کسی صارف کو موبائل ایپلیکیشن میں رکھنا ایک مکمل سائنس ہے۔ کورس کے مصنف نے VC.ru پر ہمارے مضمون میں اس کی بنیادی باتیں بیان کیں۔ میکسم گوڈزی، ایپ ان دی ایئر میں مشین لرننگ کے سربراہ۔ میکسم موبائل ایپلیکیشن کے تجزیہ اور اصلاح پر کام کی مثال کا استعمال کرتے ہوئے کمپنی میں تیار کردہ ٹولز کے بارے میں بات کرتا ہے۔ ایپ ان دی ایئر میں تیار کردہ مصنوعات کی بہتری کے لیے اس منظم انداز کو برقرار رکھنے کا نام دیا گیا ہے۔ آپ ان ٹولز کو اپنی پروڈکٹ میں استعمال کر سکتے ہیں: ان میں سے کچھ اندر ہیں۔ GitHub پر۔
ایپ ان دی ایئر ایک ایسی ایپلی کیشن ہے جس کے دنیا بھر میں 3 ملین سے زیادہ فعال صارفین ہیں، جس کے ذریعے آپ پروازوں کو ٹریک کر سکتے ہیں، روانگی/ لینڈنگ کے اوقات میں تبدیلی، چیک ان اور ہوائی اڈے کی خصوصیات کے بارے میں معلومات حاصل کر سکتے ہیں۔
فنل سے رفتار تک
تمام ترقیاتی ٹیمیں ایک آن بورڈنگ فنل بناتی ہیں (ایک ایسا عمل جس کا مقصد پروڈکٹ کی صارف کی قبولیت ہے)۔ یہ پہلا قدم ہے جو آپ کو اوپر سے پورے سسٹم کو دیکھنے اور ایپلیکیشن کے مسائل تلاش کرنے میں مدد کرتا ہے۔ لیکن جیسے جیسے پروڈکٹ تیار ہوتا ہے، آپ اس نقطہ نظر کی حدود کو محسوس کریں گے۔ ایک سادہ فنل کا استعمال کرتے ہوئے، آپ کسی پروڈکٹ کے لیے غیر واضح گروتھ پوائنٹس نہیں دیکھ سکتے۔ فنل کا مقصد ایپلی کیشن میں صارفین کے مراحل پر ایک عمومی نظر دینا ہے، تاکہ آپ کو معیار کے میٹرکس دکھا سکیں۔ لیکن فنل سمجھداری سے واضح مسائل یا اس کے برعکس صارف کی خصوصی سرگرمی کی طرف معمول سے انحراف کو چھپائے گا۔
App in the Air میں، ہم نے اپنا فنل بنایا، لیکن پروڈکٹ کی تفصیلات کی وجہ سے، ہم نے ایک گھنٹہ کا گلاس بنایا۔ پھر ہم نے نقطہ نظر کو بڑھانے اور اس بھرپور معلومات کو استعمال کرنے کا فیصلہ کیا جو ایپلی کیشن خود ہمیں دیتی ہے۔
جب آپ ایک فنل بناتے ہیں، تو آپ صارف کے آن بورڈنگ ٹریکجٹری سے محروم ہوجاتے ہیں۔ ٹریکجٹریز صارف اور خود ایپلیکیشن (مثال کے طور پر پش نوٹیفکیشن بھیجنا) کے عمل کی ایک ترتیب پر مشتمل ہوتی ہیں۔
ٹائم اسٹیمپ کا استعمال کرتے ہوئے، آپ بہت آسانی سے صارف کی رفتار کو دوبارہ تشکیل دے سکتے ہیں اور ان میں سے ہر ایک کے لیے اس سے ایک گراف بنا سکتے ہیں۔ یقینا، بہت سارے گراف موجود ہیں۔ لہذا، آپ کو ملتے جلتے صارفین کو گروپ کرنے کی ضرورت ہے۔ مثال کے طور پر، آپ تمام صارفین کو ٹیبل کی قطاروں کے ذریعے ترتیب دے سکتے ہیں اور فہرست بنا سکتے ہیں کہ وہ کسی خاص فنکشن کو کتنی بار استعمال کرتے ہیں۔
