تحليل المجموعات في التحليلات المحمولة: ما هو، المقاييس ومراحل الإجراء

ما هو تحليل المجموعات؟

تحليل المجموعات هو أسلوب تحليلي يقسم المستخدمين إلى مجموعات (مجموعات) وفقًا لوقت قيامهم بأول حدث مستهدف، مثل تثبيت التطبيق أو التسجيل. على عكس المقاييس الإجمالية مثل DAU أو MAU، تسمح المجموعات بتتبع سلوك نفس المجموعة على مدار أسابيع وأشهر، مما يكشف عن اتجاهات الاحتفاظ والتوقف.

الميزة الرئيسية لهذه الطريقة هي القضاء على وهم النمو، حيث يخفي المستخدمون القدامى مشاكل المستخدمين الجدد. وفقًا لـ Amplitude Blog (2024)، فإن الشركات التي تبنت تحليل المجموعات تقلل من توقف المستخدمين بنسبة 20–30% في أول 90 يومًا.

طبق تحليل المجموعات لتقييم فعالية حملات اكتساب المستخدمين (UA)، ومقارنة سلوك إصدارات التطبيق المختلفة، وحساب العائد على الاستثمار في اكتساب المستخدمين.

المقاييس الرئيسية لتحليل المجموعات

معدل الاحتفاظ (Retention Rate)

معدل الاحتفاظ هو النسبة المئوية لمستخدمي المجموعة الذين عادوا إلى التطبيق بعد N يومًا من التثبيت. هذا هو المقياس الرئيسي لجودة المنتج: إذا لم يعد المستخدمون، فإن المشاكل تكمن في الإعداد (onboarding) أو القيمة المقترحة أو استقرار التطبيق. وفقًا لـ Statista (2025)، يبلغ متوسط الاحتفاظ في اليوم الأول للتطبيقات المحمولة 25–30%، وفي اليوم السابع — 10–15%، وفي اليوم الثلاثين — 5–7%.

قارن الاحتفاظ بمجموعتك بمعايير الفئة وحلل أي تغييرات في المنتج زادت من العوائد.

القيمة الدائمة (LTV)

القيمة الدائمة (LTV) هي إجمالي الإيرادات من جميع مستخدمي المجموعة خلال فترة المراقبة. هذا المقياس حاسم لتقييم عائد الاستثمار للحملات الإعلانية واتخاذ القرارات حول توسيع ميزانيات اكتساب المستخدمين. وفقًا لتقرير Adjust Benchmarks (2024)، يبلغ متوسط LTV لكل مستخدم في الألعاب 3.50 دولارًا، وفي التجارة الإلكترونية — 1.80 دولارًا، وفي الأدوات المساعدة — 0.40 دولارًا.

احسب LTV للمجموعة في اليوم 30 واليوم 90 واليوم 180 لفهم القيمة طويلة المدى للمستخدمين المكتسبين.

معدل التوقف (Churn Rate)

معدل التوقف هو النسبة المئوية لمستخدمي المجموعة الذين توقفوا عن استخدام التطبيق. يشير معدل التوقف المرتفع في الأيام الأولى إلى مشاكل في الإعداد أو عدم تطابق التوقعات. وفقًا لـ Localytics (2024)، يتخلى 25% من المستخدمين عن التطبيق بعد الفتح الأول، وبحلول اليوم التسعين يبقى أقل من 5%.

راقب معدل التوقف أسبوعيًا — زيادة بنسبة 5% في مجموعة تتطلب تحليلاً فوريًا لأسباب التوقف من خلال الاستبيانات أو تسجيل الجلسات.

أنواع المجموعات حسب الفترة الزمنية

المجموعات اليومية

المجموعات اليومية هي المستخدمون الذين قاموا بتثبيت التطبيق في نفس اليوم. هذا هو المستوى الأكثر تفصيلاً، مما يسمح باكتشاف الحالات الشاذة: الانخفاض المفاجئ في الاحتفاظ في تاريخ محدد قد يشير إلى عطل فني أو حملة إعلانية إبداعية مشكلة. تُستخدم المجموعات اليومية للمراقبة التشغيلية واختبارات A/B عند إجراء التغييرات يوميًا.

المجموعات الأسبوعية

المجموعات الأسبوعية هي المستخدمون الذين قاموا بتثبيت التطبيق في نفس الأسبوع التقويمي. توفر بيانات أكثر استقرارًا، مما يخفف من التقلبات اليومية. وهي مناسبة للتقارير الدورية ومقارنة أداء القنوات الإعلانية — الخطوة الأسبوعية تحيد تأثير يوم الأسبوع، حيث قد يختلف التحويل في عطلات نهاية الأسبوع.

المجموعات الشهرية

المجموعات الشهرية هي المستخدمون الذين قاموا بتثبيت التطبيق في نفس الشهر. وهي مثالية لتحليل الاتجاهات طويلة المدى والموسمية وحساب LTV على مدى 6–12 شهرًا. تُستخدم على مستوى إدارة المنتج لاتخاذ قرارات استراتيجية حول تطوير المنتج.

كيفية إجراء تحليل المجموعات

تحليل المجموعات يتكون من أربع مراحل: جمع البيانات، التجميع في مجموعات، حساب المقاييس حسب الفترة، والتصور. أولاً، حدد الحدث المستهدف — عادةً ما يكون التثبيت أو التسجيل أو أول عملية شراء. جميع المستخدمين الذين قاموا به في نفس الفترة ينتمون إلى نفس المجموعة.

