むンサむトカスタマヌプレむブック

Last Updated 8月 28, 2026

ナヌザヌゞャヌニヌを分析したす。 摩擊を芋぀けたす。 ガむダンスの構築。 圱響を蚌明したす。

むンサむト機胜を理解する

フェヌズ1WalkMeむンサむトが枬定できるものを理解したす。

WalkMeむンサむトの抂芁

WalkMeむンサむトは、ナヌザヌがアプリケヌションずどのようにむンタラクションするか、WalkMeコンテンツのパフォヌマンスを理解するのに圹立ちたす。 デゞタルアダプションのための分析レむダヌであり、次のこずを支揎したす

  • アプリケヌションでのナヌザヌの行動を確認したす。たずえば、ナヌザヌがクリックしたもの、入力したもの、゚ンゲヌゞしないものなどです。
  • スポットフリクション - ナヌザヌが立ち埀生したり、離脱したり、予想以䞊に時間がかかる堎合。
  • WalkMeの圱響を枬定したす。アプリケヌション、セグメント、期間を暪断しお圱響を促進するWalkMeガむダンスを確認したす。
  • クロスシステムゞャヌニヌを可芖化したす。ナヌザヌがアプリケヌションをどのように移動するか、WalkMeガむダンスがプロセスの成功にどのように貢献するかをご芧ください。
  • 最も重芁なものに関するレポヌト — ビゞネスの優先順䜍を反映するメトリクスずデヌタでダッシュボヌドをカスタマむズしたす。

WalkMeむンサむトが回答できる䞀般的な質問

補品分析
WalkMeコンテンツ分析
ナヌザヌはアプリケヌションの䞻芁機胜やワヌクフロヌをどのように利甚しおいたすか
ナヌザヌが最も゚ンゲヌゞメントする/最も䜎いWalkMeコンテンツは䜕ですか
ナヌザヌはアプリケヌション内のペヌゞ、フォヌム、画面をどのように移動したすか
WalkMeコンテンツを閲芧たたぱンゲヌゞしおいるナヌザヌの割合は
ナヌザヌがクリック、入力、たたぱンゲヌゞしおいないUI芁玠ボタン、フィヌルドはどれですか
ナヌザヌは、私がスマヌトりォヌクスルヌ、シャりトアりト、リ゜ヌス、シャトル、オンボヌディングタスクのために定矩したゎヌルを達成しおいたすか
ナヌザヌむンタラクションの掚移は、時間の経過ずずもにどのように傟向しおいたすか
WalkMeガむダンスは、ナヌザヌがタスクをより迅速たたはより成功裏に完了するのにどのように圹立ちたすか
プロセスのどこでナヌザヌが離脱したすか
どのWalkMe゚クスペリ゚ンスが期埅どおりにパフォヌマンスを発揮しおいないか、どこを改善できたすか

むンサむトの詳现を孊ぶための远加リ゜ヌス
WalkMe Insightsに぀いお
Insights甚語集

UUIDDXAレベルを蚭定したす。

フェヌズ2UUIDDXAレベルを蚭定したす。

システムを蚭定しお、むンサむトが初日から正確なナヌザヌレベルのデヌタを远跡できるようにしたす。 この基盀は、埌で構築するすべおのレポヌト、ファネル、たたはダッシュボヌドの品質を決定したす。 UUIDは、WalkMeコンテンツが公開される前にシステムを蚭定したずきに、管理者暩限を持぀ナヌザヌが蚭定したす。 アカりントごずではなく、システムごずに蚭定されたす。

ステップ1ナヌザヌを識別する方法UUIDを遞択したす。

UUIDナニヌクナヌザヌ識別子は、WalkMeが誰が䜕をしおいるかを䌝えたす。WalkMeむンサむトのすべおのナヌザヌレベル分析の基瀎であり、すべおのクリック、再生、ゎヌル完了が実際のナヌザヌに玐付けられるこずを保蚌したす。 UUIDがない堎合、WalkMeはナヌザヌがシステムに入るたびに新しいIDを割り圓お、むンサむトで重耇を䜜成し、オンボヌディングずゎヌルの継続性を損いたす。

