A visszajelzéseken alapuló termékfejlesztési ciklusban kritikus fontosságú, hogy megértsük, hogyan használják a látogatók és az ügyfelek a terméket, és íme, hogyan kezdtük el a Typitónál a Heap analitika segítségével.

Amikor elkezdesz építeni egy terméket, az egyik legnehezebb döntés az első napokban az analitikai beállítások granularitása. Milyen eseményeket és adatpontokat naplózzon, és ezek mennyire legyenek részletesek? Minek van értelme és minek nincs? Ezeknek a kérdéseknek a száma, amelyekkel találkozik, túlterhelő lehet, és egy nyúl üregébe vezetheti Önt, és óhatatlanul elvonja a figyelmét a fontos részről – az ügyfelekkel való beszélgetésről és a termék építéséről.

Ez nem egy hipotetikus elrettentő példa. Ez volt az én történetem a Typito alapítójaként, méghozzá azután, hogy 5 évet töltöttem termékek építésével és irányításával olyan iparágakban, mint a közösségi játékok és a fogyasztói egészségügy, amelyek erősen mérésvezéreltek. Miután sok más alapítóval beszélgettem, a következőket tanultam: az első 1 évben vagy alábecsülöd a termékmérések értékét, és a végén nem tudod, mi történik, vagy rengeteg időt töltesz azzal, hogy magaddal és a csapatoddal vitatkozol arról, hogy mit kell naplózni, és hogy ez mennyire releváns – mint ahogy én töltöttem az első néhány napot a Typitónál. Visszatekintve, szerintem a következőket kell megértened a mérésekről a korai fázisú startupokban:

A mérések szuper fontosak a startupod első napjától kezdve, de győződj meg róla, hogy csak a legfontosabb felhasználói műveleteket követed (esetünkben 3 műveletet), hogy elkerüld, hogy beszippantson a mérések nyúlüregébe. Az analitikai gerinced többi részét inkrementális módon kell felépítened, amit a visszatekintés vagy a képesség ösztönöz, hogy visszanézd, hogyan alakultak ki bizonyos események anélkül, hogy az építkezés idején aggódnál miattuk.

És itt van az a pont, ahová a Heap Analytics gyönyörűen illeszkedik. Ez a kedvenc analitikai szoftverünk a piacon, amely lehetővé teszi a visszamenőleges analitika futtatását – vagyis a top 3 mérőszámodon kívül a Heap által visszamenőlegesen naplózott, a terméken végzett felhasználói tevékenység alapján is következtetéseket érhetsz el – legyen szó oldallátogatásokról, tölcsérekről vagy akár gombkattintásokról. Erről hamarosan bővebben!

Az első grafikonunk és tölcsérünk: Az első 90 nap a Heap használatával

Hogy némi kontextust adjunk, a Typito egy videótervezési eszköz, amelyet több mint 85000 marketinges és marketingügynökség használ professzionális online videók készítésére. Ez 2 alapvető hipotézisre épül:
1. A videofogyasztás most tapasztalható, ugrásszerűen növekvő trendjét hamarosan vállalkozások milliói fogják követni, amelyek a következő néhány évben a videót mint internetes tartalomformátumot alkalmazzák.
2. A videótervezés kreatív folyamat, és a világ által értékelt legjobb videókat nagyszerű történetmesélők készítették. Ha sikeresek akarunk lenni, mint olyan termék, amely lehetővé teszi a csodálatos videók készítését, akkor azzal kell kezdenünk, hogy a felhasználóknak kreatív szabadságot biztosítunk, hogy a videókat az elképzeléseik szerint tervezhessék meg.

Amikor 2017 március végére végre elkészült a Typito béta verziója, úgy döntöttünk, hogy 3 műveletet rögzítünk a termékben:

1. A felhasználó regisztrál az e-mail címével
2. A felhasználó létrehoz egy videoprojektet
3. A felhasználó exportál egy videoprojektet

Megjegyzés: Itt egy cikk arról, hogyan lehet egyéni eseményeket naplózni a Heapon. A Heap csapat részletes dokumentációjának köszönhetően kevesebb, mint egy óra alatt sikerült volna mindhárom mérőszámot élesbe tolni.

