Wanneer (en hoe) je analytics toevoegt aan je met AI gebouwde app

Een paar weken geleden lanceerde een oprichter die ik ken haar app — een tool voor kleine pilatesstudio’s om hun leswachtlijsten te beheren. Ze bouwde hem in ongeveer een week met een AI-appbouwer. Hij ging op een donderdag de deur uit. Ze vertelde me op zondag dat ze geen idee had of iemand hem gebruikte.

“Hoeveel aanmeldingen had je?” “Ik weet het niet.” “Gebruiken de mensen die zich aanmeldden hem echt?” “Ik weet het niet.” “Loopt er iemand ergens vast?” “Ik weet het niet.”

Ze was niet onzorgvuldig. Ze had gewoon nog geen analytics in de app. En zoals veel niet-technische oprichters had ze aangenomen dat ze analytics “later, als er meer gebruikers zijn” zou toevoegen. Het probleem is dat “later” nooit komt, want zonder analytics weet je niet hoeveel gebruikers er zijn, dus je kunt niet zien wanneer “later” is.

Als je een app hebt gebouwd met een AI-appbouwer en je staart ernaar en vraagt je af of je tracking moet toevoegen, dan is deze post voor jou. We behandelen wanneer te beginnen, wat te volgen, wat te negeren, en de simpelst mogelijke manier om het te doen zonder jezelf in een datapersoon te veranderen.

Het kortst mogelijke antwoord

Voeg basale analytics toe aan je met AI gebouwde app op dag één, voordat je gebruikers hebt. Geen ingewikkeld dashboard. Geen gedragsheatmap. Gewoon drie of vier dingen. We komen toe aan welke.

De reden om het voor de lancering te doen, is puur praktisch: het is veel makkelijker om tracking toe te voegen aan een app met nul gebruikers dan om het te retrofitten op een app die al draait en waar mensen op vertrouwen. Je AI-bouwer kan het netjes inbouwen wanneer de app klein is. Zodra er echte gebruikers op afkomen, voelt elke wijziging riskanter en blijf je het uitstellen.

Waarom mensen dit overslaan en niet zouden moeten

De meest voorkomende reden dat niet-technische oprichters analytics overslaan, is dat ze zich schamen over hoe weinig gebruikers ze hebben. Ze denken: ik voeg analytics toe zodra ik niet meer in verlegenheid word gebracht door het getal. Dit is precies andersom. Je probeert tot een getal te komen waar je niet in verlegenheid door wordt gebracht. Zonder analytics kun je niet zien of iets wat je doet werkt.

De tweede reden is dat analyticstools intimiderend ogen. Je hoort “Google Analytics”, “Mixpanel”, “PostHog”, “Amplitude”, en je ogen glazen over. De meeste van deze tools zijn gebouwd voor productmanagers bij bedrijven met twaalf mensen wier baan alleen is naar grafieken kijken. Dat heb je niet nodig. Je moet vier dingen weten, en vrijwel elke tool vertelt je die vier dingen.

De vier dingen om op dag één te volgen

Als je met AI gebouwde app ook maar enigszins lijkt op de apps die ik zie — een kleine SaaS, een interne tool, een marktplaats, een directory, een nicheproduct — zijn dit de vier getallen die er in het begin echt toe doen.

1. Hoeveel mensen op de app belanden

Dit is de simpelste. Gewoon “hoeveel unieke mensen bezochten vandaag de homepage”. De meeste analyticstools geven je dit gratis op het moment dat je ze installeert. Het is de noemer voor al het andere.

Je zult in de verleiding komen om obsessief naar dit getal te kijken. Doe het niet. Het is van dag tot dag rommelig. Kijk naar de weektrend.

2. Hoeveel van die mensen zich aanmelden (of jouw “eerste echte stap” zetten)

Wat de eerste verbintenis ook is die je app vraagt — aanmelden, een gratis proefperiode starten, hun eerste project aanmaken, een demo boeken — volg wanneer dat gebeurt. Dit is je conversie-event.

Als je lanceerde met 100 bezoekers en 4 aanmeldingen, is je aanmeldpercentage 4%. Dat is een getal dat je nu kunt proberen te verplaatsen. Als je lanceerde met 100 bezoekers en je hebt geen idee hoeveel zich aanmeldden, heb je niets om te optimaliseren.

3. Hoeveel van die mensen de volgende dag terugkomen (of de volgende week)

Dit is het belangrijkste getal dat niemand vroeg volgt. Het heet retentie, en voor met AI gebouwde apps is het vaak het ding dat je stilletjes vertelt of je iets echts hebt of dat je een eenmalig nieuwigheidje hebt gebouwd.

Je hebt hier niets ingewikkelds nodig. Gewoon: van de mensen die zich deze week aanmeldden, hoeveel kwamen de volgende week terug en deden iets? Als het antwoord ongeveer nul is, heb je een probleem dat geen hoeveelheid homepageverkeer gaat oplossen.

