چه زمانی (و چگونه) به اپ ساختهشده با هوش مصنوعیتان تحلیل داده اضافه کنید
به داشبوردی با ۴۰ نمودار نیاز ندارید. باید بدانید آیا کسی اصلاً از آن استفاده میکند یا نه. این یک راهنمای غیرفنی برای افزودن تحلیل داده به اپ ساختهشده با هوش مصنوعیتان است — چه چیزی را ردگیری کنید، کِی شروع کنید و چه چیزی را نادیده بگیرید.
چند هفته پیش، بنیانگذاری که میشناسم اپش را راهاندازی کرد — ابزاری برای استودیوهای کوچک پیلاتس تا لیست انتظار کلاسهایشان را مدیریت کنند. آن را در حدود یک هفته با یک اپساز هوش مصنوعی ساخت. پنجشنبه منتشر شد. یکشنبه به من گفت هیچ ایدهای ندارد که آیا کسی از آن استفاده میکند یا نه.
«چند نفر ثبتنام کردند؟» «نمیدانم.» «آیا کسانی که ثبتنام کردند واقعاً از آن استفاده میکنند؟» «نمیدانم.» «آیا کسی جایی گیر کرده؟» «نمیدانم.»
بیمبالات نبود. فقط هنوز در اپ، تحلیل داده نداشت. و مثل خیلی از بنیانگذاران غیرفنی، فرض کرده بود که «بعداً، وقتی کاربرهای بیشتری بود» تحلیل داده اضافه میکند. مشکل این است که «بعداً» هیچوقت نمیرسد، چون بدون تحلیل داده نمیدانید چند کاربر دارید، پس نمیتوانید بفهمید «بعداً» کِی است.
اگر با یک اپساز هوش مصنوعی اپی ساختهاید و به آن خیره شدهاید و از خودتان میپرسید آیا ردگیری اضافه کنید یا نه، این مطلب برای شماست. به این میپردازیم که کِی شروع کنید، چه چیزی را ردگیری کنید، چه چیزی را نادیده بگیرید، و سادهترین راه ممکن برای انجامش بدون اینکه تبدیل به یک آدمِ دادهای شوید.
کوتاهترین پاسخ ممکن
تحلیل دادهٔ پایه را به اپ ساختهشده با هوش مصنوعیتان در همان روز اول اضافه کنید، پیش از آنکه هیچ کاربری داشته باشید. نه یک داشبورد پر زرقوبرق. نه یک نقشهٔ حرارتیِ رفتار. فقط سه چهار چیز. به اینکه کدامها هستند خواهیم رسید.
دلیل اینکه باید پیش از راهاندازی انجامش بدهید کاملاً عملی است: افزودن ردگیری به اپی با صفر کاربر بسیار آسانتر از سوار کردن آن بر اپی است که هماکنون در حال اجراست و مردم به آن تکیه دارند. اپساز هوش مصنوعیتان میتواند وقتی اپ کوچک است آن را تمیز و یکپارچه پیاده کند. وقتی کاربرهای واقعی به آن سر بزنند، هر تغییری پرریسکتر به نظر میرسد و مدام آن را عقب میاندازید.
چرا مردم از این کار میگذرند و نباید بگذرند
شایعترین دلیل اینکه بنیانگذاران غیرفنی از تحلیل داده میگذرند این است که از تعداد اندک کاربرهایشان خجالت میکشند. فکر میکنند: وقتی دیگر از این عدد خجالت نکشم، تحلیل داده اضافه میکنم. این دقیقاً برعکس است. شما دارید تلاش میکنید به عددی برسید که از آن خجالت نکشید. بدون تحلیل داده، نمیتوانید بفهمید آیا کاری که میکنید اثر میگذارد یا نه.
دلیل دوم این است که ابزارهای تحلیل داده ترسناک به نظر میرسند. «Google Analytics»، «Mixpanel»، «PostHog»، «Amplitude» را میشنوید و چشمانتان سیاهی میرود. بیشتر این ابزارها برای مدیران محصول در شرکتهایی با دوازده نفر ساخته شدهاند که کارشان فقط نگاه کردن به نمودارهاست. شما به آن نیاز ندارید. باید چهار چیز را بدانید، و تقریباً هر ابزاری همان چهار چیز را به شما میگوید.
چهار چیزی که در روز اول باید ردگیری کنید
اگر اپ ساختهشده با هوش مصنوعیتان چیزی شبیه آنهایی است که من میبینم — یک SaaS کوچک، یک ابزار داخلی، یک مارکتپلیس، یک دایرکتوری، یک محصول جاافتاده در یک حوزهٔ خاص — اینها چهار عددی هستند که در شروع کار واقعاً اهمیت دارند.
