מתי (ואיך) להוסיף אנליטיקה לאפליקציה שבניתם עם בינה מלאכותית

לפני כמה שבועות, מייסדת שאני מכיר השיקה את האפליקציה שלה — כלי לסטודיו פילאטיס קטנים לניהול רשימות ההמתנה לשיעורים שלהם. היא בנתה אותה בערך בשבוע עם כלי לבניית אפליקציות עם בינה מלאכותית. זה יצא ביום חמישי. ביום ראשון היא אמרה לי שאין לה מושג אם מישהו משתמש בזה.

“כמה הרשמות היו לך?” “אני לא יודעת.” “האם האנשים שנרשמו באמת משתמשים בזה?” “אני לא יודעת.” “האם מישהו נתקע איפשהו?” “אני לא יודעת.”

היא לא הייתה רשלנית. פשוט עדיין לא הייתה לה אנליטיקה באפליקציה. וכמו הרבה מייסדים לא-טכניים, היא הניחה שהיא תוסיף אנליטיקה “אחר כך, כשיהיו יותר משתמשים”. הבעיה היא ש”אחר כך” אף פעם לא מגיע, כי בלי אנליטיקה אתם לא יודעים כמה משתמשים יש, אז אתם לא יכולים לדעת מתי “אחר כך” הוא.

אם בניתם אפליקציה עם כלי לבניית אפליקציות עם בינה מלאכותית ואתם בוהים בה ותוהים אם להוסיף מעקב, הפוסט הזה בשבילכם. נכסה מתי להתחיל, מה לעקוב אחריו, ממה להתעלם, והדרך הכי פשוטה שאפשר לעשות את זה בלי להפוך את עצמכם לאנשי נתונים.

התשובה הכי קצרה שאפשר

הוסיפו אנליטיקה בסיסית לאפליקציה שבניתם עם בינה מלאכותית ביום הראשון, לפני שיש לכם משתמשים בכלל. לא לוח בקרה מפואר. לא מפת חום של התנהגות. רק שלושה או ארבעה דברים. נגיע לאיזה.

הסיבה לעשות את זה לפני ההשקה היא טהורה ומעשית: הרבה יותר קל להוסיף מעקב לאפליקציה עם אפס משתמשים מאשר להרכיב אותו בדיעבד על אפליקציה שכבר רצה ואנשים נשענים עליה. הכלי שלכם יכול לחבר את זה בנקיות כשהאפליקציה קטנה. ברגע שיש משתמשים אמיתיים שפוגעים בה, כל שינוי מרגיש מסוכן יותר ותמשיכו לדחות את זה.

למה אנשים מדלגים על זה ולא צריכים

הסיבה הכי נפוצה שמייסדים לא-טכניים מדלגים על אנליטיקה היא שהם מתביישים בכמה מעט משתמשים יש להם. הם חושבים, אוסיף אנליטיקה ברגע שלא אתבייש מהמספר. זה בדיוק הפוך. אתם מנסים להגיע למספר שלא תתביישו ממנו. בלי אנליטיקה, אתם לא יכולים לדעת אם משהו שאתם עושים עובד.

הסיבה השנייה היא שכלי אנליטיקה נראים מאיימים. אתם שומעים “Google Analytics”, “Mixpanel”, “PostHog”, “Amplitude”, והעיניים שלכם נעשות זגוגיות. רוב הכלים האלה בנויים למנהלי מוצר בחברות עם שנים-עשר אנשים שהתפקיד שלהם הוא רק להסתכל על גרפים. אתם לא צריכים את זה. אתם צריכים לדעת ארבעה דברים, וכמעט כל כלי יגיד לכם את ארבעת הדברים האלה.

ארבעת הדברים לעקוב אחריהם ביום הראשון

אם האפליקציה שבניתם עם בינה מלאכותית דומה לאלה שאני רואה — SaaS קטן, כלי פנימי, marketplace, מדריך, מוצר נישתי — אלה ארבעת המספרים שבאמת חשובים בהתחלה.

