Альянс веб-аналитики и экспертной оценки для улучшения юзабилити приложения

10 Июль

По нашему опыту, наилучшие результаты получаются, если в ходе проекта сочетать разные методы: например, одним методом выявить гипотезы, а другим — их верифицировать. Если речь идёт о юзабилити-аудите, то для формулировки гипотез отлично подходит веб-аналитика, а для их верификации — экспертная оценка или юзабилити-тестирование.

Звучит всё это слишком абстрактно, поэтому давайте рассмотрим один из примеров такого взаимодействия в одном из наших проектов, где как раз использовалось сочетание веб-аналитики и экспертной оценки.

Анализ данных веб-аналитики

В 2017 году нам доверили провести анализ и диагностику юзабилити-проблем у мобильного приложения одного российского ТЦ. Глобальной целью проекта было повышение лояльности пользователей к приложению. От нас требовалось выявить основные юзабилити-проблемы приложения и дать рекомендации по их устранению. Делать это предполагалось при помощи метода экспертной оценки.

Приложение в основном выполняет информационную функцию. Его главная задача — упрощать пользователям времяпрепровождение в любимом ТЦ. Для этого в нем есть такие функции, как поиск товаров, навигация внутри ТЦ, новости, события, акции, бонусы и ещё несколько полезных сервисов.

Приложение уже несколько лет просуществовало на платформах iOS и Android. Активность пользователей отслеживалась через Google Analytics. На момент старта работ уже были накоплены данные за значительный период. Не хватало некоторых настроек, например, сегментации на авторизованных пользователей и обычных, а также посетителей ТЦ. Но имеющихся данных уже было достаточно, чтобы оценить востребованность отдельных разделов и функций приложения, изучить общие количественные показатели (общее количество и длина сеансов, MAU\LMAU, 30d retention) и описать аудиторию (базовая демография, региональность, время и просмотры экранов, глубина просмотров).

                                                                                  Отрывок из отчёта по аналитике приложения

 

Результаты изучения данных веб-аналитики стали основой для запланированной далее экспертной оценки. Например, поскольку экспертная оценка проводится по сценариям и персонам, мы взяли основные маршруты пользователей из веб-аналитики, и выделили крупнейшие группы аудитории по полу, возрасту и местоположению. Учитывая эти данные, а также информацию об основных действиях пользователей, мы составили портреты пользователей.

Также, опираясь на данные веб-аналитики, мы выделили функции, которыми пользуются чаще и реже всего. Обе группы функций мы подвергли отдельному анализу, но в зоне повышенного внимания были именно те из них, которыми по какой-то причине пользовались мало. Нужно было понять, что с ними делать дальше: дорабатывать (пользуются редко потому, что неудобно) или удалять из приложения (пользуются редко, потому что не испытывают потребности). В число таких функций попала помощь при парковке и схемы проезда. В рамках ЭО предстояло изучить доступность точек входа таких функций, их общее удобство, а также соответствие целевой аудитории.

Наконец, мы составили список экранов, на которых пользователи задерживаются дольше всего — потенциальные проблемные участки приложения. Дальше нам предстояло оценить их удобство для пользователя.

Сбор этих данных позволил упростить и ускорить экспертную оценку. Эксперту удалось сформировать наиболее точные и эффективные рекомендации, благодаря полученному из данных аналитики понимания ключевых принципов взаимодействия пользователей с приложением.

Проведение экспертной оценки и формирование гипотез для более тонкой настройки аналитики

Следующим шагом нам необходимо было проанализировать интерфейс самого приложения и сформировать рекомендации, как сделать приложение удобнее для пользователей.

В ходе экспертной оценки наш специалист описал ряд юзабилити-проблем (в формате гипотез) и выявил основные слабые места приложения. Далее, каждую гипотезу мы преобразовывали в ряд показателей и метрик, которые стремились отслеживать. Вот пара примеров:

  • Некоторые функции, например процесс регистрации в бонусной программе, признаны слишком сложными для пользователя. Мы сформировали гипотезы по оптимизации отдельных шагов, которые пользователь проходит, чтобы воспользоваться такими функциями. Для отслеживания такого, мы добавили в аналитику определение пользователя на каждом шаге сложной функции и настроили построение воронок аудитории, чтобы наглядно видеть проблемные шаги и измерять их количественно.
  • Некоторые функции, например фильтры для поиска магазинов в списке по их характеристикам и поисковую выдачу, эксперт предложил оптимизировать. Для анализа мы стали отслеживать моменты входа и выхода из фильтров и прочих разделов, чтобы можно было замерять среднее время работы с такими функциями. А также настроили отлавливание параметров фильтрации, чтобы сегментировать аудиторию и сравнивать время только между аналогичными сценариями.

    Слайд из отчёта по экспертной оценке приложения. Описана одна из проблем с фильтрами, приведены рекомендации по её устранению

 

В будущем нам предстояло оценить эффективность от внедрения рекомендаций эксперта. Поэтому мы дали заказчику рекомендации по дополнительной настройке аналитики.

                                     Отрывок из отчёта по аналитике. Часть таблицы с рекомендациями по настройке целей

Внедрение рекомендаций. Подведение итогов

Так как все запрошенные нами доработки аналитики требовали непосредственного вмешательства в программные коды приложения, мы сформулировали их в виде отдельного документа и передали в департамент разработки заказчика.

Когда все нюансы были улажены, а рекомендации эксперта внедрены, начался период сбора данных, который длился несколько месяцев. В итоге мы получили исчерпывающий объем данных для оценки эффективности внедрённых изменений.

Например, мы увидели, что в результате нашей работы качественные показатели при переходе пользователей на новые версии приложения выросли. Так, retention 30d по iOS-приложению вырос после внедрения изменений практически в 2 раза.

Эти показатели растут и по сей день. Ниже на иллюстрации приведена динамика показателей в Google Analytics, показывающая, что удалось сократить время сеансов, при этом увеличив количество целевых действий и просмотров целевых экранов. Совместная динамика этих показателей при небольших абсолютных значениях количества просмотров говорит о росте заинтересованности пользователей мобильным приложением и упрощении доступа к его контенту. Таким образом, цель проекта была достигнута.

 

 

При этом эффект от внесения изменений и выпуска новых версий приложения стал полностью измеримым, что позволило сформулировать рекомендации по дальнейшей доработке приложения и повышения общих показателей юзабилити для него.

Автор текста и специалист на проекте — Антон Жилин. К сожалению, Антон больше не работает с нами. Мы благодарны Антону за интересный кейс и отличную работу!

Если вы хотите, чтобы мы помогли улучшить ваше приложение — оставьте заявку на нашем сайте.

Подписывайтесь на наш Телеграм, чтобы не пропустить выход новых полезных статей!


100
Контакты
Россия
129085, г.Москва, ул. Годовикова д.
9, стр. 2, подъезд 2.1, офис 2.22