Исследование эффективности запуска функционала в мобильных приложениях на основе больших данных

Вопросы повышения успешности запуска функционала в мобильных приложениях стоят достаточно остро, особенно в период постпандемии, как следствие имплементации, развития и улучшения технологий в среде. Данный период времени показал, насколько изменился рынок и поведение потребителей с точки зрения использования мобильных приложений. В данной статье рассматриваются определения и вопросы вовлеченности пользователей приложений. Подробно описан процесс вовлеченности. С точки зрения теории изучена и разобрана концепция бережливого производства, которая впервые была описана Эриком Рисом, а в дальнейшем применена на практике в компании Innoforce, выступающей разработчиком мобильного приложения Avtobys. В качестве метода исследования был выбран метод опроса. Собрана пользовательская база для проведения интервью. Проведено несколько полуструктурированных интервью с пользователями для составления и тестирования анкеты. Полученная обратная связь от тестовой группы позволила изменить формулировку некоторых вопросов. С помощью официальных ресурсов компании было опубликовано приглашение к участию в исследовании. Полученные результаты исследования были интерпретированы, после чего внедрены в производство нового функционала на базе полученных результатов. Разработка нового функционала заняла три недели рабочего времени. По истечении одного месяца был проведен сравнительный анализ уровня вовлеченности, количество событий вовлеченности на одного пользователя и проведен анализ эффективности концепции. Были получены результаты об эффективности применения методологии бережливого производства с помощью баз данных и систем бизнес-аналитики. В качестве финального результата получен не только экономический эффект, но и увеличение вовлеченности, событий и ключевых показателей приложения от применения данной концепции в производстве. Данная работа поможет бизнесу запускать более успешные функционалы в мобильных приложениях с низкими рисками затрат на производство.

1. Объем безналичных платежей в Казахстане вырос в 2,6 раза в 2020 году // Курсив – деловые новости Казахстана. URL: https://kursiv.kz/news/finansy/2021-02/obem-beznalichnykh-platezhey-v-kazakhstane-vyros-v-26-raza-v-2020-godu (дата обращения: 26.09.2022)

2. Number of mobile app downloads worldwide from 2016 to 2021 // Statista. URL: https://www.statista.com/statistics/271644/worldwide-free-and-paid-mobile-app-store-downloads/ (дата обращения: 27.09.2022)

3. 25% of Users Abandon Apps After One Use // Localytics. URL: https://uplandsoftware.com/localytics/resources/blog/25-of-users-abandon-apps-after-one-use/ (дата обращения: 27.09.2022)

4. Du R.Y., Netzer O., Schweidel D.A., Mitra D. Capturing Marketing Information to Fuel Growth // Journal of Marketing. 2021. No. 85(1). P. 163–183. URL: https://doi.org/10.1177/0022242920969198

5. Neumann N., Tucker C.E., Whitfield T. Frontiers: How Effective Is Third-Party Consumer Profiling? Evidence from Field Studies // Marketing Science. 2019. No. 38(6). P. 918–926.

6. Cechetti N.P., Bellei E.A., Biduski D., Rodriguez J.P.M., Roman M.K., De Marchi A.C.B. Developing and implementing a gamification method to improve user engagement: A case study with an m-Health application for hypertension monitoring // Telematics and Informatics. 2019. No. 41. P. 126–138.

7. Konecný J., McMahan H.B., Ramage D., Richtárik P. Federated Optimization: Distributed Machine Learning for On-Device Intelligence. 2016. URL: https://arxiv.org/abs/1610.02527.

8. Yudan Liu, Kaikai Ge, Xu Zhang, Leyu Lin. Real-time Attention Based Look-alike Model for Recommender System. SIGKDD International Conference on Knowledge Discovery & Data Mining. 2019. P. 2765–2773.

9. Cui T.H., Ghose A., Halaburda H., Iyengar R., Pauwels K., Sriram S., Tucker C., Venkataraman S. Informational Challenges in Omnichannel Marketing: Remedies and Future Research // Journal of Marketing. 2021. No. 85(1), P. 103–120. URL: https://doi.org/10.1177/0022242920968810

10. Hernandez B., Jimenez J., Martın M.J. Really moderate online shopping behaviour? P. 22.

11. Liu Z., Lu Z. Research on Influence of Shopping APP’s Characteristic on Consumer’s Impulse Buying. Mod. Econ. 2017. No. 12. P. 1484–1498.

12. Kumar V., Rajan B., Venkatesan R., Lecinski J. Understanding the Role of Artificial Intelligence in Personalized Engagement Marketing // California Management Review. 2019. No. 61(4). P. 135–155.

13. O’Brien H.L., Toms E.G. What is user engagement? A conceptual framework for defining user engagement with technology. J. Am. Soc. Inf. Sci. 2008. Р. 938–955. doi:10.1002/asi.20801.

14. Meire M., Hewett K., Ballings M., Kumar V., Van den Poel D. The Role of Marketer-Generated Content in Customer Engagement Marketing // Journal of Marketing. 2019. No. 83(6). Р. 21–42. URL: https://doi.org/10.1177/0022242919873903

15. O’Brien H.L., Bassett R. Exploring engagement in the qualitative research process // American Society for Information Science and Technology Annual Meeting. Vancouver: BC, 2009.

16. Ries E. The Lean Startup: How Today’s Entrepreneurs Use Continuous Innovation to CreateRadically Successful Businesses. New York: Crown Business. 2011.

17. Womack J.P., Jones D.T., Roos D. The Machine that Changed the World // Harper Perennial, New York. 1990.

18. Blank S., Dorf B. The startup owner’s manual. The Step-by-step Guide for Building a Great Company. 2012.

19. Ladd T. The limits of the lean startup method // Harvard Business Review. 2016. No. 3. P. 2–3.

20. Население стран мира // Aznations. URL: https://ru.aznations.com/population/kz (дата обращения: 29.09.2022)