䟋

  • UUIDなしスマヌトりォヌクスルヌは100回の再生を衚瀺したすが、むンサむトはこれが100人のナニヌクナヌザヌを衚すのか、同じ少数のナヌザヌによる繰り返し再生を衚すのかは刀断できたせん。 誰がスマヌトりォヌクスルヌを完了したか、誰がドロップオフしたかは䞍明です。 ナヌザヌがシステムに入るたびにたずえナヌザヌが戻っおくる堎合でも、ナニヌクナヌザヌを远跡する方法がないため、新しいIDが割り圓おられたす。 これにより、メトリクスが膚らみ、むンサむトデヌタが䞍正確になりたす。
  • UUIDを䜿甚むンサむトには、75人のナニヌクナヌザヌがりォヌクスルヌを開始し、45人が完了し、30人が脱退したこずが衚瀺されたす。 スマヌトりォヌクスルヌでどのナヌザヌが完了しなかったか、たたどこでドロップしたかを正確に確認できたす。

すべおの環境で1぀の䞀貫したUUID方法を遞択するこずは、掚奚されるベストプラクティスです。 いく぀かのオプションが利甚できたすが、最も正確で氞続的なナヌザヌ远跡のために、内郚アプリケヌションにはIDP統合を䜿甚し、顧客向けアプリケヌションには倉数を䜿甚するこずをお勧めしたす。 組織が远加のセキュリティレむダヌを必芁ずする堎合は、UUIDのハッシュ化をリク゚ストできたす。

UUIDタむプ
最適な甚途
䜿甚理由
IDPSSO統合
掚奚
内郚アプリケヌション
最も信頌できる。IDプロバむダヌOkta、AzureADなどを介しおナヌザヌを識別したす。
倉数
掚奚
顧客向けアプリケヌション
正確で持続的な远跡のために倉数window.userIdなどを䜿甚したす。
WalkMe ID
掚奚されたせん。
テストのみ
テストたたはサンドボックス環境のクむックセットアップ。本番環境には掚奚されたせん。IDは氞続的ではなく、Cookieが消去された堎合や新しいブラりザヌが䜿甚された堎合にリセットされたす。1人の戻ったナヌザヌを耇数の新しいナヌザヌずしお蚘録し、むンサむトデヌタを歪める可胜性がありたす。

ベストプラクティス

      • 初日から安定した䞀貫したUUID方法を遞択したす内郚アプリケヌションのIDP、顧客向けサむトの倉数。
      • UUIDを怜蚌したす。むンサむトのナヌザヌペヌゞに䞀貫しお衚瀺されたす重耇はありたせん。
      • デヌタ蚭定を倉曎した埌に公開したす。

行わない

      • UUIDを空癜のたたにするか、WalkMe IDに䟝存したす。これは、クッキヌをクリアしたり、新しいブラりザヌをむンストヌルしたりするたびにリセットされたす。
      • より信頌性の高い方法IDPたたは倉数にアップグレヌドしない限り、コンテンツのデプロむ埌にUUID蚭定を倉曎したす。 UUIDSを倉曎するず、履歎の継続性が䞭断され、ナヌザヌレベルの分析がリセットされたす。

UUIDの蚭定に圹立぀远加リ゜ヌスナニヌクナヌザヌ蚭定、IDP、倉数、UUIDハッシュ、圹割暩限。

ステップ2収集するデヌタ量を遞択したすDXAレベル。

WalkMeは3぀の異なるレベルでデヌタを収集したす。それぞれが、ナヌザヌがアプリケヌションずWalkMeガむダンスずどのようにむンタラクションするかをより深く理解できたす。 これらのレベルは、単玔なむンタラクションを数えるこずから、ナヌザヌ行動を真に理解し、摩擊を特定し、圱響を枬定するこずに圹立ちたす。 DXAデゞタル゚クスペリ゚ンス分析は、WalkMe゚ンゲヌゞメント分析以倖に、WalkMeが収集するナヌザヌ行動デヌタの量を決定したす。 DXAレベルによっお、ナヌザヌがりェブサむトやアプリケヌションずどのようにむンタラクションするかを異なるレベルの可芖性を提䟛したす。

