TL;DR: ראו בדיוק איך אפליקציית Shopify שלכם מתפקדת. חמשת לוחות המחוונים המובנים של Evlop ממירים את נתוני Google Analytics ו‑Firebase לתובנות ברורות וניתנות לפעולה.
הפסקו לנחש והתחילו לגדול עם בהירות בזמן אמת בחמשת תחומי המיקוד המרכזיים:
Overview— בדיקת בריאות ברמה גבוהה: צפו במכירות הכוללות, משתמשים פעילים בזמן אמת, שיעורי נטישה ומפות חום של פעילות משתמשים.Revenue— ביצועים פיננסיים אמיתיים: עקבו אחרי שיעורי המרה, ערך ממוצע של הזמנה (AOV) ומגמות ביצועים יומיות.Acquisition— מנוע תנועה: ראו בדיוק מאיפה נובעים ההתקנות (push, קישורים עמוקים או ישירות) ופיקחו על מדדי המעורבות היומיים.Retention— מדד נאמנות: שמרו על מעקב אחרי שיעורי רכישות חוזרות, ערך חיי לקוח (LTV) ומגמות של מושבים חדשים מול חוזרים.Customer Journey— משפך המרה: עקבו אחרי צפיות במוצרים, נטישת עגלה, הוספות לרשימת משאלות והמלאי הנמכר ביותר.
היכן מתרחשת הניחוש
רוב בעלי חנויות Shopify מקבלים החלטות ניידות עם יד קשורה מאחור.
הדשבורד המובנה של Shopify מראה לכם מה נמכר ומתי. הוא לא מציג אילו מוצרים לקוח חקר במשך שלוש דקות לפני שעזב את האפליקציה בשקט. הוא לא מודיע לכם שהמשתמשים שלכם ב‑iOS ממירים בקצב גבוה יותר מהמשתמשים ב‑Android. הוא לא אומר לכם שהקפיצה הגדולה ביותר בתנועה שלכם בשבוע מתרחשת בערבי יום רביעי — ולא בבוקר יום ראשון כפי שהנחתם כשקבעתם את הקמפיין.
הפגמים האלה אינם רק אי‑נוחות קלה. הם ההבדל בין אופטימיזציה פעילה של ערוץ מובייל שיכול להניב 40% מההכנסות שלכם לבין ניחוש מתמשך עד שמשהו יעבוד במקרה.
בלי תובנות לגבי מה שהלקוחות באמת עושים באפליקציה שלכם, כל החלטה לגבי ערוץ המובייל שלכם היא ניחוש מושכל לכל היותר.
האפליקציה שלכם מייצרת נתונים. כמעט אף אחד מהם לא מגיע אליכם.
כל סשן באפליקציית המובייל שלכם יוצר זרם מתמשך של אותות התנהגותיים. לקוח מתקין את האפליקציה. הוא פותח אותה שלוש פעמים השבוע אך רק באחת מהפעמים הוא גולש. הוא צופה במוצר, שומר אותו ברשימת המשאלות, חוזר למחרת, מוסיף אותו לעגלה, ואז — מסיבות שאתם עדיין לא רואים — הוא עוזב מבלי לבצע רכישה. הסשן מסתיים. האות נעלם.
רוב פלטפורמות האפליקציות למובייל או לא אוספות את הנתונים האלה כלל, מציגות אותם בצורה שדורשת מפתח לפרש, או נותנות לכם כמה מספרים ברמת העליון (התקנות, סשנים, הכנסות) בלי להראות את הקשרים ביניהם. אתם יודעים את הקלטים ואת הפלטים. המסע שביניהם — החלק שבו הלקוחות שלכם מחליטים לקנות, להמשיך לגלוש או לסגור את האפליקציה לחלוטין — הוא תיבה שחורה.
Google Analytics ו‑Firebase כבר אוספים את הנתונים האלה, והם בדיוק המקור שמ‑Analytics של Evlop מושך ממנו, אך הם נבנו למפתחים לשאול, ולא לסוחר שמביט ומבין. הפער הזה הוא המקום שבו תיבת השחורה האמיתית נמצאת.
