تحليل المسار في التحليلات المحمولة — ما هو، مراحل المسار وكيفية البناء

ما هو تحليل المسار؟

تحليل المسار (Funnel Analysis) هو أسلوب تحليلي يتم فيه تحديد سلسلة من الأحداث تؤدي إلى تحويل. كل خطوة تالية تشمل فقط المستخدمين الذين أكملوا جميع الخطوات السابقة. النتيجة هي “مسار” — مدخل واسع (كل من بدأ) ومخرج ضيق (من أكمل).

في التطبيقات المحمولة، يبدو المسار النموذجي كالتالي: تثبيت → تسجيل → تأهيل → إجراء أول → إجراء متكرر → شراء. في كل خطوة، ينقطع جزء من المستخدمين، ومهمة المحلل هي فهم السبب وتقليل الخسائر.

المقاييس الأساسية للمسار

مقياس متوسط الوقت بين الخطوات غالبًا ما يُقلل من قيمته. إذا استغرق الأمر متوسط 45 دقيقة من التثبيت إلى التسجيل، فالمشكلة تكمن في تحميل المحتوى أو تعقيد الشاشة الأولى.

أنواع المسارات في التحليلات المحمولة

المسارات تنقسم إلى نوعين رئيسيين — مفتوحة ومغلقة. يعتمد الاختيار على السيناريو ومرونة رحلة المستخدم.

المسار المغلق (Strict Funnel)

يجب على المستخدم إكمال جميع الخطوات بدقة بالترتيب. إذا تخطى خطوة أو سلك مسارًا آخر، لا يتم تضمينه في المسار. مثال: تسجيل → تأكيد البريد الإلكتروني → ملء الملف الشخصي → أول طلب. المسارات المغلقة تعطي صورة نظيفة ولكنها تستثني سيناريوهات المستخدم الحقيقية.

المسار المفتوح (Open Funnel)

يمكن للمستخدم تنفيذ الخطوات بأي ترتيب أو تخطي بعضها. يحسب النظام التحويل في كل خطوة بشكل مستقل. مثال: عرض الكتالوج → إضافة إلى السلة → إتمام الشراء. المسار المفتوح هو أسلوب أكثر واقعية لمعظم التطبيقات المحمولة.

• مسار مغلق — تسلسل صارم، جميع الخطوات إلزامية
• مسار مفتوح — ترتيب حر، الخطوات اختيارية
• هجين — الخطوات الأولى إلزامية، التالية حرة

مثال على مسار هجين لتطبيق اشتراك

الخطوة 1 (إلزامي): تثبيت التطبيق. الخطوة 2 (إلزامي): عرض شاشة الاشتراك. الخطوة 3 (اختياري): عرض الخطط. الخطوة 4 (إلزامي): إتمام الاشتراك. النهج الهجين يوفر توازنًا بين نقاء البيانات والواقعية.

مراحل بناء المسار

بناء المسار هو مهمة على تقاطع التحليلات والمنتج. تتكون العملية من خمس خطوات، من صياغة الفرضية إلى أتمتة التقرير.

الخطوة 1: حدد التحويل المستهدف

ماذا تريد أن يفعل المستخدم؟ purchase_completed، subscription_started، referral_sent. الحدث المستهدف هو قمة المسار. جميع الخطوات أدناه تؤدي إليه.

الخطوة 2: حلل المسار إلى أحداث

سجل جميع الأحداث الإلزامية بين دخول التطبيق والإجراء المستهدف. للتجارة الإلكترونية: app_opened → product_viewed → add_to_cart → checkout_started → payment_selected → purchase_completed. يجب أن يكون كل حدث موجودًا بالفعل في Event Tracking أو سيتم إضافته.

الخطوة 3: اختر نافذة زمنية

النافذة الزمنية — أقصى وقت بين الخطوة الأولى والأخيرة. للسيناريوهات السريعة (تثبيت لعبة) — 24 ساعة. للاشتراكات — 7 أو 30 يومًا. الأحداث خارج النافذة لا تُدرج في التحليل.

اختيار النافذة يؤثر مباشرة على التحويل: نافذة قصيرة جدًا (ساعة واحدة) تستبعد المستخدمين الذين عادوا بعد ساعتين لإتمام الشراء. طويلة جدًا (30 يومًا) تشمل إجراءات عشوائية. يُحدد الأمثل عبر تحليل الوقت بين الخطوات: قم ببناء توزيع الفترات واختر النافذة عند النسبة المئوية 90.

للمسارات السريعة (التأهيل، التسجيل) استخدم نافذة ساعة واحدة. للمتوسطة (أول شراء) — 7 أيام. للطويلة (اشتراك) — 30 يومًا. يمكن استخدام نوافذ مختلفة لأزواج خطوات مختلفة داخل نفس المسار.

-- مثال على حساب Funnel في BigQuery
WITH funnel_steps AS (
  SELECT
    user_id,
    event_name,
    event_timestamp,
    LAG(event_name) OVER (
      PARTITION BY user_id ORDER BY event_timestamp
    ) AS previous_event
  FROM `project.events.*`
  WHERE event_name IN (
    'app_opened', 'product_viewed',
    'add_to_cart', 'purchase_completed'
  )
)
SELECT
  event_name AS step,
  COUNT(DISTINCT user_id) AS users,
  ROUND(
    COUNT(DISTINCT user_id)
    / MAX(COUNT(DISTINCT user_id)) OVER (), 3
  ) AS conversion_rate
FROM funnel_steps
GROUP BY step
ORDER BY ARRAY_POSITION(
  ['app_opened', 'product_viewed',
   'add_to_cart', 'purchase_completed'],
  event_name
)

يستخدم الاستعلام LAG لتتبع التسلسل و ARRAY_POSITION لترتيب الخطوات. النتيجة هي جدول بعدد المستخدمين والتحويل في كل خطوة.

الخطوة 4: تحقق على البيانات التاريخية

قم ببناء المسار على بيانات آخر 30 يومًا. إذا كان لدى “checkout_started” تحويل 80% ولكن “purchase_completed” لديه 25%، فالمشكلة في نموذج الدفع. قارن مع معايير المنافسة: متوسط تحويل السلة في التطبيقات المحمولة هو 15–25% وفقًا لـ Statista (2024).

الخطوة 5: أتمتة المراقبة

قم بإعداد تقرير يومي مع المسار في لوحة البيانات (Looker Studio، Tableau). أضف تنبيهات: إذا انخفض معدل التحويل في خطوة ما عن الحد الس السيطري، أرسل إشعارًا إلى Slack أو Telegram.

تحليل الخسائر في المسار

تحليل الانقطاع (Drop-off Analysis) هو مرحلة رئيسية من تحليل المسار. الخسائر في كل خطوة هي مصدر فرضيات لتحسين المنتج. يتم تحديد ثلاث مناطق مشاكل: أخطاء فنية، حواجز تجربة المستخدم وسيناريوهات تحفيزية.

الخسائر الفنية

إذا انقطع 15% من المستخدمين في خطوة “registration_completed” بعد إدخال رقم هاتفهم، تحقق من بوابة SMS. الخسائر الفنية تُصلح في 1–2 يوم وتعطي زيادة سريعة في التحويل. استخدم Firebase Crashlytics بالتزامن مع المسار لتحديد الأخطاء.

حواجز تجربة المستخدم

إذا فُقد 40% في “cart_viewed” → “checkout_started”، فالمشكلة في تجربة المستخدم للسلة. ربما لا يوجد زر “إتمام الشراء” فوق طية الشاشة، أو تكلفة الشحن غير معروضة قبل إدخال العنوان. تحليل تجربة المستخدم يتطلب إعادة جلسات (Hotjar، UXCam، Smartlook).

الخسائر التحفيزية

إذا وصل المستخدم إلى “payment_selected” لكنه لم يكمل الشراء، فقيمة العرض أقل من السعر. الخسائر التحفيزية تُعالج بالخصومات والتجارب والإثبات الاجتماعي. اختبار A/B: أظهر لـ 50% من المستخدمين مراجعات على صفحة الدفع وقارن التحويل.

• فنية — أخطاء، مهلات، أخطاء API (حتى 20% من الخسائر)
• حواجز تجربة المستخدم — تنقل معقد، أزرار دعوة إلى اتخاذ إجراء مخفية (حتى 35%)
• تحفيزية — السعر، نقص الثقة (حتى 45%)

منهجية التحليل: 5 لماذا للمسار

تقنية 5 لماذا المطبقة على المسار: في خطوة حيث انخفض التحويل بنسبة 20%، اطرح خمسة أسئلة “لماذا” بالتسلسل. لماذا لا يصل المستخدمون إلى الدفع؟ لأن نموذج الدفع يحمل ببطء. لماذا يحمل ببطء؟ لأن الطلب إلى بوابة الدفع ينتهي مهلة. لماذا تنتهي المهلة؟ لأن SDK غير محدث. المنهجية تحدد السبب الجذري وليس العرض.

تحليل المجموعات للمسار هو أداة أخرى. قارن مسار المستخدمين الذين ثبتوا التطبيق في يناير وفبراير. إذا أظهرت مجموعة فبراير انخفاضًا بنسبة 15% في التحويل في خطوة “التسجيل”، فالسبب هو تغيير في شاشة التأهيل تم طرحه في نهاية يناير. المجموعات تعزل العوامل الزمنية.

وفقًا لمعهد CXL (2024)، تحليل الانقطاع المنهجي متبوعًا باختبار A/B للفرضيات يعطي متوسط زيادة في تحويل المسار بنسبة 30% خلال 3 أشهر.

أدوات تحليل المسار

كل أداة تقدم نهجها الخاص في بناء المسارات. يعتمد الاختيار على تعقيد المنتج والميزانية.

Amplitude — Pathfinder وتحليل المسار

Amplitude هي الرائدة في تحليلات المنتج. تحليل المسار المدمج يسمح بتقسيم المسار حسب المجموعات والأجهزة وإصدارات التطبيق. Pathfinder يظهر التفرعات — كم عدد المستخدمين الذين سلكوا مسارًا بديلًا بعد الخطوة 2.

Mixpanel — Flows

Mixpanel Flows يصور المسار كرسم بياني للانتقالات. الإيجابيات: تحديث فوري. السلبيات: تصفية محدودة في الخطة المجانية. مناسب للمشاريع المتوسطة مع فريق يصل إلى 10 محللين.

Firebase Analytics — تقرير المسار

Firebase يوفر تقرير مسار مجاني بحد أقصى 10 خطوات. التكامل مع BigQuery يسمح ببناء مسارات مخصصة عبر SQL. مثالي للشركات الناشئة التي بدأت للتو في تحليل التحويل.

Tableau + BigQuery

للحلول المؤسسية، استخدم Tableau مع BigQuery كمصدر. هذا يوفر مرونة كاملة: مقاييس مخصصة، تحليلات شاملة من التثبيت إلى LTV، مراقبة فورية. يتطلب مهندس BI.

Google Analytics 4 — استكشاف المسار

GA4 يوفر استكشاف المسار في قسم Explore. يدعم حتى 10 خطوات، تقسيم حسب معلمات المستخدم ومقارنة الفترات الزمنية. السلبيات: مرونة محدودة مقارنة بـ Amplitude، لكنه مجاني بالكامل ومتكامل مع Google Ads.

مقارنة أدوات تحليل المسار

اختيار الأداة يتحدد بتكرار التحليل. للمراقبة اليومية للمسارات، يناسب Amplitude أو Mixpanel. للتقارير الاستراتيجية الأسبوعية — Tableau مع BigQuery. للشركات الناشئة — Firebase أو GA4.