Профілі користувачів в аналітиці, або як стати Шерлоком Холмсом

Якщо ви зачитувалися історіями про Шерлока Холмса або дивилися численні екранізації, то напевно пам'ятаєте назву методу, який використовує герой для розкриття заплутаних справ. На всякий випадок нагадаємо: він користується індукцією — переходом від часткового до загального на противагу дедукції, коли із загальних даних роблять висновок про приватних. Як же використовувати метод індукції для вивчення поведінки користувачів в нашому додатку?.. «Елементарно!»- сказав би герой сера Арутра Конан Дойля. «Саме так», – вторить йому провідний аналітик devtodev Василь Сабіров.



джерело картинки www.smartdatacollective.com/sites/smartdatacollective.com/files/Sherlock-Holmes-Big-Data-Analytics-and-BI-Attivio.png

До недавнього часу більшість аналітичних систем пропонували роботу за дедуктивним методом: проводився аналіз всіх користувачів відразу, а робився висновок про поведінку кожного конкретного користувача. Не можна вважати це помилкою, але для більш точних висновків все ж варто застосувати і індуктивний метод. І тепер сервіс devtodev радий представити новий функціонал аналітичних систем, в основу якого покладено на індуктивний метод: аналіз профілів користувачів.

Якщо ви задалися метою точніше зрозуміти свій проект, то спочатку ви вбудовуєте в нього аналітику і починаєте бачити певні метрики (DAU, ARPU, LTV, і так далі) і звіти. Чи означає це, що ви до кінця розумієте проект, над яким працюєте? Не зовсім. Так, ви можете робити висновки про поведінку більшості, однак поглянути на проект очима конкретного користувача у вас поки не вийде.

Щоб побачити продукт з цієї точки зору, потрібно простежити поведінку конкретного користувача: які дії він робить, з якими проблемами стикається, чи він розуміє суть вашого продукту. Последив за кожним користувачем та дізнавшись, які дії він здійснює усередині продукту, ви, без сумніву, зможете краще зрозуміти його.


Профілі користувачів в системі Amplitude
джерело картинки amplitude.zendesk.com/hc/en-us/article_attachments/202671468/User_Search_2.png

Проаналізувавши таким чином N користувачів, ви зможете зібрати дані, необхідні для формулювання низки гіпотез про поліпшення продукту. І їх кількість вже точно не буде менше, ніж за підсумками аналізу метрик по всіх користувачів відразу. Практика показує, що N при цьому необов'язково повинно бути більшим: при детальному вивченні вже на третьому користувача ви сформулюєте якісь гіпотези, на п'ятому — визначаєте проблеми, на десятому у вашій голові дозрівають плани на зміна і поліпшення продукту.


джерело картинки www.ew.com/sites/default/files/1452454622/christian-bale_0_1.jpg

Ще один приклад із художнього твору, на цей раз це фільм «Гра на пониження». Уважний глядач пам'ятає, як герой Крістіана Бейла вивчає величезну таблицю з іпотечними кредитами, взятими кожним конкретним позичальником, а потім опитує цих самих людей, знаходячи таким чином передумови майбутнього фінансової кризи. Банки ж, які звикли оцінювати загальну ситуацію, а не кожен випадок окремо, не вірять у наближення кінця, так як в цілому ситуація складається відмінна, і нічого не віщує краху. Чим не яскравий приклад помилкового аналізу?

У результаті формується наступний тренд: багато аналітичні системи на ринку запускають свої модулі, що надають можливість аналізу профілів користувачів. У Localytics це Profiles, у Mixpanel — People, Amplitude — User Activity.

У devtodev ми створили просунутий варіант такого модуля і назвали його Users.

З чого ж складається профіль користувача?

По-перше, це інформація, яка збирається аналітичною системою за замовчуванням:

  • дата установки;
  • мова;
  • країна;
  • часовий пояс;
  • Пристрій (девайс);
  • версія ОС;
  • канал трафіку;
  • версія програми;
  • і т. д.


З допомогою цієї інформації можна фільтрувати користувачів по тим чи іншим параметрам, створювати сегменти і відстежувати надалі їх поведінку. Припустимо, можна вибрати користувачів iPad, всіх з Франції, всіх, хто прийшов з Facebook, всіх, хто используюет попередню версію програми, і так далі. Фільтри можна комбінувати, щоб орієнтуватися на точково обрану аудиторію: англомовні користувачі із Західної Європи, які користуються новою версією програми і реєструються в сервісі не більше двох місяців тому.



По-друге, у профілях зберігається інформація про платежі користувача: коли він заплатив, скільки і за що. Ви ніби приміряєте його профіль на себе і починаєте краще розуміти мотив його дій: чому він купив саме цей IAP, чому між платежами пройшло саме стільки часу і так далі.



Без профілів користувачів ви можете бачити монетизационные метрики, статистику покупок, і це, безумовно, дуже корисна інформація. Однак більш глибинне розуміння досягається саме за рахунок переміщення на рівень гравця.

