Аналитика поведения пользователей: как отслеживать и анализировать

Поведение пользователя — это набор действий и шаблонов, которые пользователи демонстрируют при взаимодействии с вашим продуктом . Отслеживание и анализ поведения пользователей поможет вам оценить, что пользователи находят ценным, и позволит вам улучшить их опыт.

Также важно отметить, что поведение пользователей — это не маркетинговое поведение, а то, что вы анализируете с помощью инструментов веб-аналитики, таких как Google Analytics. Инструменты веб-аналитики предоставляют вам данные, ориентированные на приобретение и маркетинговые взаимодействия, которые произошли до того, как человек стал пользователем вашего продукта. Поведение пользователей касается людей, которые уже являются активными пользователями.

Поведение пользователей фокусируется на таких показателях, как количество регистраций, уровень активации, использование функций и влияние, отказ от воронки для покупок в приложении и уровень удержания. Например, вы можете получить представление о влиянии изменения цен на удержание или популярность функции среди пользователей.

Работа с данными о поведении пользователей поможет вашей команде ориентироваться на продукт и клиентский опыт. Вы будете принимать решения о разработке продуктов и маркетинге продуктов на основе реальных данных, а не догадок.

Основные выводы

• Отслеживание и анализ поведения пользователей помогает улучшить качество продукта и стратегию продукта.
• Опыт решает все. Использование данных о поведении пользователей поможет вам превратить опыт в свое конкурентное преимущество.
• Поведение пользователя является ключом к циклам обратной связи и принятию решений на основе реальных данных.
• Использование и влияние функций, липкость, удержание, скорость активации и отказы от воронки — вот примеры метрик поведения пользователя.
• Путешествия, когорты, пути конверсии, матрицы взаимодействия и отслеживание аномалий — вот некоторые из методов, используемых при анализе поведения пользователей.
• Тематические исследования, проведенные рядом компаний, таких как Under Armour, Calm, DoorDash и Babel, показывают, что поведение пользователей может открывать возможности для улучшения, которые приводят к значительному увеличению удержания или активации.
• Распространенные ошибки при оптимизации поведения пользователей включают отправку слишком большого количества данных за один раз, неправильное использование инструментов или чрезмерное количество отслеживаемых событий.

Почему поведение пользователей важно для компаний?

Опыт клиентов — это все, и поведение пользователей помогает вам понять, расставить приоритеты и улучшить опыт. Наличие такого мышления необходимо для создания ориентированных на продукт компаний, таких как Netflix, Airbnb, Slack и Peloton. Эти бренды вышли на насыщенные рынки в своих соответствующих категориях, но они предлагали уникальный опыт, который они продолжали улучшать в зависимости от поведения пользователей. В результате им удалось выделиться из толпы.

Еще одна продуктовая компания, известная своим опытом, — это DoorDash, которая предлагает приложение и веб-версию. Для большинства компаний, таких как DoorDash, цель состоит в том, чтобы упростить процесс добавления товаров в корзину и процесс покупки. Они могли бы улучшать свои приложения и веб-сайты по отдельности, что является распространенным подходом, но DoorDash стремится к более согласованному опыту для своих клиентов. Пользователи могут заходить на сайт DoorDash, размещать заказы и получать обновления в режиме реального времени через приложение. Предложение такого уровня простоты может быть коммерческим аргументом компании, тем более что 83% потребителей считают удобство приоритетом.

Создать бесшовный омниканальный опыт не так-то просто. Вам нужно соединить точки для ваших пользователей и понять, как они ведут себя на разных платформах. Благодаря этому пониманию вы можете использовать сознательный дизайн и эксперименты для создания наиболее полезных впечатлений.

Преимущества анализа поведения пользователей

Следующие преимущества могут внести значительный вклад в успех бренда:

• Создайте опыт, который станет вашим отличительным признаком и двигателем роста. Jumbo удалось вырасти и улучшить качество обслуживания клиентов благодаря персонализации опыта, не вызывая проблем с конфиденциальностью.
• Развивайтесь и внедряйте инновации в масштабе. После использования специально подобранных диаграмм для отслеживания влияния изменений продукта Babbel смогла быстрее выпускать новый контент и обновления продукта.
• Снизьте риск инвестирования в неправильные инициативы и функции продукта. Armor Connected Fitness, подразделение цифровых продуктов бренда, использовало поведенческие данные для запуска новой функции после успешного тестирования обновления продукта.
• Увеличьте конверсию, удержание и доход. Calm использовал поведенческую когорту, чтобы сравнить пользователей, которые использовали функцию ежедневных напоминаний, с теми, кто этого не делал. После того, как эта функция была выделена и сделана более заметной для других пользователей, показатель удержания вырос.

Ключевые показатели для сбора поведенческих данных

Метрики поведения пользователей могут помочь обеспечить целостное представление об опыте работы с клиентами и указать возможности для улучшения. Мы намеренно не включаем маркетинговые показатели, которые сосредоточены на пути к регистрации и становлению пользователем.

