Föreställ dig att du är en blivande entreprenör som precis har skapat en hemsida och mobilapplikation (till exempel för en munkbutik). Du vill koppla samman användaranalyser med en liten budget, men vet inte hur. Alla runt omkring använder Mixpanel, Facebook analytics, Yandex.Metrica och andra system, men det är inte klart vad man ska välja och hur man använder det.
Vad är analyssystem?
Först och främst måste det sägas att ett användaranalyssystem inte är ett system för att analysera loggar för själva tjänsten. Övervakning av hur tjänsten presterar fokuserar på stabilitet och prestanda, och utförs separat av utvecklarna. Användaranalys skapas för att studera användarens beteende: vilka åtgärder han utför, hur ofta, hur han reagerar på push-notiser eller andra händelser i tjänsten. Globalt sett har användaranalys två riktningar: mobil- och webbanalys. Trots olika gränssnitt och möjligheter hos webb- och mobiltjänster är arbetet med analyssystemet i båda riktningarna ungefär detsamma.
Varför det?
Användaranalys behövs:
- att övervaka vad som händer när du använder tjänsten;
- att ändra innehållet och förstå var man ska utveckla, vilka funktioner som ska läggas till/ta bort;
- för att hitta vad användarna inte gillar och ändra det.
Hur fungerar det?
För att studera användarbeteende måste du samla en historik över detta beteende. Men exakt vad ska man samla på sig? Denna fråga står för upp till 70 % av komplexiteten i hela uppgiften. Många medlemmar i produktteamet måste svara på denna fråga tillsammans: produktchef, programmerare, analytiker. Alla misstag i det här steget är kostsamma: du kanske inte samlar in det du behöver, och du kan samla något som inte låter dig dra meningsfulla slutsatser.
När du har bestämt dig för vad du ska samla in måste du tänka på arkitekturen för hur du ska samla in det. Huvudobjektet som analytiska system arbetar med är en händelse. En händelse är en beskrivning av vad som hände som skickas till analyssystemet som svar på en användaråtgärd. Vanligtvis, för var och en av de åtgärder som valts för spårning i föregående steg, ser händelsen ut som ett JSON-paket med fält som beskriver den vidtagna åtgärden.
Vilken typ av JSON-paket är detta?
JSON-paketet är en textfil som beskriver vad som hände. Till exempel kan ett JSON-paket innehålla information om att användaren Mary utförde åtgärden Started game klockan 23:00 den 15 november. Hur ska man beskriva varje åtgärd? Användaren klickar till exempel på en knapp. Vilka egenskaper behöver samlas in just nu? De är indelade i två typer:
- superegenskaper - egenskaper som är karakteristiska för alla händelser som alltid är närvarande. Det här är tid, enhets-ID, API-version, analysversion, OS-version;
- händelsespecifika egenskaper - dessa egenskaper är godtyckliga och den största svårigheten är hur man väljer dem. Till exempel, för "köp mynt"-knappen i ett spel, kommer sådana egenskaper att vara "hur många mynt användaren köpte", "hur mycket mynten kostar".
Ett exempel på ett JSON-paket i en språkinlärningstjänst:
Men varför inte bara samla på allt?
Eftersom alla händelser skapas manuellt. Analytics-system har inte en "spara alla"-knapp (och det skulle vara meningslöst). Endast de åtgärder från tjänstelogiken som är intressanta för någon del av teamet samlas in. Även för varje tillstånd av en knapp eller ett fönster är vanligtvis inte alla händelser av intresse. För långa processer (som en spelnivå) kan bara början och slutet vara viktiga. Det som händer i mitten kanske inte går ihop.
Som regel består tjänstelogik av objekt - entiteter. Detta kan vara en "mynt"-enhet eller en "nivå"-enhet. Därför kan du komponera händelser från enheter, deras tillstånd och handlingar. Exempel: "nivå påbörjad", "nivå slutad", "nivå slutad, anledning - uppäten av en drake". Det är tillrådligt att alla enheter som kan "öppnas" stängs för att inte bryta mot logiken och inte komplicera ytterligare arbete med analys.