По-третє, профіль користувача включає в себе статистику подій (custom events), які відбувалися з користувачем у проекті. Ви починаєте бачити їх послідовність, ви як би дивіться відео про те, як конкретна людина користується вашим продуктом.

Ось приклади деяких питань, на які можна відповісти, використовуючи такий метод:

  • яка подія зазвичай слід після події A?
  • яка подія передує події B?
  • всі користувачі виконують подія C після події D? або ж ідуть на подію E?
  • які події передують догляду користувача з проекту?




Можна вибрати всіх користувачів, що входили в магазин додатки (здійснювали подія «Вхід у магазин») і оцінити, які події цього входу передували і якою була поведінка користувача після входу в магазин. Так стане ясніше, як відбувається конверсія користувача і інтерес до купівлі, і безпосередньо в перехід до купівлі, і як підсумок в успішний здійснений платіж.


Профілі користувачів в системі MixPanel
джерело картинки cdn.mxpnl.com/cache/81e4c82a27f699ba6153b46064105a1e/images/static/landing/marketing/people2/feature-illus.png

І нарешті, профіль користувача включає в себе User Properties, які визначаєте ви самі. Це може бути що завгодно: рівень у грі, код групи при проведенні A/B-тесту, класифікація за величиною платіжної активності (minnow / dolphin / whale) і так далі.
На всі проекти стандартних методів на напасешся, і найбільш правильною тактикою аналітичної системи буде сформувати універсальний набір корисних параметрів для відстеження дій користувача, залишивши при цьому можливість клієнту самостійно вибрати для аналізу будь-який інший параметр.

Практична користь наявності профілів користувачів у системі аналітики очевидна, для тих, хто сумнівається наведу аргументи:

  • За допомогою цього модуля можна провести аналіз «навпаки», або індуктивний аналіз, якщо хочете. Ви дивитеся поведінку конкретних користувачів і починаєте краще розуміти, що вони відчувають, використовуючи ваш продукт
  • На основі проведеного аналізу можна відправити вибраним користувачам push-повідомлення — деякі системи (і devtodev в тому числі) дозволяють це зробити.


Випадок з практики: розробники додатків помітили, що користувач застряг на якомусь рівні, і відправили йому повідомлення з підказкою, як пройти цей рівень. Потім виявилося, що він не один такий, і значна кількість користувачів застряють на одному і тому ж рівні, а потім йдуть з додатка в середньому на сім днів. Поки всі дружно писали постановку на спрощення рівня (хотілося ж, щоб користувачі не йшли), всім тим, хто застряг на рівні ви відправили push-повідомлення з явною підказкою. Що ж зробили з тими, хто не входив у гру сім днів і більше? Правильно, розіслали невеликий, але приємний бонус у віртуальній валюті з допомогою тих же push-повідомлень, скориставшись передаються параметрами.


  • За допомогою профілів користувача легко тестувати інтеграцію аналітичної системи. Взагалі, інтеграція аналітики процес неважкий, але досить копіткий: спочатку треба сформувати набір подій, чітко розуміючи, що цих подій буде достатньо для наступних висновків (детальніше про це я писав тут). І коли інтеграція закінчена, не завадило б її гарненько протестувати. І тут профілі користувачів і робота аналітики в реальному часі будуть гарною підмогою: ви самостійно відкриваєте додаток, здійснюєте ланцюжок подій, потім знаходите в аналітиці свій профіль і просто дивіться, правильно передалися події з параметрами. Якщо ж аналітику правильно не тестувати, то ітерація на виправлення може зайняти більше місяця, який можна було б присвятити більш потрібним речам.
  • І нарешті, збільшується довіра до аналітичній системі. Припустимо, ця сама система щось вам порахувала (наприклад, ARPU = $0,2), і ви не знаєте, як це значення було отримано і чи можна йому довіряти. Як представник аналітичного сервісу заявлю, що довіряти можна, проте я прекрасно розумію людей, які відчувають легке недовіру до системи, вважаючи її чорним ящиком. Часто людям, що працюють з даними, хочеться самим вивантажити дані та перевірити всі руками. Наявність профілів користувачів збільшує довіру до системи аналітики: ви бачите не голі цифри, а дані по кожному користувачеві окремо, а можливість вивантаження даних якраз дає можливість особливо недовірливим персонам вивантажити дані і порахувати все самим. Таким чином, наявність профілів користувачів взаємовигідно і для клієнта, і для самої аналітичної системи.


Таким чином, аналіз профілів користувачів істотно спрощує життя і клієнту аналітичної системи, і самій системі, залишаючи сучасного Шерлока Холмса не у справ. У клієнта з'являється набагато більше можливостей для оцінки дій користувачів, і головна з них — це можливість проведення індуктивного аналізу (аналізу «навпаки»). Важливо, що і сама система залишається у виграші, заручаючись ще більшою довірою з боку клієнта.
Джерело: Хабрахабр

0 коментарів

Тільки зареєстровані та авторизовані користувачі можуть залишати коментарі.