Аналитика статистических данных позволяет компаниям решать широкий спектр задач:

• построение маркетинговой стратегии;
  
  
• улучшение программного обеспечения;
  
  
• оценка конкурентоспособности;
  
  
• и другие.
  

Список можно продолжать долго. В каждой организации спектр решаемых задач зависит от целей и ключевых метрик. С точки зрения маркетинга основные показатели — количество и источники установок и ROAS (окупаемость расходов на рекламу). Для топ-менеджеров — количество установок, рейтинг приложения и ROI (окупаемость вложений). Разработчики оценивают качество продукта, количество конверсий, платные действия аудитории и конкурентные преимущества.

Давайте поговорим об особенностях аналитики мобильных приложений:

1. Монополия на дистрибуцию. Сегодня большинство мобильных приложений распространяется через Store (магазины приложений). У iOS — App Store, Android — Google Play и т.п. Это накладывает ограничения на распространение программного обеспечения.

Для определения, откуда пришла установка, требуется применение дополнительных подходов. Обычно используют трекеры, о которых поговорим далее более подробно.

2. Обстоятельства использования смартфона: транспорт, дома. Один и тот же пользователь использует мобильное приложение в разных условиях: например, в комфорте дома или за рулем автомобиля. В первом случае разделы/страницы просматривает внимательно, все тапы попадают точно в кнопки и т.п. Во втором — просматривает в спешке, не всегда попадает в кнопки с первого раза и т.п.

То есть поведение одного и того же пользователя отличается в зависимости от обстоятельств, в которых он использует смартфон. И это важно учитывать при аналитике мобильных приложений.

3. Нестабильное беспроводное соединение — «доезд» событий. Беспроводное подключение к интернету может прерываться, а затем возобновляться. Во многих операционных системах и самих мобильных устройствах программы работают без подключения к Сети (если такую поддержку сделали сами разработчики).

Из-за этого невозможен моментальный сбор всей аналитики сразу. Действия пользователя сохраняются и после повторного подключения к интернету отправляются в систему статистики (также требуется некоторое время на отправку собранных сведений).

Для экономии ресурсов платформы аналитики ввели окно отправки данных (как правило, оно не превышает 7 дней). То есть они собирают данные о поведении пользователей без подключения к интернету в течение недели. Если за это время смартфон так и не подключился к Сети, информация удаляется.

Просматривайте отчеты в системе аналитики за последние 7 дней, потому что они постепенно будут дополняться «доездами».

4. Взаимодействие с платформами ОС. У разных платформ свои особенности для разработки программного обеспечения, которые надо учитывать в работе. Например, в iOS и Android пользователи идентифицируются разными рекламными идентификаторами. Они отличаются друг от друга характеристиками, длиной и специальными символами.

5. Подверженность к падениям — крэши и ошибки. Мобильные приложения, как и любое другое программное обеспечение, подвержены ошибкам и «падениям». К сожалению, такое случается в любом проекте по разным причинам: баги в операционных системах, аппаратах или самом приложении.

Ошибки и «падения» — негативный опыт для аудитории. Чтобы сводить отрицательные последствия к минимум, аналитики собирают информацию о багах. Для этого используют специальные программные решения, о которых более подробно поговорим в следующих разделах статьи.

6. Ограничения девайса: память, батарейка и т.п. Мобильные девайсы — автономные устройства, поэтому проблема объема памяти или заряда батареи с ними стоит острее, чем с настольными компьютерами или ноутбуками.

Например, добавление большого количества систем аналитики «утяжеляет» программу. Из-за этого у некоторых пользователей возникают проблемы с установкой или использованием и они отказываются от взаимодействий с программой. Неоптимизированный код становится причиной повышенной нагрузки на смартфоны и планшеты, из-за чего быстрее расходуется заряд батареи. И это становится причиной ухода аудитории.

Грамотная аналитика выявляет эти причины и помогает разработчикам принимать правильные решения по дальнейшему улучшению программного обеспечения.

Работа с система аналитики мобильных приложений начинается с интеграции SDK — программного кода (компонента) счетчика — для сбора данных. Причем важно не просто внедрить его в приложение, но и протестировать на корректность работы.

Опытные аналитики не раз сталкивались с ситуациями, когда разработчик не позаботился о тестировании SDK. В результате после запуска «терялись» важные данные о поведении пользователей, конверсиях и т.п. А эти сведения очень важны на начальных этапах развития продукта: на их основе вносятся правки, «допиливается» приложение для наиболее точного решения проблем пользователей.

Быстрое обнаружение некорректной работы SDK не позволит уже на следующий день получать актуальные данные. Сначала выявляют ошибку, затем исправляют и «выкатывают» новую версию программного обеспечения в маркеты. Как правило, около недели уходит у пользователей на обновление софта.

Прежде чем перейти к рассмотрению видов и инструментов app-аналитики, подробно рассмотрим путь пользователя мобильного приложения.

Обратите внимание на воронку (изображение выше). Она вам что-то напоминает? Этапы очень похожи на воронку другого бизнеса: веб-сайта или даже оффлайн-магазина.