Hur många händelser finns det i ett komplext system?
Komplexa system kan bearbeta flera hundra händelser, som samlades in från alla kunder (produktchefer, programmerare, analytiker) och noggrant (!) skrevs in i en tabell och sedan i tjänstelogiken. Att förbereda evenemang är ett stort tvärvetenskapligt arbete som kräver att alla förstår vad som behöver samlas in, uppmärksamhet och noggrannhet.
Vad händer nu?
Låt oss säga att vi kommer på alla intressanta händelser. Det är dags att samla dem. För att göra detta måste du ansluta klientanalys. Gå till Google och leta efter mobilanalys (eller välj bland de välkända: , , , , , ). Vi tar SDK från webbplatsen och bygger in den i koden för vår tjänst (därav namnet "klient" - eftersom SDK är inbyggt i klienten).
Och var samlar man evenemang?
Alla JSON-paket som kommer att skapas måste lagras någonstans. Vart ska de skickas och var ska de samlas? När det gäller ett klientanalytiskt system ansvarar det själv för detta. Vi vet inte var våra JSON-paket finns, var deras lagring finns, hur många det finns eller hur de lagras där. Hela insamlingsprocessen utförs av systemet och spelar ingen roll för oss. I analystjänsten får vi tillgång till ett personligt konto, där vi ser resultatet av behandlingen av initial beteendedata. Därefter arbetar analytiker med det de ser på sitt personliga konto.
I gratisversioner är rådata vanligtvis inte nedladdningsbara. Den dyra versionen har sådana funktioner.
Hur lång tid tar det att ansluta?
Den enklaste analysen kan anslutas på en timme: det blir App Metrika, som visar de enklaste sakerna utan att analysera anpassade händelser. Den tid som krävs för att sätta upp ett mer komplext system beror på de valda händelserna. Svårigheter uppstår som kräver ytterligare utveckling:
- Finns det en kö av evenemang? Till exempel, hur fixar man att en händelse inte kan komma före en annan?
- Vad ska man göra om användaren har ändrat tiden? Ändrad tidszon?
- Vad ska man göra om det inte finns något internet?
I genomsnitt kan du ställa in Mixpanel på ett par dagar. När ett stort antal specifika evenemang planeras att samlas in kan det ta en vecka.
Hur väljer jag vilken jag behöver?
Allmän statistik fungerar bra i alla analyssystem. Väl lämpad för marknadsförare och säljare: du kan se retention, hur länge användare spenderade i applikationen, alla grundläggande mätvärden på hög nivå. För den enklaste målsidan räcker det med Yandex-statistik.
När det kommer till icke-standardiserade uppgifter beror valet på din tjänst, analytiska uppgifter och händelser som behöver bearbetas för att lösa dem.
- I Mixpanel kan du till exempel köra A/B-tester. Hur man gör det? Du skapar ett experiment där det kommer att finnas flera prover och gör ett urval (du tilldelar sådana och sådana användare till A, andra till B). För A blir knappen grön, för B blir den blå. Eftersom Mixpanel samlar in all data, kan den hitta enhets-id för varje användare från A och B. I tjänstekoden, med hjälp av SDK, skapas tweaks - det här är platser där något kan förändras för testning. Därefter, för varje användare, hämtas värdet (i vårt fall färgen på knappen) från Mixpanel. Om det inte finns någon internetanslutning kommer standardalternativet att väljas.
- Ofta vill du inte bara lagra och studera händelser, utan också samla användare. Mixpanel gör detta automatiskt på fliken Användare. Där kan du se alla permanenta användardata (namn, e-post, facebookprofil) och användarlogghistorik. Du kan se användardata som statistik: Draken åt 100 gånger, köpte 3 blommor. I vissa system kan aggregering efter användare laddas ner.