デヌタ収集レベル
远跡察象
必芁なずきに䜿甚したす...
有効化方法
゚ンゲヌゞメントアナリティクスデフォルト
WalkMeコンテンツむンタラクションのみ
ナヌザヌがWalkMeコンテンツ再生、完了、ステップ、ゎヌルにどのように関䞎しおいるかを枬定したす。
デフォルトで有効です。
タヌゲットDXA
定矩した远跡むベントに加えお、関連するナヌザヌアクションが発生しおいるかどうかを怜蚌するのに圹立぀サンプル行動デヌタ玄100件のむンタラクションのうち1件

デヌタ収集を最小限に抑えながら、远跡むベントで定矩したアプリケヌションの䞻芁なむンタラクションボタンクリック、フィヌルド入力、ペヌゞ蚪問に焊点を圓おたす。

    管理、プラむバシヌ、粟床が必芁な堎合に最適です。远跡むベントを通じお定矩したデヌタのみを収集するためです。
管理センタヌのデヌタ蚭定にあるWalkMe管理者によっお盎接有効化されたす。
フルDXA
遡及的なナヌザヌむンタラクション

完党なDXAは、有効になった瞬間からすべおのクリックず入力をキャプチャしたす。これにより、远跡むベントを定矩しお、最倧12ヶ月前たたはフルDXAが有効になった時点のいずれか最近の履歎デヌタに遡っおアクセスできたす。

重芁な泚意事項

    • フルDXAは、広範な生デヌタを提䟛したす。分析は耇雑でリ゜ヌスを倧量に消費する可胜性がありたす。
    ほずんどのお客様は、このレベルの詳现を必芁ずしたせん。高床な分析のニヌズず倧芏暡なデヌタセットを凊理する胜力を持぀お客様にのみ、Full DXAをお勧めしたす。

管理者はフルDXAをオンにするこずはできたせん。リク゚ストに応じおWalkMeが有効にする必芁がありたす。 DXAは、アカりントごずではなく、システムごずに有効です。

有効化方法

    フルDXAが必芁なシステムの名前をアカりントチヌムにお問い合わせください。
セッションプレむバック
実際のナヌザヌセッションの再䜜成

分析デヌタを補完しお、ナヌザヌがアプリケヌションをどのように䜓隓したかを再珟したす。ナヌザヌのむンタラクションを完党に芖芚的に理解できたす。

次の必芁がある堎合に圹立ちたす

    Digital Experience AnalyticsDXAで芳察された行動パタヌンを怜蚌し、ナヌザヌセッションの芖芚的な再珟によるQAずトラブルシュヌティングをサポヌトしたす

セッション再生は、WalkMe顧客パッケヌゞを賌入したお客様のみが利甚できるオプトむン機胜です。

有効化方法

    アカりントチヌムに確認しお、契玄に顧客向けWalkMeが含たれおいるかどうかを確認したす。

ガバナンスず怜閲コントロヌル

DXAにはガバナンスコントロヌルが含たれ、管理者は収集されるむンタラクションデヌタを定矩できたす。 必芁に応じお、怜閲ずプラむバシヌ蚭定を䜿甚しお、サむト䞊の特定の芁玠の収集を制限し、組織のセキュリティずコンプラむアンス芁件に合わせたす。

次の時点で、次の時点で移動の準備ができおいるこずがわかりたす

            • UUIDずDXAは、管理センタヌで蚭定され、怜蚌されたす。
            • デヌタがむンサむトに流入しおいるこずを確認できたす簡単な远跡むベントテストを介しお。
            • チヌムは、ナヌザヌがどのくらいのナヌザヌ行動を収集しおいるか、その理由を理解しおいたす。

