التحليل الجماعي: تقليل الاضطراب وتحسين الاحتفاظ

يجيب التحليل الجماعي على سؤال تجاري حول كيفية تفاعل مجموعة معينة أو شريحة معينة من المستخدمين مع منتج ، أو من المتوقع أن تتفاعل مع منتج ، بناءً على سلوكياتهم السابقة. من خلال الحصول على البيانات السلوكية وتقسيمها إلى مجموعات ، يصبح من السهل تحليلها.

المجموعات النموذجية هي مجموعات من المستخدمين تشترك في خصائص وأنماط استخدام محددة خلال فترة زمنية. يمكن أن يتضمن ذلك أشياء مثل وقت الاستخدام أو الميزات التي تم الاشتراك فيها أو عدد الأهداف المكتملة. المجموعات النموذجية مفيدة لأنها تساعدك على تقسيم قاعدة المستخدمين وجمع البيانات حول الطريقة التي يتفاعلون بها مع منتجك طوال دورة حياتهم.

يجب على الشركات استخدام التحليل الجماعي لفهم سلوك المستخدم وتحسين الاحتفاظ بالعملاء. تعد البيانات التي تحصل عليها طريقة رائعة لفهم أسباب استمرار العملاء الجدد وبعض الأسباب الشائعة وراء تضخيمهم.

ما هو التحليل الجماعي؟

المجموعة النموذجية هي مجموعة أو شريحة من المستخدمين يتشاركون سمات أو سلوكيات ملف التعريف أو كليهما. فمثلا:

• المستخدمون الذين يمتلكون أجهزة iOS
• المستخدمون الذين قاموا بتسجيل الدخول كل يوم الأسبوع الماضي
• المستخدمون الذين يمتلكون أجهزة iOS الذين قاموا بتسجيل الدخول كل يوم الأسبوع الماضي

عادةً ما يطرح مدير المنتج أو المسوق سؤالًا تجاريًا يطالب بتحليل المجموعة. يمكن أن تدور هذه الأسئلة حول مشاركة المنتج أو التحويل أو الاحتفاظ به.

• المشاركة هي مصطلح يشير إلى الإجراءات التي يتخذها الأشخاص داخل تطبيقك. قد يكون ذلك تحسين مستوى شخصية في لعبة ما ، أو مشاركة تمرين مع المجتمع في تطبيق لياقة ، أو تشغيل أغنية في تطبيق موسيقى.
• التحويل هو الهدف النهائي. يمكن استخدام التحليل الجماعي للحكم على فعالية الحوافز المختلفة للتحويل ، مثل الميزات الجديدة أو الأسعار المخفضة.
• يشير الاحتفاظ إلى الأشخاص الذين يعودون إلى تطبيقك مرارًا وتكرارًا.

في مثال الرسم البياني أعلاه ، يمكنك رؤية رحلة المستخدم لمجموعتين نموذجيتين مختلفتين - المستخدمون الذين شاركوا أغنية (باللون الأخضر) وأولئك الذين لم يشاركوا (باللون الأزرق). حصلت مجموعة المستخدمين الذين شاركوا أغنية على تفاعل وتحويل أعلى.

الآن دعنا نلقي نظرة فاحصة على كيفية استخدام التحليل الجماعي لمساعدة مديري المنتجات على تقليل اضطراب العملاء وتحسين معدلات الاستبقاء.

أهمية منع زبد العملاء

يعد التحليل الجماعي أمرًا بالغ الأهمية لأن المقاييس مثل المستخدمين النشطين يوميًا أو شهريًا (DAU و MAU) مشوهة للغاية بسبب النمو. إذا كان تطبيقك ينمو بسرعة ، فستخفي عمليات تسجيل المستخدمين الجدد المكان الذي يتراجع فيه المستخدمون الحاليون. لا يهم مدى إنتاجية قنوات الاستحواذ الخاصة بك إذا فقدت عملاء حاليين بأسرع أو أسرع من كسب عملاء جدد.

