Kriittistä palautteeseen perustuvan tuotekehityssyklin kannalta on ymmärtää, miten kävijät ja asiakkaat käyttävät tuotetta, ja tässä kerrotaan, miten pääsimme Typitossa alkuun Heap-analytiikan avulla.
Kun aloitat tuotteen rakentamisen, yksi alkuvaiheen hankalimmista päätöksistä on analytiikka-asetusten rakeisuus. Mitä tapahtumia ja datapisteitä kirjaat ja kuinka yksityiskohtaisia niiden tulisi olla? Mikä on järkevää ja mikä ei? Näiden kohtaamiesi kysymysten määrä voi käydä ylivoimaiseksi ja viedä sinut kaninkoloon, jolloin huomiosi väistämättä katoaa tärkeimmästä osasta – asiakkaiden kanssa keskustelemisesta ja tuotteen rakentamisesta.
Tämä ei ole hypoteettinen varoittava tarina. Tämä oli minun tarinani Typiton perustajana, ja sekin sen jälkeen, kun olin viettänyt viisi vuotta rakentaen ja johtaen tuotteita sosiaalisten pelien ja terveydenhuollon kaltaisilla toimialoilla, jotka ovat vahvasti mittaripohjaisia. Keskusteltuani monien muiden perustajien kanssa opin seuraavaa: Ensimmäisen vuoden aikana joko aliarvioit tuotteen mittareiden arvon ja päädyt tietämättömäksi siitä, mitä tapahtuu, tai vietät paljon aikaa riitelemällä itsesi ja tiimisi kanssa siitä, mitä on kirjattava ja miten se on relevanttia – kuten minä vietin ensimmäiset päiväni Typitossa. Jälkikäteen katsottuna tässä on, mitä sinun pitäisi mielestäni ymmärtää metriikoista alkuvaiheen startup-yrityksissä:
Metriikat ovat erittäin tärkeitä heti ensimmäisestä päivästä lähtien startup-yrityksessäsi, mutta varmista, että seuraat vain tärkeimpiä käyttäjän toimintoja (meidän tapauksessamme kolmea toimintoa), jotta vältät joutumasta metriikan kaninkoloon. Loput analytiikan selkärangasta tulisi rakentaa asteittain, ja sen taustalla tulisi olla jälkikäteisarviointi tai kyky tarkastella, miten tietyt tapahtumat ovat muotoutuneet ilman, että niistä tarvitsee huolehtia rakentamishetkellä.
Ja tässä kohtaa Heap Analytics sopii hienosti kuvaan. Se on suosikki analytiikkaohjelmistomme markkinoilla, jonka avulla voit suorittaa takautuvaa analytiikkaa – eli muiden kuin kolmen tärkeimmän metriikan avulla voit päästä johtopäätöksiin, jotka perustuvat Heapin takautuvasti kirjaamaan käyttäjän aktiivisuuteen tuotteessa – olipa kyse sitten sivukäynneistä, suppiloista tai jopa napin klikkauksista. Siitä lisää pian!
Ensimmäinen kuvaajamme (Graph) ja suppilomme: Ensimmäiset 90 päivää Heapin käytössä
Kontekstin antamiseksi Typito on yli 85000 markkinoijan ja markkinointitoimiston käyttämä videoiden suunnittelutyökalu, jolla luodaan ammattimaisia videoita verkossa. Se on rakennettu 2 ydinhypoteesin varaan:
1. videonkulutuksen räjähdysmäisesti kasvava trendi, jonka näemme nyt, johtaisi pian siihen, että miljoonat yritykset ottaisivat videon käyttöön sisältömuotona internetissä lähivuosina.
2. videosuunnittelu on luova prosessi ja parhaat maailman arvostamat videot ovat suurten tarinankertojien luomia. Jos haluamme menestyä tuotteena, joka mahdollistaa uskomattomien videoiden luomisen, sen on aloitettava tarjoamalla käyttäjille luovaa vapautta suunnitella videoita haluamallaan tavalla.
Kun saimme vihdoin ja viimein maaliskuun 2017 loppuun mennessä Typiton beta-version valmiiksi, päätimme kirjata tuotteeseen 3 toimintoa:
- Käyttäjä rekisteröityy sähköpostiosoitteella
- Käyttäjä luo videoprojektin
- Käyttäjä vie videoprojektin
Huomautus: Tässä on artikkeli siitä, miten voit lokata mukautettuja tapahtumia Heapissa. Meiltä olisi vienyt alle tunnin työntää kaikki kolme mittaria livenä, kiitos Heap-tiimin yksityiskohtaisen dokumentaation.
Kuten näet, ainoat datapisteet, joista olimme huolissamme, keskittyivät siihen, löysivätkö käyttäjät arvoa Typiton puolivalmiista versiosta (lue Beta). Meille arvoa osoitti karkeasti se, että käyttäjät näkivät vaivaa rekisteröityäkseen, luodakseen projektin ja viedäkseen videon työkalun avulla. Alla oleva Heapin kaavio osoittaa, miten käyttäjät alkoivat törmätä Typitoon palveluna ja alkoivat luoda videoita.
Voit myös selvästi nähdä, kuinka teimme virheen, kun emme kirjautuneet käyttäjien kirjautumista toiminnoksi tarkasti ensimmäisten kahden kuukauden aikana. Tässä opimme kovan läksyn melko varhain:
Mittariston tai datan kirjaamisprosessin testaaminen on yksi kriittisimmistä mutta aliarvostetuimmista tehtävistä tuotetta kehitettäessä. Loggaa siis vähemmän ja loggaa ne täydellisesti, kun aloitat.
Heapin kaltaisella työkalulla tuotteen ydintoimintojen loggaamiseen ei pitäisi kulua kuin tunti, ja niiden testaaminen voidaan kääriä puoleen päivään, jos sivustollasi on aktiivista liikennettä.
Seuraava itsestään selvä askel meille oli oppia, miten käyttäjämatka oli muotoutumassa. Selittääksemme sen yksinkertaisemmin sanoin: tiesimme, että käyttäjämme käyvät yleensä läpi seuraavat peräkkäiset vaiheet: käyttäjä rekisteröityy -> luo projektin -> vie projektin. Meidän oli siis järkevää selvittää, miltä tämä suppilo näytti Typiton lanseerauksen alkuvaiheessa. Nyt, kiitos instrumentointivirheen, jonka teimme kirjautuessamme ”user signs up” -tapahtumaan, pystyimme tarkastelemaan suppiloa vasta kesäkuusta 2017 alkaen, jolloin kaikki kolme datapistettä alkoivat näkyä Heapissa.
Tämä Heapiin luotu suppilo antoi meille yksinkertaisen ymmärryksen siitä, miten käyttäjät kävivät läpi keskeisten toimintojen peräkkäisyyttä tuotteessa tuolloin. Meillä ei ollut vertailuarvoja, joihin verrata tätä, emmekä viettäneet tuolloin päiviä pohtimalla, miten tätä suppiloa voisi parantaa – tuote oli tuolloin puoliksi tuettu. Halusimme vain tietää, mitä tapahtui, ja Heap antoi meille vastauksen helposti. Kokemukseni mukaan on väistämätön aikaväli sen välillä, milloin opit jotain ja miten päätät toimia sen perusteella. Joten on parasta oppia mahdollisimman aikaisin :).
Huomautus: Tässä on artikkeleita siitä, miten graafi ja suppilo asetetaan Heapissa. Nämä datan esitystavat auttavat sinua ymmärtämään, miten joukko toimintoja suoritetaan tuotteessasi itsenäisesti tai peräkkäin.
Miten taannehtiva analyysi Heapissa auttoi meitä
Kuten olen selittänyt edellisessä osiossa, aloitimme instrumentointimme Heapissa filosofialla ”vähemmän on enemmän”. Yksi syy siihen, miksi olimme luottavaisia jatkaessamme tätä lähestymistapaa, oli Heapin lupaus näyttää meille dataa, jota emme alunperinkään aikoneet logata. Tutustutaanpa tarkemmin Heapin keskeiseen USP:hen, joka antaa perustajille, markkinoijille ja tuoteomistajille valtaa: Takautuva analyysi.
Kun lisäät Heapin JS-pätkän verkkosivustosi tai verkkosovelluksesi tietylle sivulle, se kirjaa pohjimmiltaan kaikki mahdolliset toimet, joita käyttäjä tekee verkkosivustolla, mukaan lukien sivunäkymät, interaktiivisten elementtien, kuten painikkeiden, napsautukset (CSS-selektorin perusteella), lomakkeen lähettäminen, elementtien tilan muutokset (CSS-selektorin perusteella) tai istuntojen aloittaminen. Pohjimmiltaan tämä kattaa useimmat toimet, jotka tapahtuvat asiakaspuolella eli selaimeen ladatussa sovelluksessasi. Useimmissa verkkosovelluksissa nämä tapahtumat kuvaavat tarkasti käyttäjän suorittamaa toimenpidettä (esim. katsottu hinnoittelusivu) tai pahimmassa tapauksessa ne voivat olla lupaava sijaistapahtuma käyttäjän suorittamalle toiminnalle (esim. napsautus ”Lataa video” -painikkeesta on sijaistapahtuma tapahtumalle, kun käyttäjä on ladannut videon). Nyt kun olen antanut sinulle kontekstin siitä, mitä Heap tekee asiakaspuolella, selitän, miten takautuva analyysi auttaa sinua esimerkin avulla matkastamme:
Mitä jos haluan tietää, miten Typiton laskeutumissivulla menee?
