Введение в мобильную аналитику

Алексей Понтяков: Всем привет! Меня зовут Алексей Понтяков, я аналитик мобильной и статистической системы Devtodev. И мы начинаем серию мастер-классов, посвященных мобильной аналитике. Сегодня я расскажу вам, какие виды мобильных аналитических систем существуют, для чего они созданы, какие данные вы можете получать из них и как их можно в дальнейшем использовать в деле.
В случаях когда приложение является бесплатным, разработчик предлагает пользователю не столько свой продукт, сколько приложение как сервис. И как в свое время в Вебе пришло понимание того, что можно улучшить сервис и конверсии, используя аналитику, изучая повеление пользователей, так и в мобильной разработке произошло аналогичное. Для изучения поведения пользователей требуется система аналитики, которая будет отслеживать каждую активность пользователя и производить последующий анализ данных действий. Для написания собственной системы аналитики требуется достаточное количество ресурсов, как финансовых, так и человеческих. И кроме того, нужны еще хотя бы минимальные знания в области анализа данных. Для решения всех этих задач и стали создавать мобильные аналитические системы.
Собственно, что такое мобильная аналитическая система? Это система сбора и анализа информации, которая представляет данные в удобном и понятном для пользователя виде. Такие системы могут получать данные из двух источников. Первый — это магазин приложений, и второй — изнутри приложения с помощью комплекта средств разработки SDK. Чтобы данные из маркета передавались аналитической системе, вам нужно залогиниться с данными из магазина приложений в аналитической системе. И с этого момента все данные будут передаваться аналитической системе. Такие данные, которые вы получаете из магазина приложений, помогут вам производить только поверхностный анализ аудитории. Для более глубокого анализа рекомендуется использовать SDK, который позволяет получать все данные об активности пользователя внутри приложения. При интеграции или логине из маркета можно начать работу с аналитической системой. И все данные уже будут собираться в аналитической системе, и вам для этого больше ничего не придется делать.

Перейдем к разновидностям аналитических систем. Мы разделили их на три категории. Первая — это те, которые извлекают данные из магазина приложений. Вторая — те, которые извлекают данные при помощи SDK. И существует третья категория — гибридные, которые как работают с данными из магазина приложений, так и изнутри приложений с помощью SDK извлекают данные.

На слайде вы можете увидеть как раз примеры таких систем для каждой категории. Системы, работающие только с маркетами, извлекают такие данные, как загрузки, удаление, оценки, обзоры и, собственно, выручка самих приложений. Эти данные на все 100% верны, однако с ними мало что можно сделать. И начать оценивать вашу аудиторию нельзя по причине недостаточного объема данных. Допустим, вы сможете определить только ту страну, в которой лучше всего платили. Но как использовать эти познания в дальнейшем? Вы ответа в этих данных не найдете. Чтобы узнать его, необходима интеграция SDK, которая позволит получать полный набор данных о пользователе, о всех покупках, с помощью которых можно производить более глубокий анализ аудитории. А гибридные системы облегчают вам работу и позволяют не прыгать между двумя сервисами, а выводить данные как из маркета, так и из SDK в одном сервисе.
Вполне логично, что не все системы, которые были представлены на предыдущем слайде, являются бесплатными. Их можно также разделить на три категории. Это те системы, которые являются полностью платными, те, которые включают частично платный функционал и частично бесплатный, а также полностью бесплатные.
Начнем с полностью платных систем. Такие на слайде – Kontagent и Adobe Marketing Cloud. Эти системы полностью платные, однако за эти деньги вы получаете полный набор аналитических возможностей.
Вторая категория — это частично платные системы аналитики. Отдельно из них хотел бы выделить App Annie и Distimo. Данные аналитические системы извлекают данные только из маркета и выводят их в красивых графиках. Однако эти системы занимаются глубоким анализом топов приложений. Отсюда они извлекают данные по их выручке, а также по загрузкам и предоставляют эти данные на платной основе. К слову, данные, которые предоставляют эти системы, достаточно приближены к реальным. И также Mixpanel и Localytics. Эти системы являются бесплатными для приложений с небольшой аудиторией, однако, достигается определенный порог пользователей, то система предлагает вам заплатить некую сумму для дальнейшего пользования ею. Там доступен такой функционал, как события, воронка конверсий, основные мобильные метрики, даже в какой-то мере когортный анализ.
Полностью бесплатными системами являются Google Analytics, Devtodev, AppFigures и Flurry. Google Analytics предлагает в полной мере аналитику приложений изнутри. Работа данной системы построена полностью на событиях. AppFigures же представляет данные только из маркета, и ни о каком анализе пользовательского поведения речи не идет. В Devtodev и Flurry доступны все стандартные мобильные метрики, от ARPU до LTV, события и воронки. Но Devtodev получает данные также из магазина приложений и позволяет выводить данные из SDK, изнутри приложения, вместе с данными из маркета на одном графике.
Вот мы с вами разобрали все аналитические системы, которые существуют, но так, собственно, до конца и не поняли, для чего все они. Ведь можно просто выложить приложение в маркет, и оно начнет приносить деньги. Но не все так просто, потому что сейчас конкуренция высока. В Google Play и в App Store, в каждом из этих маркетов находится более миллиона приложений, конкуренция между ними высока, идет борьба за пользователя, цена за пользователя слишком высока. Ваша задача — исходя из этих проблем, задержать пользователя в своем сервисе, в своем проекте настолько, насколько возможно, чтобы заставить его пользоваться исключительно вашим продуктом. Если же клиент, соответственно, пользуется только вашим продуктом, то и денег он принесет вам больше.
И цель аналитических систем — помочь вам в изучении аудитории и понимании портрета пользователя, его нужд, интересов. И в связи с этим, когда вы начнете получать данные о доходах, о выручке, о загрузках, о различных пользовательских событиях, вы сможете увеличивать конверсии и, соответственно, увеличивать выручку ваших проектов. Помимо этого, с данными, получаемыми из SDK и маркетов, вы сможете производить корректное прогнозирование, корректно выстраивать медиапланирование, бизнес-планирование, которые в дальнейшем помогут развить как отдельный проект, так и целый бизнес. И цель аналитических систем — как раз помочь вам решить поставленные бизнес-задачи, облегчая процесс изучения аудитории. С их помощью вы сможете отслеживать ключевые показатели ваших проектов, такие как доход, выручка, загрузки с установками, активные пользователи, выручка с активного пользователя, возвратность и многое другое, что поможет вам определить портрет пользователя и понять его нужды и интересы. Тем самым вы увеличиваете конверсии и можете более успешно монетизировать собственное приложение. Получаемые данные смогут вам помочь также производить корректное медиа- и бизнес-планирование, что поспособствует грамотному развитию как отдельного приложения, так и бизнеса в целом.