هذا هو السبب في أن إجراء التحليل الجماعي لمعدل الاضطراب هو أحد أكثر الطرق فعالية لتحسين صحة عملك. يساعد العملاء الذين يجرون عمليات شراء متكررة الشركة على تحقيق إيرادات ثابتة وتعويض تكاليف جذب عملاء جدد.

وفقًا لـ Business of Apps ، بلغت تكلفة الإعلان لكل تثبيت لتطبيقات الأجهزة المحمولة 5.28 دولارًا. تؤدي دورة حياة العميل الأطول إلى دفع أرباح أعلى لهذا الاستثمار.

كيفية بناء استراتيجية استبقاء باستخدام التحليل الجماعي

يتمثل أقوى جانب في التحليل الجماعي في أنك لن ترى العملاء يغادرون ومتى يغادرون فحسب ، بل يمكنك أيضًا البدء في فهم يمكنك تحسين معدل الاحتفاظ لديك من خلال تنفيذ العملية التالية:

1. حدد الأهداف: حدد هدفًا للعملية. هل تريد تقليل التوتر على المدى القصير؟ طويل الأمد؟ ما هو هدف النمو الخاص بك؟
2. الاستكشاف: افحص البيانات الحالية لمعرفة أين يمكن إجراء التغييرات للوصول إلى هدفك.
3. افترض: حدد الأسئلة التي يجب طرحها والنتائج المحتملة من التجارب.
4. العصف الذهني: تصور التجارب الممكنة لاختبار الفرضيات.
5. الاختبار: قم بإجراء اختبارات مختلفة لتقييم الفرضيات.
6. التحليل: قم بتحليل بيانات الاختبار لمعرفة ما إذا تم تحقيق الأهداف.
7. تنظيم: قم بإجراء أي تغييرات إيجابية كجزء من النظام.

من خلال هذا النظام ، يمكنك تحسين تطبيقك باستمرار وزيادة الاحتفاظ به. فبدلاً من النظر إلى عدد الزخم المجمع ، فإنك تستهدف سلوكًا معينًا وتختبر لمعرفة ما إذا كان تشجيع المستخدمين على تبني هذا السلوك يحسن الاستبقاء.

استخدام التحليل الجماعي لتحسين الاحتفاظ بالعملاء

يمكن استخدام تقرير تحليل مجموعة العملاء لاختبار فرضية حول كيفية تأثير تغييرات معينة في المنتج على مؤشرات الأداء الرئيسية للأعمال.

على سبيل المثال ، لنفترض أنك مدير منتج لتطبيق موسيقى مثل Spotify ، وأن أحد أهدافك الأساسية هو زيادة الاحتفاظ بالمستخدمين.

يمكنك تكوين فرضية مفادها أن المستخدمين الذين يشاركون عددًا معينًا من الأغاني مع أصدقائهم من المرجح أن يصبحوا مستخدمين منتظمين ومحتفظين لتطبيقك.

لاختبار هذه الفرضية ، عليك أولاً تحديد مجموعة أو مجموعة نموذجية من المستخدمين بناءً على تاريخ اكتسابهم. بعد ذلك ، قسمت مجموعة الاكتساب هذه إلى مجموعتين فرعيتين. في مجموعة فرعية واحدة ، يوجد المستخدمون الذين استخدموا ميزة "مشاركة الأغنية" مرة واحدة على الأقل. تشتمل المجموعة النموذجية الأخرى على المستخدمين الذين لم يستخدموا ميزة "مشاركة".

أخيرًا ، قم بتشغيل تحليل الاحتفاظ استنادًا إلى التحليلات السلوكية لهاتين المجموعتين الفرعيتين.

في هذه الحالة ، يوضح مخطط التحليل الجماعي أعلاه معدلات الاحتفاظ بـ N-day للمستخدمين الذين شاركوا أغنية (باللون الأزرق) مقارنةً بمن لم يشاركوا (باللون الأخضر). يمكنك أن ترى أن المستخدمين الذين لا يشاركون أغنية لديهم معدل إزعاج بنسبة 77.75٪ بعد 30 يومًا. وفي الوقت نفسه ، تبلغ نسبة الخداع للمستخدمين الذين استخدموا ميزة المشاركة 31٪ فقط.

