Menemukan Analisis Seluler yang Lebih Baik

Saat membuat aplikasi seluler, pengembang membayangkan model dan cara pengguna akan menggunakan aplikasi tersebut. Satu masalah yang dihadapi pengembang adalah bahwa pengguna tidak selalu menggunakan aplikasi seperti yang dibayangkan oleh pengembang.

Bagaimana cara pengguna berinteraksi dengan aplikasi? Apa yang mereka lakukan di aplikasi? Apakah mereka melakukan apa yang diinginkan pengembang? Analisis seluler membantu menjawab pertanyaan ini. Analytics memungkinkan pengembang untuk memahami apa yang terjadi dengan aplikasi dalam kehidupan nyata dan memberikan kesempatan untuk menyesuaikan dan meningkatkan aplikasi setelah melihat bagaimana pengguna benar-benar menggunakannya. Sederhananya, analitik adalah studi tentang perilaku pengguna.

Bacaan Lebih Lanjut tentang SmashingMag:

• Memprioritaskan Perangkat: Pengujian Dan Desain Web Responsif
• Transisi Nuh ke Pengujian Kegunaan Seluler
• Di mana Lab Perangkat Terbuka Terbaik Dunia?
• Panduan Untuk Pengujian Pengguna Seluler yang Sederhana Dan Tanpa Rasa Sakit

Dengan artikel ini, kami akan membandingkan beberapa sistem analisis seluler paling populer. Proses penambahan analitik ke aplikasi melibatkan pertimbangan banyak detail, dan tujuan kami adalah memberi Anda tips berguna tentang penerapan analitik. Informasi ini akan membantu Anda menemukan sistem analisis seluler yang sesuai dengan kebutuhan Anda dan akan membantu Anda menerapkannya dengan benar di aplikasi Anda.

Analisis Dalam Kehidupan Nyata

Mari kita gunakan sebagai contoh aplikasi iOS kecil yang kami kembangkan. Ini disebut Apa yang Saya Makan, dan ditujukan untuk melacak kebiasaan makan pengguna.

Pengguna dapat melacak makanan mereka, memeriksa log makan harian, dan beralih antar hari dalam kalender untuk meninjau log sebelumnya. Aplikasi memiliki spanduk iklan, tetapi pengguna dapat membayar untuk menonaktifkannya.

Saat merancang Apa yang Saya Makan, fokus utama kami adalah memungkinkan pengguna dengan mudah menambahkan catatan makanan baru dan dengan mudah meninjau riwayat makanan harian mereka. Kami juga ingin memonetisasi aplikasi dengan pembelian dalam aplikasi untuk menghapus iklan. Untuk memahami apakah kami telah berhasil melakukan ini, kami melacak peristiwa berikut di aplikasi:

• ketika pengguna memulai aplikasi pertama kali (instalasi aplikasi),
• ketika pengguna membuka daftar makanan harian (layar aplikasi utama),
• saat pengguna menambahkan catatan makanan baru,
• saat pengguna melakukan pembelian dalam aplikasi untuk menghapus iklan.

Nanti di artikel ini, kami akan menunjukkan bagaimana kami menggunakan analitik untuk menentukan apakah pengguna sudah mulai menggunakan aplikasi, dan berapa persentase pengguna yang mulai melacak makanan setelah menginstal aplikasi.

Membandingkan Layanan Analitik

Saat ini, banyak layanan analitik ada di pasaran, mulai dari sistem terkenal seperti Google Analytics hingga alat khusus. Menganalisis dan membandingkan semuanya akan memakan waktu lama; jadi, untuk artikel ini, kami hanya akan menggunakan yang menurut kami paling nyaman. Artinya, kami memilih yang antarmuka dasbor dan kotak alat penambangan datanya relatif mudah dipahami dan mudah digunakan bagi mereka yang tidak memiliki banyak pengalaman dengan analitik, seperti klien kami. Sebagai sistem analitik berorientasi seluler, mereka juga nyaman dari perspektif pengembangan karena kode analitik dapat dengan mudah diimplementasikan dan disetel dalam aplikasi seluler. Berikut adalah sistemnya:

