Jak śledzić zachowania użytkowników w aplikacji mobilnej oraz na stronie internetowej korzystając z narzędzi Google

Szczęśliwie, branża przestała już ogłaszać rok mobile co roku. Aktualnie mobile to naturalne środowisko Internautów, a dla wielu biznesów ruch mobilny na stronie przekracza ten z desktopów. Polska znajduje się w grupie “multi-device mobile centric”. Urządzenia te zastępują nam komputer; korzystamy z nich przy wykonywaniu przelewów, graniu w gry, edycji dokumentów tekstowych umawianiu się na różnego rodzaju wizyty/konsultacje. Ze względu na “mobilność” telefony służą jako “pierwsza pomoc” gdy użytkownik chce szybko uzyskać informacje na dany temat lub wykonać pewną czynność.

Jednocześnie klienci oczekują coraz większej personalizacji, dzięki temu są bardziej lojalni ponieważ dana aplikacja/produkt/usługa jest dostosowana do ich potrzeb.
Dlatego też tak kluczowym jest śledzenie zachowań użytkowników w aplikacji, aby lepiej ich zrozumieć oraz dostarczać im lepsze i bardziej spersonalizowane rozwiązania.

Google Analytics: App + Web z integracją Firebase

Usługa Google Analytics: App + Web jest interesującą nowością od Google, która pojawiła się latem 2019 roku. Dzięki niej możliwe jest śledzenie zachowań użytkowników na podstawie ich zgód, pomiędzy platformami bazując na ich identyfikatorach oraz/lub urządzeniach. Umożliwia to pozyskanie danych, które pozwolą Wam lepiej zrozumieć zachowania użytkowników pomiędzy i na urządzeniach oraz odpowiednio zoptymalizować stronę/aplikację. 

Nowa usługa Google Analytics pozwala na integrację danych pozyskanych z aplikacji ze stroną internetową, aby zebrać większą ilość danych o użytkownikach korzystających z różnych platform. 

Posiada ona rozszerzone raporty Google Analytics for Firebase oraz zakładkę Explore, w której możecie przygotować własne eksploracje na podstawie interesujących Was segmentów, wymiarów i metryk. 

Przygotowane eksploracje są gotowe do udostępnienia innym lub pobrania. Dostępne raporty są elastyczne – w każdym z nich możecie skorzystać z opcji porównania danych (+Add Comparison) w tym samym raporcie np. według platform: ios, android oraz web.

Dzięki temu dowiecie się między innymi:

• ilu użytkowników znajduje się na każdej z platform,
• czy któraś z platform jest efektywniejsza,
• czy na danej platformie użytkownicy napotykają jakiś problem.
• czy na danej platformie użytkownicy napotykają jakiś problem.

Śledzenie zachowań waszych użytkowników opiera się przede wszystkim na “Eventach”.

Czym są eventy?

W aplikacji wszystkie interakcje użytkowników są mierzone w formie zdarzeń zamiast wyświetleń ekranów, za pomocą fragmentu kodu. Dlatego też warto przygotować listę interesujących was zdarzeń wraz z opisami miejsc wywołania. Następnie należy wdrożyć je samodzielnie w kodzie aplikacji lub przekazać do developera.

Wszelkie instrukcje dotyczące logowania eventów możemy znaleźć w dokumentacji Firebase:

https://firebase.google.com/docs/analytics/android/events?authuser=0

https://firebase.google.com/docs/analytics/ios/events?authuser=0

W przypadku eventów ze strony internetowej, tworzycie je samodzielnie w Google Tag Manager za pomocą odpowiednich tagów.

Jakie raporty warto obserwować?

Na początek zapoznajcie się z raportem w zakładce Home, przede wszystkim w poszukiwaniu wszelkich anomalii ale również aby mieć ogólny zarys sytuacji w jakiej znajduje się Wasza aplikacja i strona. Warto dodać porównanie dla platform (w tym rozdzielić je według systemów operacyjnych). Raport zawiera podstawowe dane np. liczba użytkowników, lokalizacje, wyświetlenia według klasy ekranu, konwersje itd. 

Jeżeli interesuje Was do jakich użytkowników kierować odpowiednie kampanie, należy zagłębić się w raport Demographics. Znajdziecie tam informacje dotyczące tego, skąd pochodzą Wasi użytkownicy, jaka płeć przeważa, jakie są ich zainteresowania, wiek oraz język. Korzystając z opcji dostosowywania raportu możecie porównać demografię użytkowników różnych platform, aby lepiej ich poznać, zrozumieć a przede wszystkim kierować do nich bardziej spersonalizowane komunikaty i kampanie.

