หน้านี้แสดงตัวอย่างการวิเคราะห์การรับรู้ฟีเจอร์ของแอปพลิเคชันจดบันทึกและจัดระเบียบแบบหนึ่ง เพื่อให้เห็นวิธีที่เราแปลข้อมูลการใช้งานเป็นคำแนะนำที่ทีมสินค้าทำตามได้จริง

แอปจดบันทึกและจัดระเบียบ
แอปพลิเคชันจดบันทึกที่รวมการจัดหมวด การค้นหา และการซิงค์ข้ามอุปกรณ์ ผู้ใช้สร้างโน้ต จัดเป็นโฟลเดอร์ และเรียกดูผ่านการค้นหา การวิเคราะห์การรับรู้ฟีเจอร์ช่วยทีมสินค้าเห็นว่าฟีเจอร์ใดที่ผู้ใช้ใช้ต่อเนื่องและฟีเจอร์ใดที่ถูกปิดหลังเปิดครั้งแรก
ดูแอปนี้และแอปจัดระเบียบอื่น ๆ ได้บน Steam
View on Steamตัวชี้วัดที่เราดู
| ตัวชี้วัด | ความหมาย | คำถามที่ชี้ |
|---|---|---|
| อัตราการรับรู้ | สัดส่วนผู้ใช้ที่เปิดฟีเจอร์อย่างน้อยหนึ่งครั้ง | ฟีเจอร์ถึงผู้ใช้จริงหรือไม่ |
| การเปิดใช้ซ้ำ | สัดส่วนผู้ใช้ที่กลับมาใช้ฟีเจอร์ภายใน 7 วัน | ฟีเจอร์มีคุณค่าต่อผู้ใช้หรือไม่ |
| การคงอยู่ของฟีเจอร์ | สัดส่วนผู้ใช้ที่ยังใช้ฟีเจอร์ในสัปดาห์ที่ 4 | ฟีเจอร์ติดอยู่ในพฤติกรรมหรือไม่ |
| เส้นทางก่อนทิ้ง | ลำดับฟีเจอร์ก่อนผู้ใช้เลิกใช้งาน | ฟีเจอร์ใดเกี่ยวข้องกับการทิ้งแอป |
ตัวอย่างการตีความ
หากการเปิดใช้ซ้ำของฟีเจอร์การค้นหาสูงแต่การคงอยู่ต่ำ อาจหมายความว่าผู้ใช้คาดหวังผลลัพธ์จากการค้นหาแต่ไม่พบสิ่งที่ต้องการ คำแนะนำจึงไม่ใช่ “ปรับปรุงปุ่มค้นหา” แต่คือการตรวจสอบคุณภาพของเนื้อหาที่ค้นได้และลำดับผลลัพธ์
การวิเคราะห์นี้เป็นตัวอย่างเพื่อการศึกษา ตัวเลขใด ๆ ในงานจริงจะมาจากข้อมูลของทีมสินค้าคุณ ไม่ใช่จากการสมมติ
ต้องการให้เราวิเคราะห์แอปของคุณในแนวเดียวกัน? ส่งคำขอรับคำปรึกษา