SaaS Dojo — все про SaaS. Поведенческая аналитика


Системы поведенческой аналитики для SaaS

Все больше продакт-менеджеров SaaS компаний приходит к пониманию того, что Google Analytics и Яндекс.Метрика — это конечно же здорово, но не слишком полезно и удобно, когда вам нужно быстро получить ответы на вопросы вроде «Кто из моих пользователей создал минимум три проекта в системе, но не логинился после этого в течении двух недель?». Конечно, знатоки этих систем веб-аналитики скажут мне на это «да вы просто не умеете их готовить». Не спорю — Google Analytics это такой комбайн, который можно адаптировать под практически любые задачи.. другой вопрос, насколько это удобно в реальной жизни?

Именно поэтому на рынке появился новый класс продуктов для анализа поведения пользователей, пожалуй наиболее известные представители которого — KISSMetrics, Mixpanel и HeapAnalytics, а также Totango. Сюда же с некоторой натяжкой можно отнести и Intercom — хотя это продукт немного из другой серии (я бы условно назвал его мини-CRM для веб-сервисов), в нем есть некоторые возможности, которые объединяют его с вышеназваными системами аналитики. Несколько особняком также стоят системы мобильной аналитики типа Flurry.

Мы в наших продуктах YouScan и LeadScanr начали пользоваться этими решениями, ниже я поделюсь с вами основными выводами, которые удалось сделать за несколько месяцев работы с ними.

Зачем поведенческая аналитика?

Я бы выделили три основных задачи, для которых SaaS компаниям нужны специализированные системы поведенческой аналитики:

1. Product Development. Количественный анализ метрик, связанных с поведением пользователей поможет вам более четко понять, какими функциями вашего продукта пользуются (или не пользуются) ваши клиенты, как именно они это делают, а также оперативно получить от них обратную связь. Вооружившись этими знаниями, вы сможете лучше планировать развитие вашего продукта.

2. Customer acquisition. Анализ воронок конверсий, автоматические сообщения при онбординге новых пользователей, а также в течении их пробного периода использования вашего продукта могут повысить конверсию из траял-версий в подписки.

3. Customer retention. Отток клиентов — главный враг SaaS компаний. Именно поэтому системы аналитики так важны — они помогут разобраться, насколько активны пользователи вашего продукта; идентифицировать тех, кто не получает реальной ценности и является кандидатом на отток (например не пользуется частью функций, или давно не заходит в систему). Понимая это, с помощью автоматических сообщений или индивидуального общения вы можете эффективно вовлекать и удерживать ваших платящих пользователей.

Думаю, это достаточно убедительные аргументы для того, чтобы серъезно задуматься о внедрении систем поведенческой аналитики, если вы еще это не сделали.

Краткое объяснение терминов: системы аналитики оперируют «событиями», которые передаются вашим приложением каждый раз, когда ваш пользователь совершает определенное действие на вашем сайте. Эти события могут иметь определенные параметры (свойства). Также, система аналитики хранит профили ваших пользователей, которые также имеют определенные свойства — как стандартные, так и те, которые вы определяете сами (имя, e-mail, количество денег на счету, время последнего логина и т.п.). Интеграцию с вашим продуктом можно провести как на фронтенде, так и на бекенде — для этого системы аналитики предоставляют различные API.

Проблема выбора

В таблице представлено краткое сравнение систем по основным возможностям, которые оказались важны для нас в этих системах. Зеленым выделены функции, сугубо уникальные для данного инструмента.

saasdojo.com

Тип личности "Аналитик" (INTJ)

С самого раннего возраста маленький «аналитик» проявляет недюжинные способности. Он любит читать, осмысливать и систематизировать все, что попало в его голову. Их увлекает сам процесс познания. У них есть для этого все необходимое: интерес к предмету, энциклопедический ум и дисциплинированность. Именно эти дети часто заканчивают школу с золотой медалью, побеждают на олимпиадах по разным предметам, составляя гордость класса и школы.

С другими детьми маленькие «аналитики» обычно доброжелательны и деликатны, стараются поддерживать ровные отношения, избегая конфликтных ситуаций, особенно таких, где в ход могут пойти кулаки.

Чтобы было легче представить, вспомните Малыша из «Малыш и Карлсон» или Кролика из «Винни Пуха»

Взрослея, «аналитики» с удовольствием знакомятся и поддерживают отношения с женщинами. Они умеют нравиться, поскольку лишены агрессивности, дружелюбны, хорошо воспитаны и умны. Своими благородными манерами и деликатностью мужчина «аналитик» обычно производит впечатление несколько несовременного, иногда академического человека. В процессе ухаживания его избранница быстро обнаружит, что это незащищенный, романтичный и мечтательный мужчина.