هذا فرق كبير ، وتمنحك مجموعة البيانات هذه الآن فرصة لاتخاذ قرار تجاري يمكن أن يؤدي إلى مزيد من الإيرادات. على سبيل المثال ، في التحديث التالي ، يمكنك تعديل تدفق الإعداد لمطالبة المستخدمين الجدد بمشاركة أغنية بدلاً من الانتظار حتى يكتشفوا هذه الميزة بأنفسهم.

أنواع بيانات الأتراب

هناك ثلاثة أنواع من بيانات المجموعة ، ولكل منها حالات استخدام مختلفة.

أفواج الاستحواذ

تقسم المجموعات النموذجية للاكتساب المستخدمين بناءً على وقت اشتراكهم في منتجك. قد يقوم تطبيق المستهلك بتجميع المجموعات حسب يوم التسجيل ، بينما من المرجح أن تتبع أداة SaaS المجموعات الشهرية.

تُستخدم مجموعات الاكتساب لتتبع المستخدمين الجدد ومعرفة المدة التي يستمرون فيها في استخدام تطبيقك بعد تفاعلهم الأولي - طول عمر عميلك. يمكن أن تكون هذه طريقة رائعة لتجربة تجربتك على متن الطائرة للتأكد من أن المستخدمين يرون قيمة منتجك بوضوح وبشكل مبكر. كلما أسرع المستخدمون الجدد في الحصول على "آها!" لحظة ، من المرجح أن يتم الاحتفاظ بها.

الأفواج السلوكية

المجموعات النموذجية السلوكية عبارة عن شريحة مخصصة من جمهورك استنادًا إلى أي مجموعة من السلوكيات السابقة أو خصائص ملف تعريف المستخدم.

تتضمن بعض الأمثلة على سلوكيات المستخدم مشاركة أغنية أو الاشتراك في نسخة تجريبية أو إجراء عملية شراء. خصائص ملف تعريف المستخدم هي أشياء مثل المعلومات السكانية أو النظام الأساسي الذي يستخدمه الزائر أو كيفية وصول شخص ما إلى موقع الويب الخاص بك.

تشكل مجموعة السلوكيات وخصائص الملف الشخصي مجتمعة مجموعة سلوكية. هذا النوع من بيانات المجموعة هو طريقة للنظر في الإجراءات ضمن إطار زمني معين لتحديد أنواع مماثلة من المستخدمين لتحليلها. يكشف هذا التحليل عادةً عن كيفية تفاعل المستخدمين مع منتجك وكيف تؤثر مشاركة المستخدم على أشياء مثل الاحتفاظ أو معدل التحويل أو المؤشرات الرئيسية الأخرى التي تهم عملك.

الأفواج التنبؤية

تنظر المجموعات التنبؤية إلى ما يتوقع أن يفعله المستخدم في المستقبل.

يعتبر هذا النوع من البيانات هو الأفضل لتحديد المستخدمين الذين يجب استهدافهم بحملة تسويقية أو تحديد كيفية ضبط الأسعار لزيادة فرص قيام المستخدم باتخاذ إجراء.

مجموعات الاستحواذ: البحث عن لحظات المشكلة في تطبيقك

تمنحك مجموعات الاستحواذ معلومات حول دورة حياة عملائك - على وجه التحديد ، المدة التي يستغرقونها للتقلص بعد تاريخ الاستحواذ. يمكن أن تساعدك هذه المعلومات في تحديد أنماط الاضطراب أو الحملات التسويقية ذات معدلات التحويل العالية. لنفترض أن لديك تطبيقًا موسيقيًا يواجه مشكلة في توقف المستخدمين عن العمل كل يوم.