1. כמה אנשים נוחתים על האפליקציה

זה הכי פשוט. פשוט “כמה אנשים ייחודיים ביקרו בעמוד הבית היום”. רוב כלי האנליטיקה נותנים לכם את זה בחינם ברגע שאתם מתקינים אותם. זה המכנה של כל השאר.

תתפתו להסתכל על המספר הזה באובססיביות. אל תעשו זאת. הוא רועש מיום ליום. הסתכלו על המגמה השבועית.

2. כמה מהאנשים האלה נרשמים (או עושים את “הצעד האמיתי הראשון” שלכם)

מה שלא תהיה ההתחייבות הראשונה שהאפליקציה שלכם מבקשת — להירשם, להתחיל ניסיון חינם, ליצור את הפרויקט הראשון, לקבוע דמו — עקבו מתי זה קורה. זה אירוע ההמרה שלכם.

אם השקתם עם 100 מבקרים ו-4 הרשמות, שיעור ההרשמה שלכם הוא 4%. זה מספר שעכשיו אתם יכולים לנסות להזיז. אם השקתם עם 100 מבקרים ואין לכם מושג כמה נרשמו, אין לכם מה לבצע לו אופטימיזציה.

3. כמה מהאנשים האלה חוזרים ביום שלמחרת (או בשבוע שלאחר מכן)

זה המספר הכי חשוב שאף אחד לא עוקב אחריו מוקדם. הוא נקרא שימור (retention), ובאפליקציות שנבנו עם בינה מלאכותית הוא לעיתים קרובות הדבר שאומר לכם בשקט אם יש לכם משהו אמיתי או שבניתם חידוש לשימוש חד-פעמי.

אתם לא צריכים שום דבר מפואר כאן. רק: מבין האנשים שנרשמו השבוע, כמה חזרו בשבוע שלאחר מכן ועשו משהו? אם התשובה היא בערך אפס, יש לכם בעיה ששום כמות של תעבורה לעמוד הבית לא תתקן.

4. איפה אנשים נושרים

אם יש לכם זרימה כלשהי — הרשמה, onboarding, משימה ראשונה, קופה — עקבו אחר כל שלב. לא כל לחיצה. רק השלבים בעלי השם. כדי שתוכלו לראות: 100 התחילו הרשמה, 80 הזינו את המייל שלהם, 50 אישרו אותו, 20 הגיעו ללוח הבקרה.

המשפך הזה הוא כלי הניפוי הכי שימושי שאי פעם יהיה לכם לאפליקציה שנבנתה עם בינה מלאכותית, כי הוא אומר לכם בדיוק על מה להתמקד. אם 100 מתחילים הרשמה ו-80 מזינים מייל אבל רק 50 מאשרים, יש לכם בעיית מייל (אולי מייל האישור הולך לספאם, אולי הוא לא נשלח). עכשיו יש לכם משהו ספציפי לבקש מהכלי לתקן.

ממה להתעלם

הנה מה שלא לעקוב אחריו כשאתם מתחילים, כי זה יבזבז את הזמן שלכם ויגרום לכם להרגיש שאתם צריכים לעשות יותר ממה שאתם צריכים:

• כל לחיצת כפתור. אתם לא צריכים לדעת ש-14 אנשים לחצו על הקישור “אודות”. לעולם לא תשתמשו בנתון הזה.
• זמן בעמוד. נשמע משמעותי, לא. מישהו שמשאיר לשונית פתוחה בזמן שהוא הולך לארוחת צהריים נספר כ”20 דקות מעורבות”.
• שיעור נטישה (bounce rate). באמת שימושי לאתרי תוכן; בעיקר רעש למוצרים בצורת אפליקציה.
• בדיקות A/B. אל תעשו את זה עד שיש לכם מאות משתמשים לכל וריאציה בשבוע. אתם לא יכולים לעשות בדיקת A/B עם שמונה משתמשים.
• דמוגרפיה, עומק גלילה, מפות חום. שימושי בסופו של דבר. לא עכשיו.

כלל האצבע: אם מדד לא היה משנה החלטה שהייתם מקבלים השבוע, אל תעקבו אחריו עדיין.

