Kiedy (i jak) dodać analitykę do aplikacji zbudowanej z AI

Kilka tygodni temu znajoma founderka wypuściła swoją aplikację — narzędzie dla małych studiów pilatesu do zarządzania listami oczekujących na zajęcia. Zbudowała ją w jakiś tydzień, używając kreatora aplikacji z AI. Ruszyła w czwartek. W niedzielę powiedziała mi, że nie ma pojęcia, czy ktokolwiek z niej korzysta.

„Ile miałaś rejestracji?”. „Nie wiem”. „Czy osoby, które się zarejestrowały, faktycznie z niej korzystają?”. „Nie wiem”. „Czy ktoś gdzieś się zacina?”. „Nie wiem”.

Nie była niedbała. Po prostu nie miała jeszcze analityki w aplikacji. I jak wielu nietechnicznych founderów założyła, że doda analitykę „później, gdy będzie więcej użytkowników”. Problem w tym, że „później” nigdy nie nadchodzi, bo bez analityki nie wiesz, ilu masz użytkowników, więc nie umiesz stwierdzić, kiedy jest to „później”.

Jeśli zbudowałeś aplikację za pomocą kreatora aplikacji z AI i wpatrujesz się w nią, zastanawiając się, czy dodać śledzenie, ten wpis jest dla Ciebie. Omówimy, kiedy zacząć, co mierzyć, co zignorować i najprostszy możliwy sposób, żeby to zrobić, nie zamieniając się w człowieka od danych.

Najkrótsza możliwa odpowiedź

Dodaj podstawową analitykę do aplikacji zbudowanej z AI pierwszego dnia, zanim będziesz mieć jakichkolwiek użytkowników. Nie wymyślny panel. Nie mapę cieplną zachowań. Tylko trzy albo cztery rzeczy. Dojdziemy do tego, które.

Powód, żeby zrobić to przed startem, jest czysto praktyczny: znacznie łatwiej dodać śledzenie do aplikacji z zerową liczbą użytkowników niż dorobić je do aplikacji, która już działa i na której ludzie polegają. Kreator AI może je czysto podłączyć, gdy aplikacja jest mała. Gdy zaczną wchodzić na nią prawdziwi użytkownicy, każda zmiana wydaje się bardziej ryzykowna i będziesz to wciąż odkładać.

Dlaczego ludzie to pomijają i dlaczego nie powinni

Najczęstszy powód, dla którego nietechniczni founderzy pomijają analitykę, to wstyd, jak mało mają użytkowników. Myślą sobie: dodam analitykę, gdy nie będę się już wstydził tej liczby. To dokładnie na odwrót. Próbujesz przecież dojść do liczby, której się nie wstydzisz. Bez analityki nie potrafisz stwierdzić, czy cokolwiek, co robisz, działa.

Drugi powód to fakt, że narzędzia analityczne wyglądają onieśmielająco. Słyszysz „Google Analytics”, „Mixpanel”, „PostHog”, „Amplitude” i mętnieje Ci wzrok. Większość tych narzędzi jest zbudowana dla product managerów w firmach z dwunastoma osobami, których jedynym zadaniem jest wpatrywanie się w wykresy. Tego nie potrzebujesz. Musisz wiedzieć cztery rzeczy, a niemal każde narzędzie powie Ci te cztery rzeczy.

Cztery rzeczy do mierzenia pierwszego dnia

Jeśli Twoja aplikacja zbudowana z AI jest w jakikolwiek sposób podobna do tych, które widuję — mały SaaS, narzędzie wewnętrzne, marketplace, katalog, niszowy produkt — to oto cztery liczby, które na starcie naprawdę mają znaczenie.

1. Ile osób trafia na aplikację

To najprostsza. Po prostu „ile unikalnych osób odwiedziło dziś stronę główną”. Większość narzędzi analitycznych daje Ci to za darmo w chwili instalacji. To mianownik dla wszystkiego pozostałego.

Będziesz miał pokusę, żeby obsesyjnie patrzeć na tę liczbę. Nie rób tego. Z dnia na dzień jest zaszumiona. Patrz na trend tygodniowy.

2. Ile z tych osób się rejestruje (lub robi Twój „pierwszy prawdziwy krok”)

Jakiekolwiek jest pierwsze zobowiązanie, o które prosi Twoja aplikacja — rejestracja, rozpoczęcie darmowego okresu próbnego, utworzenie pierwszego projektu, umówienie demo — śledź, kiedy to się dzieje. To Twoje zdarzenie konwersji.

Jeśli wystartowałeś ze 100 odwiedzającymi i 4 rejestracjami, Twój wskaźnik rejestracji wynosi 4%. To liczba, którą możesz teraz próbować ruszyć. Jeśli wystartowałeś ze 100 odwiedzającymi i nie masz pojęcia, ilu się zarejestrowało, nie masz czego optymalizować.

3. Ile z tych osób wraca następnego dnia (lub w kolejnym tygodniu)

To najważniejsza liczba, której nikt nie śledzi na początku. Nazywa się retencją i w przypadku aplikacji zbudowanych z AI często jest tym, co po cichu mówi Ci, czy masz coś prawdziwego, czy zbudowałeś nowinkę do jednorazowego użytku.

Nie potrzebujesz tu niczego wymyślnego. Po prostu: spośród osób, które zarejestrowały się w tym tygodniu, ile wróciło w następnym i coś zrobiło? Jeśli odpowiedź jest w przybliżeniu zerem, masz problem, którego żadna ilość ruchu na stronie głównej nie naprawi.

4. Gdzie ludzie odpadają

Jeśli masz jakikolwiek przepływ — rejestracja, onboarding, pierwsze zadanie, finalizacja zakupu — śledź każdy krok. Nie każde kliknięcie. Tylko nazwane kroki. Tak, żebyś widział: 100 zaczęło rejestrację, 80 wpisało e-mail, 50 go potwierdziło, 20 dotarło do panelu.