• Kebingungan oleh Yahoo
• Jawaban dari Crashlytics
• Amplitudo
• panel campuran

Untuk menganalisis kinerja Apa yang Saya Makan, kami menggunakan dua alat utama yang disediakan oleh hampir setiap sistem analitik: peristiwa dan corong. Peristiwa menggambarkan apa yang dilakukan pengguna di aplikasi, sementara corong memungkinkan analisis kualitatif data ini. Mari kita periksa bagaimana masing-masing sistem menerapkan ini untuk Apa yang Saya Makan.

panel campuran

Mixpanel memungkinkan Anda melacak acara khusus. Pengembang dapat menambahkan parameter khusus ke peristiwa dan menggunakan parameter ini untuk menyegmentasikan corong konversi.

Kami membuat corong yang mencakup dua peristiwa: "Instal" (yang menunjukkan peluncuran awal aplikasi setelah penginstalan) dan "Tambah Makanan" (yang melacak setiap kali pengguna menambahkan makanan). Ini menunjukkan kepada kita berapa persentase pengguna yang tidak hanya mengunduh aplikasi tetapi juga mulai menggunakannya. Konversi diperkirakan 65%, yang berarti bahwa dari 100 orang yang menginstal aplikasi, sebanyak 65 mulai melacak makanan.

Terkadang pengembang membutuhkan peristiwa untuk muncul di dasbor analitik secara real time atau dengan penundaan minimal setelah terjadi di aplikasi. Misalnya, pengembang mungkin telah meluncurkan kampanye pemasaran media sosial dan perlu melacak bagaimana pengaruhnya terhadap aplikasi mereka secara real time. Mixpanel menunjukkan acara hampir secara real time. Corong yang baru dibuat dihitung dan divisualisasikan hampir seketika.

Amplitudo

Tepat setelah pengembang menambahkan kit pengembangan perangkat lunak (SDK) Amplitude ke proyek mereka, dan tanpa penyiapan acara atau corong lebih lanjut, perangkat lunak mulai melacak data pengguna aktif harian dan bulanan (DAU dan MAU). Kami sering menggunakannya di What I Eat untuk memahami berapa banyak orang yang menggunakan aplikasi ini setiap hari.

Seperti Mixpanel, Amplitude menyediakan kotak peralatan yang kuat untuk bekerja dengan acara dan corong; pengembang dapat membuat corong dan menyegmentasikannya berdasarkan parameter. Tidak seperti Mixpanel, Amplitudo dapat memvisualisasikan segmen secara langsung dalam bagan corong, yang berguna saat Anda perlu memahami bagaimana parameter memengaruhi tingkat konversi. Bagan di bawah ini menunjukkan bagaimana konversi dari "Instal" ke "Tambahkan Makanan" bervariasi menurut bahasa antarmuka.

Seperti yang Anda lihat, antarmuka Rusia menunjukkan konversi yang lebih baik daripada bahasa Inggris (83% versus 66%). Jadi, dengan pembaruan aplikasi berikutnya, kami mungkin perlu melihat lebih banyak pemirsa non-Rusia kami.

Jawaban dari Crashlytics

Seperti halnya Amplitudo, setelah Answers SDK ditambahkan ke proyek aplikasi, ia mulai melacak data. Dengan hampir tanpa usaha dari pengembang, Answers memberikan tampilan yang rapi dari beberapa indikator kinerja utama (KPI) dari aplikasi seluler: MAU, DAU, pengguna dan sesi baru setiap hari.

Pengembang dapat menentukan dan melacak KPI khusus sebagai peristiwa, dan Answers akan memvisualisasikannya dengan cara yang sama.

Answers juga memberikan wawasan tentang seberapa aktif audiens Anda dan berapa banyak waktu yang dihabiskan orang di aplikasi.