Также аналитические системы помогут вам выявлять технические проблемы. Например, в приложении стало на 300 сессий меньше. Аналитическая система сразу вам покажет, что произошел спад. Этот спад негативно повлияет на реакцию аудитории, появятся негативные отзывы в маркетах. Отсюда возможно падение в топе, так как ранжирование топа зависит как раз от пользовательских отзывов, от пользовательских оценок.

И если вы быстро ликвидируете проблемное место, то это поможет вам избежать такой неприятной ситуации, как падение в топе. Упасть в топе намного проще, чем подняться в нем.
Для работы с такими машинами данных необходимо просто понимать, что происходит по ту сторону интерфейса. Как я сказал ранее, аналитические системы получают данные из двух источников — из маркета и из SDK, изнутри приложения. И маркет и SDK представляют данные о покупках. У маркета они на 100% верны, у SDK случаются небольшие погрешности, в случае когда пользователь произвел оплату, купил что-то в игре, однако на карточке у него денег не хватило для покупки. Соответственно, в маркете этой покупки нет, а в SDK на сервер уже отправилась команда, что пользователь совершил покупку. И, соответственно, транзакция уже на сервере через SDK будет получена, она будет произведена, однако в маркете ее не будет. В этом главное отличие. Только маркет предоставляет данные о загрузках, об отзывах, о рейтинге отзывов, о позициях в чартах и об удалениях. SDK же предоставляет более обширные данные, такие как информация о девайсе, о пользователе, о действиях пользователя. И про SDK нужно поговорить поподробнее, потому что я сказал как-то в общих чертах и, возможно, не совсем понятно. Давайте в этом разберемся.
Уже после первого захода в приложение система получает такие данные, как модель девайса, с которого зашел пользователь, версия ОС, страна, из которой человек зашел. Дальше — больше: когда он в первый раз потратил средства, на какую услугу. А если пользователь залогинился внутри приложения через социальную сеть, также мы знаем его личные данные, данные, которые представлены о нем в социальных сетях. Большинство систем также предоставляют разработчикам возможность отслеживать абсолютно любое действие пользователя внутри приложения. Такой раздел называется «События». С помощью «Событий» можно узнать количество касаний определенной иконки, время этого касания и последовательность касаний.
Да, аналитические системы обрабатывают большое количество данных, но есть и некие особенности в сборе данных. В первую очередь достаточно сложно идентифицировать пользователя маркета. Представьте, что у вас есть два девайса — iPad и iPhone. Вы залогинены на каждом из них в маркете под одним аккаунтом, установили одно и то же приложение на iPad и на iPhone, зашли как с iPad, так и с iPhone. По сути, вы пользователь один, вы скачали это приложение, и там и там вы находитесь в игре. Однако с нашей стороны мы не знаем, что и iPad и iPhone принадлежат именно вам. Мы знаем только ID девайса, и, соответственно, один девайс — это один пользователь для нас.