يتم تقسيم المستخدمين في مخطط الاحتفاظ أعلاه إلى مجموعات نموذجية يومية - المستخدمون الذين اشتركوا في نفس اليوم. يمكنك أن ترى أن 11528 مستخدمًا قد اشتركوا في تطبيق الموسيقى الخاص بك في 16 يوليو ، وكان الاحتفاظ باليوم الخامس 49.7٪. لذلك كان واحد من كل اثنين من المستخدمين الذين اشتركوا في 16 يوليو لا يزالون مستخدمين نشطين في التطبيق في اليوم الخامس بعد استخدام التطبيق لأول مرة.

أفضل طريقة لتصور هذه المعلومات هي تحويلها إلى منحنى تحليل الاحتفاظ ، والذي يُظهر احتفاظك بهذه المجموعات النموذجية بمرور الوقت. عندما ترسم بياناتك على هذا النحو ، يصبح من السهل أن ترى عندما يغادر المستخدمون منتجك.

يخبرك منحنى الاحتفاظ على الفور بشيء مهم: يتوقف حوالي ثلث المستخدمين عن استخدام التطبيق بعد اليوم الأول. بعد هذا الانخفاض الأولي ، يستمر المنحنى في الانخفاض بشكل مطرد ، تاركًا ما يزيد قليلاً عن 25٪ من المستخدمين الأصليين ما زالوا نشطين في التطبيق في اليوم الثلاثين.

هذا ليس رائعًا (على الرغم من أنه شائع - تظهر بعض البيانات أن التطبيق المتوسط ​​يفقد ما يقرب من 60٪ من مستخدميه خلال الشهر الأول). الاحتفاظ المبكر هو قضية مهمة. يشير منحنى مثل هذا إلى أن المستخدمين لا يحصلون على القيمة الأساسية من التطبيق بالسرعة الكافية ، لذا فهم يغادرون. أنت تعلم الآن أنك بحاجة إلى تحسين تجربة التطبيق المبكرة لتوصيل المستخدمين بقيمتك الأساسية في أسرع وقت ممكن.

بلوغ حدود مجموعات الاستحواذ

إذا كان تطبيقك يحتوي على منحنى الاحتفاظ الموضح أعلاه ، فأنت تريد على الفور معرفة ما يمكنك القيام به لتعزيز الاحتفاظ لديك.

لا تقدم مجموعات الاكتساب وحدها أي معلومات حول كيفية تحسين تجربة المستخدم للاحتفاظ بالمستخدمين. لا يمكنك عزل سلوكيات معينة أو خصائص مستخدم.

تعد مجموعات الاكتساب رائعة لإظهار الاتجاهات وإخبارك عندما يتخبط الأشخاص ، ولكن لفهم سبب مغادرتهم ، تحتاج إلى اللجوء إلى نوع آخر من المجموعات: الأفواج السلوكية.

الأفواج السلوكية: اكتشف السلوكيات التي تدفع إلى الاحتفاظ

من اللحظة التي يشترك فيها المستخدمون في منتجك ، يتخذون مئات القرارات ويظهرون عددًا لا يحصى من السلوكيات الصغيرة التي تؤدي إلى قرارهم بالبقاء أو المغادرة. من خلال تقسيم المستخدمين بناءً على هذه السلوكيات ، يمكنك الحصول على معلومات حول الميزات الموجودة في منتجك والتي تؤدي إلى النمو.

عند إعادة صياغة المستخدم الخاص بك على متن الطائرة لتحسين الاستبقاء ، سيتعين عليك تحديد الطريقة الأكثر فعالية للقيام بذلك. بدلاً من اختيار ما يجب العمل بناءً عليه بناءً على الحكايات أو الاختيارات العشوائية ، تتيح لك المجموعات السلوكية اتخاذ قرار بشأن نهج ما بشكل منهجي وكمي. تقوم المجموعات النموذجية السلوكية بتجميع المستخدمين بناءً على الإجراءات المحددة التي قاموا بها (أو لم يتخذوها).

العثور على المجموعات المناسبة

بالنسبة لتطبيق الموسيقى الخاص بك ، يمكنك إنشاء مجموعات مستخدمين مختلفة من إجراءات مثل تشغيل أغنية أو البحث عن فنان أو إنشاء قائمة تشغيل.

لنفترض أنك تريد أن ترى الاحتفاظ بالمستخدمين الذين فضلوا الأغاني في التطبيق. يمكنك استخدام المجموعات السلوكية للنظر في الاحتفاظ للمستخدمين الجدد الذين فضلوا ثلاث أغانٍ أو أكثر:

في حين أن ما يقرب من 60 ٪ من جميع المستخدمين (باللون الأزرق) يتضاربون في غضون يوم واحد من استخدام التطبيق ، فإن حوالي 15 ٪ فقط من المستخدمين الذين يفضلون ثلاث أغانٍ أو أكثر (باللون الأخضر) يتراجعون بعد اليوم الأول.

الأفواج المقلوبة

الآن بعد أن عرفت كيف يتغير الاستبقاء للمستخدمين الذين يتفاعلون مع الميزة المفضلة ، يمكنك أيضًا النظر في كيفية تغييرها لأولئك الذين لا يفعلون ذلك. يوجد أدناه الاحتفاظ بالمستخدمين الذين لم يفضلوا أغنية:

المستخدمون الذين لم يفضلوا أغنية على الإطلاق (أرجوانية) يتمتعون باحتفاظ أسوأ من معظم المستخدمين - أقل من 25٪ من هؤلاء المستخدمين يخضون بعد اليوم الأول.

من خلال هذا التصور البسيط ، يمكنك أن ترى أن حمل الأشخاص على الأغاني المفضلة في وقت مبكر من تجربتهم يسمح لهم باكتشاف القيمة الأساسية للتطبيق ، مما يعني أنه من المرجح أن يستمروا كمستخدمين. الآن بعد أن أصبحت لديك هذه البيانات ، يمكنك تفعيلها من خلال التأكيد على ميزة الأغاني المفضلة أثناء الإعداد. سيؤدي ذلك إلى تفضيل المزيد من المستخدمين للأغاني في وقت مبكر من رحلات عملائهم ، وفي النهاية إلى معدلات احتفاظ أفضل.

الجمع بين الأفواج

يمكنك إنشاء مجموعات سلوكية بناءً على أي إجراء يمكن تنفيذه في منتجك. هذا يعني أنه يمكنك ربط أي عدد من إجراءات المستخدم المختلفة بمعدلات الاحتفاظ بالمستخدم.

على سبيل المثال ، يحتوي تطبيق الموسيقى الخاص بك على ميزة تتيح للأشخاص الانضمام إلى المجتمعات بناءً على الأنواع المفضلة لديهم. يمكنك استخراج مجموعة البيانات هذه لمعرفة ما إذا كان ذلك يساعد في تحسين الاستبقاء أو ما إذا كانت وظيفة لا تحدث فرقًا في قيمتها الدائمة.

هنا يمكنك أن ترى أن الاحتفاظ الأولي للمستخدمين الذين ينضمون إلى المجتمعات (اللون الأرجواني) يشبه المستخدمين الذين يفضلون الأغاني (الخضراء) ، ولكنه أفضل قليلاً بنهاية اليوم 30 ، وأفضل بكثير من جميع المستخدمين (الأزرق).

عندما يتفاعل المستخدمون مع أشخاص آخرين ويجدون المزيد من الموسيقى لتشغيلها ، يبدأون في الاستمتاع بالتطبيق أكثر والاستمرار في استخدامه. من المحتمل أن تفترض هذا في عملية الاحتفاظ الخاصة بك ، ولكن الآن لديك بيانات لدعم فرضيتك.

يمنحك الجمع بين المجموعات السلوكية المختلفة فهمًا أفضل للعلاقات بين الميزات المختلفة لمنتجك وكيف يحتمل أن تؤدي إلى استبقاء المنتج.