デヌタ収集レベルを蚭定するのに圹立぀远加リ゜ヌスをいく぀かご玹介したすDigital Experience AnalyticsDXA、WalkMeむベント蚭定、セッションプレむバック。

ベヌスラむンデヌタの蚭定

フェヌズ3远跡察象を決定し、ベヌスラむンデヌタを蚭定したす。

ナヌザヌがアプリケヌションずどのようにむンタラクションするかを理解するには、WalkMeコンテンツを公開する前に、゚ンゲヌゞ芁玠たたは远跡むベントを䜿甚しおベヌスラむンデヌタを収集したす。 ベヌスラむンがない堎合、WalkMe゜リュヌションがナヌザヌ行動をどのように改善するかを実蚌するこずは困難になりたす。 WalkMeコンテンツを公開する前に、少なくずも30日間ベヌスラむンデヌタを収集するこずをお勧めしたす。 これにより、前埌に圱響を自信を持っお枬定できたす。 新しいWalkMeコンテンツを展開する前に、これを暙準プラクティスにするこずを匷くお勧めしたす。

むベントEngaged Elementsず远跡むベントを䜿甚するタむミング

むベントは、むンサむト分析のビルディングブロックです。 ナヌザヌずアプリケヌションずのむンタラクション方法を理解するのに圹立ちたす。- ナヌザヌがクリックするボタン、蚪問するペヌゞなど。 むベントを蚭定するには、Engaged Elementsず远跡むベントの2぀の方法がありたす。 すべおのむンサむト分析の基瀎を圢成するため、各方法が䜕をキャプチャするかを知るこずは重芁です。

  • ボタンをクリック、フィヌルドを入力、カヌ゜ルを合わせる、UI芁玠の衚瀺など、ナヌザヌが特定のペヌゞ芁玠ずどのように゚ンゲヌゞしおいるかを確認したい堎合は、゚ンゲヌゞメント芁玠を䜿甚したす。 ゚ンゲヌゞメント゚レメントは、芖芚的にキャプチャされ、WalkMe゚ディタの条件ビルダヌが提䟛したす。これにより、より正確で、セレクタヌの倉曎が少なくなりたす。 たた、可芖性、ホバヌ、テキスト倉曎、入力むベントなど、幅広いむンタラクションタむプをサポヌトしおおり、ナヌザヌ行動を正確に枬定するのに圹立ちたす。
  • ペヌゞ蚪問を远跡する必芁がある堎合、たたは遡及デヌタが必芁な堎合は、远跡むベントを䜿甚したす。

芋たい堎合は
䜿甚
メモ
ナヌザヌが蚪問したURLペヌゞ蚪問たたはクリックしたかどうか、入力ボックスに䜕を入力したか。
远跡むベント
远跡むベントを蚭定するには、DXAタヌゲットDXAたたはフルDXAを有効にする必芁がありたす。 ペヌゞ蚪問数を確認するには、ペヌゞ収集を有効にする必芁がありたす。
ナヌザヌがクリック、入力、カヌ゜ルを合わせおむンタラクションした基盀ずなるUIコンポヌネントWalkMeコンテンツずは関係ありたせんをどの基盀ずなるUIコンポヌネントでむンタラクションしたしたか。
Engaged Elements
パフォヌマンス䞊の理由から、1ペヌゞあたり20個に制限されおいたす。 デヌタ収集を開始するには、WalkMe゚ディタから公開する必芁がありたす。 DeepUIを有効にする必芁がありたす。
゚レメントずの遡及゚ンゲヌゞメント、぀たり、特定の゚レメントをクリックしたナヌザヌ。
远跡むベント + フルDXA
フルDXAを有効にする必芁がありたす。

次の時点で、次の時点で移動の準備ができおいるこずがわかりたす

  • ゚ンゲヌゞメント芁玠ず远跡むベントを䜿甚するタむミングを理解したす。
  • ゚ンゲヌゞメント芁玠を公開するか、远跡むベントを蚭定しお、30日間ベヌスラむンデヌタを収集したす。
  • むンサむトコン゜ヌルのむベントセクションで、゚ンゲヌゞメント芁玠たたは远跡むベントがむンサむトにデヌタを送信しおいるこずを確認したす。 新しいむベントを䜜成したりルヌルを倉曎したりした埌は、垞に怜蚌したす。

むベントの蚭定に圹立぀远加リ゜ヌス゚ンゲヌゞメント芁玠たたは远跡むベントでベヌスラむンデヌタを収集する、むベントの䜜成方法、むンサむト゚ンゲヌゞメント芁玠に぀いお。

導入圱響枬定

フェヌズ4WalkMeを展開圱響を枬定したす。

WalkMeコンテンツを展開しお発芋した摩擊ポむントに察凊し、圱響を䞎えたこずを蚌明したす。 1摩擊が存圚する堎所にWalkMeガむダンスを導入したす。

2各スマヌトりォヌクスルヌ、シャりトアりト、リ゜ヌス、シャトルにゎヌルを远加し、各オンボヌディングタスクの完了ゎヌルを远加したす。 ゎヌルは䜿甚状況を結果ず結び぀けるため、ガむダンスに参加したナヌザヌが実際に達成しようずしおいた結果を達成したかどうかを確認できたす䟋「保存をクリック」たたは「フォヌム送信」。

  • メむンゎヌルを远加しお、垌望する結果を远跡したす。
  • マむルストヌンゎヌルを远加しお、䞻芁な進捗ポむントを远跡したす。

3) 本番に公開し、少なくずも1週間はナヌザヌずむンタラクションできたす。

4WalkMeガむダンスが泚目を集めおいるかどうかを枬定するには、システム党䜓でナヌザヌが各コンテンツタむプをどのように衚瀺、再生、クリック、むンタラクションしおいるかを確認する必芁がありたす。 WalkMe゚ンゲヌゞメント分析は、WalkMeコンテンツがどのくらいの頻床で衚瀺され、䜿甚されおいるかを瀺す指暙を提䟛したす。 これらのメトリックは、むンサむトのほずんどのアプリダッシュボヌド、特にスマヌトりォヌクスルヌ、スマヌトチップ、ランチャヌ、シャりトアりト、リ゜ヌス、シャトル、サヌベむに衚瀺されたす。

  • ビュヌや衚瀺などのコンテンツ䜿甚状況メトリクスは、ナヌザヌがコンテンツずやり取りしなかった堎合でも、アむテムが衚瀺された回数たたは衚瀺された回数を瀺したす。
  • ゚ンゲヌゞメント指暙は、ナヌザヌがコンテンツずむンタラクションするかどうかを瀺したす。

5比范モヌドを䜿甚しお、WalkMeの前ず埌のパフォヌマンスの倉化を䞊べお芖芚化したり、同じフロヌを異なる日付範囲ずフィルタヌで比范したす。 WalkMeの前ず埌を枬定するず、プロセスの成功にWalkMeが䞎える圱響を明確に実蚌できたす。

泚フロヌアナリティクスずゎヌルを組み合わせお䜿甚するず、WalkMeがどのように枬定可胜な違いを生み出したかを瀺したす。 比范モヌドを䜿甚しお前埌の圱響を効果的に枬定するには、WalkMeガむダンスを展開する前にベヌスラむンむベントを蚭定する必芁がありたす。

プロセスのボトルネックを蚺断したす。

フェヌズ5フロヌ分析を䜿甚しおプロセスボトルネックを蚺断する方法

フロヌ分析は、ナヌザヌの連続行動を可芖化するのに圹立ちたす。 孀立したむベントを远跡する埓来の分析ずは異なり、フロヌ分析はドットを結び、ペヌゞ、システム、WalkMeコンテンツ党䜓でナヌザヌが取る実際のステップシヌケンスを明らかにしたす。 これは、プロセスのどこで故障しおいるかを理解するための匷力なツヌルであり、改善の枬定可胜な圱響を実蚌するための蚌拠ポむントです。

フロヌ分析は、開始、䞭間、終了が明確で、ステップの順序が重芁な構造化されたビゞネスプロセスに最適です。 オンボヌディング、販売資栌、フォヌムの提出、財務承認、その他の耇数ペヌゞのワヌクフロヌなどのプロセスに最適です。 フロヌ分析は、非構造化探玢やワンクリック分析向けに蚭蚈されおいたせん。 分析し、最適化したいシヌケンシャルプロセスをすでに知っおいる堎合に䜿甚したす。

䞻芁機胜

  • むベントをフロヌに接続ペヌゞ、システム、WalkMeコンテンツ党䜓でナヌザヌが実行する実際のステップシヌケンスを明らかにしたす。
  • プロセスの有効性を远跡完了率、ドロップオフ、ステップ間の時間を枬定したす。
  • 代替パスを衚瀺プロセス完了に最も䞀般的たたは最も成功したルヌトを識別したす。
  • 行動の違いを明らかに囜、ブラりザヌ、デバむス、ロヌル、たたはプロパティごずにナヌザヌセグメントの行動を比范し、完了ず摩擊に圱響するパタヌンを明らかにしたす。
  • WalkMeの圱響を蚌明ガむダンスをデプロむする前ず埌、たたはWalkMeに公開されたナヌザヌずされおいないナヌザヌのパフォヌマンスを比范したす。

フロヌを蚭定するための䞻芁アクション

  1. 定矩枈みプロセスの質問を䞭心ずしたフロヌを定矩したす。 実際のプロセスたたは決定ポむントから開始したす。 䟋ナヌザヌがプロセスでどのステップを取りたすか ナヌザヌは特定のステップでどのボタンを遞択したすか ワヌクフロヌのどこでナヌザヌはドロップオフしたすか 私のシャりトアりトを芋たナヌザヌはプロセスを完了したすか
  2. ベヌスラむンデヌタを蚭定したす。 WalkMeガむダンスを展開する前に、プロセスの䞻芁なアクションで、远跡むベントたたはEngaged Elementsが定矩枈みで公開枈みであるこずを確認したす。 これらのむベントは、比范モヌドの「前」ず「埌」のアンカヌずなり、WalkMe゜リュヌションの圱響をデモンストレヌションするのに圹立ちたす。 WalkMeコンテンツを公開する前にベヌスラむンむベントを定矩しなかった堎合、フロヌアナリティクスでWalkMeをデプロむする前ず埌でパフォヌマンスを枬定する胜力を倱い、WalkMe゜リュヌションの圱響を蚌明するのがはるかに困難になりたす。
  3. 定矩枈みプロセスのフロヌを䜜成したす。 事前に定矩されたむベントを䜿甚しお、分析したいマルチステッププロセスでナヌザヌが完了する必芁がある順序に各ステップを远加したす。 むベントは、プロセス内のナヌザヌの行動のシヌケンスを衚す限り、WalkMeコンテンツ、蚪問したURL、ナヌザヌがクリックしたボタンの組み合わせにするこずができたす。 蚭定が完了するず、フロヌは開始から終了たで意図したワヌクフロヌを衚すはずです。
  4. フロヌを分析したす。 ナヌザヌが苊劎したり、速床が䜎䞋したりするステップを特定し、WalkMeガむダンスず最適化の取り組みをそこに集䞭したす。 ステップ間の倧幅なドロップオフ、ステップ間の長い平均持続時間、ナヌザヌがフィヌルドやペヌゞをスキップするなどの摩擊信号を探したす。
    • ファネルは、定矩した正確な順序でステップ1→ステップ2→ステップ3などから進捗したナヌザヌ数を教えおくれたす。 ナヌザヌがドロップオフする堎所ず、各ステップにかかる時間を芋るこずができたす。 プロセスを改善したり、WalkMeガむダンスを远加したりする際の完了率の远跡、ドロップオフの蚺断、完了たでの時間の理解、倉曎前/埌の枬定に最適です。
    • パスでは、ナヌザヌがワヌクフロヌをどのようにナビゲヌトするかを明らかにしたす。 予期しない動䜜、代替ルヌト、ルヌプ、混乱ポむントを浮き圫りにし、倚くの堎合、ガむダンスが必芁だず知らなかったステップを匷調したす。 パスは、ナヌザヌの行動が意図したシヌケンスずどのように異なるかを明らかにしたす。
    • フロヌアナリティクスの比范モヌドでは、同じフロヌを䞊べお比范できるため、時間、セグメント、環境、たたはオヌディ゚ンスを暪断しお行動がどのように倉化するかを枬定できたす。 これは、ファネルを前埌のストヌリヌに倉換し、改善が効果を発揮した箇所ず、ただ摩擊が残っおいる箇所を明確にデモンストレヌションするのに圹立぀ため、フロヌアナリティクスの最も匷力な機胜の1぀です。 これにより、フロヌアナリティクスを蚺断ツヌルから圱響枬定ツヌルに倉換し、意思決定の正圓性、ステヌクホルダヌぞの䟡倀の䌝達、次回の最適化ぞのガむドを容易にしたす。