Помимо идентификации пользователя, существует такая проблема, как отсутствие получаемых данных при отсутствии подключения к интернету. Если пользователь находится в приложении и при этом у него отсутствует подключение к интернету, то мы не сможем получить данные в ту же минуту. Соответственно, мы часть данных потеряем. Погрешность из-за таких пользователей на самом деле небольшая. В своей практике я встречал до 10%, но это вообще предел.

И также есть третья особенность — отказ от трекинга. Apple недавно ввела рекламное ID, с помощью которого можно было бы идентифицировать пользователя, но также теперь пользователь может отказаться использовать этот рекламный ID. Кроме того, сам пользователь может отказаться от своеобразной «слежки» за ним статистической системой. Другой вопрос, как пользователь узнает, что система за ним следит. В последнее время большие компании стали писать, когда пользователь заходит в приложение впервые, что оно использует определенные системы аналитики, и спрашивают пользователя, разрешает ли он им использовать его данные и следить за ним в приложении. Если пользователь отказывается, соответственно, никакого трекинга не ведется. Если приложение так не спрашивает, а пользователь сам узнал, что данные о его действиях в приложении передаются куда-то на сервер, в какие-то аналитические системы, он может сам зайти на сайт аналитической системы и в специальном разделе, введя ID своего девайса, отказаться от трекинга.
Все данные о пользователях записываются и хранятся в огромных таблицах, работа с которыми если и возможна, то с низкой скоростью обработки информации. Изначально вы имеете лишь огромные массивы данных. Затем вам нужно все эти массивы данных, все эти табличные виды преобразовать к единому виду и затем свести в одну таблицу, чтобы с ними как-то хотя бы можно было работать. Ну а аналитические системы предлагают вам уже готовый интерфейс и проделывают всю эту работу по сведению таблиц за вас. Обрабатывая данные, системы способны выводить информацию как на понятных графиках, так и на таблицах с минимумом исходных данных. Тем самым значительно сокращается время на изучение всех данных, время на обработку, улучшается восприятие информации, да и просто с графическими элементами работать приятнее.
На сегодняшний день аналитические системы уделяют огромное внимание визуализации данных и позволяют строить диаграммы различных видов: столбчатые, линейные, круговые, — строить линии тренда, сравнивать на графиках данные по периодам.
В завершение своего мастер-класса хотелось бы разобрать несколько живых примеров применения аналитических систем — примеров, которые помогли разработчикам разобрать свои ошибки и грамотно их исправить. Этот случай реальный, один из первых в моей практике. Речь идет об игре, которая имеет более сорока уровней. Мы с вами на экране видим график распределения количества пользователей по уровням. Как вы можете заметить, на шестом уровне большая часть пользователей останавливается. Проблема в такой была в том, что на шестом уровне был запрос привести десять друзей в игру. И, соответственно, не у всех пользователей была возможность пригласить десять друзей. Было подсчитано, что к шестому уровню каждый пользователь приглашает в среднем по четыре друга. Соответственно, было принято решение сократить требование с десяти друзей до трех. И развитие ситуации не заставило себя долго ждать: график быстро исправился, пользователи, которые были на шестом уровне, получили оповещение, что было исправлено задание, они смогли пройти дальше, и график принял более естественный для приложения вид. Как следствие, доходы с приложения также увеличились на 27%, а количество недельных активных пользователей возросло на 20%.
Второй пример касается анализа действий пользователя внутри дейтингового приложения. Для того мы использовали события и воронки. Подробнее о них я расскажу в третьем выпуске. Итак, мы имеем дейтинговое приложение. Желание каждого пользователя дейтингового приложения — найти себе больше контактов, а значит, с кем-то завести общение и уже в ближайшее время найти себе пару. После входа в приложение пользователю предлагается на выбор четыре анкеты. Разработчик, анализируя количество переходов по анкетам, понял, что на первую в списке приходится 50% переходов, дальше значение существенно ниже. Выходит, что каким-то пользователям везет и их анкеты случайно попадают первыми в список, а значит, они получают себе больше контактов и у них есть возможность быстрее найти себе пару. Разработчик вовремя смекнул и придумал новый способ монетизировать эту фичу. Он сделал возможность временно арендовать первое место в выдаче анкет, тем самым увеличил месячную выручку с проекта на 54%. При этом никакой негативной реакции аудитории в отзывах или еще где-то он не обнаружил.
Я хочу вам пожелать использовать аналитику и монетизироваться благодаря ей продуктивнее. Большое спасибо за внимание! В следующем выпуске с я расскажу о ключевых метриках, которые используются при анализе мобильных приложений. Спасибо, до свидания!