إيجاد التركيبات الصحيحة

ماذا عن المستخدمين الذين يفضلون الأغاني وينضمون إلى المجتمعات؟ باستخدام Amplitude ، يمكنك تصفية أفعالك لدمج هاتين المجموعتين النموذجيتين:

كما ترى ، من المرجح أن يستمر المستخدمون الذين يظهرون كلا السلوكين في استخدام التطبيق في تلك الأسابيع القليلة الأولى. في نهاية الأسبوع الأول ، يكون الاستبقاء أعلى من 75٪ لمجموعة + المجتمع المفضلة (باللون الأزرق) ، بينما تقل عن 25٪ للمستخدمين الذين ليس لديهم أي من هذه السلوكيات (الأخضر).

الارتباط وليس السببية

لمجرد أن الأشخاص الذين يفضلون الأغاني وينضمون إلى المجتمعات يقل معدل نموهم ، فهذا لا يعني أن دفع الناس نحو هذه السلوكيات سيقلل تلقائيًا من معدل إزعاجك. على سبيل المثال ، من المحتمل أن تؤدي عبارة الحث على اتخاذ إجراء التي تدفعهم إلى الانضمام إلى 20 مجتمعًا عند التسجيل إلى إبعاد الناس.

هذا لأن الارتباط لا يعني السببية. يمكن أن يرتبط تفضيل الأغاني والانضمام إلى المجتمعات فقط بمشاركة المستخدم ، وليس التسبب في ذلك. لتحديد العلاقة السببية ، يمكنك اختبار A / B تدفقات تأهيل مختلفة تؤكد على تفضيل الأغاني لمعرفة ما إذا كان ذلك يزيد من الاحتفاظ.

بمجرد حصولك على بيانات من مجموعات سلوكية ، يمكنك البدء في إجراء تجارب باستخدام أداة اختبار A / B مثل Amplitude Experiment لاختبار السلوكيات التي قد تكون مرتبطة بالاحتفاظ. يمكنك معرفة ما يصلح وما لا ينجح ويزيد بشكل منهجي من الاحتفاظ بك.

الأفواج التنبؤية: زيادة عائد الاستثمار التسويقي

يمكنك استخدام المجموعات التنبؤية لتحديد مدى احتمالية شراء المستخدم لأغنية في المستقبل بناءً على المجموعة السلوكية الخاصة بهم.

تتمثل إحدى طرق الإجابة عن سؤال العمل هذا في أخذ مجموعة من المستخدمين الجدد الذين شاركوا أغنية على مدار فترة زمنية ، دعنا نقول في آخر 14 يومًا ، وإجراء تحليل تنبؤي. يعمل هذا النوع من التحليل بشكل أفضل إذا كان لديك حجم مجموعة يزيد عن 100000 مستخدم لأنك بحاجة إلى بيانات كافية لنموذج التعلم الآلي لعمل توقع. بعد حوالي 30 إلى 60 دقيقة ، سيصنف النموذج مجموعات أفرادية معينة بناءً على الشخص الذي من المرجح أن يتخذ إجراءً معينًا ، مثل شراء أغنية.

مرة أخرى ، لديك الآن بيانات في مخطط جماعي بسيط لإبلاغ قرار عمل فعال. على سبيل المثال ، يمكنك التركيز على أعلى 5٪ من المستخدمين الذين من المرجح أن يشتروا أغنية. حدد هذه المجموعة ، وضع هؤلاء المستخدمين في أداة خارجية ، واستهدفهم في حملة تسويقية. قد يكون هذا إشعارًا فوريًا أو بريدًا إلكترونيًا أو تنبيهًا عبر الرسائل القصيرة لتشجيعهم على اتخاذ إجراء. في هذه الحالة ، إجراء عملية شراء.

في الوقت نفسه ، يمكنك النظر إلى 20٪ من المستخدمين الذين تم تحديد التحليل التنبئي لهم على الأرجح لاتخاذ الإجراء المفضل لديك واختيار عدم استهداف أي دولارات تسويقية على طريقتهم نظرًا لأنه من غير المحتمل أن يسفر عن أي نتائج. بدلاً من ذلك ، قد تستنتج أن مجموعة المستخدمين تحتاج ببساطة إلى حافز مختلف أو أكبر. ربما يكون إرسال قسيمة خصم بنسبة 50٪ على طريقتهم بمثابة عرض جيد لدرجة أنهم لا يستطيعون رفضه.

في كلتا الحالتين ، يمكنك قياس رد فعل هذه المجموعات على اتجاهك الجديد والاستمرار في تعديل استثماراتك التسويقية بناءً على تحليلك.

أدوات لتحليل الأتراب

تتحرك الأسواق الحديثة بسرعة ، والشركات التي لا تستطيع اتخاذ قرارات سريعة بناءً على بيانات دقيقة معرضة لخسارة الإيرادات. بدون أدوات التحليل الصحيحة ، يجب أن تعتمد الفرق غير الفنية التي تحتاج إلى بيانات لاتخاذ قرارات عمل أفضل على محللي البيانات ومهندسي البيانات.

يمكن أن يعني ذلك إرسال تذكرة مع فريق البيانات والانتظار أيامًا أو حتى أسابيع للمحللين المتعطشين للوقت لتسليم جداول البيانات. بعد ذلك ، يتطلب الأمر أن يكون لدى شخص ما في فريقك وقت كافٍ لتمرير تلك البيانات والبحث عن الأفكار.

السعة: كيف تعمل أداة تحليل المجموعة الصحيحة على تسريع قرارات العمل

باستخدام Amplitude ، يمكن لمديري المنتجات والمسوقين الإجابة على أسئلتهم من خلال إجراء تحليل جماعي للخدمة الذاتية بأي من الطرق الثلاث.

1. يمكنك بناء مجموعة داخل أي مخطط في Amplitude ، مثل مخطط تحليل الاحتفاظ أدناه. هنا ، يمكنك تحديد أي مجموعة من السلوكيات وخصائص الملف الشخصي ، مثل المستخدمين الذين يفضلون أغنية أو ينضمون إلى مجتمع.

2. يمكنك أيضًا استخدام قسم المجموعات النموذجية المخصص لإنشاء تعريفات مجموعة مخصصة بناءً على معلماتك الخاصة. يمكن بعد ذلك استخدام هذه المجموعة النموذجية المخصصة في مخططات أخرى. على سبيل المثال ، تُظهر المجموعة النموذجية أدناه المستخدمين الجدد النشطين على iOS الذين شاركوا أغنية بوب أو روك في آخر 30 يومًا.

3. يمكنك بناء مجموعة بناءً على نقطة بيانات واحدة موجودة في أي مخطط. على سبيل المثال ، يمكنك تحديد المستخدمين الجدد من إطلاق منتج في 26 يوليو.

في النهاية ، تُمكِّن أداة التحليل الجماعي الجيدة الفرق غير الفنية من طرح الأسئلة والإجابة عليها. إن وضع هذه المعلومات في أيديهم مباشرة يمنحهم فهمًا أفضل لمستخدمي منتجاتهم وبيانات أفضل لدفع نتائج الأعمال.

أدوات التحليل الجماعي الأخرى

إلى جانب Amplitude ، هناك العديد من الأدوات في السوق التي تسمح لمديري المنتجات والمسوقين بإجراء تحليل جماعي ، بما في ذلك:

• مربع المحتويات
• قصه كامله
• Gainsight PX
• صندوق زجاجي
• كومة
• LogRocket
• ميكسبانيل
• بندو
• نظرة ذكية

تعرف على المزيد حول هذه وأدوات التحليل الجماعي الأخرى على موقع مراجعة البرامج مثل G2.

أمثلة على التحليل الجماعي

فيما يلي بعض الأمثلة على كيفية قيام عملاء Amplitude بإجراء تحليل جماعي لإنتاج نتائج الأعمال.

الهدوء: مثال على التحليل الجماعي للاحتفاظ

على حدس ، استخدم Calm مجموعات سلوكية لاختبار الاحتفاظ بالمستخدمين الذين قاموا بتعيين تذكيرات يومية على تطبيق التأمل مقارنةً بأولئك الذين لم يستخدموا هذه الميزة. اكتشفوا زيادة قدرها 3 أضعاف في الاحتفاظ للمستخدمين الذين عيّنوا تذكيرات يومية.

