Analyserar den digitala kundresan: ett nytt ramverk för sekventiell beteendemodellering

Varför dina klick i hälsoappar spelar roll

Varje tryck, svep och skärm du öppnar i en hälsoapp berättar tyst en historia om vad du försöker göra — boka tid hos läkare, se provsvar eller läsa ett meddelande. När miljontals människor använder sådana appar byggs dessa historier upp till enorma, invecklade register som nästan är omöjliga att läsa med blotta ögat. Denna artikel presenterar ett nytt sätt att reda ut dessa register så att vårdgivare kan se de huvudsakliga vägarna människor tar, upptäcka var de fastnar och omforma sina digitala tjänster så att de blir smidigare, säkrare och mindre frustrerande.

Från klickkaos till tydliga resor

Författarna koncentrerar sig på den ”digitala kundresan”, det vill säga sekvensen av steg en person tar när hen använder en webbplats eller mobilapp för att slutföra en uppgift. I trafikerade onlinetjänster — såsom e‑handel, banktjänster eller vård — kan det finnas otaliga möjliga vägar, vilket leder till det designers kallar en ”spagettimodell”: en rörig, överlappande karta av klick som ingen kan tolka. Studien angriper detta problem med data från en stor israelisk vårdcentralers mobilapp, där omkring 120 000 användare genererade ungefär 5,5 miljoner händelser per dag. Målet är att koka ner denna komplexitet till ett litet antal typiska resor som ändå bevarar essensen av hur människor faktiskt rör sig genom appen.

Lära algoritmer att känna igen vanliga uppgifter

Den första delen av ramverket behandlar varje användarsession — ett besök i appen från inloggning till utloggning — som om det vore ett kort dokument uppbyggt av ”ord”, där varje ord är en handling som att öppna en skärm eller trycka på en knapp. En teknik kallad ämnesmodellering, ursprungligen utformad för att hitta teman i stora textkorpusar, används för att gruppera sessioner som delar liknande handlingar. I vardagliga termer lär sig algoritmen att vissa sessioner mest handlar om att boka en tid, andra om att kontrollera provsvar och ytterligare andra om att skicka meddelanden till en läkare. En mer avancerad version kan till och med ordna dessa teman i ett träd, som visar breda ämnen överst (till exempel ”läkarkontakter”) som delas upp i mer specifika (såsom ”begära recept” eller ”läsa läkarens meddelanden”).

Följa stegen, inte bara räkna dem

Att veta vilka handlingar som tenderar att förekomma tillsammans är bara halva berättelsen; det som verkligen betyder något är i vilken ordning de inträffar. I den andra delen av ramverket zoomar författarna in på varje grupp av sessioner och modellerar steg‑för‑steg‑flödet med Markovkedjor, ett enkelt matematiskt sätt att uppskatta hur sannolikt det är att en handling följs av en annan. Detta gör det möjligt att lyfta fram de mest typiska vägarna inom varje typ av resa och att se vilka klick som ofta leder rakt in i en återvändsgränd, såsom ett tekniskt fel eller ett för tidigt avslut av sessionen. Genom att jämföra hur ämnesmodellering och steg‑för‑steg‑modellen tilldelar sessioner till grupper kan metoden också flagga ”tvetydiga” resor där användare verkar blanda flera uppgifter — användbara ledtrådar på att appens design kanske inte stämmer överens med hur människor faktiskt tänker.

Reella problem avslöjade i en hälsoapp

Tillämpningen av detta ramverk på hälsoappen avslöjade konkreta designproblem som vore svåra att upptäcka manuellt. I en tidsbokningsrelaterad resa slutade den vanligaste verkliga vägen med ett felmeddelande istället för den förväntade bekräftelseskärmen, vilket visade på ett tekniskt fel i det sista steget i processen. I ett annat fall klickade användare som tittade på provsvar ofta på en knapp avsedd att förklara ett provnamn; istället för att visa information i appen skickade den dem till en extern webbplats, varefter många helt enkelt avbröt sin session. Analysen visade också hur olika åldersgrupper använder samma funktion på olika sätt — till exempel att yngre användare oftare bokar tider åt familjemedlemmar — vilket pekar på sätt att anpassa upplevelser för specifika segment.

Vad detta betyder för vardagsanvändare

För icke‑experter är huvudbudskapet att noggrann analys av klicknivådata kan gå bortom snygga diagram och faktiskt peka ut de exakta skärmarna och stegen som orsakar förvirring, bortkastad tid eller avbrutna uppgifter. Genom att kombinera två kompletterande verktyg — ett som hittar huvudtyperna av resor och ett som spårar de mest sannolika handling‑för‑handling‑vägarna — ger ramverket vårdorganisationer ett praktiskt sätt att förbättra sina appar, minska fel och stödja människor i att slutföra viktiga uppgifter online. Samma angreppssätt kan användas inom shopping, banktjänster och lärplattformar, vilket gör digitala tjänster mer intuitiva och pålitliga utan att kräva att användarna gör annat än det de redan gör: använder appen.

Citering: 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

Nyckelord: digital kundresa, hälsoappar, användarbeteende, händelselogsanalys, sekventiell modellering