اس طرح کے ٹیبل کی بنیاد پر، ہم نے ایک میٹرکس بنایا اور فنکشنز کے استعمال کی فریکوئنسی کے لحاظ سے صارفین کو گروپ کیا، یعنی گراف میں نوڈس کے ذریعے۔ یہ عام طور پر بصیرت کی طرف پہلا قدم ہوتا ہے: مثال کے طور پر، پہلے سے ہی اس مرحلے پر آپ دیکھیں گے کہ کچھ صارفین کچھ افعال کو بالکل استعمال نہیں کرتے ہیں۔ جب ہم نے تعدد کا تجزیہ کیا، تو ہم نے مطالعہ کرنا شروع کیا کہ گراف میں کون سے نوڈس "سب سے بڑے" ہیں، یعنی کن صفحات کو صارفین اکثر دیکھتے ہیں۔ وہ زمرہ جات جو آپ کے لیے اہم معیار کے مطابق بنیادی طور پر مختلف ہیں فوری طور پر نمایاں کر دیے جاتے ہیں۔ یہاں، مثال کے طور پر، صارفین کے دو کلسٹر ہیں جنہیں ہم نے سبسکرپشن کے فیصلے کی بنیاد پر تقسیم کیا ہے (کل 16 کلسٹر تھے)۔
اسے کیسے استعمال کریں
اپنے صارفین کو اس طرح دیکھ کر، آپ دیکھ سکتے ہیں کہ آپ ان کو برقرار رکھنے کے لیے کن خصوصیات کا استعمال کرتے ہیں یا، مثال کے طور پر، انہیں سائن اپ کرنے کے لیے حاصل کریں۔ قدرتی طور پر، میٹرکس بھی واضح چیزیں دکھائے گا. مثال کے طور پر، کہ جنہوں نے سبسکرپشن خریدی وہ سبسکرپشن اسکرین پر گئے۔ لیکن اس کے علاوہ، آپ کو ایسے نمونے بھی مل سکتے ہیں جن کے بارے میں آپ کو کبھی معلوم نہ ہوتا۔
لہذا ہم نے غلطی سے صارفین کا ایک گروپ پایا جو فلائٹ کا اضافہ کرتے ہیں، پورے دن اسے فعال طور پر ٹریک کرتے ہیں اور پھر اس وقت تک غائب رہتے ہیں جب تک کہ وہ دوبارہ کہیں پرواز نہ کریں۔ اگر ہم روایتی ٹولز کا استعمال کرتے ہوئے ان کے رویے کا تجزیہ کرتے ہیں، تو ہم سوچیں گے کہ وہ ایپلیکیشن کی فعالیت سے مطمئن نہیں تھے: اور ہم کیسے وضاحت کر سکتے ہیں کہ انہوں نے اسے ایک دن کے لیے استعمال کیا اور کبھی واپس نہیں آئے۔ لیکن گراف کی مدد سے ہم نے دیکھا کہ وہ بہت متحرک ہیں، بس اتنا ہے کہ ان کی تمام سرگرمیاں ایک دن میں فٹ ہوجاتی ہیں۔
اب ہمارا بنیادی کام ایسے صارف کی حوصلہ افزائی کرنا ہے کہ وہ اپنی ایئر لائن کے لائلٹی پروگرام سے منسلک ہو جائے جب وہ ہمارے اعداد و شمار استعمال کر رہا ہو۔ اس صورت میں، ہم وہ تمام پروازیں درآمد کریں گے جو وہ خریدتا ہے اور جیسے ہی وہ نیا ٹکٹ خریدتا ہے اسے سائن اپ کرنے کے لیے دباؤ ڈالنے کی کوشش کرتے ہیں۔ اس مسئلے کو حل کرنے کے لیے، ہم نے Aviasales، Svyaznoy.Travel اور دیگر ایپلی کیشنز کے ساتھ بھی تعاون کرنا شروع کیا۔ جب ان کا صارف ٹکٹ خریدتا ہے، تو ایپ انہیں ایپ ان ایئر میں فلائٹ شامل کرنے کا اشارہ کرتی ہے، اور ہم اسے فوراً دیکھتے ہیں۔
گراف کی بدولت، ہم نے دیکھا کہ سبسکرپشن اسکرین پر جانے والے 5% لوگ اسے منسوخ کر دیتے ہیں۔ ہم نے اس طرح کے معاملات کا تجزیہ کرنا شروع کیا، اور دیکھا کہ ایک صارف ہے جو پہلے صفحے پر جاتا ہے، اپنے گوگل اکاؤنٹ کا کنکشن شروع کرتا ہے، اور اسے فوراً منسوخ کر دیتا ہے، دوبارہ پہلے صفحے پر جاتا ہے، اور اسی طرح چار بار۔ پہلے تو ہم نے سوچا، "اس صارف کے ساتھ واضح طور پر کچھ غلط ہے۔" اور پھر ہم نے محسوس کیا کہ، غالباً، ایپلیکیشن میں ایک بگ تھا۔ فنل میں، اس کی تشریح اس طرح کی جائے گی: صارف کو اجازتوں کا وہ سیٹ پسند نہیں آیا جس کی درخواست درخواست کرتی ہے، اور وہ چلا گیا۔
ایک اور گروپ کے پاس 5% صارفین اسکرین پر گم ہو گئے جہاں ایپ انہیں اپنے اسمارٹ فون پر موجود تمام کیلنڈر ایپس میں سے ایک کو منتخب کرنے کا اشارہ کرتی ہے۔ صارفین بار بار مختلف کیلنڈرز کا انتخاب کریں گے اور پھر آسانی سے ایپ سے باہر نکلیں گے۔ اس سے پتہ چلتا ہے کہ وہاں ایک UX مسئلہ تھا: ایک شخص نے کیلنڈر منتخب کرنے کے بعد، انہیں اوپر دائیں کونے میں Done پر کلک کرنا تھا۔ یہ صرف اتنا ہے کہ تمام صارفین نے اسے نہیں دیکھا۔
ایپ کی پہلی اسکرین ان دی ایئر
ہمارے گراف میں، ہم نے دیکھا کہ تقریباً 30% صارفین پہلی اسکرین سے آگے نہیں بڑھتے ہیں: یہ اس حقیقت کی وجہ سے ہے کہ ہم صارف کو سبسکرائب کرنے پر زور دینے میں کافی جارحانہ ہیں۔ پہلی اسکرین پر، ایپ آپ کو Google یا Triplt کا استعمال کرتے ہوئے رجسٹر کرنے کا اشارہ کرتی ہے، اور رجسٹریشن کو چھوڑنے کے بارے میں کوئی معلومات نہیں ہے۔ پہلی اسکرین چھوڑنے والوں میں سے، 16% صارفین "مزید" پر کلک کرتے ہیں اور دوبارہ واپس آتے ہیں۔ ہمیں پتہ چلا ہے کہ وہ درخواست میں اندرونی طور پر اندراج کرنے کا طریقہ تلاش کر رہے ہیں اور ہم اسے اگلی اپ ڈیٹ میں جاری کریں گے۔ اس کے علاوہ، فوری طور پر جانے والوں میں سے 2/3 کسی بھی چیز پر کلک نہیں کرتے ہیں۔ یہ جاننے کے لیے کہ ان کے ساتھ کیا ہو رہا ہے، ہم نے ایک ہیٹ میپ بنایا ہے۔ یہ پتہ چلتا ہے کہ گاہک ایپ کی خصوصیات کی فہرست پر کلک کر رہے ہیں جو قابل کلک لنکس نہیں ہیں۔
ایک مائیکرو مومنٹ کیپچر کریں۔
آپ اکثر لوگوں کو اسفالٹ روڈ کے ساتھ والے راستوں کو روندتے ہوئے دیکھ سکتے ہیں۔ برقرار رکھنا ان راستوں کو تلاش کرنے اور اگر ممکن ہو تو سڑکوں کو تبدیل کرنے کی کوشش ہے۔
یقیناً، یہ بری بات ہے کہ ہم حقیقی صارفین سے سیکھتے ہیں، لیکن کم از کم ہم نے خود بخود ایسے نمونوں کو ٹریک کرنا شروع کر دیا جو ایپلیکیشن میں صارف کے مسئلے کی نشاندہی کرتے ہیں۔ اب پروڈکٹ مینیجر کو ای میل اطلاعات موصول ہوتی ہیں اگر بڑی تعداد میں "لوپس" ہوتے ہیں — جب صارف ایک ہی اسکرین پر بار بار لوٹتا ہے۔
آئیے دیکھتے ہیں کہ کسی ایپلیکیشن کے مسائل اور ترقی کے شعبوں کا تجزیہ کرنے کے لیے صارف کی رفتار میں کون سے نمونے عام طور پر دلچسپ ہوتے ہیں:
- لوپس اور سائیکل۔ اوپر بیان کردہ لوپس اس وقت ہوتے ہیں جب صارف کی رفتار میں ایک واقعہ دہرایا جاتا ہے، مثال کے طور پر، کیلنڈر-کیلنڈر-کیلنڈر-کیلنڈر۔ بہت زیادہ تکرار کے ساتھ ایک لوپ انٹرفیس کے مسئلے یا ناکافی ایونٹ مارکنگ کا واضح اشارہ ہے۔ ایک سائیکل ایک بند رفتار بھی ہے، لیکن ایک لوپ کے برعکس اس میں ایک سے زیادہ واقعات شامل ہیں، مثال کے طور پر: پرواز کی تاریخ دیکھنا - پرواز شامل کرنا - پرواز کی تاریخ دیکھنا۔
- فلو اسٹاپرز - جب صارف، کسی رکاوٹ کی وجہ سے، ایپلیکیشن کے ذریعے اپنی مطلوبہ حرکت جاری نہیں رکھ سکتا، مثال کے طور پر، ایک انٹرفیس والی اسکرین جو کلائنٹ کے لیے واضح نہیں ہے۔ اس طرح کے واقعات سست اور صارفین کی رفتار کو بدل دیتے ہیں۔
- تقسیم پوائنٹس اہم واقعات ہیں جن کے بعد مختلف قسم کے کلائنٹس کے راستے الگ ہوجاتے ہیں۔ خاص طور پر، یہ وہ اسکرینیں ہیں جن میں ٹارگٹ ایکشن میں براہ راست منتقلی یا کال ٹو ایکشن نہیں ہوتا ہے، جو کچھ صارفین کو مؤثر طریقے سے اس کی طرف دھکیلتے ہیں۔ مثال کے طور پر، کچھ اسکرین جو براہ راست کسی ایپلی کیشن میں مواد کی خریداری سے متعلق نہیں ہے، لیکن جس پر صارفین مواد خریدنے یا نہ خریدنے کی طرف مائل ہیں، مختلف طریقے سے برتاؤ کرے گی۔ تقسیم پوائنٹس آپ کے صارفین کے اعمال پر ایک پلس کے نشان کے ساتھ اثر انداز ہوسکتے ہیں - وہ خریداری یا کلک کرنے کے فیصلے پر اثر انداز ہوسکتے ہیں، یا مائنس سائن - وہ اس بات کا تعین کرسکتے ہیں کہ چند قدموں کے بعد صارف درخواست چھوڑ دے گا۔
- منسوخ شدہ تبادلوں کے پوائنٹس ممکنہ تقسیم پوائنٹس ہیں۔ آپ ان کے بارے میں اسکرین کے طور پر سوچ سکتے ہیں جو ٹارگٹ ایکشن کا اشارہ دے سکتی ہے، لیکن ایسا نہیں۔ یہ وقت کا ایک نقطہ بھی ہوسکتا ہے جب صارف کو کوئی ضرورت ہوتی ہے، لیکن ہم اسے پورا نہیں کرتے کیونکہ ہم صرف اس کے بارے میں نہیں جانتے ہیں۔ رفتار کا تجزیہ اس ضرورت کی نشاندہی کرنے کی اجازت دیتا ہے۔