• Использование функций: знание того, какие функции нужны пользователям, может помочь вам решить, какие функции создавать, добавлять или удалять.
• Клики по элементам и взаимодействия: чем больше кликов получает элемент (например, кнопка), тем полезнее он для пользователей.
• Прекращение воронки во время активации: четкое наблюдение людей, отказывающихся от вашего продукта, может помочь вам решить любые проблемы.
• Коэффициент липкости: липкость дает вам представление о том, сколько ваших клиентов возвращаются к вашему продукту или функции.
• Сеансы на пользователя: количество случаев, когда пользователь использовал ваш продукт, является показателем вовлеченности.
• Скорость принятия : процент пользователей, которые используют новую функцию, которую вы добавили.
• Скорость активации: скорость, с которой ваша адаптация успешна в привлечении новых пользователей к выполнению первых ключевых действий в вашем продукте, таких как настройка первой диаграммы в инструменте визуализации данных.
• Уровень рефералов: показывает, насколько хорошо ваш продукт или его функции могут мотивировать пользователей знакомить с ним других.
• Уровень оттока: процент пользователей, которых вы потеряли за определенный период времени. Потеря пользователей является обычным явлением, но ее можно свести к минимуму при правильном управлении.
• MRR и ARR: ежемесячный и годовой доход, который приносит ваш продукт.
• Уровень удержания: измеряет, сколько пользователей возвращаются на вашу платформу, и с правильными поведенческими данными также показывает, почему.

Рассмотрев две или три метрики, вы сможете получить более полное представление о том, как улучшить опыт. Например, коэффициент удержания показывает, сколько людей продолжают платить за ваш продукт. Если вы объедините это с прилипчивостью функции, вы сможете увидеть, какие из ваших функций помогают пользователям продолжать платить вам.

В Amplitude мы также советуем компаниям определить свою Полярную звезду (NSM). Эта метрика определяет ценностное предложение вашего продукта, а также дополнительные входные данные. Это позволяет вам связать проблемы ваших клиентов с целевым доходом вашей компании, что позволяет вам наметить курс, который принесет пользу обоим. Изучите структуру NSM в нашем сборнике сценариев North Star , чтобы найти свою путеводную звезду.

Как анализировать поведение пользователей

Анализ поведения пользователей может помочь в разработке более качественного продукта. Идеи для анализа включают:

• Поведенческие когорты включают сегментацию пользователей на основе действий, предпринятых в вашем продукте, чтобы облегчить сравнение и выявить тенденции.
• Путешествия показывают пути к обращению или от него. Зная, где ваши пользователи сталкиваются с трудностями, вы можете изменить свой продукт, обмен сообщениями или стратегию. Вы также можете сопоставить эти паттерны с поведенческими когортами для будущего анализа.
• Аномалии и их систематический мониторинг помогают выявлять текущие и потенциальные ошибки в вашем продукте и точно определять причины.
• Матрица взаимодействия позволяет получить представление о том, насколько хорошо ваши пользователи воспринимают определенные функции, поэтому вы можете либо выделить эти функции, либо улучшить их.
• Прилипчивость показывает, что отличает ваших самых активных пользователей от обычных. Идея состоит в том, чтобы найти то, что возвращает их к вашему продукту снова и снова.
• Анализ воронки A/B, основанный на отслеживании событий, позволяет вам анализировать, где пользователи выпадают из потока, чтобы вы могли устранить препятствия.
• Конверсионное поведение требует действий, особенно когда вы находите то, что ему предшествовало . Знание того, какое поведение клиентов приводит к конверсии, может помочь вам определить, какие идеи по разработке продукта стоит реализовать.
• Анализ воздействия — это отслеживание того, как первое использование функции влияет на общий путь пользователя. Это позволяет вам определить, какие функции могут улучшить взаимодействие с пользователем.
• Доход и LTV — это конечная цель. Но помните, что оптимизировать его непросто, потому что обычно сначала нужно оптимизировать все этапы.

При анализе поведения пользователей основное внимание уделяется действиям, совершаемым в вашем продукте (запуск игры, открытие приложения) или связанным с ним действиям пользователей (push-уведомления, совершение покупки). Мы называем это богатство информации «событиями».

Хорошие новости? У вас есть полный доступ к шоу, так как события происходят в вашем продукте. Ключ к их использованию заключается в знании того, где искать. Для начала следуйте этому 10-этапному процессу анализа поведения пользователей:

1. Установите цели бизнеса и аналитики.
2. Определите, какие события (действия пользователя) поддерживают эти цели.
3. Настройте таксономию категорий событий и свойств продукта.
4. Определите пользователей, чтобы приписать анонимные события их законным владельцам.
5. Решите, нужна ли вам кроссплатформенная поведенческая аналитика.
6. Определите показатели приложения, которые отражают ваши бизнес-цели и аналитику.
7. Отслеживайте события, важные для адаптации, конверсии и удержания.
8. Настройте свойства пользователя и события, чтобы лучше понять, как ваши клиенты взаимодействуют с вашим приложением.
9. Проверьте, правильно ли отслеживаются события поведения пользователя.
10. Анализируйте поведение пользователей.

Когда вы все настроите, вы можете использовать информацию о поведении пользователей, чтобы улучшить свой продукт и качество обслуживания клиентов.

Примеры поведенческого анализа данных

Выручка — цель любого бизнеса, но сосредоточение на ней одной цели приводит к краткосрочным результатам. Активное использование анализа поведения пользователей является ключом к стратегии устойчивого роста. Таким образом вы сможете определить области для улучшения, узнать, чего хотят пользователи в масштабе, понять, какие основные показатели могут способствовать долгосрочному росту, и получить конкурентное преимущество.

Under Armour Connected Fitness

Under Armour хотели знать, как их мобильный опыт помогает пользователям достигать своих целей в фитнесе. Но их продуктовые аналитики были вовлечены в трудоемкий процесс, требующий нескольких итераций. Используя аналитику поведения пользователей, команда могла быстро проверять предположения, получать доступ к данным и реагировать.

Вскоре они обнаружили, что их планы подготовки к гонкам не требуют участия пользователей. Итак, чтобы изменить ситуацию, они изменили планы, чтобы ввести более широкий спектр целей, от основ бега до кардиотренировок. Изменения порадовали пользователей, увеличив конверсию с бесплатных на платные и улучшив удержание. Планы обучения в три раза используются платными пользователями.

Баббель

Приложение для изучения языков Babbel создало команду Product Performance, чтобы быстрее создавать высококачественный контент. Для этого они изучили, как их учебная деятельность и изменения продукта повлияли на пользователей.

Используя шаблоны Amplitude, команда могла немедленно отслеживать влияние обновлений продукта с помощью специально подобранных диаграмм. Это дало им ценные данные, которые сократили их циклы выпуска и позволили создавать больше контента.

Распространенные ошибки при анализе поведения пользователей

Избегайте этих распространенных ошибок при анализе поведения:

• Метрика тщеславия как Полярная звезда. Предприятия должны достигать целей и KPI для повышения прибыльности. Но установка тщеславной метрики, такой как увеличение дохода, не дает ясного пути вперед.
• Запуск слишком большого количества новых функций одновременно. Вы в конечном итоге создаете слишком много работы для себя. Мониторинг одной функции требует семи шагов для оценки успеха. Запуск слишком большого количества данных за один раз может исказить всю картину или сделать анализ неэффективным.
• Неправильное инструментирование событий и свойств . При инструментировании событий ваша компания должна установить и обеспечить соблюдение набора правил управления данными. В отслеживании поведения пользователей хорошая реализация является краеугольным камнем успеха.
• Первоначальное отслеживание слишком большого количества событий с помощью вашего инструмента аналитики. Вначале сосредоточьтесь только на ключевых событиях, чтобы увидеть, какие из них оказывают большее влияние. Мы рекомендуем инструментировать от 20 до 30 событий в начальном проходе. Если появится больше событий, вы всегда сможете добавить их позже.
• Не вовлекать каждую команду в использование аналитики. Продуктовая аналитика предназначена не только для продуктовых команд и специалистов по обработке и анализу данных. Демократизация данных устраняет узкие места, которые мешают другим командам (дизайн UX/UI, маркетинг, продажи, поддержка, руководство) внести свой вклад в путь пользователя. Например, команды, работающие с клиентами, часто исключаются.
• Анализ данных с помощью инструментов автоматического отслеживания или маркетинга. Изучение маркетинговых взаимодействий на поверхностном уровне не поможет в долгосрочной перспективе. С помощью инструментов пользовательской аналитики основное внимание уделяется опыту использования вашего продукта и пути покупателя для обеспечения устойчивого роста. Узнайте больше о различиях в нашем сравнении Google Analytics и Amplitude.
• Не использовать лучшие в своем классе инструменты в своем техническом стеке. Технологии развиваются быстро. Вы не хотите, чтобы новые инструменты не интегрировались с вашими старыми, создавая хранилища данных, что может часто происходить с устаревшими компаниями.

Поведение пользователей приводит к улучшению продуктовых инициатив

По мере того, как вы настраиваетесь на существующее поведение пользователей, становится легче определить, что им нужно. Вы можете использовать свои выводы для создания или улучшения продуктов (и функций), которые не только удовлетворят текущих пользователей, но и будут привлекать новых с растущей скоростью.

Чтобы увидеть, как поведение пользователей выглядит в инструменте аналитики продукта, изучите наши тестовые данные в этой бесплатной демонстрации самообслуживания.