ユーザーの行動データを活用した優れたデジタルエクスペリエンスの実現

このブログ記事はTom Biaとの共同執筆です。

優れたデジタルエクスペリエンスの実現には、あらゆる角度からの可視化が必要です。システム障害やパフォーマンス低下のトラブルシューティングに役立つ、レイテンシー、JavaScriptの問題、読み込み時間といった従来のオブザーバビリティデータはもちろんですが、同じくらい重要なのが、ユーザーが製品をどのように利用しているかを理解することです。どの機能を使用しているか、どこで不便を感じているか、どのような行動が離脱やコンバージョンにつながるかも把握する必要があります。

Splunkは、Splunk Observability CloudへのDigital Experience Analyticsの追加を発表しました。この機能により、デジタル製品全体におけるユーザーの行動について、詳細かつ直感的なインサイトを得ることができます。Splunkは、行動データをリアルユーザー監視(RUM)やアプリケーションパフォーマンス監視(APM)が提供するオブザーバビリティシグナルと統合することで、製品、ユーザーエクスペリエンス(UX)、エンジニアリングの各チームが問題を特定し、コンバージョン率を高め、エンジニアリング作業の優先順位付けをより効果的に行えるよう支援します。これらはすべて、単一の軽量なOpenTelemetryのインストルメンテーション(計装)エージェントによって実現されます。

実際のユーザー行動を把握してデジタル成長を加速

Digital Experience Analyticsは、ページビュー、ボタンクリック、ログイン、サインアップ、購入など、あらゆる重要なユーザーアクションを追跡することで、ユーザーの行動データを自動的に収集します。このような豊富でコンテキストに沿ったイベントデータにより、幅広い分析と視覚的なインサイトが実現します。

任意のイベントの時系列グラフを瞬時に作成して、エンゲージメントや機能の利用傾向を把握することもできます。たとえば、AIを活用した「サマリーの生成」ボタンを新たにリリースし、その利用状況を把握したいとします。Digital Experience Analyticsを使用すれば、利用状況の推移を可視化して、特定の急激な増加や減少を詳しく確認し、それらのパターンに影響を与えた根本的なユーザーセッションを迅速に調査できます。

今回の初期リリースの後、Digital Experience Analyticsは、レイジクリックやデッドクリックといったユーザー行動を検出するフラストレーションシグナルも提供するようになります。これらの行動は、ユーザーのエクスペリエンスの低下や離脱と相関することが多いものです。

また、自動で収集されるイベントに加え、技術系ユーザーか非技術系ユーザーかを問わず、Element Pickerを使用してカスタムイベントを定義できます。コードを書くことなく、UIから直接イベントを作成することが可能です。

^{Digital Experience Analyticsを使用すると、有意義なユーザーインタラクションを簡単に定義して監視できます。}

Digital Experience Analyticsには、ユーザーがアプリケーション内でどのように行動しているかを把握できるように、ユーザージャーニーマップが備わっています。これにより、ユーザーがたどる代表的な経路や、関心のあるイベントの前後で行われる操作手順を可視化できます。想定していなかったユーザージャーニーや行動パターンを把握でき、よりスムーズで直感的な体験を設計しやすくなります。

先ほどの例の続きとして、アプリケーションに新たに「サマリーの生成」ボタンを導入したとします。ユーザージャーニーマップを使用すると、ダッシュボードからの移動や特定のデータセットの検索といった、ユーザーがボタンをクリックする前にたどる代表的な経路や、クリック後の動作を確認できます。これにより、読み込みの遅さや分かりにくい確認手順が原因で、多くのユーザーがボタンをクリックした直後にフローを離脱していることに気づくかもしれません。この機能を通じて、すぐに対処できる問題点を明らかにできます。

^{ユーザージャーニーマップは、ユーザーがアプリケーション内で自然にたどる代表的な経路を明らかにします。}

主要なユーザージャーニーのコンバージョン率を向上させる

eコマースの決済サービス、SaaSのオンボーディングフロー、コンテンツのサブスクリプション、リード創出フォームといったビジネスに不可欠なあらゆるジャーニーで、ユーザーが意図した成果を確実に達成できるようにするには、継続的な監視が必要です。