Все начинается с установки приложения и первого запуска. Далее — активация — пользователь проходит краткое обучение или знакомство с софтом. Разработчики реализуют этот этап системами подсказок, которые указывают на правильное взаимодействие с программным обеспечением.

Следующий этап — цикл основных действий. Возврат в приложение, совершение целевых действий (например, покупка). Это может повторяться несколько раз, прежде чем пользователь станет лояльным и порекомендует программу своим родственникам, друзьями, коллегам и т.п.

Ниже под воронкой посмотрите на строчку «Инструменты». В ней обозначены решения, которые используются для аналитики на том или ином этапе. Например, на стадии установки и первого запуска обычно применяют трекинг и ASO (оптимизация софта для маркета).

Специалисты выделяют три основных вида аналитики приложений:

1. Аналитика маркетинга. Анализ рекламных кампаний. Отвечает на вопрос: какой канал продвижения наиболее эффективен для программного обеспечения? Оценивается количество установок, источники и ключевые действия пользователей.
   
   
2. Аналитика продукта. Анализ поведения пользователей в приложении. Отвечает на вопрос: что изменить в программном обеспечении для повышения конверсий? Оценивается количество действий пользователей, профит и retention полезных юзеров.
   
   
3. Аналитика сторов. Анализ и мониторинг популярности приложения. Отвечает на вопрос: на сколько продукт хорошо для целевой аудитории? Оценивается количество установок, источники и ключевые действия.
   

Обратите внимание, что аналитика маркетинга и сторов похожа. Только в первом случае оценивают все рекламные кампании, а во втором — положение программы в AppStore, Google Play и на других аналогичных площадках. Для работы с обоими видами часто используют трекеры, о которых поговорим далее.

Специалисты выделяют несколько категорий инструментов app-аналитики, чаще всего применяемых в работе:

• трекинг — отслеживание маркетинговой активности пользователей;
  
  
• продуктовая аналитика — важные метрики продукта: аудитория, новые пользователи, количество сессий, средняя длина сессий и т.п.;
  
  
• статистика по крэшам — анализа стабильности работы мобильного приложения, количество «падений», ошибок и т.п., что формирует негативный опыт пользователей;
  
  
• push и in-app коммуникации — пуш-уведомления для коммуникации с пользователями (аналитики оценивают кликабельность и вовлеченность инструмента);
  
  
• аналитика сторов — инструмент применяется для ASO (оптимизированность под магазины приложений) и оценки конкурентов, которые размещаются на площадке в той же или соседней категории;
  
  
• финансовая аналитика — например, анализ количества подписок или покупок товаров;
  
  
• запись пользовательских сессий — поведение пользователя в мобильном приложении, как он взаимодействует с интерфейсом (аналог вебвизора, используемого для веб-сайтов в Яндекс.Метрике);
  
  
• другое — специализированные платформы для аналитики, например, для работы с A/B-тестами, deep-линками, ссылками и т.п.
  
  

Может возникнуть вопрос, зачем так много категорий? Неужели нет какой-то единой системы, объединяющей в себе все это. Да, такие системы есть, но они обладают определенными особенностями. Из-за этого их не всегда удается применить в том или ином проекте для сбора качественных данных, поэтому приходится работать с разными платформами, выполняющими 1-3 задачи.

Не пугайтесь большого количества категорий инструментов app-аналитики. Только на первый взгляд кажется, что работа с множеством платформ занимает много времени и требует немало сил для сбора и сведения данных в единый отчет.

И как же тогда получать целостную картину о пользовательском опыте, если придется работать с несколькими разрозненными инструментами? Универсального ответа на этот вопрос нет. Аналитик сам выбирает, каким образом объединить все платформу в единую систему. У всех свои подходы, которые позволяют выполнять главные задачи: собирать информацию о пользовательском поведении, конверсиях, ключевых метриках и т.п.

Как вы помните, пользователи приходят из разных источников: AppStore, Google Play, реклама и т.д. Отслеживание источников трафика касается аналитики маркетинга и сторов и реализуется трекерами.

Выше изображена схема работы трекинга. Разберемся в ней подробнее. Есть пользователь, использующий мобильное устройство. Он видит рекламу и совершает клик. Его обрабатывает система трекинга: определяет, установлено приложение на устройстве или нет.

В первом случае происходит редирект в Store для скачивания и установки программного обеспечения. Во втором — редирект в установленную программу для демонстрации искомой информации. После установки и первого запуска информация о клике отправляется в систему трекинга, обрабатывается. Далее формируется отчет с необходимыми для аналитика данными.

Также данные об установке отправляются в рекламную систему, потому что ей неоткуда взять сведения о произошедшей конверсии. Встроенные инструменты площадки определяют только клики.

Есть и другие задачи, которые выполняются трекингом:

• Определение типа конверсии: установки, re-engagement (ретаргетинг), события, покупки.
  
  
• Разделение каналов трафика: органический, платный, реферальный.
  
  
• Анализ эффективности кампаний: CPI, CPA, Retargeting.
  