۱. چند نفر وارد اپ میشوند
این سادهترین است. فقط «چند نفر منحصربهفرد امروز از صفحهٔ اصلی بازدید کردند». بیشتر ابزارهای تحلیل داده همان لحظهای که نصبشان کنید این را رایگان به شما میدهند. این مخرجِ بقیهٔ کسرهاست.
وسوسه خواهید شد وسواسگونه به این عدد نگاه کنید. نگاه نکنید. روز به روز پرنوسان است. به روند هفتگی نگاه کنید.
۲. چند نفر از آنها ثبتنام میکنند (یا «اولین قدم واقعی» شما را برمیدارند)
هر اولین تعهدی که اپتان از کاربر میخواهد چیست — ثبتنام، شروع دورهٔ آزمایشی رایگان، ساختن اولین پروژه، رزرو یک دمو — وقتی اتفاق افتاد ردگیری کنید. این رویداد تبدیل شماست.
اگر با ۱۰۰ بازدیدکننده و ۴ ثبتنام راهاندازی کردید، نرخ ثبتنام شما ۴٪ است. این عددی است که حالا میتوانید تلاش کنید جابهجایش کنید. اگر با ۱۰۰ بازدیدکننده راهاندازی کردید و هیچ ایدهای ندارید که چند نفر ثبتنام کردند، چیزی برای بهینهسازی ندارید.
۳. چند نفر از آنها روز بعد (یا هفتهٔ بعد) برمیگردند
این مهمترین عددی است که هیچکس زود ردگیریاش نمیکند. به آن نگهداشت میگویند، و برای اپهای ساختهشده با هوش مصنوعی اغلب همان چیزی است که بیسروصدا به شما میگوید آیا چیزی واقعی دارید یا یک سرگرمیِ یکبارمصرف ساختهاید.
اینجا به چیز پیچیدهای نیاز ندارید. فقط: از کسانی که این هفته ثبتنام کردند، چند نفر هفتهٔ بعد برگشتند و کاری انجام دادند؟ اگر پاسخ تقریباً صفر است، مشکلی دارید که هیچ مقدار ترافیکِ صفحهٔ اصلی حلش نمیکند.
۴. مردم کجا کنار میکشند
اگر هر نوع جریانی دارید — ثبتنام، آنبوردینگ، اولین وظیفه، تسویهحساب — هر مرحله را ردگیری کنید. نه هر کلیک را. فقط مراحلِ نامدار را. تا ببینید: ۱۰۰ نفر ثبتنام را شروع کردند، ۸۰ نفر ایمیلشان را وارد کردند، ۵۰ نفر تأییدش کردند، ۲۰ نفر به داشبورد رسیدند.
آن قیف، تنها مفیدترین ابزار اشکالزدایی است که تا به حال برای یک اپ ساختهشده با هوش مصنوعی خواهید داشت، چون دقیقاً به شما میگوید روی کجا تمرکز کنید. اگر ۱۰۰ نفر ثبتنام را شروع کنند و ۸۰ نفر ایمیل را وارد کنند اما فقط ۵۰ نفر تأیید کنند، یک مشکل ایمیلی دارید (شاید ایمیل تأیید به اسپم میرود، شاید اصلاً ارسال نمیشود). حالا چیزی مشخص دارید که از اپساز هوش مصنوعیتان بخواهید درستش کند.
چه چیزی را نادیده بگیرید
این هم آنچه در شروع کار نباید ردگیری کنید، چون وقتتان را تلف میکند و این حس را به شما میدهد که باید بیشتر از آنچه لازم است انجام دهید:
- هر کلیکِ دکمه. لازم نیست بدانید ۱۴ نفر روی لینک «دربارهٔ ما» کلیک کردند. هرگز از این داده استفاده نخواهید کرد.
- زمان حضور در صفحه. معنادار به نظر میرسد، نیست. کسی که یک تب را باز میگذارد و میرود ناهار بخورد، «۲۰ دقیقه درگیر» حساب میشود.
- نرخ پرش. برای سایتهای محتوایی واقعاً مفید است؛ برای محصولات اپمانند بیشتر نویز است.
- آزمونهای A/B. تا وقتی صدها کاربر در هر نسخه در هر هفته ندارید این کار را نکنید. با هشت کاربر نمیتوانید آزمون A/B انجام دهید.
- جمعیتشناسی، عمق اسکرول، نقشههای حرارتی. سرانجام مفید خواهند بود. حالا نه.
قاعدهٔ سرانگشتی: اگر یک معیار تصمیمی را که این هفته میگیرید عوض نمیکند، فعلاً ردگیریاش نکنید.