ثانيًا، حدد الفاصل الزمني: يوم أو أسبوع أو شهر. لكل فترة لاحقة (اليوم 1، اليوم 2، اليوم 3...)، احسب النسبة المئوية للمستخدمين العائدين. يتم تلخيص النتائج في جدول المجموعات، حيث كل صف هو مجموعة وكل عمود هو فترة وكل خلية هي قيمة مقياس.

ثالثًا، قم بمعايرة البيانات: استبعد المجموعات التي يقل عدد مستخدميها عن 100 وراعِ الموسمية. وفقًا لـ Mixpanel (2024)، فإن المجموعات التي يقل عدد مستخدميها عن 50 تعطي نتائج غير ذات دلالة إحصائية بهامش خطأ يتجاوز 20%. رابعًا، قم بتصور البيانات كجدول مجموعات أو خريطة حرارية — الصفوف (المجموعات) والأعمدة (الفترات) تجعل اتجاهات الاحتفاظ واضحة لأصحاب المصلحة.

للتفسير الصحيح، قارن دائمًا مجموعات من نفس الحجم: من غير المقبول مقارنة مجموعة من 50,000 مستخدم بمجموعة من 500. قم بتطبيع المقاييس كنسبة مئوية من الحجم الأولي للمجموعة، وليس كأرقام مطلقة — وهذا يسمح بمقارنة مجموعات غير متساوية الحجم. ضع في اعتبارك أيضًا تأثير الجدة: المستخدمون الذين قاموا بتثبيت التطبيق بعد حدث تسويقي كبير قد يتصرفون بشكل مختلف عن التثبيتات العضوية.

أدوات تحليل المجموعات

أدوات تحليل المجموعات تنقسم إلى تلك المضمنة في منصات التحليلات والحلول SQL المخصصة. تقدم Amplitude و Mixpanel تقارير مجموعات جاهزة مع حساب تلقائي للاحتفاظ و LTV، دون الحاجة لكتابة استعلامات. توفر Firebase Analytics مجموعات أساسية حسب تاريخ التثبيت مقسمة حسب الأيام والأسابيع والأشهر.

للمجموعات المخصصة، استخدم استعلامات SQL في BigQuery أو Redshift — وهذا يمنحك تحكمًا كاملاً في المقاييس والفترات. وفقًا لـ Amplitude (2024)، تكتشف الفرق التي تستخدم مجموعات SQL المخصصة رؤى سلوكية أكثر بنسبة 35% مقارنة بالتقارير القياسية. تسمح أدوات BI (Tableau, Looker, Google Data Studio) ببناء لوحات تفاعلية للمجموعات للمراقبة الدورية.

يعتمد اختيار الأداة على نضج التحليلات في الفريق. في البداية، تكفي Firebase Analytics أو المجموعات المضمنة في Amplitude — فهي تغطي 80% من احتياجات تحليل المجموعات. مع نمو الفريق، انتقل إلى مجموعات SQL في BigQuery: وهذا يوفر مرونة في تحديد مقاييس غير قياسية (على سبيل المثال، مجموعات حسب تاريخ أول شراء بدلاً من تاريخ التثبيت) ويسمح ببناء نماذج تنبؤية لـ LTV باستخدام التعلم الآلي. للتصور، استخدم Looker Studio الذي يتصل مباشرة بـ BigQuery دون تكلفة إضافية.

مثال على تحليل المجموعات بلغة SQL

لحساب المجموعات اليومية بنفسك، استخدم استعلام SQL يقوم بتجميع الجلسات حسب تاريخ التثبيت. أدناه استعلام لـ BigQuery يعيد عدد المستخدمين النشطين حسب اليوم داخل كل مجموعة.

SELECT
  install_date AS cohort_date,
  DATE_DIFF(session_date, install_date, DAY) AS day_number,
  COUNT(DISTINCT user_id) AS active_users
FROM user_sessions
WHERE install_date BETWEEN '2025-01-01' AND '2025-03-31'
GROUP BY cohort_date, day_number
ORDER BY cohort_date, day_number;

بعد تنفيذ الاستعلام، قم ببناء جدول ملخص في Google Sheets أو أداة BI. كل صف هو تاريخ مجموعة، كل عمود هو رقم اليوم (اليوم 1، اليوم 2، إلخ). يتم حساب نسبة المستخدمين النشطين كنسبة active_users في اليوم N إلى active_users في اليوم 0 (يوم التثبيت).

الأخطاء الشائعة في تحليل المجموعات

الخطأ الأول هو العمل مع مجموعات صغيرة. إذا كانت المجموعة تحتوي على أقل من 100 مستخدم، فإن كل توقف أو عودة لشخص واحد تشوه النسبة بشكل كبير. الحد الأدنى لحجم المجموعة للوصول إلى استنتاجات موثوقة هو 500 مستخدم.

الخطأ الثاني هو تجاهل الموسمية. المجموعة التي قامت بتثبيت التطبيق قبل رأس السنة الجديدة ستتصرف بشكل مختلف عن مجموعة منتصف يناير. قارن دائمًا مجموعات من نفس الموسم أو استخدم تسوية البيانات. وفقًا لـ Mixpanel (2024)، يمكن أن تصل التقلبات الموسمية إلى 30–40% للاحتفاظ في اليوم الأول.

الخطأ الثالث هو الخلط بين تحليل المجموعات والتحليل المقطعي. تحليل المجموعات يتتبع مجموعة واحدة عبر الزمن، ولا يقارن مجموعات مختلفة في لحظة واحدة. استخدم قياسات متكررة على نفس المجموعة، وإلا ستحصل على استنتاجات خاطئة حول نمو الاحتفاظ.