フロヌ分析の蚭定に圹立぀远加リ゜ヌス
フロヌ分析
ヒント火曜日フロヌアナリティクスの掻甚

デヌタに基づく最適化

フェヌズ6最適化デヌタの意味ず次ぞ䜕をすべきかを理解したす。

WalkMeコンテンツが有効かどうかを理解するこずは、再生やクリックをカりントするだけではありたせん。 コンテンツの有効性は、ガむダンスがナヌザヌがタスクを完了したり、意思決定をしたり、間違いを修正したりするのをどれだけうたく支揎しおいるかを瀺したす。

監芖察象

  • ゎヌルの完了ゎヌルはスマヌトりォヌクスルヌ、リ゜ヌス、シャりトアりトに関連付けられおいるかどうかにかかわらずガむダンスコンテンツが到達した意図した結果を衚したす。 スマヌトりォヌクスルヌの完了率が高いずは、ナヌザヌがガむダンスを消費しただけでなく、アプリケヌション内のワヌクフロヌを正垞に完了したこずを意味したす。
  • ドロップオフむンゞケヌタヌドロップオフは、ナヌザヌが゚クスペリ゚ンスを開始した堎所スマヌトりォヌクスルヌやリ゜ヌスビュヌなどを匷調衚瀺したすが、シヌケンスを継続たたは完了できたせん。
  • むニシ゚ヌタヌの品質むニシ゚ヌタヌの品質は、ナヌザヌがランチャヌ、プロアクティブシャりトアりト、メニュヌ怜玢、自動スタヌトルヌル、セグメンテヌショントリガヌを通じおガむダンスを発芋した方法ず時期を反映したす。 高品質のむニシ゚ヌションは、ナヌザヌが適切なタむミングでコンテンツを芋぀け、゚ンゲヌゞメントを遞択するこずを意味したす。
  • アクションボタンのクリック率シャりトアりトずリ゜ヌスには、ナヌザヌをフロヌを開く、倉曎を確認する、ヘルプぞのアクセスなどの動䜜に導くアクション呌び出しボタンが含たれおいるこずがよくありたす。 クリック率は、メッセヌゞがどれほど説埗力があり、関連性があるかを瀺したす。
  • 怜蚌察ガむダンス比率スマヌトチップ怜蚌がガむダンスビュヌを倧幅に䞊回った堎合、ナヌザヌが繰り返し間違いを犯したり、間違った情報を入力したりしおいる可胜性がありたす。
  • サヌベむの有効性サヌベむ指暙ビュヌ、提出、質問ごずの回答は、ナヌザヌが入力を提䟛する意思があるかどうか、特定の質問が意味のある結果をもたらすかどうかを評䟡するのに圹立ちたす。
  • ファネル結果ドロップオフが改善たたは持続する箇所を特定したす。
  • フロヌの比范比范モヌドは、単䞀のフロヌを調べ、異なる日付範囲たたはフィルタヌを䜿甚しお、プロセスの各ステップで異なるナヌザヌの行動を比范したす。 これらのフィルタヌを䜿甚するず、WalkMeに公開されたナヌザヌは、そうでないナヌザヌよりも30%早くフロヌを完了できたす。 これ以䞊明確に䟡倀を蚌明するものはありたせん。 組み蟌みの比范フィルタヌの䟋WalkMeに公開されたナヌザヌ、WalkMeに公開されおいないナヌザヌ、WalkMeずむンタラクションしたナヌザヌ、むンタラクションしおいないナヌザヌ。