- ڈسٹریکشن پوائنٹ - اسکرینز/پاپ اپس جو صارف کو اہمیت نہیں دیتے، تبادلوں کو متاثر نہیں کرتے اور رفتار کو "دھندلا" کر سکتے ہیں، جس سے صارف کی توجہ ہدفی کارروائیوں سے ہٹ جاتی ہے۔
- بلائنڈ سپاٹ ایپلی کیشن، اسکرینز اور فیچرز کے پوشیدہ پوائنٹس ہیں جن تک پہنچنا صارف کے لیے بہت مشکل ہے۔
- نالیاں - وہ مقامات جہاں ٹریفک کا اخراج ہوتا ہے۔
عام طور پر، ریاضیاتی نقطہ نظر نے ہمیں یہ سمجھنے کی اجازت دی کہ کلائنٹ ایپلیکیشن کا استعمال اس سے بالکل مختلف انداز میں کرتا ہے جو پروڈکٹ مینیجر عام طور پر سوچتے ہیں جب صارف کے لیے کچھ معیاری استعمال کے منظر نامے کی منصوبہ بندی کرنے کی کوشش کرتے ہیں۔ دفتر میں بیٹھ کر اور بہترین پروڈکٹ کانفرنسوں میں شرکت کرنا، اب بھی ان تمام قسم کے حقیقی فیلڈ حالات کا تصور کرنا بہت مشکل ہے جس میں صارف ایپلی کیشن کا استعمال کرتے ہوئے اپنے مسائل حل کرے گا۔
اس سے مجھے ایک بڑا لطیفہ یاد آ رہا ہے۔ ایک ٹیسٹر بار میں جاتا ہے اور آرڈر دیتا ہے: بیئر کا ایک گلاس، بیئر کے 2 گلاس، بیئر کے 0 گلاس، بیئر کے 999999999 گلاس، گلاس میں چھپکلی، -1 گلاس بیئر، بیئر کے qwertyuip گلاس۔ پہلا اصلی گاہک بار میں جاتا ہے اور پوچھتا ہے کہ بیت الخلا کہاں ہے۔ بار شعلوں میں پھٹ جاتا ہے اور سب مر جاتے ہیں۔
مصنوعات کے تجزیہ کاروں نے، اس مسئلے میں گہرائی سے ڈوبے ہوئے، ایک مائیکرو مومنٹ کا تصور متعارف کرانا شروع کیا۔ جدید صارف کو اپنے مسئلے کا فوری حل درکار ہے۔ گوگل نے کچھ سال پہلے اس بارے میں بات کرنا شروع کی تھی: کمپنی نے اس طرح کے صارف کے اعمال کو مائیکرو مومنٹس کہا۔ صارف پریشان ہو جاتا ہے، غلطی سے ایپلیکیشن بند کر دیتا ہے، سمجھ نہیں پاتا کہ اس سے کیا ضروری ہے، ایک دن بعد دوبارہ لاگ ان ہو جاتا ہے، دوبارہ بھول جاتا ہے، اور پھر اس لنک کو فالو کرتا ہے جو اسے ایک دوست نے میسنجر میں بھیجا تھا۔ اور یہ تمام سیشن 20 سیکنڈ سے زیادہ نہیں چل سکتے۔
لہذا ہم نے سپورٹ سروس کے کام کو ترتیب دینے کی کوشش کرنا شروع کی تاکہ ملازمین یہ سمجھ سکیں کہ تقریباً حقیقی وقت میں مسئلہ کیا ہے۔ اس وقت تک جب کوئی شخص سپورٹ پیج پر آتا ہے اور اپنا سوال لکھنا شروع کرتا ہے، ہم اس مسئلے کے جوہر کا تعین کر سکتے ہیں، اس کی رفتار کو جانتے ہوئے - آخری 100 واقعات۔ اس سے پہلے، ہم نے امدادی درخواستوں کے متن کے ML تجزیہ کا استعمال کرتے ہوئے تمام امدادی درخواستوں کی تقسیم کو زمروں میں خودکار کیا تھا۔ درجہ بندی کی کامیابی کے باوجود، جب تمام درخواستوں کا 87% درست طریقے سے 13 زمروں میں سے کسی ایک میں تقسیم کیا جاتا ہے، تو یہ رفتار کے ساتھ کام ہے جو صارف کی صورت حال کے لیے خود بخود موزوں ترین حل تلاش کر سکتا ہے۔