איך באמת להוסיף את זה (הגרסה הלא-טכנית)

רוב הכלים הופכים את זה לקל באופן חשוד. אתם נותנים לכלי משפט כמו:

“תוסיף מעקב אנליטיקה. תשתמש ב-[שם הכלי]. תעקוב מתי מישהו מבקר בעמוד הבית, מתי הוא נרשם, מתי הוא חוזר ומתחבר, ובכל שלב של זרימת ה-onboarding.”

אם אתם משתמשים בכלי כמו PostHog או Plausible, הם ייצרו קטע קוד קטן (שורה או שתיים) שהולך ב-head של האפליקציה. הכלי שלכם יכול להדביק אותו בשבילכם. אם אתם משתמשים ב-Google Analytics, אותו דבר — גוגל נותן לכם קטע, אתם נותנים את הקטע לכלי שלכם, הכלי שלכם מתקין אותו.

עבור האירועים בעלי השם (הרשמה, התחברות, שלב onboarding), אתם מתארים אותם בשפה פשוטה. “כשהמשתמש מסיים את טופס ההרשמה בהצלחה, תשלח אירוע בשם signup_completed.” הכלי כותב את הקוד. אתם לא.

שלושה כלים שהייתי שוקל לאפליקציה טרייה שנבנתה עם בינה מלאכותית, לפי סדר:

1. Plausible — פשוט מאוד, ידידותי לפרטיות, יש לו לוח בקרה נקי. המסלול הקצר ביותר מאפס אנליטיקה לאנליטיקה שימושית. עולה בערך 9 דולר בחודש.
2. PostHog — חינם עד מגבלה נדיבה, חזק יותר, מאפשר לכם לעשות משפכים ושימור בלי לעזוב את לוח הבקרה. שווה ברגע שיש לכם משפך אמיתי לעקוב אחריו.
3. Google Analytics 4 — חינם, נפוץ בכל מקום, כואב ללמוד. השתמשו בו אם אתם תפעילו שיווק ותצטרכו את האינטגרציה. דלגו עליו אחרת.

בחרו אחד. אל תתקינו שניים. שני כלי אנליטיקה זה כפול עבודה ואפס פעמים תובנה.

המשמעת שבאמת משתלמת

הנה הדבר שהופך אנליטיקה מתרגיל יוהרה לכלי שימושי: אתם צריכים להסתכל עליה לפי לוח זמנים.

פעם בשבוע, שבו ל-15 דקות וענו על ארבע שאלות:

1. כמה אנשים ביקרו השבוע לעומת שבוע שעבר?
2. כמה נרשמו?
3. מבין ההרשמות של שבוע שעבר, כמה חזרו?
4. איפה בזרימה אנשים נשרו?

זהו. אל תנסו “לחקור את הנתונים”. אל תפתחו עשרה דוחות. ענו על ארבע השאלות, כתבו את המספרים באפליקציית פתקים או בגיליון אלקטרוני, והמשיכו. אחרי ארבעה שבועות, תראו מגמות. אחרי שמונה שבועות, תדעו אילו מהשינויים שלכם עבדו ואילו לא.

המייסדת שהזכרתי בתחילת הפוסט הוסיפה את Plausible לאפליקציית סטודיו הפילאטיס שלה ביום שני שאחרי השיחה שלנו. זה לקח לה בערך 20 דקות — רובן הוקדשו לספר לכלי איך לקרוא לאירועים. שבועיים לאחר מכן היא יכלה לומר לי בוודאות ששלוש ההרשמות הכי טובות שלה הגיעו מפוסט אחד באינסטגרם שלקוחה עשתה, שאף אחד לא סיים את ה-onboarding כי השלב השלישי ביקש אמצעי תשלום מוקדם מדי, ושמבין 11 הסטודיו הפעילים שלה, 7 חזרו לאפליקציה לפחות שלוש פעמים. אף אחת מהעובדות האלה לא הייתה קיימת לפני שהיא הוסיפה אנליטיקה. כולן שינו את מה שהיא עשתה בהמשך.

אתם לא צריכים לוח בקרה עם 40 גרפים. אתם צריכים לדעת אם הדבר חי. הוסיפו את ארבעת המספרים. הסתכלו עליהם פעם בשבוע. השאר יכול לחכות.