Аналитика в мобильном приложении

Или как начать анализировать мобильное приложение.
Аналитика мобильных приложений должна стать вашим лучшим другом, если вы планируете или уже разрабатываете приложение под iOS или Android. Она поможет вам понять, что необходимо оптимизировать и в каком направлении двигаться для достижения целей проекта.

Без аналитики вы можете достаточно долго пробовать новые фичи, играть с оптимизацией или проводить эксперименты, не понимая, как все это влияет на ключевые метрики мобильного приложения.

Прочитав эту статью, вы получите общее представление о том, что такое аналитика мобильных приложений, с чего надо начинать и куда двигаться, а чего делать точно не стоит.

Если вы когда-либо пользовались Яндекс.Метрикой, то дальнейшая аналогия поможет вам лучше понять почему мобильной аналитике нужно уделять много времени и внимания и почему нельзя обойтись просто установкой привычного для сайтов «счетчика».

Все начинается с установки системы аналитики в приложение.

Даже банальная установка кода аналитических систем в приложение — достаточно трудоемкий процесс, который потребует привлечения разработчиков. Подводных камней здесь немало. А если учесть, что любое изменение требует еще и перемодерации приложений в Google Play и App Store, то процесс получается не только трудоемким, но и длительным.

Интерфейсы сервисов для сбора и анализа данных зачастую довольно сложны. Разобраться в них за один день не получится.

И если Яндекс.Метрика для сайтов — это массовый продукт с интуитивно понятным интерфейсом, то все сервисы аналитики для Mobile ориентированы в первую очередь на специалистов и требуют многодневного изучения документации.

Сайты в большинстве своем однотипны: лендинг, корпоративный сайт, интернет-магазин и т. п. Подходы к анализу также шаблонны, в связи с чем можно просто установить счетчик на сайт, в пару кликов настроить цели и начать получать данные для анализа.

С приложениями все не так. Каждое мобильное приложение специфично и имеет свой набор функциональных элементов. Большой зоопарк вариантов технологического стека, специфика функционала, различные задачи… Все это не позволяет унифицировать системы аналитики. Именно поэтому каждое приложение — это новый проект для анализа данных.

Сегодня ни один сервис не может закрыть все задачи по анализу данных в мобильном приложении — приложения слишком сложны, а задачи анализа специфичны.

Для анализа необходима связка нескольких сервисов, баз данных, интеграций и др. Этот комплекс сервисов и приложений необходимо тщательно спроектировать, затем правильно реализовать и обслуживать.

Аналитику мобильного приложения не получится осуществить в один момент. Просто «прикрутить» аналог Яндекс.Метрики не выйдет. Пригласив специалиста за неделю до планируемого релиза, вы можете сильно удивиться, получив ТЗ для разработчиков на пару недель.

Рассмотрим, что нужно сделать, чтобы все работало как надо. Но так как это самое «как надо» в каждом случае индивидуально, предлагаю рассмотреть 3 основных варианта развития аналитики в вашем мобильном приложении.

Отмечу, что в рамках данной статьи я планирую обозначить только суть каждого из вариантов, детали реализации — это темы для отдельных статей.

На начальном этапе можно обойтись установкой в приложение одной из имеющихся систем аналитики и разметкой событий, которые вы планируете отслеживать. Этот хороший вариант, если вы только запускаете приложение или у вас ограниченный бюджет на разработку.

На рынке представлены несколько систем трекинга данных в мобильных приложениях. Они бывают бесплатные, условно бесплатные и платные.

Наиболее популярные системы мобильной аналитики в русскоязычном сегменте:

Что потребуется сделать?

Какие будут затраты?

Стоимость складывается из затрат на сервис трекинга данных (если вы выберете платный сервис), стоимости работы программистов по внедрению системы аналитики и услуг аналитика, который выполнит пункты 2 и 3.

В самом экономном варианте вы можете попробовать обойтись без аналитика. Тогда внедрение системы будет стоить в пределах 10–15 часов работы разработчика и вашего времени на подготовку всех необходимых ТЗ.

Какие задачи поможет решать?

Отслеживание действий пользователей в приложении и источников установок на начальном этапе позволит понимать такие базовые вещи, как:

Правильно подобранная и настроенная система аналитики позволит вам закрыть до 80% аналитических задач, которые могут возникнуть у вас в первые месяцы и даже годы работы приложения.

Если ваше приложение функционирует уже некоторое время и в целом успешно развивается, есть смысл подумать и о развитии системы аналитики. Для дальнейших доработок потребуются дополнительные ресурсы, но при правильном подходе потраченные средства с лихвой окупятся за счет получаемых из аналитики инсайтов.

Если у вас уже реализована Базовая аналитика, можете начинать добавлять в вашу систему новые данные или обогащать уже существующие. Это могут быть данные о ваших пользователях из собственной БД, расходы из рекламных кабинетов, данные из внешних систем и т. д.

Как можно усилить систему аналитики?

Какие будут затраты?

Какие задачи поможет решать?

За счет подключения новых источников данных вы сможете объединить информацию о поведении пользователей с их клиентским профилем из приложения, построить сквозную аналитику по пользователям, точно понимать, каких пользователей из каких каналов вы привлекаете и во сколько вам это обходится.

Если оценивать соотношение Базового и Расширенного варианта по закону Парето, то Базовый вариант — это те самые 80%, которые могут дать основной результат. Но когда вы имеете стабильно работающий продукт, приносящий деньги, дополнительные 20% роста за счет аналитики способны значительно повысить эффективность вашего приложения.

Этот вариант следует рассматривать, если у вас есть успешный проект и достаточный объем пользовательской базы. На данном этапе вы выходите за рамки простого анализа данных с целью поиска инсайтов и переходите к использованию данных в самом продукте.

С помощью накопленных данных можно начать строить предиктивные модели, рекомендательные системы, то есть использовать уже накопленные данные для того, чтобы прогнозировать поведение и повышать ценность привлекаемых пользователей.

Развитие в эту сторону выходит за рамки продуктовой аналитики и плавно перетекает в область Data Science.

Во всех вариантах мы рассматриваем только подходы к сбору данных. Но данные собираются ради того, чтобы использовать их с пользой для проекта.

Наиболее распространенный вариант — визуализация данных с помощью BI систем. Сводные таблицы, графики и диаграммы — это то, что чаще всего используется в компаниях для принятия бизнес-решений. Это может показаться тривиальной задачей, ведь мы все умеем строить графики в Экселе, но задача не столь проста, если изучить ее более детально. Поэтому проектное привлечение специалиста по BI-системам для первичной разработки позволит избежать многих ошибок.

Однако аналитика не ограничивается только лишь визуализациями, графиками и выгрузками данных в виде сводных таблиц. Если вы собираете достаточный объем данных по своим пользователям, вы сможете спроектировать достаточно эффективные рекомендательные системы для пользователей, что повысит средний чек, увеличит удержание пользователей и т. д.

Помимо использования данных в текущем моменте, при наличии достаточных данных можно задумываться и о построении моделей, которые смогут с определенной степенью вероятности предсказывать те или иные события в будущем — это предиктивная аналитика.

И это только малая часть того, как данные могут помочь вам развивать ваш бизнес.

Если у вас мало времени, то вот краткое саммари: