Analytika v aplikacích: Proč jsou dnes data naprostý základ?

Datová analytika je v dnešním IT světě mantrou, které se při vývoji mobilních či webových aplikací zkrátka nevyhnete. Už samotný název prozrazuje, že jejím cílem je analyzování určitých dat – ne každý si ale dokáže představit, jak přesně to funguje a v čem to může být přínosné. Co všechno lze pomocí analytiky v aplikacích zjistit? Jaké konkrétní nástroje jsou na trhu k dispozici? Jak se lze na základě analytických dat lépe rozhodovat a rozvíjet podnikání? Znamená kvalitnější analytika vyšší příjmy z prodejů zboží a služeb?

Pokud jste si i vy položili některé z výše uvedených otázek, je tento článek určený právě vám. Vydejte se s námi na průzkum pestrého světa analytických nástrojů a zjistěte, jak mohou zásadním způsobem transformovat i vaše podnikání!

Co je to analytika v aplikacích a proč je tak důležitá?

Datová analytika je proces shromažďování, filtrování, organizování a vyhodnocování údajů o používání určité aplikace nebo služby. Cílem je získávat užitečné informace, rozkrývat vzorce chování uživatelů, a hlavně zlepšit proces rozhodování. Jednoduše řečeno: Analytické nástroje vám jakožto provozovateli dávají zpětnou vazbu a sdělují vám, jak si vaše aplikace vede v řeči čísel.

Proč je ale dnes analytika téměř nepostradatelnou součástí každé aplikace? Důvod je prostý: To, co nemůžete změřit, v podstatě „nevíte“. Pokud chcete svou aplikaci (ale i jakýkoli jiný produkt nebo službu) posouvat dál a vyvíjet, potřebujete mít v ruce něco, podle čeho se rozhodnout – a to „něco“ musí být vyjádřeno v číslech, aby to bylo možné objektivně měřit, srovnávat, vytvářet podle toho trendy a predikce nebo stanovovat budoucí cíle. Všechny tyto aspekty můžeme shrnout do dvou slov: informované rozhodování.

Jaká data vám může datová analytika poskytnout?

Nabídka současných analytických nástrojů je nesmírně pestrá a všestranná, čemuž odpovídá také škála analytických dat, která lze pomocí těchto funkcí získávat.

Pokud prodáváte produkt nebo službu, budou pro vás stěžejní data o zákaznících a jejich chování. Do této kategorie patří demografické údaje (věk, pohlaví, geografická poloha, vzdělání a další sociální faktory), ale také třeba preference a zájmy zákazníků. Neméně důležité jsou informace o jejich chování v aplikaci. Jinými slovy jde o to, jak vaši aplikaci používají – jaké stránky navštěvují, jak dlouho na nich zůstávají, jak se v aplikaci pohybují, jak interagují s jednotlivými funkcemi nebo kolik provedou nákupů a v jaké hodnotě. Z hlediska zlepšování výkonnosti aplikace jsou však nedocenitelné také informace o tom, co zákazníci či uživatelé nedělají – kolik z nich například opustí aplikaci bez dokončení započatého nákupu, kolik jich odejde z aplikace/webu během krátké doby atd.

S chováním zákazníků/uživatelů úzce souvisí prodejní data, která budou každého provozovatele zajímat asi ze všeho nejvíc. Sem se započítávají všechny dokončené transakce, výnosy, výkonnost jednotlivých produktů a krátkodobé a dlouhodobé trendy. Tyto údaje vám například jasně prozradí, které produkty váš e-shop táhnou a kterým se naopak příliš nedaří. Můžete tak průběžně přizpůsobovat svou nabídku cílovému publiku a prodávat víc.

Opravdu výkonná aplikace se neobejde ani bez správně nastavené marketingové strategie. Tu můžete opět optimálně vyladit pouze na základě objektivních čísel získaných metrikami marketingových kampaní, návštěvnosti webu, interakcí na sociálních sítích a efektivity reklamy.

Majitelé e-shopů a provozovatelé restaurací jistě ocení také možnost lepšího řízení dodavatelského řetězce a skladových zásob na základě dat. Díky analytice mohou mít například perfektní přehled o konkrétních produktech z hlediska životního cyklu a zákaznických hodnocení (popularity). Mimořádně atraktivní může být datová analytika pro sklady v gastro provozech, které lze řídit podle toho, jak moc si lidé objednávají jednotlivá jídla, kolik surovin je potřeba mít pro jejich přípravu, co je zrovna potřeba doplnit atd. Tyto nástroje usnadňují plánování nákupů na další týdny podle dlouhodobých a sezónních trendů, minimalizují odpisy a plýtvání a snižují provozní náklady.

Mezi pokročilejší možnosti datové analytiky patří sledování trendů v celém tržním odvětví, analýza konkurence, průzkum trhu nebo hlídání ekonomických indikátorů. Tyto informace umožňují komplexní strategické plánování a vytváření dlouhodobých vizí firem.  

Analytické nástroje a jejich výhody a nevýhody

Zorientovat se v obrovském množství analytických nástrojů, ať už bezplatných, nebo placených, se může na první pohled zdát jako nadlidský úkol. Široká nabídka je samozřejmě dána rozmanitostí aplikací (mobilních i webových), které se vyvíjejí, a tak je při výběru vhodného analytického řešení potřeba vycházet především z konkrétních potřeb vašeho projektu. Pro jaký typ zařízení a pro jakou platformu je vaše aplikace určena? Jaké metriky potřebujete sledovat? Je vaše aplikace e-shop s fyzickými skladovými zásobami, nebo se jedná o mobilní hru? Spokojíte se se základními přehledy, nebo chcete využívat pokročilých funkcí a přizpůsobit analytiku na míru dané aplikaci?

Pokoušet se o podrobný výčet dostupných analytických služeb by nemělo cenu, a proto si představme alespoň pár nejznámějších a podívejme se na jejich silné a slabé stránky.

Google Analytics

Bezesporu nejznámější a nejrozšířenější analytickou službou je Google Analytics. Tento nástroj, který je v základní verzi zcela zdarma, nabízí komplexní sledování kvantitativních dat napříč zařízeními a platformami. Poskytuje informace o návštěvnosti webu a uživatelském chování, jako je počet a délka relací, míra konverzí, míra opuštění atd. Na základě těchto údajů služba sestavuje přehledy, ze kterých se můžete dozvědět, co se na vašem webu děje, kolik na něj přichází lidí, co na něm dělají nebo s jakými funkcemi interagují. Tyto přehledy si lze navíc přizpůsobit podle vlastních potřeb prostřednictvím celé škály metrik a dimenzí, což umožňuje podrobnější následné analýzy.

Další výhodou Google Analytics je snadná integrace s ostatními produkty Google, jako jsou Google Ads nebo Google Search Console. Pokud je tedy vaše firma již na ekosystém Google nastavená a využívá ostatních služeb, můžete získat komplexnější vhled do svých online marketingových aktivit a efektivně je optimalizovat. Ve prospěch Google Analytics hovoří také získávání dat v reálném čase, takže je možné monitorovat návštěvnost webu „naživo“.

Podíváme-li se na nevýhody Google Analytics, je potřeba zmínit vyšší technickou náročnost pro začátečníky. Ačkoli používání Google Analytics v základu nic nestojí, což je například pro start-upy jistě atraktivní, vyžaduje správné nastavení této služby oproti intuitivnějším nástrojům (např. Hotjar) více času a úsilí. To je dáno zejména komplexností uživatelského rozhraní a nabízených funkcí, složitou strukturou přehledů (jejich interpretace vyžaduje obeznámenost s principy analytiky) a také požadavky na základní znalosti webových technologií (HTML, JavaScript, soubory cookies, …).

Náročnější uživatelé, kteří vyžadují větší přesnost, mohou být nuceni zakoupit si placenou verzi bez vzorkování dat. Vzorkování (angl. sampling) znamená uspořádávání dat do větších datových souborů na základě společných rysů, což sice usnadňuje a urychluje zpracování velkých objemů, ale zároveň snižuje přesnost. 

Hotjar

Intuitivnější alternativou k vysoce technickému nástroji Google Analytics je služba Hotjar. Je to jedno z mála analytických řešení, které poskytuje vizuální informace o chování uživatelů (tzv. heatmaps neboli „tepelné mapy“), videozáznamy relací návštěvníků webu a osobní rozhovory (1:1) s dobrovolníky v rámci výzkumů.

Za pozornost stojí především inovativní koncept „tepelných map“. Tyto mapy informují o tom, na kterých prvcích jednotlivých obrazovek se uživatelé nejvíce zdržují, respektive kam nejčastěji klikají. Můžete si názorně prohlédnout, co přitahuje pozornost uživatelů, kde se nejvíce pohybují myší a kde scrollují. Tato neotřelá metoda provozovatelům ukáže, kde je potřeba provést změny, aby byl uživatelský dojem hladší a udržel lidi na webu nebo v apce déle.

Videozáznamy návštěv umožňují ještě podrobnější analýzu uživatelského chování. Díky této funkci si můžete prohlédnout všechna kliknutí, scrollování a pohyby myší během skutečných relací. Tyto záznamy vám pomohou identifikovat slabá nebo nepřehledná místa jednotlivých stránek a upravit je tak, aby návštěvníci nenaráželi při používání na žádné překážky.

Značně netradiční (v dobrém smyslu) je také možnost online rozhovorů s dobrovolníky (Hotjar jich má v databázi přes 175 000), kteří vám sdělí své dojmy z používání webu nebo aplikace osobně. Tato funkce vychází z předpokladu, že lidský faktor je při optimalizaci jakékoli apky nenahraditelný a může upozornit na něco, co nemusí vyplývat pouze ze samotných čísel.

Hlavní nevýhodou služby Hotjar je nekompatibilita s mobilními aplikacemi. Toto řešení je určeno primárně pro weby a webové aplikace, takže pokud cílíte na mobilní zařízení, budete se bohužel muset poohlédnout jinde.

Dále je zde otázka ceny. Ačkoli je Hotjar v základní verzi zdarma, tato úroveň bude patrně dostačovat pouze pro menší organizace. S rostoucím počtem relací za den se může měsíční poplatek za používání vyšplhat na cenu okolo až 200 dolarů (asi 4,5 tis Kč).

Určitým mínusem je také absence vlastních přehledů. Pokud se rozhodnete pro tuto analytickou službu, musíte využívat pouze přednastavené přehledy, které si nemůžete upravit podle vlastních potřeb, ani si vytvořit vlastní zcela od nuly.

Firebase

Další analytická služba od Googlu Firebase je určena speciálně pro mobilní aplikace (Android i iOS, ale kvalitnější podpora je poskytována spíše pro Android). Kromě klasických analytických funkcí nabízí také infrastrukturu pro tvorbu aplikací, včetně serverless řešení, funkcí strojového učení a A/B testování. Výhodou je snadná integrace se službami jako Google Ads, Data Studio, Slack nebo Jira. Potěší také prvotřídní zabezpečení a zálohování, takže se není potřeba obávat ztráty nebo úniku dat.

Naopak značnou nevýhodou je obtížná migrace na jinou platformu a s tím spojený silný efekt „vendor lock-in“ (tedy závislost na jednom poskytovateli služeb). Překážku mohou představovat i značně omezené funkce v základní verzi zdarma – použití pokročilejších funkcí je zpoplatněno, přičemž není úplně snadné odhadnout tyto náklady dopředu. Firebase totiž klientům účtuje poplatky podle skutečného využití serverů, takže je potřeba naučit se s tímto modelem fakturace kalkulovat.

App Analytics

Příznivci mobilních aplikací pro iOS mohou využít analytické služby App Analytics přímo od Applu. Umožňuje jim sledovat výkonnost jejich apky v obchodě App Store na základě míry konverzí, zapojení, počtu stažení a dalších metrik. K dispozici jsou také technické informace jako verze operačního systému uživatelů, počty pádů a míra odstranění aplikace ze zařízení, které pomáhají s další optimalizací softwaru. Díky integraci s dalšími službami Apple lze podrobně sledovat prodeje a trendy a procházet si finanční přehledy. Jako jednu z výhod App Analytics můžeme zmínit důraz na soukromí uživatelů – jedná se o prioritu Applu obecně, proto je tato volba vhodná pro vývojáře vyžadující vysoké standardy v této oblasti.

