چگونه از Analytics برای بهبود محتوای کارشناسی ارشد خود استفاده کنیم

به عنوان مثال، یک کلاس کارشناسی ارشد در بازاریابی دیجیتال ممکن است از طریق تجزیه و تحلیل کشف کند که زبان آموزان به طور مداوم بخش را در اصول SEO تماشا می کنند، اما از ویدیو در تبلیغات پرداخت شده استفاده می کنند، این الگو نشان می دهد که محتوای SEO به خوبی جذب شده است اما ممکن است به منابع مکمل نیاز داشته باشد، در حالی که ماژول تبلیغات ممکن است گیج کننده یا بی ربط به مخاطبان بدون داده ها باشد.

معیارهای کلیدی که برای موفقیت در سطح کارشناسی مهم است

همه نقاط داده به همان اندازه ارزشمند نیستند، تمرکز بر معیارهای مناسب به شما کمک می کند تا از فلج تجزیه و تحلیل و صفر در سیگنال های عملی اجتناب کنید.در اینجا نگاهی عمیق تر به شاخص های بحرانی است که هر خالق کلاس باید آن را دنبال کند:

نرخ های تکمیل و Drop-Off Points

نرخ تکمیل، درصد زبان آموزان را اندازه گیری می کند که کل دوره یا درس های فردی خود را به پایان می رسانند. نرخ تکمیل کلی پایین اغلب به مسائل ساختاری اشاره می کند: محتوایی که خیلی طولانی، بسیار دشوار است یا فاقد پیشرفت واضح است، نقاط کشویی حتی بیشتر از اندازه کافی است - آنها نشان می دهند که دقیقاً دوم یا اسلاید که یک کاربر برای محتوای ویدئویی از بین می رود، این می تواند از طریق گرما تجسم شود که نشان دهد که شما به یک مثال زمان بارگذاری شده است که شما را به سرعت بارگذاری کنید یا به یک قطعه 10 دقیقه ای که به یک نوار ویدیو کاهش داده اند یا کاهش داده اند.

زمان و الگوهای توجه

فراتر از اینکه آیا زبان آموزان یک درس را به پایان می رسانند، زمان تعامل به شما می گوید که چقدر عمیق تعامل دارند، آیا آنها فیلم ها را به طور کامل تماشا می کنند؟ آیا آنها دقیقه های اضافی را صرف مواد مکمل می کنند؟ ابزارهایی مانند Wistia و Vimeo نمودار های تعامل دقیق را ارائه می دهند که نشان می دهد که قله ها و دره ها در نظر بیننده، یک دیدگاه کوتاه مدت در یک درس که یک مفهوم اصلی را پوشش می دهد، ممکن است نشان دهد که دانش آموزان در حال حاضر موضوع را می دانند یا توضیح دقیق است که شما را درک کنید.

امتیازهای آزمون و ارزیابی

Quizzes فقط برای درجه بندی نیست؛ آنها ابزار تشخیصی هستند.اگر بخش قابل توجهی از نمرات مخاطبان شما زیر 70٪ در ماژول داده شده است، این یک نشانه روشن است که محتوا نیاز به روشن سازی یا بازسازی الگوهای در پاسخ های نادرست دارد: آیا زبان آموزان به طور مداوم یک اصطلاح یا مفهوم خاص را درک می کنند؟ استفاده از این داده ها برای تجدید نظر توضیح، اضافه کردن مثال، یا ایجاد یک بخش بررسی اختصاصی، ممکن است نشان دهد که نمرات بالا به اندازه کافی نیست.

بازخورد کیفی و تحلیل Sentiment Analysis

داده های کمی به شما می گوید که چه اتفاقی می افتد، اما بازخورد کیفی توضیح می دهد که چرا پاسخ های نظرسنجی، پست های انجمن بحث و گفتگو و نظرات مستقیم ایمیل زمینه ای را ارائه می دهند که اعداد به تنهایی نمی توانند ثبت نام کنند، به عنوان مثال، نرخ تکمیل پایین ممکن است با نظرات مانند "کیفیت صوتی ضعیف بود" یا "تحریم با استفاده از ابزارهای تجزیه و تحلیل احساسات (به عنوان مثال، بررسی در پاسخ های چت) و یا شناسایی بازخوردهای خاص، کمک به دسته بندی بازخوردها می کند.