4. Waar mensen afhaken

Als je enige vorm van flow hebt — aanmelding, onboarding, eerste taak, checkout — volg elke stap. Niet elke klik. Gewoon de benoemde stappen. Zodat je kunt zien: 100 begonnen aanmelding, 80 voerden hun e-mail in, 50 bevestigden hem, 20 kwamen bij het dashboard.

Die funnel is de allernuttigste debugtool die je ooit zult hebben voor een met AI gebouwde app, want hij vertelt je precies waar je je op moet richten. Als 100 de aanmelding starten en 80 e-mail invoeren maar slechts 50 bevestigen, heb je een e-mailprobleem (misschien gaat de bevestigingsmail naar spam, misschien verstuurt hij niet). Nu heb je iets specifieks om je AI-bouwer te vragen te repareren.

Wat te negeren

Hier is wat je niet moet volgen wanneer je begint, want het verspilt je tijd en laat je voelen alsof je meer zou moeten doen dan zou moeten:

• Elke knopklik. Je hoeft niet te weten dat 14 mensen op de “Over”-link klikten. Je gebruikt die data nooit.
• Tijd op pagina. Klinkt betekenisvol, is het niet. Iemand die een tabblad open laat terwijl ze gaan lunchen, telt als “20 minuten betrokken”.
• Bouncepercentage. Oprecht nuttig voor contentsites; meestal ruis voor app-vormige producten.
• A/B-tests. Doe dit niet totdat je honderden gebruikers per variant per week hebt. Je kunt niet A/B-testen met acht gebruikers.
• Demografie, scrolldiepte, heatmaps. Uiteindelijk nuttig. Niet nu.

De vuistregel: als een metric geen beslissing zou veranderen die je deze week zou maken, volg hem dan nog niet.

Hoe je het echt toevoegt (de niet-technische versie)

De meeste AI-appbouwers maken dit bijna verdacht makkelijk. Je geeft de bouwer een zin als:

“Voeg analyticstracking toe. Gebruik [toolnaam]. Volg wanneer iemand de homepage bezoekt, wanneer ze zich aanmelden, wanneer ze terugkomen en inloggen, en bij elke stap van de onboardingflow.”

Als je een tool als PostHog of Plausible gebruikt, genereren ze een klein stukje code (een of twee regels) dat in de head van de app gaat. Je AI-bouwer kan het voor je plakken. Als je Google Analytics gebruikt, hetzelfde — Google geeft je een snippet, je geeft de snippet aan je bouwer, je bouwer installeert hem.

Voor de benoemde events (aanmelding, login, onboardingstap) beschrijf je ze in gewone taal. “Wanneer de gebruiker het aanmeldformulier succesvol afmaakt, stuur een event genaamd signup_completed.” De bouwer schrijft de code. Jij niet.

Drie tools die ik zou overwegen voor een verse met AI gebouwde app, op volgorde:

1. Plausible — Doodsimpel, privacyvriendelijk, heeft een strak dashboard. Het kortste pad van nul analytics naar nuttige analytics. Kost ongeveer $9/maand.
2. PostHog — Gratis tot een royale limiet, krachtiger, laat je funnels en retentie doen zonder het dashboard te verlaten. De moeite waard op het moment dat je een echte funnel te volgen hebt.
3. Google Analytics 4 — Gratis, alomtegenwoordig, pijnlijk om te leren. Gebruik hem als je marketing gaat draaien en de integratie nodig hebt. Sla hem anders over.

Kies er één. Installeer er geen twee. Twee analyticstools is twee keer het werk en nul keer het inzicht.

De discipline die zich echt terugverdient

Hier is het ding dat analytics verandert van een ijdelheidsoefening in een nuttige tool: je moet er op schema naar kijken.

Eens per week, ga 15 minuten zitten en beantwoord vier vragen:

1. Hoeveel mensen bezochten deze week versus vorige week?
2. Hoeveel meldden zich aan?
3. Van de aanmeldingen van vorige week, hoeveel kwamen terug?
4. Waar in de flow haakten mensen af?

Dat is het. Probeer niet “de data te verkennen”. Open niet tien rapporten. Beantwoord de vier vragen, schrijf de getallen in een notitie-app of een spreadsheet, en ga verder. Na vier weken zie je trends. Na acht weken weet je welke van je wijzigingen werkten en welke niet.

De oprichter die ik aan het begin van deze post noemde, voegde Plausible toe aan haar pilatesstudio-app de maandag na ons gesprek. Het kostte haar ongeveer 20 minuten — het meeste daarvan besteed aan de AI-bouwer vertellen hoe de events te noemen. Twee weken later kon ze me met zekerheid vertellen dat haar drie beste aanmeldingen van één Instagram-post kwamen die een klant maakte, dat niemand de onboarding afmaakte omdat de derde stap te vroeg om een betaalmethode vroeg, en dat van haar 11 actieve studio’s er 7 minstens drie keer naar de app waren teruggekomen. Geen van die feiten bestond voordat ze analytics toevoegde. Ze veranderden allemaal wat ze vervolgens deed.

Je hebt geen dashboard met 40 grafieken nodig. Je moet weten of het ding leeft. Voeg de vier getallen toe. Kijk er eens per week naar. De rest kan wachten.