- Vad är den främsta coolheten ? Den kopplar samman tjänstebesökaren med hans Facebook-profil. Därför kan du ta reda på din målgrupp, och viktigast av allt, sedan omvandla den till en reklampublik. Till exempel, om jag besökte en webbplats en gång och dess ägare slog på reklam (autofyllbar målgrupp i Facebook-analys) för besökare, kommer jag i framtiden att se reklam för denna webbplats på Facebook. För webbplatsägaren fungerar detta enkelt och bekvämt; du behöver bara komma ihåg att sätta ett dagligt tak på din annonsbudget. Nackdelen med Facebook-analys är att den inte är särskilt bekväm: sajten är ganska komplex, inte direkt förståelig och fungerar inte särskilt snabbt.
Nästan ingenting behöver göras och allt fungerar! Kanske finns det några nackdelar?
Ja, och en av dem är att det brukar vara dyrt. För en start kan det vara runt 50 XNUMX USD per månad. Men det finns också gratisalternativ. Yandex App Metrica är gratis och lämplig för de mest grundläggande mätvärdena.
Men om lösningen är billig, kommer analysen inte att vara detaljerad: du kommer att kunna se typen av enhet, OS, men inte specifika händelser, och du kommer inte att kunna skapa trattar. Mixpanel kan kosta 50 XNUMX dollar per år (till exempel kan en applikation med Om Nom äta upp så mycket). I allmänhet är tillgången till data ganska ofta begränsad i dem alla. Du kommer inte på dina egna modeller och lanserar dem. Betalning sker vanligtvis månadsvis / periodiskt.
Några andra?
Men det värsta är att även Mixpanel betraktar datavolymerna som är inneboende i en aktiv mobilapplikation som en uppskattning (öppet angivet direkt i dokumentationen). Om du jämför resultaten med serveranalyser kommer värdena att skilja sig åt. (Läs om hur du skapar din egen analys på serversidan i vår nästa artikel!)
Den stora nackdelen med nästan alla analyssystem är att de begränsar tillgången till råloggar. Så att köra din egen modell på till synes din egen data kommer inte att fungera. Om du till exempel tittar på trattar i Mixpanel kan du bara beräkna medeltiden mellan stegen. Mer komplexa mått, till exempel mediantid eller percentiler, kan inte beräknas.
Dessutom saknas ofta förmågan att utföra komplexa aggregering och segmentering. Till exempel är det knepiga gruppköpet "för att förena användare som är födda 1990 och köpte minst 50 munkar vardera" inte tillgängligt.
Facebook Analytics har ett mycket komplext gränssnitt och är långsamt.
Vad händer om jag slår på alla system samtidigt?
Bra ide! Det händer ofta att olika system ger olika resultat. Olika siffror. Dessutom har vissa en funktionalitet, andra har en annan och andra är gratis.
Dessutom kan flera system slås på parallellt för testning: till exempel för att bekanta dig med gränssnittet för ett nytt och gradvis byta till det. Som i alla företag, här behöver du veta när du ska stoppa och koppla analyser i en sådan utsträckning att du kan hålla reda på det (och det kommer inte att sakta ner din nätverksanslutning).
Vi kopplade ihop allt och släppte sedan nya funktioner, hur lägger vi till händelser?
Samma som när du ansluter analyser från början: samla in beskrivningar av nödvändiga händelser och använd SDK för att infoga dem i klientkoden.
Jag hoppas att svaren på vanliga frågor kommer att vara användbara för dig. Om de hjälpte dig att förstå att analys på klientsidan inte är lämplig för din applikation, rekommenderar vi att du provar din analys på serversidan. Jag kommer att prata om det i nästa del, och sedan kommer jag att prata om hur man implementerar detta i ditt projekt.
Endast registrerade användare kan delta i undersökningen. , Snälla du.
Vilka kundanalyssystem använder du?
-
Mixpanel
-
Facebook Analytics
-
Google Analytics
-
Yandex Metrica
-
Andra
-
Med ditt system
-
ingenting
33 användare röstade. 15 användare avstod från att rösta.
Källa: will.com