W raporcie Technology >  App > Users by App version poznacie liczbę użytkowników dla danej wersji aplikacji. Na podstawie tych danych dowiecie się ilu użytkowników zaktualizowało aplikację oraz jaki jest czas zaangażowania dla poszczególnych wersji. Jest to przydatny raport do wyciągania wniosków dotyczących poprawności działania aplikacji i zaangażowania użytkowników dla poszczególnych wersji.

W zakładce All events znajdują się ogólne informacje dotyczące liczby zdarzeń oraz użytkowników dla określonych przez Was eventów jak i tych systemowych. W tym ogólnym raporcie zobaczymy np. o ile wzrosła lub spadła liczba poszczególnych zdarzeń. Warto kliknąć w interesujące Was zdarzenia, ponieważ dalej znajdziecie raporty z bardziej szczegółowymi danymi. Tutaj również warto skorzystać z opcji “Add comparison”.

Tak jak wspomniałam na początku, ciekawą i wartą uwagi opcją jest możliwość tworzenia własnych raportów z interesujących Was danych na podstawie dostępnych szablonów. Raporty opisane poniżej są wyjątkowe ze względu na to, że normalnie znajdują się one tylko w wersji Google Analytics 360. W Waszej zbiorczej usłudze App+Web możecie eksplorować dane z obu platform wygodnie i bez konieczności posiadania wspomnianej licencji.

• Dla aplikacji posiadającej etapy prowadzące do konwersji dobrze jest przyjrzeć się raportowi Funnel analysis. Dzięki temu raportowi dowiemy się jaki procent użytkowników z pierwszego kroku dotarło do kolejnych etapów, jaki jest wskaźnik ukończeń oraz porzuceń na poszczególnych krokach. Zrozumiemy, w którym momencie powinniśmy zoptymalizować naszą ścieżkę oraz dzięki doborowi interesujących nas segmentów, porównamy jakość ścieżki dla każdego z nich (np. dla różnych platform, urządzeń lub typów użytkowników).

• Jeżeli chcecie dowiedzieć się jak użytkownicy w danym segmencie poruszają się pomiędzy ekranami, rekomenduję przygotowanie raportu w szablonie Path analysis.

• Raport User explorer umożliwi Wam odizolowanie i badanie indywidualnych, zachowań użytkowników, zamiast zagregowanych. Przeanalizowanie takich zachowań pomoże Wam spersonalizować doświadczenie użytkownika, rozwiązać pewne problemy na które natrafił użytkownik.

• Segment overlap pozwoli Wam na szybkie porównanie utworzonych segmentów użytkowników, zrozumienie jak i kiedy te segmenty się pokrywają.

• Raport Realtime umożliwia monitorowanie w czasie rzeczywistym jak użytkownicy korzystają z aplikacji w przeciągu ostatnich 30 minut. Pozwoli Wam to wykrywać ewentualne błędy lub problematyczne elementy aplikacji.

Integracja Firebase z Google Analytics

Wspomnianą usługę skonfigurować można na dwa sposoby:

• Z poziomu projektu Firebase:
  1. Przechodzimy do Ustawień projektu
  2. Wybieramy zakładkę Integracje
  3. Google Analytics Włącz
  4. Następnie wybieramy konto i gotowe!
• Z poziomu Google Analytics tworzymy nową usługę typu Apps and Web a następnie przechodzimy przez instrukcję integracji aplikacji z Google Analytics.

Podsumowanie

Usługa jest na bieżąco rozwijana przez Google. Ostatnią nowinką jest możliwość połączenia konta Google Ads z nową usługą, co pozwala importować konwersje internetowe i listy remarketingowe z Google Analytics do celów pomiarowych i licytacji w Google Ads.

Według najnowszych informacji dotyczących roadmapy narzędzia, w planach znajduje się raportowanie rozszerzonego e-commerce, integracja z BigQuery, wykrywanie anomalii i predykcje za pomocą Machine Learning, integracja danych offline a także poziom premium, w tym umowy SLA.

Podsumowując obecne i przyszłe zalety nowej usługi przedstawiają się następująco:

• Elastyczność i wydajność – modele zdarzeń pozwalające na szczegółowe i elastyczne spostrzeżenia i analizy.
• Łatwość implementacji (omawiana na końcu artykułu) – oznacza mierzenie ważnych interakcji bez dodatkowej implementacji kodu ani skomplikowanych konfiguracji.
• Między-platformowość –  spójne metryki i wymiary w zintegrowanych raportach pomiędzy aplikacją a stroną internetową.
• Analizy doraźne – oraz ulepszona wizualizacja danych pozwalają lepiej zrozumieć użytkowników.
• Inteligencja – zdolności Machine Learning’u automatycznie tworzą spostrzeżenia i predykcje oraz wykrywają anomalie.

Narzędzie już w obecnee znacząco usprawnia pracę, pozwalając na przeprowadzenie dokładniejszych badań i wyciąganie odpowiednich wniosków, a jego rozbudowa to jedynie kwestia czasu.