ہم اپ ڈیٹس کو جلدی سے جاری نہیں کر سکتے ہیں، لیکن ہم اس مسئلے کو محسوس کرنے کے قابل ہیں اور، اگر صارف اس منظر نامے کی پیروی کرتا ہے جسے ہم پہلے ہی دیکھ چکے ہیں، تو اسے ایک پش اطلاع بھیجیں۔
ہم دیکھتے ہیں کہ کسی ایپلیکیشن کو بہتر بنانے کے کام کے لیے صارف کی رفتار کا مطالعہ کرنے کے لیے بھرپور ٹولز کی ضرورت ہوتی ہے۔ مزید برآں، صارفین کے لیے جانے والے تمام راستوں کو جان کر، آپ ضروری راستے ہموار کر سکتے ہیں، اور حسب ضرورت مواد، پش نوٹیفیکیشنز اور موافق UI عناصر کی مدد سے "ہاتھ سے" صارف کو اہدافی اقدامات کی طرف لے جاتے ہیں جو اس کی ضروریات کے مطابق ہوتے ہیں اور پیسہ کماتے ہیں۔ آپ کے کاروبار کے لیے ڈیٹا اور دیگر قدر۔
کیا نوٹ کرنا ہے
- مثال کے طور پر صرف فنلز کا استعمال کرتے ہوئے صارف کے تبادلوں کا مطالعہ کرنے کا مطلب یہ ہے کہ ایپلی کیشن خود ہمیں فراہم کردہ بھرپور معلومات سے محروم ہو جائے۔
- گرافس پر صارف کی رفتار کا برقرار رکھنے کا تجزیہ آپ کو یہ دیکھنے میں مدد کرتا ہے کہ آپ صارفین کو برقرار رکھنے کے لیے کون سی خصوصیات استعمال کرتے ہیں یا، مثال کے طور پر، انہیں سبسکرائب کرنے کی ترغیب دیتے ہیں۔
- برقرار رکھنے والے ٹولز خود بخود، حقیقی وقت میں، ایسے نمونوں کو ٹریک کرنے میں مدد کرتے ہیں جو ایپلیکیشن میں صارف کی دشواریوں کی نشاندہی کرتے ہیں، ایسے کیڑے ڈھونڈتے اور بند کرتے ہیں جہاں ان کا نوٹس لینا مشکل تھا۔
- وہ صارف کے رویے کے غیر واضح نمونوں کو تلاش کرنے میں مدد کرتے ہیں۔
- برقرار رکھنے والے ٹولز صارف کے اہم واقعات اور میٹرکس کی پیشین گوئی کرنے کے لیے خودکار ML ٹولز بنانا ممکن بناتے ہیں: صارف کا نقصان، LTV اور بہت سے دوسرے میٹرکس جن کا گراف پر آسانی سے تعین کیا جاتا ہے۔
ہم خیالات کے آزادانہ تبادلے کے لیے Retentioneering کے ارد گرد ایک کمیونٹی بنا رہے ہیں۔ آپ ان ٹولز کے بارے میں سوچ سکتے ہیں جنہیں ہم ایک زبان کے طور پر تیار کر رہے ہیں جس میں تجزیہ کار اور مختلف موبائل اور ویب ایپلی کیشنز کے پروڈکٹس بصیرت، بہترین تکنیک اور طریقوں کا تبادلہ کر سکتے ہیں۔ آپ کورس میں ان ٹولز کو استعمال کرنے کا طریقہ سیکھ سکتے ہیں۔ بائنری ڈسٹرکٹ۔
ماخذ: www.habr.com