Amint láthatod, az egyetlen adatpont, ami miatt aggódtunk, arra összpontosított, hogy a felhasználók értéket találnak-e a Typito félkész verziójának (olvasd béta) használatával. Számunkra az értéket nagyjából az jelezte, hogy a felhasználók vették a fáradságot, hogy regisztráljanak, létrehozzanak egy projektet és exportáljanak egy videót az eszköz használatával. A Heap alábbi grafikonja azt mutatja, hogy a felhasználók miként botlottak bele a Typitóba mint szolgáltatásba, és hogyan kezdtek el videókat készíteni.

Azt is jól láthatja, hogy hibát követtünk el azzal, hogy az első két hónapban nem naplóztuk pontosan a felhasználók regisztrációját mint műveletet. Itt elég korán megtanultuk a kemény leckét:

A műszerezés vagy az adatnaplózás folyamatának tesztelése az egyik legkritikusabb, de alulértékelt feladat a termékfejlesztés során. Tehát kevesebbet naplózz, és tökéletesen naplózd őket, amikor elkezded.

Egy olyan eszközzel, mint a Heap, a termék alapvető műveleteinek naplózása nem vehet igénybe egy óránál többet, és a tesztelésük fél nap alatt lezárható, ha aktív forgalom van a webhelyeden.

A következő nyilvánvaló lépés számunkra az volt, hogy megtudjuk, hogyan alakul a felhasználói út. Egyszerűbben fogalmazva: tudtuk, hogy a felhasználóink általában a következő, egymást követő lépéseken mennek keresztül: a felhasználó regisztrál -> létrehoz egy projektet -> exportálja a projektet. Ezért volt értelme, hogy megtudjuk, hogyan néz ki ez a tölcsér a Typito elindításának első napjaiban. Most a “user signs up” esemény naplózása közben elkövetett műszerelési malőrnek köszönhetően csak 2017 júniusától tudtuk megnézni a tölcsért, amikor mindhárom adatpont felkerült a Heapre.

Ez a Heapon létrehozott tölcsér egyszerű képet adott arról, hogy a felhasználók hogyan mentek végig az alapvető műveletek sorozatán a termékben abban az időben. Nem voltak benchmarkjaink, amelyekkel ezt összehasonlíthattuk volna, és nem is töltöttünk napokat azzal, hogy hogyan javítsuk ezt a tölcsért akkoriban – a termék akkoriban félig-meddig támogatott volt. Csak tudni akartuk, mi történik, és a Heap könnyen megadta a választ. Tapasztalatom szerint elkerülhetetlenül van egy időbeli különbség aközött, amikor megtudunk valamit, és aközött, amikor úgy döntünk, hogy cselekedni fogunk. Szóval a legjobb, ha minél előbb tanulsz :).

Megjegyzés: Itt vannak cikkek arról, hogyan kell beállítani egy grafikont és egy tölcsért a Heapon. Ezek az adatábrázolások segítenek megérteni, hogyan történik egy sor művelet végrehajtása a termékedben egymástól függetlenül vagy egymás után.

Hogyan segített nekünk a visszamenőleges elemzés a Heapon

Amint azt az előző részben kifejtettem, a Heapon a “kevesebb több” filozófiával kezdtük az instrumentálást. Az egyik ok, amiért magabiztosan folytattuk ezt a megközelítést, az volt, hogy a Heap ígérete szerint olyan adatokat is megmutat nekünk, amelyeket eleve nem akartunk naplózni. Tudjunk meg többet a Heap alapvető USP-jéről, amely felhatalmazza az alapítókat, marketingeseket és terméktulajdonosokat:

Amikor a Heap JS snippetjét a webhely vagy webalkalmazás egy adott oldalához hozzáadja, az lényegében rögzíti a felhasználó összes lehetséges műveletét a webhelyen, beleértve az oldal megtekintését, az interaktív elemekre, például a gombokra (CSS-szelektor alapján) történő kattintásokat, az űrlapok elküldését, az elemek állapotának változását (CSS-szelektor alapján) vagy a munkamenetek kezdetét. Lényegében ez a legtöbb olyan műveletre vonatkozik, amely a kliensoldalon történik, vagyis a böngészőbe betöltött alkalmazásodra. A legtöbb webes alkalmazásban ezek az események pontosan ábrázolják a felhasználó által végrehajtott műveletet (pl. megtekintett árképzési oldal), vagy legrosszabb esetben a felhasználó által végrehajtott művelet ígéretes helyettesítője lehet (pl. a “Download video” gombra való kattintás helyettesítője annak az eseménynek, amikor a felhasználó letölt egy videót). Most, hogy megadtam a kontextust, hogy mit csinál a Heap az ügyféloldalon, hadd magyarázzam el, hogyan segít a visszamenőleges elemzés egy példával a mi utunkból:

Mi van, ha tudni akarom, hogy a Typito landing page hogyan teljesít?