دستگاه، محل و الگوهای دسترسی

دانستن اینکه چگونه و چگونه زبان آموزان شما دسترسی به کلاس کارشناسی ارشد خود را تحت تاثیر قرار هر دو طراحی محتوا و تحویل فنی است.آیا اکثر کاربران در دستگاه های تلفن همراه هستند؟ سپس شما باید اطمینان حاصل کنید که فیلم های خود را دوستانه هستند، زیرنویس ها قابل قبول هستند و آزمون ها در صفحه های لمسی کار می کنند. Geographic داده ها می توانند زمان بندی برای جلسات زنده یا ملاحظات منطقه زمانی برای دوره های مبتنی بر گروه را مطلع کنند.

برای یک راهنمای جامع تر که در آن معیارها اولویت بندی می شوند، گزارش مرکزی کلاس معیارهایی را از هزاران دوره آنلاین ارائه می دهد و وبلاگ تفکر در معیارهای دوره مشاوره عملی برای سازندگان فراهم می کند.

چگونه برای جمع آوری Analytics برای کارشناسی ارشد خود

ابزارهایی که استفاده می کنید عمق و کیفیت داده های شما را شکل می دهند، نگاهی گسترده به روش های مختلف جمع آوری و چگونگی به دست آوردن بیشترین استفاده از آنها است.

سیستم های مدیریت یادگیری (LMS)

اکثر پلتفرم های محبوب LMS - قابل استیضاح، Thinkific، Kajabi (و LearnWorlds) - با داشبورد تجزیه و تحلیل داخلی - این به طور معمول نشان می دهد نرخ تکمیل دوره کامل، پیشرفت خاص درس، نمرات آزمون، و گاهی اوقات حتی زمان صرف شده در هر صفحه، تجزیه و تحلیل بومی می تواند محدود به حفاری، صادرات عمیق تر داده های خام یا استفاده از ادغام خوراک به طور خودکار اطلاعات را به یک نمونه پردازش محتوا ارائه دهد.

سیستم های میزبانی ویدئو

اگر کلاس کارشناسی ارشد شما به شدت به ویدیو متکی است، سیستم عامل هایی مانند Wistia، Vimeo و YouTube تجزیه و تحلیل تعامل غنی ارائه می دهند. Wistia "گرسنگین های گرم" نشان می دهد که بینندگان به عقب، مکث، یا پرش. Vimeo "در نظر گرفتن طول توجه" گراف که مقایسه عملکرد ویدیو خود را در برابر تجزیه و تحلیل های پیشرفته یوتیوب شامل حفظ و تحلیل مخاطب و نگهداری واقعی است.

تجزیه و تحلیل وب سایت (Google Analytics)

برای تسلط بر یک وب سایت سفارشی یا صفحه فرود، Google Analytics ضروری است. تنظیم ردیابی رویداد برای گرفتن اقدامات خاص: بازی های ویدئویی، آزمون شروع می شود، کلیک های دانلود و ارسال فرم. استفاده از پارامترهای UTM برای ردیابی اثربخشی کمپین های بازاریابی خود را. علاوه بر این، ویژگی تجزیه و تحلیل گوگل Analytics به شما اجازه می دهد تا ببینید که چگونه گروه های از زبان آموزان که در همان پیشرفت ثبت نام کردند، اگر دوره نشان دادن به کاربران پیشرفته است که می تواند گزارش های کاربر را بهبود دهد.

بررسی ابزار

نظرسنجی ها یک خط مستقیم برای درک یادگیرنده هستند.استفاده از ابزارهایی مانند SurveyMonkey، Typeform یا Google Forms برای جمع آوری بازخورد پس از هر ماژول یا در تکمیل دوره، نظرسنجی Net Promoter Score (NPS) به ویژه برای اندازه گیری رضایت کلی و احتمال توصیه نامه به حساب می آید. Embed Surveylink در داخل پلت فرم کلاس کارشناسی ارشد خود یا ارسال ایمیل برای افزایش نرخ های پاسخ، بررسی های کوتاه ( 3-5) و یا ارائه تخفیف های کوتاه تر از طریق یک منبع رایگان.