Takautuva: Palataan takaisin kesäkuun 2017 loppuun, jolloin Typiton beta-version lanseerauksesta on kulunut vasta 3 kuukautta ja olemme kirjauttaneet vain 3 mukautettua tapahtumaa. Kesäkuun alussa huomaamme, että yksi noista 3 tapahtumasta ei ollut logattu oikein ja korjaamme sen. Korjauksesta on kulunut juuri 30 päivää, ja nyt haluat tietää, miten laskeutumissivusi toimii.
Aloitan listaamalla laskeutumissivulla 10 käyttäjän toimenpidettä, jotka voisivat auttaa minua määrittämään, miten laskeutumissivu toimii. Siitä rajaan 3 tärkeää toimenpidettä:
1. Käyttäjä vierailee laskeutumissivulla (https://typito.com/create)
2. Käyttäjä napsauttaa ”Get Started” -painiketta (ensisijainen toimintakutsu rekisteröitymiseen)
3. Käyttäjä rekisteröityy Typitoon (on jo kirjattu käyttäen mukautettuja tapahtumia Heapissa)
Nyt koska Heap tallentaa jo käyttäjän toiminnan, kuten sivunäkymiä ja painikkeiden napsautuksia, minun on vain mentävä edeltä käsin ja määriteltävä asianmukaiset tapahtumat, jotka pohjautuvat vierailtuun sivuun tai napsautettuun CSS-selektoriin. Löydät lisätietoja näiden tapahtumien määrittelystä täältä.
Laskeutumissivun ”Get Started” -painikkeen CSS-valitsimen saamiseksi käsiini Heap tarjoaa minulle helppokäyttöisen Event Visualiserin.
Viitteeksi seuraavassa on kerrottu, miten käytin Tapahtumavisualisoijaa määrittelemään laskeutumissivulla olevan ”Hanki lisätietoa”-nappulan napsauttamisen tapahtuman:
Tässä muutamassa minuutissa, Määrittelen tapahtumat ja pääsen tarkastelemaan laskeutumissivullani tapahtuvaa konversiota kirjaamatta manuaalisesti kahta näistä kolmesta tapahtumasta, kun aloin käyttää Heapin JS-snippettiä verkkosovellussivuillani. Kuinka mahtavaa se on? 🙂
Typiton beta-aikojen jälkeen olemme huomanneet, että Heapin käyttäminen on ollut superhelppokäyttöistä, kun halusimme analysoida käyttäjäkäyttäytymistä eri vaiheissa: hankinta, aktivointi, säilyttäminen, suosittelu ja tulot (AARRR-kehys). Itse asiassa muutama kuukausi sitten Heap kehitti kojelautaan osion nimeltä ”Suggested Reports”, joka auttaa sinua vastaamaan tärkeisiin liiketoimintaasi koskeviin kysymyksiin yhdistämällä kyselyt mittareihin kohorttianalyysin, suppiloiden arvioinnin jne. avulla. Tässä lisää Suggested Reports -osiosta.
Varhaisen vaiheen startup-yritykselle, joka haluaa ymmärtää, mitä tapahtuu lanseerauksen alkuvaiheessa, Suosittelen vahvasti käyttämään muuta analytiikkapakettia kuin Google Analyticsia (joka on loistava tuote sivulatausten ja muiden verkkosivuun/blogiin/verkkokauppaan liittyvien datapisteiden analysointiin yksinkertaisella transaktiokäyttäytymisellä, mutta jota ei ole rakennettu käyttäjävirtojen kirjaamiseen). Kaikista tämän kategorian tuotteista suosittelen joka päivä kokeilemaan Heap analyticsia yksinkertaisesti sen taannehtivan analyysin tuoman arvon vuoksi – se vähentää päätöksentekoväsymystä ja aikaa, jonka muutoin käyttäisit sen miettimiseen, mitä kirjaa ja mitä ei kirjaa. Toivottavasti tämä artikkeli antoi nopean näkökulman siihen, miten data-analytiikkaan kannattaa suhtautua alkuvaiheen startup-yrityksenä.
Toivottavasti kirjoitan pian siitä, miten käytämme Heapia nyt (yli 2 vuotta noista ensimmäisistä päivistä). Kertokaa ajatuksianne siitä, mitä työkaluja olette käyttäneet käyttäjävirtojen ja käyttökokemuksen analysointiin sovelluksessanne – odotan innolla oppia! 🙂
Tämä juttu julkaistiin alun perin Typito-blogissa.