次ぞ

  • 質問が衚瀺されたらEngaged Elementsを远加しお、ナヌザヌの行動を远跡したす。
  • フロヌアナリティクスパスビュヌを䜿甚しお、既知のワヌクフロヌ内の予期しないパスたたは偏差を特定したす。
  • 芳察されたナヌザヌ行動に基づいおガむダンスを最適化したす。
  • フロヌアナリティクスず比范モヌドを䜿甚しお、時間の経過ずずもに改善を怜蚌したす。

コンテンツの構築ずレポヌトの䜜成のための远加のベストプラクティスリ゜ヌス
WalkMe゜リュヌションを構築するためのベストプラクティス
人間䞭心のデザむンのヒント
むンサむトレポヌトに぀いお
むンサむトの定型レポヌト

勝利を怜蚌共有

フェヌズ7むンパクトを怜蚌勝利をステヌクホルダヌず共有したす

デヌタに぀いお報告し、むンパクトをシェアするための5぀のステップ

1) レポヌトを䜿甚しお、ガむダンスのパフォヌマンスを怜蚌したす。

  • レポヌトギャラリヌは、WalkMeコン゜ヌル内の分析レポヌトを゚クスポヌト、レビュヌ、賌読するための䞭心ハブです。 パフォヌマンスの怜蚌に圹立぀生デヌタ、スケゞュヌルされたレポヌト、クロスシステムむンサむトに぀いおは、こちらをご芧ください。
  • ゚ンゲヌゞメントをすばやく把握するには、アむテムごずの゚ンゲヌゞメントレポヌトたたはシステムごずの゚ンゲヌゞメントレポヌトを䜿甚しお、どのWalkMeコンテンツが良奜にパフォヌマンスしおおり、どのアむテムが最適化が必芁かを確認したす。

2特定のアむテムがパフォヌマンスを䜎䞋させた堎合、アむテムレベルのログを掘り䞋げお、ロヌルアップビュヌには衚瀺されないむンタラクションの詳现を明らかにしたす。

3) 暙準のダッシュボヌドで質問に完党に回答されない堎合、レポヌトビルダヌを䜿甚しおカスタムレポヌトを䜜成し、セグメントや分析プロパティなどの暙準テンプレヌトに远加のディメンションを远加したす。

4) カスタムダッシュボヌドを䜿甚しお、デヌタのパヌ゜ナラむズされた芖芚化ビュヌを䜜成したす。これにより、最も関心のあるメトリクスをすべお1か所で匷調衚瀺できたす。

5) サクセスストヌリヌを文曞化し、ステヌクホルダヌの読み䞊げをスケゞュヌルしたす。

すべおのデゞタル゚クスペリ゚ンスには成長の䜙地がありたす。 WalkMeむンサむトは、隠れた摩擊を明らかにし、重芁なこずを枬定し、すべおの改善の䟡倀を実蚌するのに圹立ちたす。これにより、最適化ずデゞタルアダプションの成長の継続的なサむクルを䜜成したす。

ステヌクホルダヌず勝利をシェアする方法のための远加リ゜ヌス
DAP賞金を共有するための実践的なガむド

この蚘事は圹に立ちたしたか

ご意芋ありがずうございたす

Be part of something bigger.

Engage with peers, ask questions, share ideas

Ask the Community
×
×