Custom Analytics با Directus و Data Stacks

برای سازندگانی که خواهان کنترل نهایی هستند، ساخت یک خط لوله تجزیه و تحلیل سفارشی می تواند قدرتمند باشد.استفاده از CMS بی سر و صدا مانند Directus، شما می توانید تمام داده های تعاملی را در یک پایگاه داده ساختاری ذخیره کنید، سپس آن را به ابزارهای تجسم مانند Metabase یا Tableau متصل کنید، این به شما اجازه می دهد تا داشبورد های سفارشی ایجاد کنید که داده های پیشرفت را با پاسخ های نظرسنجی، بلیط ها و حتی رسانه های اجتماعی ترکیب می کنند، علاوه بر این، شما می توانید اقدامات آموزشی را به طور خودکار انجام دهید: 40٪ از یک برنامه های هشدار بخش محتوا، اگر یک برنامه های هشدار دهنده نرخ هشدار دهنده کار باشد:

چگونه داده ها را به بهبود محتوا ترجمه کنیم

جمع آوری داده ها تنها نیمی از نبرد است. ارزش واقعی در عمل بر روی یافته های شما قرار دارد.این مراحل را دنبال کنید تا تجزیه و تحلیل ها را به پیشرفت های ملموس برای کلاس کارشناسی ارشد خود تبدیل کنید.

مرحله 1: تحلیل الگوهای تعامل با زمینه

با بررسی داشبورد تجزیه و تحلیل خود برای روند سطح بالا شروع کنید که کدام ماژول ها بالاترین نرخ تکمیل را دارند؟ کدام فیلم ها طولانی ترین مدت میانگین دید را نشان می دهند؟ به عنوان مثال، اگر درس هایی در مورد فعالیت انجمن بحث برانگیز ایجاد می کنند؟ اما در اعداد سطح سطح سطح سطح سطح سطح سطح سطح پایین متوقف نمی شوند، همیشه از "چرا" با تجزیه و تحلیل داده های کیفی سوال می شود.

مرحله ۲: شناسایی مناطق خاص مشکل

به داده ها برای پیدا کردن نقاط ضعف نگاه کنید به دنبال درس هایی با نرخ تکمیل زیر 60٪، نمرات آزمون به طور متوسط زیر 70٪، یا نقاط پایین پایین در سه ماهه اول یک ویدیو است.استفاده از نقشه های گرمایی برای دیدن اینکه آیا یک لحظه مشترک وجود دارد که در آن ها برای محتوای متنی، بررسی نقشه های اسکرول یا معیارهای زمان بر روی صفحه اول، ایجاد یک لیست داغ از مشکل اصلی، اولویت بندی شده است.

مرحله 3: بازخورد زمینه ای از Learners

داده ها می توانند یک مشکل را نشان دهند اما همیشه علت ریشه ای آن ها را به یادگیرندگانی که از کار افتاده یا ضعیف به دست آورده اند، نمی توانند یک ایمیل کوتاه ارسال کنند یا سؤالات خاصی را در مورد این درس بپرسند: آیا خیلی طولانی است؟ خیلی سریع؟ پیش نیازهای از دست رفته؟ این بازخورد مستقیم اغلب مسائل را کشف می کند که تجزیه و تحلیل ها به تنهایی نمی توانند نشان دهند، مانند دستورالعمل های نامشخص یا تکنیک های فنی.

مرحله 4: تنظیم تنظیمات محتوا هدفمند

بر اساس تجزیه و تحلیل شما، تغییرات متمرکز را ایجاد کنید.

مرحله پنجم: تاثیر تغییرات خود را بررسی کنید

پس از اجرای تنظیمات، زمان کافی برای جمع آوری داده ها (برای مثال، دو هفته یا ۱۰۰ زبان آموز جدید) را به محتوای جدید بدهید، سپس معیارهای کلیدی را قبل و بعد از تغییر مقایسه کنید، آیا میزان تکمیل افزایش یافته است؟ آیا تغییرات نقطه ای که از نظر کاهش می رسد کاهش یافته است؟ استفاده از تست A/B اگر ممکن است: نشان دادن نسخه اصلی به بخش جدیدی از زبان آموزان جدید و نسخه اصلاح شده برای مقایسه یک رویکرد علمی دیگر، این روش معتبر است.

مرحله 6: مخاطبان خود را برای تجربه های به شکل کافی تقسیم کنید

Analytics می تواند بخش های متمایزی از یادگیرنده را آشکار کند: گروه های شرکتی که در ساعات کاری دسترسی دارند، سرگرمی هایی که در تعطیلات آخر هفته تماشا می کنند یا دانشجویانی که متن را بیش از ویدئو ترجیح می دهند، از این داده ها برای شخصی سازی تحویل محتوا استفاده کنند، به عنوان مثال، پیگیری ایمیل با خواندن تکمیلی به کسانی که زمان کمتری را در درس های ویدئویی خود صرف می کنند، ارسال می کنند یا یک مسیر جداگانه “accelerated” برای دانش آموزان ایجاد می کنند که به طور مداوم 90٪ از یادگیری کلمه را بهبود می دهد، بلکه فقط می تواند باعث افزایش تعامل با کلمه شود، بلکه باعث افزایش تعامل با افزایش تعامل با کلمات شود، بلکه باعث افزایش تعامل با کلمات شود، بلکه باعث افزایش تعامل با آنها شود.

پیشرفته Analytics: فراتر رفتن از معیارهای اساسی

هنگامی که شما اصول را مدیریت کردید، تکنیک های تحلیلی پیشرفته را برای به دست آوردن بینش های عمیق تر کشف کنید.

تحلیل Cohort Analysis

به طور کلی، زبان آموزان گروه در طول زمان ثبت نام، سپس رفتار خود را مقایسه کنید، این به شما کمک می کند تا تشخیص دهید که آیا تغییرات اخیر در صفحه فرود دوره، قیمت گذاری یا ساختار محتوا نوعی متفاوت از یادگیرنده را جذب می کنند - به عنوان مثال، یک گروه از زبان آموزان که پس از یک اصلاح محتوا عمده امضا شده اند ممکن است نرخ های تکمیل بالاتر را نشان دهند، و اثربخشی به روز رسانی های شما را تایید کنند.

پیش بینی و سیستم های هشدار اولیه

با استفاده از مدل های یادگیری ماشین (حتی نمونه های ساده)، می توانید پیش بینی کنید که کدام زبان آموزان در معرض خطر کاهش بر اساس داده های تعامل اولیه قرار دارند – مانند تکمیل ویدئو در هفته اول، هشدار های خودکار می توانند مداخلاتی مانند ایمیل شخصی شده از مربی یا یک انگیزه برای پیوستن به یک گروه مطالعه ایجاد کنند.ساخت چنین سیستم ممکن است نیاز به ادغام با یک ابزار مانند Directus همراه یک اسکریپت ساده داشته باشد، اما حتی عملیات دستی برای یادآوری موثر (اگر نمی تواند یک قاعده کلی را ارسال کند).

پردازش زبان طبیعی (NLP) در Learner Comments

اگر دوره شما دارای یک انجمن بحث و یا بخش نظر است، NLP می تواند احساسات و موضوعات پست های یادگیرنده را تجزیه و تحلیل کند، این می تواند سردرگمی در حال ظهور در مورد یک موضوع را برجسته کند قبل از اینکه در نمرات آزمون ها نشان داده شود، یا واکنش های مثبت سطح که می توانید در مواد بازاریابی برجسته کنید، ابزارهایی مانند MonkeyLearn یا حتی نسخه رایگان VADER در پایتون می توانند متن را در مقیاس ساده تر برای یک تگ های نمونه و نمونه برای هر هفته پردازش کنند.

پیش بینی های رایج برای جلوگیری از استفاده از Analytics

حتی با بهترین نیت، سازندگان اغلب به دام هایی می افتند که ارزش تجزیه و تحلیل را تضعیف می کنند، در اینجا برخی از مشکلات برای هدایت واضح وجود دارد: