יישום מיפוי מסע משתמש באנליטיקה למובייל

אנו מיישמים מיפוי מסע משתמש ברמת הנתונים: אנו מתקינים ניטור ניווט, בונים ניתוח נתיבים ב-Amplitude או Mixpanel, ומזהים צווארי בקבוק שמעצב UX אינו יכול לראות. מצב טיפוסי: מעצב יצר תהליך קליטה בן 4 שלבים, מפתחים יישמו אותו. האנליטיקה חושפת ש-40% מהמשתמשים עוזבים להגדרות בשלב 3, חוזרים, ואז מסיימים את תהליך הקליטה. אף אחד לא בדק את מקרה הקצה הזה כי לא ידע עליו. מיפוי מסע חושף אותו.

למה משפכים סטנדרטיים אינם מספיקים

משפכים של אירועים רציפים ב-Firebase, Amplitude או Mixpanel מציגים רק רצף מוגדר מראש. הם מפספסים נתיבים לא מתוכננים ואינם רואים מאיפה מגיעים משתמשים בכל שלב. כתוצאה מכך, אתה יודע ש-60% מגיעים למסך התשלום, אבל אתה לא יודע ש-20% מהם הגיעו דרך התראת push, לא דרך העגלה. דיאגרמות סנקי וניתוח נתיבים פותרים זאת: הם מציגים את כל המעברים האפשריים בין מסכים ללא הגבלות תרחיש. זה חושף מסלולים בלתי צפויים שהופכים לנקודות נשירה.

איך לתכנת ניווט לאיסוף נתונים מדויק

כל מסך וכל מעבר משמעותי חייבים להיות מתועדים עם הקשר — המקור והאלמנט שהפעיל את המעבר. ללא זה, אתה יודע שהמשתמש היה ב-ProductDetail, אבל לא מאיפה הוא הגיע.

// Android — трекинг перехода с контекстом
fun navigateToProduct(product: Product, source: ScreenSource) {
    analytics.track("screen_viewed") {
        put("screen_name", "ProductDetail")
        put("product_id", product.id)
        put("source_screen", source.screenName)
        put("source_element", source.element)
    }
    navigator.navigate(R.id.productDetailFragment, Bundle().apply {
        putString("product_id", product.id)
    })
}

// iOS — навигационный трекинг с источником
enum NavigationSource {
    case searchResults(query: String, position: Int)
    case recommendations(algorithm: String)
    case pushNotification(campaignId: String)
    case deepLink(url: URL)
}

func openProduct(_ product: Product, from source: NavigationSource) {
    var properties: [String: Any] = [
        "screen_name": "ProductDetail",
        "product_id": product.id
    ]
    switch source {
    case .searchResults(let query, let position):
        properties["source"] = "search"
        properties["search_query"] = query
        properties["search_position"] = position
    case .recommendations(let algorithm):
        properties["source"] = "recommendations"
        properties["rec_algorithm"] = algorithm
    default:
        break
    }
    amplitude.track(eventType: "screen_viewed", eventProperties: properties)
}

פילוח מסלולים משפר את הניתוח

ללא פילוח, מפת הנתיבים מציגה נתיב ממוצע שאינו קיים עבור אף משתמש אמיתי. פרוסות חשובות:

• לפי מקור התקנה: אורגני לעומת ממומן — ההמרה עשויה להשתנות פי 2
• לפי סוג מכשיר: משתמשי טאבלט נוטים ב-30% יותר להשתמש במצב לרוחב
• לפי קבוצה: חדשים לעומת חוזרים — שימור ביום 7 שונה ב-15%
• לפי תוכנית: חינם לעומת פרימיום — עומק הגלישה גבוה פי 3 עבור פרימיום

# Amplitude API — получить User Paths с сегментацией
import requests

response = requests.post(
    "https://amplitude.com/api/2/path",
    auth=("API_KEY", "SECRET_KEY"),
    json={
        "start": {"event_type": "onboarding_started"},
        "end": {"event_type": "subscription_started"},
        "segment_definitions": [
            {
                "name": "New Users",
                "filters": [
                    {"subprop_type": "user", "subprop_key": "new_user", "subprop_op": "is", "subprop_value": ["true"]}
                ]
            }
        ],
        "e": {
            "event_type": "any",
            "filters": []
        },
        "n": 8
    }
)

השוואת כלים לניתוח נתיבים

Amplitude Pathfinder מנצח בעומק הניתוח: הוא מאפשר בניית נתיבים תוך התחשבות בכל אירוע ומאפיין משתמש, ומאיץ זיהוי חריגות פי 2-3 בהשוואה ל-Mixpanel Flows.

פילוח אוטומטי מאיץ את הניתוח

תיוג ידני של קבוצות הוא גוזל זמן. כלים מודרניים כמו Amplitude Pathfinder או Mixpanel Flows מציעים בניית נתיבים אוטומטית עם מסננים הניתנים להגדרה. זה מקצר את זמן הניתוח הראשוני ל-30 דקות במקום 2-3 שעות של חיפוש ידני בלוגים.

יתרונות בניית מפת נתיבים אוטומטית

אוטומציה מאפשרת:

• זיהוי תלותים לא ברורים בין מסכים
• גילוי דפוסי נשירה חוזרים
• השוואת התנהגות קבוצות ללא כתיבת שאילתות מורכבות

בפרויקט אחד, בניית נתיבים אוטומטית גילתה ש-25% מהמשתמשים לאחר הרשמה נתקלים מיד במסך שגיאה עקב טוקן מיושן. זה תוקן בספינט אחד, והעלה את המרת המנויים ב-12%.

מדדים מרכזיים במפת הנתיבים

זיהוי צווארי בקבוק

לאחר בניית מפת הנתיבים, אנו מחפשים:

• נקודות נשירה — מסכים עם שיעורי יציאה גבוהים באופן חריג. לדוגמה, אם 35% מהמשתמשים עוזבים במסך AddressInput, יש בעיה בטופס.
• נתיבים בלתי צפויים — מעברים שלא אמורים להתקיים. אם משתמשים עוברים מ-Checkout חזרה ל-ProductDetail, יש להם שאלה שמסך התשלום אינו עונה עליה.
• מבוי סתום — מסכים שמהם משתמשים סוגרים את האפליקציה במקום להמשיך. לעתים קרובות מסכי שגיאה או מצבים ריקים ללא CTA.

מה כוללת העבודה שלנו

• עיצוב סכמת תיעוד אירועי ניווט עם source_screen ו-source_element
• הגדרת ניתוח נתיבים ב-Amplitude או זרימות ב-Mixpanel
• הגדרת פילוח לקבוצות מפתח (מקור, מכשיר, קבוצה, תוכנית)
• בניית מפות מסע משתמש עיקריות: קליטה, המרה, שימור
• זיהוי 3 נקודות הנשירה המובילות ויצירת השערות לבדיקות A/B
• תיעוד סכמת האירועים ודוח עם מפות אינטראקטיביות

לוח זמנים ואיך להתחיל

התקנת ניטור ניווט ודוחות מסע בסיסיים אורכת 2–3 ימים. ניתוח מלא עם פילוח והשערות אורך 3–5 ימים. העלות מחושבת באופן אישי.

צור קשר לייעוץ על הפרויקט שלך. קבל הערכה ראשונית של היקף העבודה ולוח הזמנים. הניסיון שלנו: מעל 7 שנים באנליטיקה מובייל, יותר מ-50 אינטגרציות של פלטפורמות אנליטיקה. אנו מבטיחים ניטור איכותי ודיווח שקוף.