چطور واقعاً اضافهاش کنید (نسخهٔ غیرفنی)
بیشتر اپسازهای هوش مصنوعی این کار را بهطرز مشکوکی آسان میکنند. به اپساز جملهای مثل این میدهید:
«تحلیل داده اضافه کن. از [نام ابزار] استفاده کن. ردگیری کن که کِی کسی از صفحهٔ اصلی بازدید میکند، کِی ثبتنام میکند، کِی برمیگردد و وارد میشود، و در هر مرحله از جریان آنبوردینگ.»
اگر از ابزاری مثل PostHog یا Plausible استفاده میکنید، یک قطعهٔ کوچک کد (یک یا دو خط) تولید میکنند که در بخش head اپ قرار میگیرد. اپساز هوش مصنوعیتان میتواند آن را برایتان جایگذاری کند. اگر از Google Analytics استفاده میکنید، همان داستان — Google یک قطعهکد به شما میدهد، قطعهکد را به اپسازتان میدهید، اپسازتان آن را نصب میکند.
برای رویدادهای نامدار (ثبتنام، ورود، مرحلهٔ آنبوردینگ)، آنها را به انگلیسی ساده توصیف میکنید. «وقتی کاربر فرم ثبتنام را با موفقیت تمام کرد، رویدادی به نام signup_completed بفرست.» اپساز کد را مینویسد. شما نمینویسید.
سه ابزار که برای یک اپ تازهٔ ساختهشده با هوش مصنوعی در نظر میگرفتم، به ترتیب:
- Plausible — بسیار ساده، حافظ حریم خصوصی، داشبورد تمیزی دارد. کوتاهترین مسیر از صفرِ تحلیل داده تا تحلیل دادهٔ مفید. حدود ۹ دلار در ماه هزینه دارد.
- PostHog — تا یک سقف سخاوتمندانه رایگان، قدرتمندتر، میگذارد بدون خروج از داشبورد قیف و نگهداشت بسازید. همان لحظهای که یک قیف واقعی برای ردگیری داشته باشید، ارزشش را دارد.
- Google Analytics 4 — رایگان، فراگیر، یادگیریاش دردسرساز. اگر بازاریابی انجام میدهید و به یکپارچهسازی نیاز دارید از آن استفاده کنید. در غیر این صورت از آن بگذرید.
یکی را انتخاب کنید. دو تا نصب نکنید. دو ابزار تحلیل داده یعنی دو برابر کار و صفر برابر بینش.
انضباطی که واقعاً ثمر میدهد
این همان چیزی است که تحلیل داده را از یک تمرینِ خودنمایانه به یک ابزار مفید تبدیل میکند: باید طبق یک برنامهٔ زمانی به آن نگاه کنید.
هفتهای یک بار، ۱۵ دقیقه بنشینید و به چهار پرسش پاسخ دهید:
- این هفته در مقایسه با هفتهٔ گذشته چند نفر بازدید کردند؟
- چند نفر ثبتنام کردند؟
- از ثبتنامکنندههای هفتهٔ گذشته، چند نفر برگشتند؟
- مردم کجای جریان کنار کشیدند؟
همین. سعی نکنید «دادهها را کاوش کنید». ده گزارش باز نکنید. به چهار پرسش پاسخ دهید، اعداد را در یک اپ یادداشت یا صفحهٔ گسترده بنویسید، و رد شوید. بعد از چهار هفته، روندها را خواهید دید. بعد از هشت هفته، خواهید دانست کدام تغییرهایتان جواب داد و کدام نه.
بنیانگذاری که در شروع این مطلب از او گفتم، دوشنبهٔ بعد از گفتوگوی ما Plausible را به اپ استودیوی پیلاتسش اضافه کرد. حدود ۲۰ دقیقه طول کشید — بیشترش صرف گفتن نام رویدادها به اپساز هوش مصنوعی شد. دو هفته بعد توانست با قطعیت به من بگوید که سه ثبتنام برترش از یک پست اینستاگرامیِ یک مشتری آمده، که هیچکس آنبوردینگ را تمام نمیکرد چون مرحلهٔ سوم خیلی زود روش پرداخت میخواست، و از ۱۱ استودیوی فعالش، ۷ تا دستکم سه بار به اپ برگشته بودند. هیچکدام از این واقعیتها پیش از افزودن تحلیل داده وجود نداشت. همهشان آنچه را او بعد انجام داد عوض کردند.
به داشبوردی با ۴۰ نمودار نیاز ندارید. باید بدانید آیا آن چیز زنده است یا نه. آن چهار عدد را اضافه کنید. هفتهای یک بار به آنها نگاه کنید. بقیه میتواند صبر کند.