لم يكن من السهل العثور على التذكير ، لذلك كانت هناك فرصة أن المستخدمين الذين أحبوا التطبيق أكثر من غيرهم لسبب آخر قاموا ببساطة بالحفر في القوائم أكثر ووجدوا الميزة. لاختبار ما إذا كان هذا هو الارتباط أو السببية ، قام Calm بتغيير البرنامج التعليمي الخاص بالتأهيل لتشجيع بعض المستخدمين الجدد على تعيين تذكير وترك المستخدمين الآخرين لأول مرة كمجموعة تحكم.

تم الاحتفاظ بمعدل الاحتفاظ 3x هذا أثناء التجربة ، لذلك قام Calm بتضمين موجه لتعيين تذكيرات يومية في التحديث التالي على مستوى التطبيق.

حجر الزاوية: مثال على التحليل الجماعي لاتخاذ قرارات أسرع

حولت Cornerstone سير عمل إدارة المنتجات بمساعدة Amplitude. في السابق ، كان على مديري المنتجات طلب البيانات من المهندسين.

سيقدم هؤلاء المهندسون تقريرًا جماعيًا مع جداول بيانات مليئة بالمعلومات ، الأمر الذي يتطلب من موظف بدوام كامل الاطلاع على المعلومات واستخلاص الأفكار التي يمكن أن تؤدي إلى نتائج أعمال أفضل.

قد تستغرق العملية برمتها أيامًا. أو أسابيع. الآن ، يمكن لمديري المنتجات استرداد نفس البيانات في دقائق واستخدام الأفكار لاتخاذ قرارات سريعة.

كيف تبدأ في التحليل الجماعي

يعد إعداد التحليل الجماعي الخاص بك باستخدام أداة التحليل الجماعي مثل Amplitude أمرًا بسيطًا:

1. ألق نظرة على احتفاظك بمجموعة اكتساب العملاء. سيظهر لك ذلك عندما ينزل المستخدمون.
2. حدد الأحداث لعدد قليل من إجراءات المستخدم الأساسية لتطبيقك ، ثم اسحب مجموعاتك السلوكية. حلل مجموعاتك السلوكية من خلال مقارنتها وعكسها والجمع بينها. استخدم ذلك مع ما تعلمته من النظر إلى مجموعات الاكتساب لتكوين فرضية حول الإجراءات التي يمكنك التأكيد عليها خلال جزء معين من رحلة العميل لزيادة الاحتفاظ به.
3. قم بإجراء تغييرات على تطبيقك - باستخدام اختبار A / B مع Amplitude Experiment إذا كان لديك حجم استخدام مرتفع بما يكفي - لمعرفة ما إذا كان توجيه إجراءات معينة في تطبيقك يؤدي بالفعل إلى عودة المستخدمين.
4. قم بمعالجة ما تعلمته وكررها.

من خلال المجموعات السلوكية في Amplitude ، يمكنك رؤية تفاصيل سلوكيات عملائك والبدء في اتخاذ قرارات تعتمد على البيانات لتحسين تجربتهم مع منتجك.

جرب التحليل الجماعي اليوم باستخدام خطة Amplitude مجانية ، أو تحقق من دليل التشغيل Mastering Retention لمعرفة كيف يمكنك زيادة الاحتفاظ.

مراجع

• الدليل النهائي للفوج السلوكي. السعة.
• دليل خطوة بخطوة لتحليل المجموعات وتقليل معدل التغيير. السعة.
• التحليل الجماعي - كل ما يمكنك فعله مع مجموعات الاستحواذ. ساراس.
• تقرير قياس أداء تطبيقات الأجهزة المحمولة لعام 2019 لإبلاغ إستراتيجيتك لعام 2020. المرتفعات.
• استخدام التحليل الجماعي لتحسين التحويل. سبيرو.