Digital Experience Analyticsを使用すると、理想的な行動フロー「ハッピーパス」を表す複数ステップのファネルを構築し、各ステップでのコンバージョン率を評価できます。過去のデータを遡って使用できるので、新しいデータの蓄積を待たずに、収集済みの過去のイベントに基づいて即座にインサイトを得ることができます。

たとえば、新しいSaaS製品をリリースするプロダクトマネージャーであれば、次のような主要なマイルストーンにおけるユーザーの利用状況を追跡できます。

• 「導入を開始する」ページへのアクセス

• オンボーディングの完了

• 製品内での主要なアクションの開始

単一のファネルビューにより、ユーザーがどこで離脱しているかを特定し、改善の優先順位を付けることができます。

離脱が発生する理由を理解するには、関連するセッションを開き、セッションリプレイを表示して、ユーザーが実際に何を見ていたのかを確認します。ユーザーがその時、何をクリックし、どのようにスクロールし、どこで迷い、離脱したのかを把握できます。

^{コンバージョンファネルは、重要なユーザージャーニーのコンバージョン率を追跡します。}

Digital Experience Analyticsでは、より詳細な分析のために、ユーザーを行動(初回ユーザーかリピーターかなど)や属性(デバイスの種類、場所、ブラウザなど)に基づいてセグメント化できます。これらのセグメントを、コンバージョンファネルやユーザージャーニーマップ、その他の分析に適用することで、コホート(ユーザーグループ)間でエクスペリエンスを比較し、改善点を見つけ出すことができます。

簡単な設定でオブザーバビリティとデジタルエクスペリエンス分析を統合

デジタルエクスペリエンスの問題の多くは、根本的なパフォーマンスの問題に起因しています。行動分析ツールとオブザーバビリティツールがサイロ化していると、チームは複数のシステムにまたがって手作業でデータを相関付けなければなりません。これにより調査が遅れ、根本原因の特定が困難になります。また、エンジニアリングチームには、どのパフォーマンスの問題を優先すべきかを判断するために必要な、ユーザーやビジネスのコンテキストが不足しています。

Splunkは、オブザーバビリティとデジタルエクスペリエンス分析を単一のプラットフォームに統合しています。Digital Experience AnalyticsがSplunk Observability Cloudにネイティブに統合されているため、次のことが実現します。

• 製品チームおよびUXチームは、ファネルからの離脱とパフォーマンスの問題を関連付け、トラブルシューティングを加速できます。

• エンジニアリングチームは、アラートの量ではなく、実際のユーザーやビジネスへの影響に基づいて修正の優先順位を付けることができます。

たとえば、プロダクトマネージャーは、注文処理のステップが遅いことから、決済のフローに問題が発生していることに気づくかもしれません。インサイトが統合されていれば、数クリックで、Real User Monitoringから得られる具体的なセッションデータと関連するパフォーマンスデータをエンジニアと共有できます。これにより、ツールの切り替えや手作業でのデータの関連付けが不要になり、MTTRが大幅に短縮されます。これは、スタンドアロンのデジタルエクスペリエンス分析ソリューションでは容易に実現できない機能です。

^{Digital Experience Analyticsでは、問題のあるユーザーセッションから直接Real User Monitoringに移動して、より詳細なトラブルシューティングを行うことができます。}

もう1つのメリットは、運用負荷の軽減です。Splunkの単一のOpenTelemetryエージェントを使用すれば、一度のインストルメンテーションで、フロントエンドのパフォーマンスデータとユーザー行動データの両方を自動的に収集できます。これにより、メンテナンスの負担、設定のずれ、インストルメンテーションの複雑さを最小限に抑えることができます。

パフォーマンスデータとあわせてユーザー行動の分析を今すぐ始めましょう

Splunk Observability CloudのDigital Experience Analyticsは、行動に関するインサイトとオブザーバビリティデータを統合し、ユーザーがアプリケーションをどのように利用しているかを明らかにします。これにより、コンバージョン率を高め、ユーザーの負担を軽減し、デジタルエクスペリエンスを継続的に改善できます。

詳細についてはドキュメントをご覧ください。Digital Experience Analyticsの実際の動作を確認したい場合は、デモのお申し込みをお願いいたします。

このブログはこちらの英語ブログの翻訳、山村 悟史によるレビューです。