Analitik Answers menyimpan data selama 30 hari terakhir, dan tidak memiliki corong. Jadi, ini hanya berfungsi untuk analisis sederhana dan jangka pendek dari kinerja aplikasi.

Kebingungan oleh Yahoo

Flurry tidak semudah Mixpanel atau Amplitudo ketika Anda perlu membangun corong dan melakukan analisis kohort.

Pengguna kebingungan dapat membuat hingga 10 segmen dan menerapkannya ke corong. Menambahkan segmen baru ke corong yang ada memerlukan penghitungan ulang, dan ini dapat memakan waktu sekitar satu hari. Pengguna tidak dapat membuat lebih dari 10 segmen untuk diterapkan ke corong mereka. Perhitungan corong yang baru dibuat dapat memakan waktu hingga tiga hari.

Kami belum menemukan acara dan corong Flurry berguna untuk Apa yang Saya Makan, dan kami kebanyakan menggunakan Mixpanel dan Amplitudo.

Apa Lagi Yang Penting?

Meskipun acara dan corong adalah fitur utama, beberapa hal lain menjadi pertimbangan dalam memilih sistem analitik yang tepat.

Data Demografis

Beberapa layanan analitik memberikan data wawasan tentang audiens aplikasi, meskipun tidak dikumpulkan dalam aplikasi. Mereka melakukannya dengan mendapatkan data pengguna dari sumber selain aplikasi seluler Anda. Ini sangat berguna saat Anda perlu mengidentifikasi pengguna kuat Anda, tetapi aplikasi Anda tidak mengumpulkan data apa pun tentang mereka. Misalnya, di aplikasi Yang Saya Makan, pengguna tidak perlu mendaftar dan tidak ada cara lain agar kami dapat menerima data pengguna, tetapi kami masih ingin mengetahui siapa yang menggunakannya untuk menargetkan pengguna baru dengan aplikasi secara akurat. pembaruan.

Answers menyediakan data tentang audiens Anda, seperti jenis kelamin dan minat mereka. Anda mungkin bertanya-tanya bagaimana cara melakukannya? Ya, Answers terintegrasi erat dengan Twitter, dan karena Twitter mengetahui hampir semua hal tentang semua orang yang menggunakan platform ini, data pribadi ini dimanfaatkan oleh Answers.

Flurry memperkirakan data demografis dengan memperkirakan informasi pengguna yang diterimanya dari aplikasi yang telah membagikannya. Alasan mengapa pengembang membagikan informasi ini adalah karena mereka menerima kumpulan data audiens yang lebih tepat dengan memberikan data wawasan ke Flurry. Flurry menunjukkan minat, rentang usia, dan jenis kelamin pengguna Anda.

Dengan bantuan Flurry and Answers, kita dapat melihat bahwa penonton What I Eat sebagian besar adalah wanita paruh baya yang tertarik dengan kesehatan dan kebugaran.

Mixpanel dan Amplitude tidak menyediakan data demografis apa pun.

API Eksternal untuk Mengimpor dan Mengekspor Data

Analytics memungkinkan untuk mengimpor dan mengekspor data melalui API eksternal. Mengekspor memungkinkan analisis data di luar dasbor analitik (yaitu dengan bantuan perangkat lunak penambangan data pihak ketiga seperti Windrush dan DataHero). Mengimpor API memungkinkan Anda untuk menyebarkan data ke platform analitik dari sumber seperti server back-end dan sistem pelacakan atribusi seperti AppsFlyer. Mari kita periksa layanan analitik mana yang menyediakan fungsi seperti itu:

• Amplitude menyediakan API eksternal untuk mengimpor dan mengekspor acara.
• Mixpanel telah mengimpor dan mengekspor API. Ini mendukung Bahasa Kueri JavaScript untuk memungkinkan kueri ekspor yang kompleks.
• Answers tidak memiliki API eksternal. Anda dapat mengunduh data peristiwa sebagai file CSV dari dasbor, tetapi tidak menyertakan parameter peristiwa apa pun.
• Flurry tidak memiliki API pengimpor. Anda hanya dapat mengekspor data menggunakan API pengekspornya.

Harga

Perusahaan analitik seluler bereksperimen dengan penetapan harga dan dapat mengubah tarif mereka cukup sering. Berikut data dari Juli 2016:

• Kebingungan dan Jawaban sepenuhnya gratis.
• Paket gratis Amplitudo menyediakan 10 juta acara per bulan. Jika Anda berharap untuk melacak lebih dari itu, biayanya $2.000 per bulan. Meskipun kami telah menggunakan Amplitude di cukup banyak proyek, kami tidak pernah harus beralih ke tingkat berbayar karena batas paket gratisnya juga tinggi.
• Mixpanel memiliki tingkat gratis 25.000 acara per bulan. Satu juta acara berharga $300 per bulan. Untuk lebih dari 10 juta acara, Anda harus membayar $1.250 per bulan.

Kiat Penerapan Analytics

Sekarang setelah kita mengetahui perbedaan utama antara setiap sistem analitik, mari selami aspek praktis penerapan analitik.

Kerjakan Pekerjaan Rumah Anda

Jika Anda telah memutuskan bahwa Anda memerlukan analitik di aplikasi Anda, pengkodean bukanlah hal pertama yang harus Anda pikirkan. Kami percaya pengembang yang baik harus memulai dengan langkah-langkah berikut:

• Tuliskan apa yang perlu Anda lacak. . Mulailah dengan menyusun daftar pertanyaan yang Anda ingin analitik untuk menjawabnya. Berdasarkan daftar itu, susun peristiwa dan parameter yang perlu Anda lacak untuk menjawab pertanyaan. Jangan sertakan analitik di aplikasi untuk kepentingan itu.
• Ungkapkan ulang dalam istilah analitik Anda. . Setelah Anda menyelesaikan daftar acara, formalkan sesuai dengan platform analitik yang Anda pilih. Misalnya, meskipun Amplitudo mengizinkan peristiwa dengan kumpulan parameter apa pun, Google Analytics memiliki kumpulan parameter yang telah ditentukan sebelumnya. Pertimbangkan nuansa seperti itu saat menerapkan analitik.
• Buat demo kecil-kecilan. . Ide yang bagus adalah membuat aplikasi uji kecil, melacak selusin peristiwa dengan bantuannya, lalu memeriksa bagaimana peristiwa ini divisualisasikan di platform pilihan Anda dan instrumen penambangan data apa yang tersedia. Gunakan pengetahuan ini untuk memaksimalkan fungsionalitas platform yang dipilih saat menerapkan analitik di aplikasi langsung.

Berpikir Besar Saat Coding

Rancang kode analitik untuk membuatnya independen dari kode proyek dan SDK analitik. Jadi, tempatkan kode analitik di subsistem atau kelas terpisah, dan tentukan metode antarmuka yang dapat dipanggil dari kode aplikasi. Misalnya, ketika pengguna mengetuk tombol menu, kode aplikasi akan memanggil kode kelas analitik. Untuk aplikasi iOS yang ditulis dalam Swift, akan terlihat seperti ini:

 /** Application code: menu tap handler */ @IBAction func menuButtonPressed(sender: UIButton) { //Showing menu, etc... AnalyticsManager.sharedInstance.userTapMenuButton() }

Kelas analitik umum yang dipanggil oleh kode aplikasi mengumpulkan daftar parameter dan mengirimkan data ini ke kelas analitik tertentu.

 /** General analytics class: a bridge between the application code and the specific analytics class */ class AnalyticsManager { static let sharedInstance = AnalyticsManager() private var services: [AnalyticsService] private init() { services = [AmplitudeAnalyticsService()] } func userTapMenuButton() { let name = "MenuTap" let properties: [String: AnyObject] = [/* define your properties */] for service in services { service.trackEvent(withName: name, properties: properties) } } }

Kelas analitik tertentu mengirimkan data ke SDK analitik. Dalam kasus kami, ini adalah SDK Amplitude.

 /** Specific analytics class. */ class AmplitudeAnalyticsService: AnalyticsService { func trackEvent(withName name: String, properties: [String : AnyObject]?) { if let propertiesToTrack = properties { Amplitude.instance().logEvent(name, withEventProperties: propertiesToTrack) } else { Amplitude.instance().logEvent(name) } } }

Dengan struktur seperti itu, setiap kali Anda memutuskan untuk bermigrasi ke platform analitik lain atau menyesuaikan kumpulan parameter yang akan dilacak, Anda hanya perlu mengubah kode kelas analitik tetapi bukan kode aplikasi.

Analisis Semua Data Anda

Kumpulkan data dari semua sumber di platform analitik pilihan Anda. Kirim data tidak hanya dari aplikasi seluler tetapi juga dari back-end, menggunakan API eksternal. Jika Anda menjalankan kampanye iklan, gunakan sistem pelacakan pemasangan seperti AppsFlyer atau Adjust untuk mengukur efisiensinya dan untuk memahami dari mana pengguna Anda berasal. Pilih terlebih dahulu sistem pelacakan instalasi yang akan Anda gunakan untuk memastikannya bekerja dengan baik dengan platform analitik Anda.

Kontrol Jumlah SDK

Coba gunakan SDK platform analitik yang sudah ada di aplikasi. Jika Anda melacak error dengan Crashlytics, Anda dapat menggunakan analytics Answers tanpa kode tambahan apa pun, karena Crashlytics dan Answers disertakan dalam Fabric SDK. Jika aplikasi Anda mengizinkan pendaftaran dengan Facebook, maka aplikasi tersebut sudah memiliki SDK yang mengimplementasikan analitik seluler Facebook, jadi sebaiknya Anda menggunakannya.

Cobalah untuk menggabungkan sistem analitik yang berbeda, tetapi jangan membanjiri biner aplikasi Anda dengan terlalu banyak SDK.

Dokumentasikan

Terakhir, bersamaan dengan penerapan analitik untuk aplikasi Anda, kerjakan dokumentasinya: tuliskan peristiwa dan parameter apa yang Anda lacak dan bagaimana Anda melakukannya. Untuk ini, kami biasanya menggunakan file Readme.md yang disimpan di folder inti proyek. Setiap peristiwa dijelaskan oleh data berikut:

• nama acara (misalnya, "Pendaftaran pengguna");
• saat dilacak (misalnya, "Setelah pendaftaran pengguna baru berhasil");
• parameter (misalnya, "Email/String");
• pengontrol tempat kode pelacakan dipanggil (misalnya, "SignInController").

Detail seperti itu mudah dilupakan, tetapi menjadi penting saat Anda ingin mengubah kumpulan data yang akan dilacak atau saat Anda ingin bermigrasi ke platform analitik lain.

Menyimpulkan

Tidak ada layanan analitik yang sempurna; masing-masing memiliki pro dan kontra. Saat memilih satu, Anda harus mempertimbangkan faktor-faktor seperti jenis aplikasi, antarmuka dasbor analitik, anggaran Anda, dan sebagainya. Anda bahkan mungkin ingin menggunakan solusi khusus, seperti analitik game yang telah dibuat untuk menganalisis pengalaman pengguna non-linear (misalnya, GameAnalytics) atau analitik berorientasi pengembang (misalnya, Keen IO).

Kami menemukan kombinasi Jawaban dan Amplitudo untuk bekerja sempurna dengan Apa yang Saya Makan dan untuk menyediakan semua analisis yang diperlukan untuk aplikasi. Meskipun Answers gratis dan menampilkan data demografi serta KPI aplikasi, Amplitudo memungkinkan analisis kelompok perilaku yang lebih kompleks. Kami juga melacak kerusakan aplikasi dengan Fabric SDK Answers.

Kami akan senang mendengar tentang kotak alat analitik yang Anda gunakan di aplikasi seluler Anda. Silakan bagikan ide Anda di komentar.