Analiza cyfrowej podróży klienta: nowy model sekwencyjnego zachowania

Dlaczego Twoje kliknięcia w aplikacjach zdrowotnych mają znaczenie

Każde stuknięcie, przesunięcie i otwarte okno w aplikacji zdrowotnej cicho opowiadają historię o tym, co próbujesz zrobić — umówić wizytę, sprawdzić wyniki badań czy przeczytać wiadomość. Gdy miliony osób korzystają z takich aplikacji, te historie kumulują się w ogromne, splątane zapisy niemal niemożliwe do odczytania gołym okiem. Artykuł przedstawia nowy sposób rozplątywania tych zapisów, dzięki czemu dostawcy opieki zdrowotnej mogą zobaczyć główne ścieżki użytkowników, zauważyć, gdzie utknęli, i przeprojektować swoje usługi cyfrowe tak, by były płynniejsze, bezpieczniejsze i mniej frustrujące.

Z chaosu kliknięć do jasnych podróży

Autorzy skupiają się na „cyfrowej podróży klienta”, czyli sekwencji kroków, które osoba podejmuje, korzystając ze strony internetowej lub aplikacji mobilnej, aby wykonać zadanie. W zatłoczonych usługach online — takich jak handel elektroniczny, bankowość czy opieka zdrowotna — może istnieć niezliczona liczba możliwych ścieżek, prowadząc do tego, co projektanci nazywają „modelem spaghetti”: nieczytelnej, nakładającej się mapy kliknięć. Badanie rozwiązuje ten problem, wykorzystując dane z aplikacji mobilnej dużej izraelskiej organizacji ubezpieczeniowo‑medycznej, gdzie około 120 000 użytkowników generowało w przybliżeniu 5,5 miliona zdarzeń dziennie. Celem jest sprowadzenie tej złożoności do niewielkiego zestawu typowych podróży, które nadal zachowują istotę tego, jak ludzie faktycznie poruszają się po aplikacji.

Nauczanie algorytmów rozpoznawania powszechnych zadań

Pierwsza część ram traktuje każdą sesję użytkownika — jedną wizytę w aplikacji od zalogowania do wylogowania — jak krótki dokument zbudowany ze „słów”, gdzie każde słowo to akcja, na przykład otwarcie ekranu czy naciśnięcie przycisku. Technikę zwaną modelowaniem tematów, pierwotnie zaprojektowaną do znajdowania motywów w dużych zbiorach tekstów, wykorzystano do grupowania sesji, które dzielą podobne działania. Mówiąc prościej, algorytm uczy się, że niektóre sesje dotyczą głównie umawiania wizyty, inne sprawdzania wyników badań, a jeszcze inne komunikacji z lekarzem. Bardziej zaawansowana wersja potrafi nawet uporządkować te tematy w drzewo, pokazując szerokie zagadnienia na górze (na przykład „interakcje z lekarzem”), które dzielą się na bardziej szczegółowe (takie jak „prośba o receptę” czy „czytanie wiadomości od lekarza”).

Śledzenie kroków, a nie tylko ich liczenie

Wiedza o tym, które działania występują razem, to tylko połowa historii; naprawdę istotny jest porządek, w jakim występują. W drugiej części ram autorzy przyglądają się każdej grupie sesji i modelują przepływ krok po kroku przy użyciu łańcuchów Markowa — prostego matematycznego sposobu oszacowania, jak prawdopodobne jest, że jedna akcja nastąpi po innej. Dzięki temu możliwe jest wyróżnienie najbardziej typowych ścieżek w każdym typie podróży i zobaczenie, które kliknięcia często prowadzą do ślepego końca, na przykład błędu technicznego lub przedwczesnego zakończenia sesji. Porównując, jak modelowanie tematów i model krok‑po‑kroku przypisują sesje do grup, metoda może także wskazać „niejednoznaczne” podróże, w których użytkownicy wydają się mieszać kilka zadań — przydatna wskazówka, że projekt aplikacji może nie odpowiadać temu, jak ludzie faktycznie myślą.

Prawdziwe problemy ujawnione w aplikacji zdrowotnej

Zastosowanie tego podejścia do aplikacji zdrowotnej ujawniło konkretne problemy projektowe, które trudno by było dostrzec ręcznie. W jednej z podróży związanych z umawianiem wizyt najczęstsza rzeczywista ścieżka kończyła się komunikatem o błędzie zamiast oczekiwanego ekranu potwierdzenia, ujawniając błąd techniczny na ostatnim etapie procesu. W innym przypadku użytkownicy sprawdzający wyniki badań często klikali przycisk mający wyjaśnić nazwę testu; zamiast wyświetlić informację w aplikacji, przenosił ich na zewnętrzną stronę internetową, po czym wielu z nich po prostu porzucało sesję. Analiza pokazała też, jak różne grupy wiekowe korzystają z tej samej funkcji w odmienny sposób — na przykład młodsi użytkownicy częściej umawiają wizyty w imieniu członków rodziny — co sugeruje możliwości dopasowania doświadczeń do konkretnych segmentów.

Co to oznacza dla codziennych użytkowników

Dla osób niebędących ekspertami kluczowy wniosek jest taki, że staranna analiza danych na poziomie kliknięć może wyjść poza ładne diagramy i rzeczywiście wskazać konkretne ekrany oraz kroki powodujące zamieszanie, utratę czasu lub porzucenie zadań. Łącząc dwa komplementarne narzędzia — jedno znajdujące główne typy podróży i drugie śledzące najbardziej prawdopodobne ścieżki krok po kroku — ramy dają organizacjom zdrowotnym praktyczny sposób na ulepszenie aplikacji, zmniejszenie liczby błędów i wsparcie ludzi w wykonywaniu istotnych zadań online. To samo podejście można zastosować w handlu, bankowości czy platformach edukacyjnych, dzięki czemu usługi cyfrowe staną się bardziej intuicyjne i niezawodne, bez konieczności, by użytkownicy robili cokolwiek poza tym, co już robią: korzystali z aplikacji.

Cytowanie: 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

Słowa kluczowe: cyfrowa podróż klienta, aplikacje zdrowotne, zachowanie użytkownika, analiza dzienników zdarzeń, modelowanie sekwencyjne