Analisi del percorso digitale del cliente: un nuovo quadro per la modellazione sequenziale del comportamento

Perché i tuoi clic sulle app sanitarie contano

Ogni tocco, scorrimento e schermata che apri in un’app sanitaria racconta silenziosamente una storia su ciò che stai cercando di fare—prenotare una visita, controllare i risultati di laboratorio o leggere un messaggio. Quando milioni di persone usano queste app, quelle storie si accumulano in enormi, intricati registri che sono quasi impossibili da leggere a occhio nudo. Questo articolo introduce un nuovo modo per districare quei registri in modo che i fornitori di servizi sanitari possano vedere i percorsi principali che le persone seguono, individuare dove rimangono bloccate e riprogettare i loro servizi digitali per renderli più fluidi, sicuri e meno frustranti.

Dal caos dei clic a percorsi chiari

Gli autori si concentrano sul “percorso digitale del cliente”, intendendo la sequenza di passaggi che una persona compie usando un sito web o un’app mobile per portare a termine un compito. Nei servizi online affollati—come e‑commerce, banche o sanità—possono esistere innumerevoli percorsi possibili, dando vita a quello che i progettisti chiamano un “modello spaghetti”: una mappa disordinata e sovrapposta di clic che nessuno riesce a interpretare. Lo studio affronta questo problema usando dati provenienti dall’app mobile di una grande organizzazione sanitaria israeliana, dove circa 120.000 utenti generavano approssimativamente 5,5 milioni di eventi al giorno. L’obiettivo è ridurre questa complessità a un piccolo insieme di percorsi tipici che conservino comunque l’essenza di come le persone si muovono realmente nell’app.

Insegnare agli algoritmi a riconoscere i compiti comuni

La prima parte del quadro tratta ogni sessione utente—una visita all’app dal login al logout—come se fosse un breve documento composto da “parole”, dove ogni parola è un’azione come aprire una schermata o premere un pulsante. Una tecnica chiamata topic modeling, originariamente pensata per trovare temi in grandi raccolte di testi, viene usata per raggruppare sessioni che condividono azioni simili. In termini semplici, l’algoritmo impara che alcune sessioni riguardano principalmente la prenotazione di un appuntamento, altre il controllo dei risultati dei test e altre ancora l’invio di messaggi al medico. Una versione più avanzata può perfino disporre questi temi in un albero, mostrando argomenti generali in cima (per esempio, “interazioni con il medico”) che si suddividono in temi più specifici (come “richiesta di prescrizione” o “lettura dei messaggi del medico”).

Seguire i passaggi, non solo contarli

Sapere quali azioni tendono a comparire insieme è solo metà della storia; ciò che conta davvero è l’ordine in cui si verificano. Nella seconda parte del quadro, gli autori analizzano più a fondo ogni gruppo di sessioni e modellano il flusso passo dopo passo usando catene di Markov, un modo matematico semplice per stimare quanto sia probabile che un’azione segua un’altra. Questo permette di evidenziare i percorsi più tipici all’interno di ogni tipo di viaggio e di vedere quali clic spesso conducono a un vicolo cieco, come un errore tecnico o un’uscita prematura dalla sessione. Confrontando come il topic modeling e il modello passo‑per‑passo assegnano le sessioni ai gruppi, il metodo può anche segnalare i percorsi “ambigui” in cui gli utenti sembrano mescolare più attività—indizi utili che il design dell’app potrebbe non corrispondere a come le persone pensano realmente.

Problemi reali rivelati in un’app sanitaria

L’applicazione di questo quadro all’app sanitaria ha portato alla luce problemi di progettazione concreti che sarebbero difficili da individuare manualmente. In un percorso relativo alle prenotazioni, il cammino reale più comune terminava con un messaggio di errore invece della schermata di conferma prevista, rivelando un guasto tecnico nell’ultimo passo del processo. In un altro caso, gli utenti che controllavano i risultati di laboratorio spesso cliccavano un pulsante pensato per spiegare il nome di un test; invece di mostrare l’informazione all’interno dell’app, venivano reindirizzati a un sito esterno, dopo il quale molti abbandonavano semplicemente la sessione. L’analisi ha anche mostrato come fasce d’età diverse usino la stessa funzionalità in modo differente—per esempio, utenti più giovani che prenotano più appuntamenti per conto di familiari—suggerendo modi per personalizzare l’esperienza per segmenti specifici.

Cosa significa per gli utenti quotidiani

Per i non esperti, il messaggio chiave è che un’analisi accurata dei dati a livello di clic può andare oltre i diagrammi esteticamente piacevoli e individuare esattamente le schermate e i passaggi che causano confusione, perdita di tempo o interruzione delle attività. Combinando due strumenti complementari—uno che trova i tipi principali di percorsi e uno che traccia i cammini più probabili azione per azione—il quadro offre alle organizzazioni sanitarie un modo pratico per migliorare le loro app, ridurre gli errori e aiutare le persone a completare compiti vitali online. Lo stesso approccio può essere utilizzato in piattaforme di shopping, bancarie e di apprendimento, rendendo i servizi digitali più intuitivi e affidabili senza richiedere agli utenti di fare nulla di più di quello che già fanno: usare l’app.

Citazione: Bar-El, L., Chalutz-BenGal, H., Gazit, S. et al. Analyzing the digital customer journey: a novel framework for sequential behavior modeling. Sci Rep 16, 14553 (2026). https://doi.org/10.1038/s41598-026-43762-8

Parole chiave: percorso digitale del cliente, app sanitarie, comportamento degli utenti, analisi dei registri di eventi, modellazione sequenziale