Když se podíváme na nevýhody App Analytics, je potřeba začít u omezeného rozsahu funkcí. Všechny základní metriky jsou sice dostupné, ale oproti jiným analytickým nástrojům chybí některé pokročilejší funkce, a především možnosti přizpůsobení (například segmentace uživatelů není příliš detailní a nenajdeme zde pokročilé sledování událostí). Vytváření vlastních přehledů není možné, takže datovou analytiku nelze ušít na míru specifickým potřebám jednotlivých aplikací.

V čem je vývoj aplikací na základě dat lepší?

Datovou analytiku lze efektivně využít nejen při rozvoji podnikání a zdokonalování služeb, ale může stát u samého zrodu úspěšné a důmyslně navržené aplikace. Data nemusejí řídit pouze vaše rozhodnutí v oblasti marketingu nebo produktové nabídky, ale mohou zásadně promlouvat i do samotného vývoje IT řešení.

Klíčovým slovem je MVP neboli Minimal Viable Product, česky „minimální životaschopný produkt“. Tento moderní přístup k vývoji (tzv. lean metoda) jde ideálně dohromady s datovou analytikou. Při minimálních nákladech a v relativně krátké době se vyvine aplikace osekaná jen na základní funkce bez zbytečných „kudrlinek“, u kterých bez zpětné vazby uživatelů stejně nemůžete vědět, zda o ně vůbec bude mít někdo zájem. MVP se v této podobě uvede na trh (zveřejnění v obchodech Google Play nebo App Store) a pak pomocí analytických nástrojů sledujete, jak se jí vede. Touto cestou se brzy dozvíte, jak uživatelé s aplikací interagují, které funkce používají a které jsou naopak přehlížené. Analytická data vám ukážou, jakým směrem software dál posouvat tak, aby vám získával zákazníky. MVP můžete tímto způsobem průběžně iterovat a rozšiřovat o nové funkcionality na základě uživatelské zpětné vazby.

Výhodou tohoto postupu je výrazné snížení počátečních nákladů – vystačíte si s naprostým minimem a nemusíte utrácet za vývoj funkcí, které nakonec vůbec nemusejí mít úspěch. Náklady se rozloží v čase a svůj produkt můžete rozšiřovat pozvolna podle toho, co vám budou ukazovat data. Díky analytice bude vaše apka celkově uživatelsky přívětivější, což se pozitivně projeví na vysoké míře udržení zákazníků.

Datová analytika a UX 

Jedním z často přehlížených přínosů datové analytiky je optimalizace uživatelského dojmu neboli UX. Uživatelský dojem nebo též uživatelský zážitek je subjektivní pocit, který má uživatel z interakce s určitou aplikací. Jednoduše řečeno: Lidé se musí v prostředí vaší apky dobře cítit, aby v ní trávili co nejvíce času a případně i více utráceli. Toho lze dosáhnout jednak bezvadnou technickou funkčností, ale také intuitivní orientací, logickým rozvržením uživatelského rozhraní a respektováním potřeb cílového uživatele.

Jednou z výhod datové analytiky je právě to, že vám může poskytnout cenná vodítka pro zlepšení UX. Ideálně se k tomu hodí například výše zmíněné „tepelné mapy“ nebo videozáznamy relací návštěvníků nabízené službou Hotjar. Díky těmto metodám můžete pozorovat interakci uživatelů s aplikací „pod drobnohledem“ a všímat si jednotlivých kliknutí, drah pohybu a doby strávené na různých stránkách. Snadno tak identifikujete slabá místa vašeho UX/UI (pokud se například někde uživatel zasekne nebo je zřejmé, že něco nemůže najít) a můžete je odstranit.

Data a A/B testování

Kromě vývoje a UX designu nacházejí data uplatnění také v A/B testování – metodě, která srovnává například dvě verze téže stránky aplikace nebo webu a vyhodnocuje jejich výkonnost podle příslušných metrik.

Datová analytika může pomoct už při formulaci hypotéz a nastavení experimentu. Na základě historických dat lze sestavit jasné, testovatelné hypotézy – například zda změna barvy CTA tlačítek zvýší míru prokliků. Poté, co jsou uživatelé náhodně rozřazeni do skupin A a B, přichází na řadu sběr dat pomocí analytických nástrojů. V této fázi probíhá shromažďování údajů o uživatelských interakcích a zaznamenávání událostí na základě definovaných metrik (prokliky, konverze, míra opuštění atd.). Následuje vyhodnocení výsledků, včetně vypočtení statistik a vizualizace dat pomocí grafů nebo tepelných map. Pak je nutné z výsledků vyvodit patřičné závěry a přijmout informovaná rozhodnutí podložená daty.