Recap: Menjünk vissza 2017 június végére, amikor még csak 3 hónap telt el a Typito béta verziójának elindításából, és még csak 3 egyéni eseményt naplóztunk. Június elején rájövünk, hogy a 3 esemény közül az egyiket nem megfelelően naplóztuk, és kijavítjuk. Éppen 30 nap telt el a javítás óta, és most szeretné tudni, hogyan teljesít a céloldal.

Azzal kezdem, hogy felsorolok 10 felhasználói műveletet a céloldalon, amelyek segíthetnek számszerűsíteni, hogyan teljesít a céloldal. Ebből leszűkítem 3 fontos műveletre:
1. A felhasználó meglátogatja a céloldalt (https://typito.com/create)
2. A felhasználó rákattint a “Get Started” gombra (elsődleges felhívás a regisztrációhoz)
3. A felhasználó regisztrál a Typitón (már naplózva van a Heap egyéni eseményeinek használatával)

Most mivel a Heap már tárolja a felhasználói tevékenységeket, mint az oldalmegtekintések és a gombok kattintásai, csak tovább kell mennem és meg kell határoznom a megfelelő eseményeket a meglátogatott oldal vagy a kattintott CSS szelektor alapján. Az események definiálásának további részleteit itt találja.

A landing page “Get Started” gomb CSS-szelektorának megragadásához a Heap egy könnyen használható Event Visualiser-t biztosít számomra.

Hivatkozásképpen íme, hogyan használtam az Event Visualisert a “Get Started” gombra kattintás eseményének definiálásához a landing page-en:

Szóval néhány perc alatt, Meghatározom az eseményeket, és megvizsgálhatom a landing oldalamon zajló konverziót anélkül, hogy manuálisan naplóznám a 3 eseményből 2-t, amikor elkezdtem használni a Heap JS snippet-t a webalkalmazásom oldalain. Mennyire fantasztikus ez? 🙂

A Typito béta napjai óta szuper egyszerűnek találtuk a Heap használatát a felhasználói viselkedés elemzésére a különböző szakaszokban: Akvizíció, aktiválás, megtartás, ajánlás és bevétel (AARRR keretrendszer). Valójában néhány hónappal ezelőtt a Heap egy “Javasolt jelentések” nevű szekcióval jelentkezett a műszerfalon, amely segít megválaszolni a vállalkozással kapcsolatos fontos kérdéseket azáltal, hogy a kohorszelemzés, tölcsérértékelések stb. segítségével összekapcsolja a lekérdezéseket a mérőszámokkal. Itt olvashatsz többet a Javasolt jelentésekről.

Egy korai szakaszban lévő startup számára, aki szeretné megérteni, mi történik a bevezetés korai napjaiban, Erősen ajánlom, hogy a Google Analyticsen kívül egy másik analitikai csomagot is használjon (amely egy nagyszerű termék az oldalmegtekintések és egyéb, egyszerű tranzakciós viselkedéssel rendelkező weboldallal / bloggal / e-kereskedelemmel kapcsolatos adatpontok elemzésére, de nem a felhasználói áramlások naplózására épült). Az összes termék közül ebben a kategóriában minden nap azt javasolnám, hogy próbálja ki a Heap Analytics-et, egyszerűen azért az érték miatt, amelyet a visszamenőleges elemzés hoz az asztalra – csökkenti a döntési fáradtságot és az időt, amelyet egyébként azzal töltene, hogy kitalálja, mit kell naplózni és mit nem kell naplózni. Remélem, ez a cikk egy gyors rálátást adott arra, hogyan kell adatelemzéssel foglalkozni egy korai fázisban lévő startup vállalkozásként.

Remélem, hamarosan írni fogunk arról, hogyan használjuk a Heap-et most (több mint 2 évvel a kezdeti napok után). Kérjük, osszátok meg gondolataitokat arról, hogy milyen eszközöket használtatok a felhasználói áramlás és a felhasználói élmény elemzésére az alkalmazásotokon – alig várom, hogy megtudjam! 🙂

Ez a történet eredetileg a Typito blogon jelent meg.