Но если вы решили завоевать сердце этого интеллектуала, приготовьтесь вести себя достаточно активно и решительно. Пылкость чувств тоже приветствуется. Ведь как раз этих черт не хватает в характере вашего избранника. Одним словом, не сомневайтесь: все это найдет отклик в его сердце.

Мужчины этого типа редко бывают ревнивы. Обычно они гордятся своими подругами и бывают вполне довольны, если их женщина нравится не только им, но и другим.

При всей своей внешней мягкости «аналитик» - существо вполне надежное. Он - человек ответственный, упорядоченный и обязательный, хотя, бывает, не всегда склонен доделывать скучные, по его мнению, дела. Он избегает делать то, что считает нецелесообразным. В целом, не будучи жадным, «аналитик» всегда склонен к разумной экономии.

Из «аналитиков» получаются хорошие, заботливые мужья и отцы. За редкими исключениями они в большинстве своем склонны к семейной жизни. Умеют заработать деньги, ценят тепло домашнего очага, чистоту, порядок, бывают благодарны за заботу со стороны близких. За ними нужно присматривать, кормить, ухаживать, когда болеют. Им это бывает чрезвычайно приятно.

Дома мужчины этого типа ведут себя мягко, немного пассивно, отзывчивы на просьбы домашних. Они не ленивы, к тому же стремятся выполнять взятые на себя обязательства. «Аналитик» не откажется и детей нянчить, и пеленки стирать, и в магазин ходить. Чего он не выносит, так это грубого нажима, бестактности и хамства со стороны близких ему людей. Будучи беззащитным против этого, в ситуациях, где он не в состоянии избежать агрессии, может уходить в себя, надолго прекращая всякий контакт с обидчиками.

Имея развитое чувство справедливости, отец этого типа редко наказывает детей, стремясь не прибегать к дисциплинарным мерам, а, в первую очередь, обращаться к их разуму. Если нужно, он никогда не откажется помочь детям с уроками. Объясняет материал очень хорошо, понятно и терпеливо. Хотя, иногда бывает назидателен и излишне подробен в своих наставлениях, когда начинает учить детей уму-разуму, требуя от своих чад выполнения некоторых предписанных им правил, а также порядка и осмысленности в поступках.

На работе при определенном уровне образования «аналитику» по плечу любые задачи, хотя больше всего его привлекает все же научно-исследовательская деятельность. Однако долго находиться на одном и том же месте, когда для выполнения всех заданий больше не требуются никакой работы мысли, ему не интересно.

С сотрудниками «аналитик» ровен и доброжелателен. Стремясь подходить к людям справедливо и объективно, он старается никого не осуждать, не склонен делать для кого-то исключений, иметь любимчиков.

Это, как правило, хороший начальник. Он умен, а по отношению к людям проявляет непредвзятость и гуманизм. При этом «аналитик» - тонкий дипломат. Он расчетлив, говорит далеко не все, что знает, о многом умалчивает. Это опасливый и осторожный человек, который практически никогда не совершает необдуманных поступков, не рубит с плеча.

Правда, иногда он может позволить себе протестные формы поведения. Когда его интересы оказываются несправедливо ущемленными, он начинает проявлять жесткую принципиальность и неуступчивость.

Зато в домашней обстановке, где можно не только вкусно поесть, но еще и посмеяться в компании своих близких или друзей, «аналитик» оттаивает, расслабляется и становится веселым, славным, мягким и совершенно домашним.

relaza.com

Поведенческая аналитика Featurespace расскажет о чем думают твои пользователи

Почти ровно год назад King выпустил игру, которая быстро изменила лицо индустрии социальных игр.

По данным Daily Mail, уже через месяц после выпуска игра была скачана более 10 миллионов раз - она оставила позади Angry Birds и FarmVille и за шесть месяцев стала игрой номер один. А в прошлом месяце американский новостной сайт The Verge написал, что Candy Crush Saga установили уже пол миллиарда человек.

Быстрый анализ данных

Хорошие новости для всех мобильных игровых компаний?

Теперь, при наличии правильного анализа данных, они могут сравнять свою прибыль и популярность, удерживать клиентов и увеличивать выручку при помощи взаимодействия со своими клиентами.

Причина проста. Мобильные игроки постоянно взаимодействуют со своими устройствами, увлеченный геймер может играть по 8-12 часов в день.

Это тысячи сгененерированных и сообранных событий, но разработчикам на этом не стоит останавливаться.

Компании могут превратить все эти данные о потребителях в прекрасные решения для удержания, монетизации, увеличения объемов продаж, улучшения продуктов и прочего – это даст им возможность эффективно использовать данные о потребителях для прогнозирования их поведения и позитивного влияния на связанные действия, что приведет к ускорению их роста и параллельному увеличению удовлетворения потребителей.

Если учесть, что половина всех пользователей интернета в Великобритании играет в онлайн игры и все больше и больше геймеров используют свои мобильные телефоны, планшеты и лэптопы, оставляемые ими запутанные следы слишком сложны, чтобы они могли быть обработаны людьми.

К счастью, в нескольких научных учреждениях вроде Массачусетского технологического института, Стэнфорда и Кембриджа, в данный момент, происходит математическая революция, сосредоточенная на машинном обучении и предиктивной аналитике. В этой области мой со-основатель, профессор Билл Фицджеральд, является ведущим в мире специалистом.

Эта революция в понимании данных, называемая Адаптивной поведенческой аналитикой, позволяет компаниям получать четкий взгляд на работу пользователей в реальном времени, что позволяет им разрабатывать потребительские профили и принимать решения на основе их фактического поведения, а не на основе заранее заданных правил.

Эта технология настолько сложна, и создает настолько сложные потребительские профили, что изменения в поведении определяются всего за 100 миллисекунд.

Выявление необычного поведения

Можешь ли ты вообразить себе силу, которая дается тебе, когда ты взаимодействуешь со своими пользователями и строишь с ними ценные и длительные взаимоотношения?

Понимание мотивов отдельных лиц и их мыслительных процессов, приводящих к тем или иным игровым решениям и привычкам, выльется в более эффективное таргетирование связанных продуктов, предложений и маркетинговых мероприятий. Это не только увеличит лояльность потребителей и возможности по увеличению продаж, но и сделает возможным более легкое определение их необычного и непостоянного поведения.

Данные об отдельных клиентах настолько точны, что игровым компаниям не составляет труда определять общие проблемы, встающие перед игровой индустрией, например, увеличение случаев мошенничества или возникновение различных негативных социальных аспектов, связанных с играми.

Накопление этой интуитивной, индивидуализированной аналитики и соответствующий прорыв в использовании данных пользователей дает организациям уникальную возможность следовать за потребителем и замечать потенциально жульническое или зависимое поведение прежде, чем будут совершены какие-либо реальные действия.

Например, моя вторая половинка уверена в том, что я пристрастился к Candy Crush – а на самом деле я просто наслаждаюсь этой игрой.

Но умная поведенческая аналитика позволяет игровым компаниям прогнозировать потенциально зависимое поведение в тот момент, когда происходит любое значительное изменение в игровом паттерне пользователя, и проводить различия между действительно проблемным поведением, которое может потребовать вмешательства, и поведением безумно одержимых фанатов (вроде меня).

Игровые компании находятся в уникальном положении, имея возможность использовать эти преимущества, если учесть масштаб той инсайдерской информации, который они могут получить из наблюдения за работой пользователей.

Увеличение использования смартфонов и планшетов привело к увеличению количества людей, играющих в игры при помощи этих устройств. Это позволило мобильным компаниям стать лидерами в области освоения пользовательских взаимодействий. Используя обширные адаптивные поведенческие профили мобильных игроков, организации могут определять все - от игровых предпочтений до трансляции их интересов через социальные медиаканалы.

Увеличение объемов продаж внутри игр – одна из ключевых целей игровых разработчиков – может быть достигнута более эффективно когда каждый клиент является тем, кто он есть: отдельным человеком, с личными вкусами и привычками, связями и взаимодействиями.

Время пришло

Возможности Адаптивной поведенческой аналитики, которые дают игровым компаниям возможность произвести революцию в области принятия решений, разработки продуктов и взаимодействия с клиентами, появляются не часто.

На этом крайне конкурентном рынке чемпионами станут те игровые компании, которые смогут воспользоваться потенциалом, предлагаемым технологиями по интеллектуальному взаимодействию с пользователями - создании уникального профиля для каждого отдельного пользователя, максимизации прибыли, определении ценных клиентов и даже борьбе с такими проблемами, как мошенническое и проблемное игровое поведение.

Лучше всего то, что такой аналитический подход приведет к увеличению прибыли - игровые компании могут настолько хорошо узнать каждого своего игрока, что заставить его сделать внутриигровую покупку больше не будет большой проблемой.

Самое время для игровых разработчиков использовать этот невероятный объем данных и применить правильный анализ в интересах бизнеса, клиентов и всей индустрии в целом. Насколько это интересно?

Компания Featurespace была основана Дэйвом Экселлом и Биллом Фицджеральдом, профессором прикладной статистики и обработки сигналов Кембриджского университета.

Она сочетает машинное обучение с новым подходом к моделированию сложных систем для создания своего движка по адаптивной идентификации индивидуальных изменений в реальном времени.

Это дает информацию о поведенческом изменении идентификационной информации в реальном времени, что, по мнению Featurespace, станет будущим предиктивного анализа данных.

[Источник: Pocketgamer.biz]

apps4all.ru

Поведенческая аналитика • ru.knowledgr.com

Поведенческая Аналитика - подмножество деловой аналитики, которая сосредотачивается о том, как и почему пользователи платформ электронной коммерции, онлайн игр, & веб-приложений ведут себя. В то время как у деловой аналитики есть более широкое внимание на, кто, что, где и когда из бизнес-анализа, поведенческая аналитика сужает тот объем, позволяя один брать на вид несвязанные точки данных, чтобы экстраполировать, предсказать и определить ошибки и будущие тенденции. Это получает более целостное и человеческое представление данных, соединяя отдельные точки данных, чтобы сказать нам не только, что происходит, но также и как и почему это происходит.

Поведенческая аналитика использует пользовательские данные, захваченные, в то время как веб-приложение, игра или веб-сайт используются аналитическими платформами как Аналитика Google. Транспортные данные о платформе как навигационные пути, щелчки, взаимодействия социальных медиа, решения о покупке и маркетинговый живой отклик все зарегистрированы. Кроме того, другие более определенные рекламные метрики как время щелчка к преобразованию и сравнения между другими метриками как денежная стоимость порядка и количества времени потрачены на территории. Эти точки данных тогда собраны и проанализированы, не была ли, смотря и прогрессия графика времени от того, когда пользователь сначала вошел в платформу, пока продажа сделана, или что другие продукты пользователь купил или посмотрел на перед этой покупкой. Анализ на поведенческом уровне позволяет будущей деятельности и тенденциям быть предсказанной основанные на всех собранных данных.

Примеры и приложения реального мира

Данные показывают, что большой процент пользователей, использующих определенную платформу электронной коммерции, нашел его, ища “тайскую еду” на Google. После приземления на домашнюю страницу большинство людей провело некоторое время на “азиатской Еде” страница и затем вышло, не размещая заказ. Рассмотрение каждого из этих событий как отдельные точки данных не представляет то, что действительно продолжается и почему люди не делали покупку. Однако просмотр этих точек данных как представление полного пользовательского поведения позволяет интерполировать, как и почему пользователи действовали в данном случае.

Поведенческая аналитика смотрит на весь трафик сайта и просмотры как график времени связанных событий, которые не приводили к заказам.

Так как большинство пользователей оставило после просмотра “азиатской Еды” страницу, могло быть разъединение между тем, что они ищут на Google и что показывает “азиатская Еда” страница. Зная это, беглый взгляд на “азиатскую Еду” страница показывает, что это не показывает тайской еды заметно, и таким образом люди не думают, что это фактически предлагается, даже при том, что это.

Поведенческая аналитика становится все более и более популярной в коммерческой окружающей среде. Amazon.com - лидер в использовании поведенческой аналитики, чтобы рекомендовать дополнительные продукты, которые клиенты, вероятно, купят основанный на их предыдущих покупательных образцах на территории. Поведенческая аналитика также используется Целью, чтобы предложить продукты клиентам в их розничных магазинах, в то время как политические кампании используют его, чтобы определить, как нужно приблизиться к потенциальным избирателям. Кроме того, чтобы продаться в розницу и политические заявления, поведенческая аналитика также используется банками, и производственные фирмы, чтобы расположить по приоритетам ведет произведенный их веб-сайтами. Поведенческая аналитика также позволяет разработчикам управлять пользователями в играх онлайн и веб-приложениях.

Типы поведенческой аналитики

См. также

Дополнительные материалы для чтения

ru.knowledgr.com

11 возможностей поведенческой аналитики на основе маркетинга баз данных

Как перейти от "черного ящика с сырыми данными" к пониманию клиентов и их потребностей? Как построить уместные и интересные для клиента кампании? Как оценить эффективность кампаний в денежном выражении, научиться их оптимизировать и проводить наиболее прибыльные? 

Ответы на эти вопросы можно найти на пересечении двух технологий, которые длительное время используются многими успешными компаниями. Это маркетинг баз данных и поведенческая аналитика.

Маркетинг баз данных – это применение заранее собранных в электронном виде данных о клиентах и рынках в интересах маркетинга (построении CRM стратегии, Программы Лояльности, проведение кампаний и др).

Данные должны быть структурированы и правильно подготовлены.

Поведенческая аналитика подразумевает изучение поведения клиентов и последующую разработку стратегических и тактических шагов по построению взаимоотношений с клиентами.

Маркетинг баз данных в сочетании с поведенческой аналитикой открывает много возможностей в работе с клиентским активом.

Ниже визуализация некоторых возможностей, которые на мой взгляд становятся существенным конкурентным преимуществом компании при построении взаимоотношений с клиентами.

  1. Разработка Программ Лояльности и кампаний на основе понимания особенностей поведения клиентов
  2. Разработка моделей сегментации - основы для Программ Лояльности и кампаний
  3. Возможность работы с самыми прибыльными и потенциально интересными клиентами
  4. Повышение лояльности клиентов за счет предоставления наиболее уместных и выгодных предложений
  5. Проверка и подтверждение эффективностипроводимых кампаний и Программ Лояльности
  6. Сбор и хранение данных о клиентах (актуальные, непротиворечивые, правильно подготовленные)
  7. Своевременная доставка данных/информации лицам, принимающим решения
  8. Он-лайн отчетность о Программе Лояльности и кампаниях для принятия эффективных решений
  9. Получение дополнительной прибыли за счет поиска потенциала существующих клиентов
  10. Оптимизация расходов на Программу Лояльности и кампании и  уменьшение издержек
  11. Экономические модели, являющиеся основой для планирования и проведения кампаний
Для получения обновлений блога не забудьте подписаться на рассылку RSS. Прочитать похожие статьи из этой рубрики можно прочитать здесь. Все статьи блога можно прочитать здесь. Также может быть интересно:

irina-chubukova.blogspot.com

Кодекс этики и профессиональной ответственности поведенческих аналитиков ~ Аутизм | АВА

С 1-го января 2016 года вступает в силу новая версия "Кодекса этики  и профессиональной ответственности поведенческих аналитиков". До настоящего момента практика поведенческих аналитиков регулировалась принципами этики, описанными в документе: "Руководство по профессиональной этике: Рекомендации по ответственному поведению для поведенческих аналитиков". Новая версия кодекса этики уточняет и замещает предыдущую версию, а также объединяет ее с документом "Этические стандарты и дисциплинарные процедуры" ВАСВ. Помимо смены названия «Руководство» на «Кодекс», новый документ включает дополнительные изменения: Ознакомиться с новой версией "Кодекса этики и профессиональной ответственности поведенческих аналитиков" в переводе на русский язык можно на сайте сертификационной комиссии ВАСВ.Авторы перевода: Юлия Эрц, МА, ВСВА и Екатерина Жесткова, МА, ВСВА

Posted in:

autism-aba.blogspot.com

Splunk User Behavior Analytics

Обнаружение угроз по поведению

Формирование профилей поведения и аналитика одноранговых групп по пользователям, устройствам, учетным записям служб и приложениям для обнаружения отклонений и привязки угроз к цепи проведения атаки.

Оптимизированный процесс обработки угроз

Получайте визуальную информацию о скрытых угрозах для анализа, ориентированного на рабочие потоки аналитиков по безопасности и специалистов, ответственных за обнаружение угроз.

Обнаружение атаки и определение вектора атаки

Автоматическая идентификация угроз повышенной сложности (APT)/нарушений и горизонтального движения, классификация отклонений в реальном времени, подозрения на атаку - атаки с передачей хэша (pass-the-hash) и т. д.

Анализ и исследование атак

Интерактивное исследование угроз, включая доступность подтверждающих данных для быстрого расследования и ответа.

Самообучение и настройка

Алгоритмы самообучения и адаптации (машинное обучение и статистика) позволяют определить аномальный/подозрительный путь и частоту, включая идентификацию критической угрозы.

www.splunk.com


Prostoy-Site | Все права защищены © 2018 | Карта сайта