Ten lejek to najbardziej przydatne narzędzie do diagnozowania, jakie kiedykolwiek będziesz miał dla aplikacji zbudowanej z AI, bo mówi Ci dokładnie, na czym się skupić. Jeśli 100 zaczyna rejestrację i 80 wpisuje e-mail, ale tylko 50 potwierdza, masz problem z e-mailem (może mail potwierdzający trafia do spamu, może w ogóle się nie wysyła). Teraz masz coś konkretnego, o naprawę czego możesz poprosić kreator AI.

Co zignorować

Oto czego nie śledzić na początku, bo zmarnuje Ci czas i sprawi, że poczujesz, że powinieneś robić więcej, niż powinieneś:

Każde kliknięcie przycisku. Nie musisz wiedzieć, że 14 osób kliknęło link „O nas”. Nigdy nie wykorzystasz tych danych.
Czas na stronie. Brzmi sensownie, nie jest. Ktoś, kto zostawi otwartą kartę i idzie na lunch, liczy się jako „20 minut zaangażowania”.
Współczynnik odrzuceń. Naprawdę przydatny dla stron z treścią; głównie szum dla produktów o kształcie aplikacji.
Testy A/B. Nie rób tego, dopóki nie masz setek użytkowników na wariant na tydzień. Nie da się testować A/B na ośmiu użytkownikach.
Dane demograficzne, głębokość przewijania, mapy cieplne. Przydatne z czasem. Nie teraz.

Zasada kciuka: jeśli jakaś metryka nie zmieniłaby decyzji, którą podejmiesz w tym tygodniu, jeszcze jej nie śledź.

Jak to faktycznie dodać (wersja nietechniczna)

Większość kreatorów aplikacji z AI sprawia, że jest to wręcz podejrzanie łatwe. Dajesz kreatorowi zdanie w stylu:

„Dodaj śledzenie analityki. Użyj [nazwa narzędzia]. Śledź, kiedy ktoś odwiedza stronę główną, kiedy się rejestruje, kiedy wraca i się loguje oraz na każdym kroku przepływu onboardingu”.

Jeśli używasz narzędzia takiego jak PostHog czy Plausible, wygeneruje ono niewielki fragment kodu (jedną albo dwie linie), który trafia do sekcji head aplikacji. Twój kreator AI może go za Ciebie wkleić. Jeśli używasz Google Analytics, to samo — Google daje Ci fragment, Ty dajesz fragment swojemu kreatorowi, kreator go instaluje.

Dla nazwanych zdarzeń (rejestracja, logowanie, krok onboardingu) opisujesz je prostą polszczyzną. „Gdy użytkownik pomyślnie kończy formularz rejestracji, wyślij zdarzenie o nazwie signup_completed”. Kreator pisze kod. Nie Ty.

Trzy narzędzia, które rozważyłbym dla świeżej aplikacji zbudowanej z AI, w kolejności:

Plausible — banalnie proste, przyjazne prywatności, ma czytelny panel. Najkrótsza droga od zera analityki do przydatnej analityki. Kosztuje około 9 USD miesięcznie.
PostHog — darmowy do hojnego limitu, potężniejszy, pozwala robić lejki i retencję bez wychodzenia z panelu. Wart zachodu w chwili, gdy masz prawdziwy lejek do śledzenia.
Google Analytics 4 — darmowy, wszędobylski, bolesny do nauczenia. Użyj go, jeśli będziesz prowadzić marketing i potrzebujesz integracji. W przeciwnym razie odpuść.

Wybierz jedno. Nie instaluj dwóch. Dwa narzędzia analityczne to dwa razy więcej pracy i zero razy więcej wglądu.

Dyscyplina, która naprawdę się opłaca

Oto rzecz, która zamienia analitykę z ćwiczenia z próżności w przydatne narzędzie: musisz patrzeć na nią według harmonogramu.

Raz w tygodniu usiądź na 15 minut i odpowiedz na cztery pytania:

Ile osób odwiedziło w tym tygodniu w porównaniu z poprzednim?
Ile się zarejestrowało?
Spośród zeszłotygodniowych rejestracji ile wróciło?
Gdzie w przepływie ludzie odpadli?

To wszystko. Nie próbuj „eksplorować danych”. Nie otwieraj dziesięciu raportów. Odpowiedz na cztery pytania, zapisz liczby w aplikacji do notatek albo w arkuszu i idź dalej. Po czterech tygodniach zobaczysz trendy. Po ośmiu będziesz wiedział, które z Twoich zmian zadziałały, a które nie.

Founderka, o której wspomniałem na początku tego wpisu, dodała Plausible do swojej aplikacji dla studia pilatesu w poniedziałek po naszej rozmowie. Zajęło jej to jakieś 20 minut — większość poszła na mówienie kreatorowi AI, jak nazwać zdarzenia. Dwa tygodnie później mogła powiedzieć mi z pewnością, że jej trzy najlepsze rejestracje pochodziły z jednego posta na Instagramie, który zrobiła klientka, że nikt nie kończył onboardingu, bo trzeci krok zbyt wcześnie prosił o metodę płatności, oraz że spośród jej 11 aktywnych studiów 7 wróciło do aplikacji co najmniej trzy razy. Żaden z tych faktów nie istniał, zanim dodała analitykę. Wszystkie zmieniły to, co zrobiła dalej.

Nie potrzebujesz panelu z 40 wykresami. Potrzebujesz wiedzieć, czy ta rzecz żyje. Dodaj cztery liczby. Patrz na nie raz w tygodniu. Reszta może poczekać.