  
• Оптимизация кампании: цена, аудитория, конверсии.
  

Самые популярные в Рунете сервисы трекинга: Adjust, AppsFlyer, AppMetrica и Branch. Они отличаются друг от друга характеристиками и функциями. Но есть одна общая особенность: они не заменяют продуктовую аналитику в целом.

У большинства трекеров есть некоторые ограничения:

• отсутствие интеграции с некоторыми рекламными платформами;
  
  
• нет специализированных отчетов, как в случае с продуктовой аналитикой;
  
  
• невозможно объективно оценивать подписки пользователей.
  

Это комплекс методов аналитики, направленный на улучшение приложения: финансовых, маркетинговых и пользовательских характеристик. Анализ данных позволяет создавать эффективные рекламные кампания, точнее удовлетворять боли аудитории и сокращать расходы на всех этапах развития и реализации продукта.

Продуктовая аналитика решает несколько основных задач:

Первая задача совпадает с аналитикой маркетинга, отличается лишь расширенными возможностями: более широкая аудитория, больше инструментов для анализа, наличие специализированных отчетов и т.п.

Продакт-менеджеры всегда ищут и проверяют новые гипотезы, чтобы сделать приложение успешнее и прибыльные. Аналитика продукта за счет мониторинга метрик проекта (первая задача) дает ценную информацию, на основе которой специалист принимает решение: гипотеза верна или нет и стоит ли ее масштабировать на все программное обеспечение.

Некоторые платформы помогают в решении третьей задачи — проведении A/B тестирований. В них встроен функционал для выбора сегментов, на которые распространится нововведение и какое именно. Собранные данные используют для интерпретации результатов теста и принятия решений.

То есть аналитика продукта изучает поведение пользователей во время взаимодействия с программным обеспечением. На основе данных специалист понимает, что сейчас происходит с приложением.

Вот несколько примеров важных сведений:

• какие кнопки нажимают пользователи;
  
  
• как часто используют продукт;
  
  
• какие функции продукта популярны;
  
  
• с какими проблемами сталкиваются пользователи при взаимодействии с продуктом.
  
  

Эти данные помогают компании удержать пользователя в приложении, что дешевле привлечения новой аудитории. Поняв, как клиент взаимодействует с продуктом, какую пользу получает и с какими проблемами сталкивается, вы оперативно внесете необходимые изменения и повысите ценность продукта.

Опытные специалисты для аналитики продукта используют следующие сервисы: Amplitude, Mixpanel, Devtodev, Flurry, AppMetrica и Firebase. Эти системы поддерживают подключение сторонних платформ: например, трекинг, push-рассылки и т.п.

Но возможны и ограничения:

• поддержка фреймворков и их возможностей;
  
  
• ограничения на типы событий, их число и параметры;
  
  
• доступ к «сырым» данным (не все метрики доступны в рамках одной платформы);
  
  
• наличие и возможности отчетов;
  
  
• отслеживание и работа с подписками.
  

Полностью универсальных платформ сегодня не существует. В одной системе нет одного инструмента, во второй — другого. Нужные метрики «добивают» сторонними платформами.

Но системы для аналитики продукта продолжают развиваться, регулярно появляются новые функции и возможности. Следите за обновлениями, пробуйте что-то новое и достигайте высоких показателей.

Оценка push и in-app коммуникаций — один из подразделов продуктовой аналитики. Их используют для повышения показателей retention и конверсии. На основе полученных данных аналитик принимает решение: какие коммуникации не работают, какие требуют доработки, а какие можно масштабировать.

«Пуши» используют для своевременного и персонального предложения товаров/услуг клиентам. Эффективность инструмента доказывали на практике много раз. Без уведомлений пользователи реже возвращаются в приложение и совершают целевые действия.

Оценивать push и in-app коммуникации можно на платформах Firebase и AppMetrica. Если вы используете другую систему аналитики, в которой нет такой функции, рассмотрите применение сторонних инструментов: Airship или OneSignal.

Сбор статистики по крэшам и ошибкам важен для удержания текущей аудитории. Он позволяет контролировать стабильность работы приложения, помогает определять неполадки и расставлять приоритеты. Чем сильнее ошибка влияет на ключевые метрики, тем выше ее значимость. В первую очередь исправляют крэши с максимальным приоритетом.

Исходя из этого вывода, нетрудно определить основные показатели этого подраздела:

• % crash-free пользователей — у какого процента пользователей не было ошибок;
  
  
• % crash-free сессий — сколько процентов сессий прошло без ошибок.
  

В Firebase и AppMetrica есть встроенный функционал статистики по крэшам и ошибкам. Если вы работаете с другими платформами, где такой возможности нет, используйте сторонние инструменты: App Center или Countly.

В этой статье дано описание основных элементов app-аналитики. Ознакомьтесь и попробуйте на практике описанные инструменты. Анализ данных о поведении пользователей позволит принимать верные решения и уже через пару месяцев вы заметите повышение целевых метрик. Если остались какие-то вопросы, задавайте их в комментариях, мы с радостью ответим!