Analytické nástroje jsou tedy pro efektivní A/B testování zásadní – umožňují exaktní nastavení experimentů a formulaci hypotéz, sběr dat a sledování, přesnou analýzu výsledků a informované rozhodování. Následným iterativním testováním lze aplikaci dále dolaďovat a „vychytávat“ větší a větší detaily.

Přehlcení daty aneb co dělat, když je dat moc

Jakkoli jsou data a analytika skvělým pomocníkem, který může vaše podnikání posunout na novou úroveň a nastartovat váš růst, může se také stát, že se do čísel a grafů zahledíte až příliš a začne vám ze všech těch metrik, trendů, srovnání jít hlava kolem. Není důvod k panice: Touto fází si projde řada firem a není na tom nic zvláštního. Stačí dodržet pár osvědčených pravidel:

1. Zjednodušte přehledy. Pokud to vaše analytické řešení umožňuje, přizpůsobte si ovládací panely a nechte si (alespoň nějakou dobu) zobrazovat pouze klíčové metriky. Případně nahlížejte pouze do souhrnných přehledů vždy za určité období, abyste byli v obraze o dlouhodobých trendech, ale neutápěli se v detailních rozborech. Jestliže máte čísel a tabulek až po krk, zkuste pracovat s daty ve vizuální podobě, jako jsou například již zmíněné „tepelné mapy“.
2. Automatizujte. Máte-li tuto možnost, zapněte si vytváření automatických přehledů a nechte si je pravidelně zasílat na e-mail, aniž byste museli data „lovit“ v nástroji ručně a trávit tím zbytečně mnoho času. Pro naléhavé případy si nastavte notifikace, které vás upozorní na závažné změny nebo anomálie v klíčových metrikách, které vyžadují vaši okamžitou pozornost.
3. Segmentujte data. Rozdělte si data do menších, lépe zvladatelných segmentů. Zaměřte se například pouze na demografické údaje a zbývající data nechte stranou. Využijte také funkcí, které odfiltrují nerelevantní data („datový šum“) zatěžující vaši pozornost.
4. Soustřeďte se pouze na to, co má smysl. Zejména v začátcích může mít řada lidí tendenci analyzovat každý datový bod a nechat se vtahovat do detailních mikroanalýz, které však na celkový úspěch podnikání mají jen zanedbatelný vliv. Odolejte tomuto pokušení a směřujte pozornost pouze tam, kde to bude mít reálný dopad na vaši strategii, provoz či marketing.
5. Zredukujte počet analytických nástrojů. Někdy může být problém jednoduše v tom, že se snažíte datovou analytiku pokrýt co největším počtem služeb a nástrojů, aby vám nic neuniklo. To nutně vede k pocitu přehlcení a paralýze při rozhodování. Zjednodušte si život a používejte pouze ty nejefektivnější nástroje, případně integrované platformy kombinující více analytických funkcí a služeb do jednoho rozhraní.
6. Investujte do systémů pro zpracování velkých dat. Pokud pracujete s velkými daty v užším smyslu (tzv. Big Data), vyplatí se vám investovat do kvalitních řešení pro jejich shromažďování, analýzu a vyhodnocování. Je-li vaše aplikace Cloud Native, může vám pomoct některá z cloudových služeb AWS v oblasti analytiky a Big Data.

Jak na analytiku v aplikacích? Jedině s profesionály!

Máte po přečtení našeho článku o datové analytice jasno, nebo vás naopak napadla spousta dalších otázek, které byste chtěli s někým probrat? Pustit se do nastavení mnohdy komplexních analytických nástrojů a služeb může být bez předchozích zkušeností náročné na čas i úsilí. Nikdy ale nezapomínejte, že co neměříte, to nevíte – analytiku v dnešní době zkrátka nelze ignorovat a ani váš byznys se bez ní neobejde. Nechte si proto poradit od profesionálů, kteří jsou ve světě analytiky jako doma a hravě zvládnou nastavit analytické služby přesně vám na míru. Vyplňte náš kontaktní formulář a domluvte si nezávaznou konzultaci. Těšíme se na váš projekt a na možnou spolupráci!