용하는 클라이언트 - 1080 문지름. 대 1300 문지름.

회사는 안드로이드 애플리케이션의 효율성을 높이기로 결정하고 철저한 분석을 실시했다. 애플리케이션의 효율성을 높이는 방법에 대한 수십 가지 가설이 생성되었습니다. Retentionneering을 사용한 후, 신규 사용자에게 표시되는 메시지에 문제가 있음이 밝혀졌습니다. 그들은 브랜드, 회사 혜택 및 가격에 대한 정보를 받았습니다. 그러나 알고 보니 메시지는 사용자가 애플리케이션에서 작업하는 방법을 배우는 데 도움이 되도록 되어 있었습니다.

이를 통해 애플리케이션 설치 제거율이 줄어들었고 주문 전환율이 23% 증가했습니다. 처음에는 들어오는 트래픽의 20%를 테스트에 주었는데, 며칠 후 첫 번째 결과를 분석하고 추세를 파악한 뒤 비율을 반대로 바꿔서 대조군에는 20%를 남겨두고, XNUMX%가 테스트에 배치되었습니다. 일주일 후, 두 가지 가설에 대한 테스트를 순차적으로 추가하기로 결정되었습니다. 불과 XNUMX주 만에 안드로이드 애플리케이션 매출이 이전 수준에 비해 XNUMX배 증가했습니다.

Retentioneering을 사용하는 방법은 무엇입니까?

첫 번째 단계는 매우 간단합니다. pip install retentioneering 명령을 사용하여 라이브러리를 다운로드합니다. 저장소 자체에는 일부 제품 분석 작업에 대한 데이터 처리에 대한 기성 사례와 사례가 포함되어 있습니다. 세트는 처음 아는 사람에게 충분할 때까지 지속적으로 업데이트됩니다. 누구나 기성 모듈을 가져와 작업에 즉시 적용할 수 있습니다. 이를 통해 사용자 궤도에 대한 보다 자세한 분석 및 최적화 프로세스를 최대한 빠르고 효율적으로 즉시 설정할 수 있습니다. 이 모든 것이 명확한 코드를 통해 애플리케이션 사용 패턴을 찾고 이 경험을 동료와 공유하는 것을 가능하게 합니다.

유지관리는 지원서 전체 기간 동안 사용할 가치가 있는 도구이며, 그 이유는 다음과 같습니다.

• 유지 관리는 사용자 궤적을 추적하고 지속적으로 최적화하며 비즈니스 성과를 개선하는 데 효과적입니다. 따라서 새로운 기능이 전자상거래 애플리케이션에 추가되는 경우가 많지만, 그 기능이 제품에 미치는 영향을 항상 정확하게 예측할 수는 없습니다. 어떤 경우에는 새로운 기능과 기존 기능 사이에 호환성 문제가 발생합니다. 예를 들어 새로운 기능은 기존 기능을 "잠식"합니다. 그리고 이러한 상황에서는 궤적에 대한 지속적인 분석이 정확히 필요한 것입니다.
• 광고 채널을 사용할 때도 상황은 비슷합니다. 새로운 트래픽 소스와 광고 크리에이티브가 지속적으로 테스트되고 있으며 계절성, 추세 및 기타 이벤트의 영향을 모니터링해야 하므로 점점 더 많은 새로운 종류의 문제가 발생합니다. 이를 위해서는 사용자 메커니즘에 대한 지속적인 모니터링과 해석도 필요합니다.
• 애플리케이션의 성능에 지속적으로 영향을 미치는 여러 가지 요소가 있습니다. 예를 들어, 개발자의 새 릴리스: 현재 문제를 종결하고 자신도 모르게 이전 문제를 반환하거나 완전히 새로운 문제를 만듭니다. 시간이 지남에 따라 새로운 릴리스 수가 증가하고 사용자 궤적 분석을 포함하여 오류 추적 프로세스를 자동화해야 합니다.

전반적으로 Retentioneering은 효과적인 도구입니다. 그러나 완벽함에는 한계가 없습니다. 이를 기반으로 개선, 개발 및 새롭고 멋진 제품을 구축할 수 있고 그래야 합니다. 프로젝트 커뮤니티가 활발할수록 더 많은 포크가 생기고 이를 사용하기 위한 새롭고 흥미로운 옵션이 나타날 것입니다.

유지 도구에 대한 추가 정보:

• 우리의 웹사이트: Retentioneering.com
• 모임 일정 및 참가등록
• Telegram의 제품 및 분석가 채팅
• 무료 GitHub의 유지 저장소

출처 : habr.com