Анализ цифрового пути клиента: новая структура для моделирования последовательного поведения

Почему ваши клики в медицинских приложениях важны

Каждое нажатие, свайп и экран, который вы открываете в медицинском приложении, тихо рассказывают историю о том, что вы пытаетесь сделать — записаться на прием, проверить результаты анализов или прочитать сообщение. Когда миллионы людей пользуются такими приложениями, эти истории накапливаются в огромные, запутанные записи, которые почти невозможно разобрать невооруженным глазом. В этой статье предлагается новый способ распутать такие записи, чтобы поставщики медицинских услуг могли увидеть основные маршруты пользователей, заметить места, где они застревают, и переработать цифровые сервисы так, чтобы они стали более гладкими, безопасными и менее раздражающими.

От хаоса кликов к понятным путям

Авторы сосредотачиваются на «цифровом пути клиента», то есть на последовательности шагов, которые человек предпринимает при использовании веб‑сайта или мобильного приложения для выполнения задачи. В загруженных онлайн‑сервисах — таких как электронная коммерция, банковские услуги или здравоохранение — возможны бесчисленные пути, что приводит к тому, что дизайнеры называют «спагетти‑моделью»: беспорядочной, перекрывающейся картой кликов, которую никто не может интерпретировать. Исследование решает эту проблему на данных мобильного приложения крупной израильской организации по обеспечению здоровья, где около 120 000 пользователей генерировали примерно 5,5 миллиона событий в день. Цель — свести эту сложность к небольшому набору типичных маршрутов, которые при этом сохраняют суть того, как люди действительно перемещаются по приложению.

Обучение алгоритмов распознавать типичные задачи

Первая часть структуры рассматривает каждую пользовательскую сессию — один визит в приложение от входа до выхода — как небольшой документ, состоящий из «слов», где каждое слово — это действие, например открытие экрана или нажатие кнопки. Для группировки сессий с похожими действиями используется техника, называемая тематическим моделированием, изначально разработанная для поиска тем в больших текстовых коллекциях. Простыми словами, алгоритм учится, что одни сессии в основном связаны с записью на прием, другие — с проверкой результатов анализов, а третьи — с перепиской с врачом. Более продвинутая версия может даже упорядочивать эти темы в виде дерева, показывая широкие категории вверху (например, «взаимодействие с врачом»), которые затем делятся на более конкретные (такие как «запрос рецепта» или «чтение сообщений от врача»).

Следуя за шагами, а не только считая их

Знание того, какие действия склонны появляться вместе, — лишь часть истории; действительно важно — в каком порядке они происходят. Во второй части структуры авторы углубляются в каждую группу сессий и моделируют пошаговый поток с помощью марковских цепей, простого математического метода для оценки того, насколько вероятно одно действие после другого. Это позволяет выделить наиболее типичные пути внутри каждого типа маршрута и увидеть, какие клики часто приводят в тупик, например к технической ошибке или преждевременному завершению сессии. Сравнивая, как тематическое моделирование и пошаговая модель распределяют сессии по группам, метод также может отмечать «неоднозначные» пути, где пользователи, похоже, совмещают несколько задач — полезные подсказки о том, что дизайн приложения может не соответствовать тому, как люди действительно думают.

Реальные проблемы, выявленные в медицинском приложении

Применение этой структуры к медицинскому приложению выявило конкретные проблемы дизайна, которые было бы трудно заметить вручную. В одном маршруте, связанном с записью на прием, наиболее распространенный реальный путь заканчивался сообщением об ошибке вместо ожидаемого экрана подтверждения, что указывало на технический сбой на последнем этапе процесса. В другом случае пользователи, проверявшие результаты анализов, часто нажимали кнопку, предназначенную для объяснения названия теста; вместо отображения информации внутри приложения она переводила их на внешний сайт, после чего многие просто покидали сессию. Анализ также показал, как разные возрастные группы используют одну и ту же функцию по‑разному — например, более молодые пользователи чаще записывают на прием членов семьи — что указывает на способы адаптировать опыт для конкретных сегментов.

Что это значит для обычных пользователей

Для непрофессионалов ключевой вывод в том, что тщательный анализ данных на уровне кликов может выйти за пределы красивых диаграмм и нацеленно указать на конкретные экраны и шаги, которые вызывают путаницу, трату времени или недовыполнение задач. Сочетая два взаимодополняющих инструмента — один находит основные типы маршрутов, другой отслеживает наиболее вероятные пошаговые пути — предложенная структура дает медицинским организациям практический способ улучшать приложения, снижать количество ошибок и помогать людям завершать важные действия онлайн. Тот же подход можно применять в торговых, банковских и образовательных платформах, делая цифровые сервисы более интуитивными и надежными, не требуя от пользователей ничего, кроме того, что они уже делают: использовать приложение.

Цитирование: 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

Ключевые слова: цифровой путь клиента, приложения для здравоохранения, поведение пользователей, анализ журналов событий, последовательное моделирование