Analytics: חמש תצפיות על מה שמתרחש בפועל
Evlop מחברת את האפליקציה למובייל שלכם ל‑Firebase ול‑Google Analytics כדי לאסוף התנהגות בכל שלב של מסע הלקוח, ואז מארגנת זאת בחמישה לשוניות ייעודיות: סקירה, הכנסות, רכישה, שמירה, ומסע הלקוח. בוחר טווח תאריכים בראש כל דף מאפשר לכם למשוך כל חלון זמן — 7 הימים האחרונים, 30 הימים האחרונים, תקופה מותאמת סביב השקת קמפיין — כך שכל תצפית יכולה להיות ספציפית או רחבה ככל שהשאלה שלכם דורשת.
1. סקירה
כאן מתחילה כל סשן. לפני שתמשיכו הלאה, העמוד הזה מספר לכם אם הדברים נעים לכיוון הנכון.
ארבעה מדדים מרכזיים מוצגים בראש העמוד: Total Sales ו-Sessions מודדים צמיחה, בעוד ש-Active Users ו-Bounce Rate מספרים לכם אם המבקרים באמת נשארים.
גרף Revenue Trend נמצא מתחתיהם וממחיש את דפוסי המכירות שלכם לאורך זמן — את השיאים, את הירידות, ואת הימים הספציפיים שבהם קמפיין או השקת מוצר באמת הזיזו את המחט.
מפת החום של פעילות המשתמשים (User Activity Heatmap) מציגה באילו שעות וימים בשבוע הלקוחות שלכם הכי פעילים באפליקציה. זה לא גרף דקורטיבי. זהו נקודת הנתונים שקובעת מתי ההתראות (push) שלכם צריכות להישלח.
הגרף של משתמשים חדשים מול חוזרים (New vs Returning Users) מציג את צורת צמיחת הקהל שלכם — כמה לקוחות מגלים את האפליקציה בפעם הראשונה לעומת כמה בוחרים לחזור.
הפגישות לפי מקור מסיימות את הסקירה, ומפרטות אילו ערוצים מביאים לכם תנועה: הודעות פוש, קישורים עמוקים או פתיחות ישירות. כאן תגלו איזו מהפעולות השיווקיות שלכם באמת עובדת.
2. הכנסות
זה צולל עוד שכבה עמוקה יותר בצד הפיננסי.
ארבע מדדים מעוגנים בראש העמוד: הכנסה כוללת והזמנות כוללות לצד שיעור המרה וערך ממוצע להזמנה. יחד הם מראים לכם לא רק כמה האפליקציה מרוויחה, אלא כמה ביעילות היא ממירה מבקרים לקונים.
הגרף הזמנות לאורך זמן מציג את נפח ההזמנות היומי, מה שמקל על זיהוי עקביות או pinpoint את הימים שבהם המכירות זינקו.
הגרף ביצועי הכנסה יומיים מציג רווחים יום אחר יום. זו התצוגה שמסדרת את השאלה שרוב הסוחרים שואלים אחרי קמפיין: האם הפוש באמת הזיז את המספר, או שההכנסה הגיעה מעצמה?
3. רכישה
זה עונה על השאלה שרוב הסוחרים שואלים שנייה אבל צריכים לשאול ראשונה: איך אנשים מוצאים את האפליקציה, והאם האנשים הנכונים מופיעים?
משתמשים פעילים ומשתמשים חדשים שנרכשו בתקופה שבחרתם נותנים לכם את המספרים המרכזיים. קצב מעורבות יומי ו ממוצע סשנים למשתמש מראים האם ההתקנות מתורגמות לאינטראקציה אמיתית — או רק מגדילות מספר שלא מתרחש המרה.
המגמת משתמשים פעילים יומיים מציגה ספירות משתמשים ייחודיות לפי יום, והיא כמעט אף פעם לא תואמת את הימים שחשבתם שהם החזקים ביותר.
התקנות אפליקציה לפי פלטפורמה מחלקות את ההתקנות החדשות בין iOS ל‑Android. פיצול הפלטפורמה הזה הוא איתות מוקדם למי שמתחבר לאפליקציה שלכם, והוא בסיס שעליו תוכלו לבנות כאשר מצטבר יותר נתוני סשנים.
מגמת רישום משתמשים עוקבת אחרי כמה מבקרים מתמרים למשתמשים רשומים בפועל.
הגרף App Open Sources סוגר את הטאב הזה. הוא מראה בפועל דרך אילו דרכים משתמשים נכנסים לאפליקציה — לחיצה על התראה, קישור עומק או פתיחה ישירה — כך שתוכלו לראות איזה ערוץ מבצע באמת את העבודה של החזרת אנשים.
4. Retention
כאן ניכרת הבריאות ארוכת הטווח של העסק.
Active Users ו-Returning Users מוצגים זה לצד זה בראש המסך. הפער ביניהם הוא אחד המספרים המלמדים ביותר בדשבורד — זהו נתח הקהל שלכם שבחר לחזור אחרי הביקור הראשון.
Repurchase Rate ו-Customer Lifetime Value מוסיפים את ממד ההכנסות. לקוח שחוזר פעמיים וקונה בשתי הביקורים שווה לעסק שלכם סכום שונה באופן מהותי מלקוח שמתקין, גולש פעם אחת ולא חוזר לעולם. שני המספרים האלה הופכים את ההבדל הזה למפורש. יחד, הם המדד הברור ביותר שלכם למעורבות אמיתית של לקוחות — לא רק מי התקין את האפליקציה, אלא מי באמת עדיין בוחר בה.
הגרף דפוסי סשנים מפרק את התנועה היומית לסשנים חדשים מול חוזרים. כשצופים בו לאורך זמן, הוא מגלה לכם אם הקהל החוזר שלכם גדל ביחס למבקרים חד-פעמיים — זהו האות הברור ביותר לשאלה אם האפליקציה שלכם בונה בסיס לקוחות נאמן או רק מעבדת עסקאות חד-פעמיות.
5. מסע הלקוח
זו התצוגה המפורטת ביותר בדשבורד, וזו שקרובה ביותר למקום שבו ההכנסות באמת נוצרות או אובדות.
ארבעה מדדים ממפים את משפך ההמרות שלכם בחלק העליון: סה"כ צפיות במוצרים וסה"כ הוספות לעגלה לצד שיעור צפייה לעגלה ושיעור רכישה כולל — מהרושם הראשוני ועד לרכישה שהושלמה.
המוצרים הנצפים ביותר מראים מה מושך תשומת לב בתוך האפליקציה.
הנוספים לעגלה ביותר מראים מה מייצר כוונת רכישה אמיתית — לקוחות שהלכו רחוק יותר מגלישה רגילה.
המוצרים הנוספים ביותר לרשימת המשאלות חושפים מה לקוחות רוצים אבל עדיין לא קונים. זה לרוב אות לגבי התמחור או הזדמנות תזמון ששווה לפעול עליה. הטאב הזה הוא למעשה מפת העניין שלכם — לאילו מוצרים לקוחות נמשכים, עוד לפני שקיבלו החלטת רכישה.
המוצרים הנמכרים ביותר מראים מה באמת נסגר. הצליבו את זה עם גרף רשימת המשאלות, והפער ביניהם יגיד לכם בדיוק היכן כדאי למקד את עבודת ההמרה הבאה שלכם.
איך נראית החלטה אמיתית
הנה תרחיש שחוזר על עצמו אצל סוחרים שיש להם אפליקציית מובייל ואין להם אנליטיקה. מוצר מושך זרימה קבועה של תנועה ממודעות סושיאל, אבל המכירות באפליקציה נשארות שטוחות לגמרי.
איך Analytics מאבחן את הדליפה:
- ❌ הניחוש האינסטינקטיבי: "תמונות המוצר נראות משעממות, או שהמיקוד של מודעות העליונות אינו מדויק." התוצאה: שבועות מבוזבזים בהתאמת קריאטיבים והרצת בדיקות פריסה אינסופיות ויקרות שלא מזיזות את המחוג.
- 🔍 מציאות הנתונים: אתם פותחים את לשונית Customer Journey. Most Viewed Products מציגה את הפריט הזה בשלושת המובילים שלכם—מאמתת שהנראות איננה הבעיה. Most Added to Wishlist מראה שהוא מבוקש מאוד. עם זאת, Most Added to Cart כמעט אפס.
- 💡 האמת: זה לא בעיית קריאטיב; זו בעיית חיכוך או תמחור. הנתונים פשוט נתנו לכם את התשובה המדויקת ללא אפילו מבחן A/B עיוור אחד.
🚀 הפתרון המעשיר: במקום לצלם מחדש את תמונות המוצר, אתם משיקים Automation Flow ממוקד שמופעל בדיוק כאשר משתמש צופה בפריט הזה פעמיים מבלי להוסיף אותו לעגלה, ומציע לו תמריץ ממוקד ומוגבל בזמן.
זה למה האנליטיקה קיימת — לא לדווח על מה שכבר קרה, אלא להצביע על הפעולה הספציפית שכדאי לבצע הלאה.
התמונה רק מתבהרת יותר
הססנות הנפוצה ביותר של סוחרים לגבי אנליטיקה היא גרסה של "אין לי עדיין מספיק נתונים כדי שזה יהיה שווה." זה מובן, וזה הפוך.
אנליטיקה לא צריכה קנה מידה כדי להתחיל להיות מועילה. היא צריכה עקביות. חנות עם 200 מפגשי אפליקציה חודשיים ואנליטיקה מוצקה יש לה משהו יקר ערך הרבה יותר מחנות עם 20,000 מפגשים וללא תובנות: יש לה בסיס. היא יודעת מה שיעור ההמרה שלה, מה שיעור הנטישה, אילו מוצרים נשמרים ברשימות המשאלות, ובאילו ימי שבוע הלקוחות פעילים. הבסיס הזה הוא מה שכל החלטה עתידית נמדדת כנגדו.
כאשר החנות גדלה ל‑2,000 מפגשים, השינויים במספרים הופכים משמעותיים. קפיצה בשיעור הנטישה אומרת שמשהו השתנה בחוויית האפליקציה. שינוי ביחס חדשים מול חוזרים אומר אם השימור מחזיק כשהתנועה גדלה. שינוי בערך ההזמנה הממוצע מצביע על שינוי בתמהיל הלקוחות. אף אחד מהמסקנות האלה אינו אפשרי בלי הבסיס — והבסיס קיים רק אם התחלתם למדוד מוקדם.
החנויות שנראות כאילו קיבלו החלטות חכמות בקנה מידה גדול כמעט תמיד התחילו למדוד לפני שהיו צריכות זאת. יתרון הנתונים אינו משהו שאתם בונים כשאתם גדולים מספיק כדי להזדקק לו. זה משהו שאתם בונים כדי שהגדילה תהיה תחת שליטתכם.
המספר שמשנה את הכול
קיימת גרסה של ניהול אפליקציית מובייל שבה כל חודש הוא הפתעה.
המכירות עולות — אבל אינכם בטוחים איזה מוצר גרם לכך. ההתקנות גדלות — אבל אינכם יודעים האם האנשים שמתקינים קונים או עוזבים. קמפיין הרגיש כהצלחה — אבל השבוע הבא נראה זהה לשבוע שלפניו.
האנליטיקה של Evlop היא הסוף לגרסה הזו. היא לא מבטיחה שהמספרים תמיד ייראו טוב. מה שהיא מבטיחה הוא שתדעו בדיוק מה הם, מה הזיז אותם, ואיפה המנוף הבא שמסתתר.
אפליקציה שמספרת לכם את האמת על מה עובד, מה לא, ואילו לקוחות כדאי לרדוף אחריהם — זה לא כלי דוח. זו אסטרטגיית צמיחה.
אם אתם מוכנים להפסיק לנחש, הלוח מחכה כשאתם מוכנים. התחילו ב‑evlop.