マスタークラスコンテンツを改善するために、アナリティクスを使用する方法

オンライン教育の競争的な風景では、学習者と真摯に共鳴するマスタークラスを作成することは、単なる大きな問題の専門知識を必要としています。生の数字を実用的な洞察に変換するデータ主導のアプローチが必要です。分析は、視聴者の心に窓を提供し、クリックだけでなく、彼らがどのように感じるか、そして彼らが苦しむとき、そして彼らが失望するときに、明らかにします。これらのパターンを体系的に分析することにより、あなたはあなたのコンテンツ配信を磨き、学習者の成果を最適化し、クラウドファンディングをマスタークラスに立たせます。

アナリティクスがマスタークラスにコンパスされる理由

ガットの感情と逸話的なフィードバックは、これまでのところあなただけを取ることができます。分析は、証拠と仮定を置き換え、あなたは本当のユーザー行動によって裏付けられた決定を下すことができます。直観から洞察へのこのシフトは、例外的な学習経験から平均的なコースを分離することです。分析を効果的に活用するとき、あなたはすることができます:

高影響力のあるレッスンを特定する:[ どのモジュールが最もエンゲージメント、完了、そして正のフィードバックを生成し、どの仕組みをするかを決定します。
再構成セクション:[ 学習者が低下したり、スコアが悪くなったり、ターゲットを絞った改善を補うことができる正確な瞬間をピンポイントします。
]オーディエンスをセグメント化:[]は、異なる学習者グループ、上級者、企業チーム、つまり、コンテンツと異なる相互作用し、それに応じてアプローチを調整する方法を理解します。
コンテンツの決定:[]] は、新しいフォーマット、長さ、または広くそれらを転がす前にスタイルを教えているの有効性をテストします。
投資に対するリターンを測定:]完了率、満足度スコア、および紹介行動などの追跡メトリックは、マスタークラスの価値を実証します。

例えば、デジタルマーケティングのマスタークラスは、学習者がSEOの根本的なセクションを一貫して見直す分析を通して発見するかもしれませんが、有料広告の動画から先にスキップします。このパターンは、SEOコンテンツが十分に受信されているが、補足リソースを必要とするかもしれませんが、広告モジュールは混乱したり、視聴者に不当なものになる可能性があります。データなしで、そのような洞察は隠されています。

マスタークラス成功のための重要なメトリック

すべてのデータポイントは、同様に価値があります。適切なメトリックに焦点を当てると、分析の麻痺や行動可能な信号のゼロを回避するのに役立ちます。ここでは、重要な指標に深く見ていきます。マスタークラス作成者は、次の手順を実行する必要があります。

完了率とドロップオフポイント

完了率は、コース全体または個々のレッスンを終了する学習者の割合を測定します。全体的な完了率が低いと、構造上の問題がポイントされます。あまりにも長く、あまりにも困難、または明確な進行で欠けているコンテンツ。ドロップオフポイントはさらに、より粒状です。ユーザーが退出する正確な秒またはスライドが表示されます。ビデオコンテンツの場合、これはヒートマップを通して視覚化することができます。たとえば、ドロップオフのスピークは、ビデオの分割回数が15分未満であるか、または縮小する必要があることを明らかにします。ビデオのは、ビデオのセグメントを縮小する必要があります。

エンゲージメントタイムと注意パターン

学習者がレッスンを終えるかどうかを超えて、エンゲージメントタイムは、彼らがどのように深くやり取りするかを教えてくれます。彼らはビデオを見ていませんか? 彼らは補足資料に余分な分を費やしますか? WistiaやVimeoなどのツールは、視聴者の注意でピークと谷を示す詳細なエンゲージメントグラフを提供します。コアコンセプトをカバーする短い平均的なビューの長さは、学習者がすでにトピックを知っていますか、またはあなたの説明があまりにも密であるかを示すかもしれません。定性的フィードバックでこのメトリックをペアリングすると、ディスクが役立ちます。

クイズと評価スコア

クイズは単なるグラデーションではなく、診断ツールです。特定のモジュールで、オーディエンスの重要な部分が70%未満のスコアをスコアする場合、コンテンツが明確であるか、または再構成を必要とする明確な兆候です。誤った回答のパターンを探してください:学習者は、特定の用語や概念を一貫して誤解しますか?このデータをあなたの説明を改訂したり、例を追加したり、専用のレビューセクションを作成したりするために使用します。逆に、ボード全体に高すぎるスコアが、あなたの評価があなたの困難であることを示している可能性があります。

定性フィードバックとセニメント分析

量的データでは、何が起こっているのかを説明しますが、定性的フィードバックはなぜ説明しています。調査応答、ディスカッションフォーラム投稿、および直接電子メールコメントは、数字だけをキャプチャできないコンテキストを提供します。例えば、低補完率は、「オーディオ品質が悪い」または「パッシングフェルトが急激に感じました」などのコメントを伴うかもしれません。感情分析ツール(例、アンケート回答やチャットログ)を使用すると、スケールでフィードバックを分類したり、特定のテーマの問題を識別したり、特定のコンテンツや、特定のコンテンツのギャップを賞賛したりすることができます。

デバイス、場所、アクセスパターン

学習者がマスタークラスにアクセスする方法と場所を知ることは、コンテンツの設計と技術配信の両方に影響を及ぼします。モバイルデバイス上のほとんどのユーザーですか?その後、ビデオがモバイルフレンドリーでキャプションが合法で、タッチスクリーンで機能するクイズを確実にする必要があります。地理的なデータは、ライブセッションやコホートベースのコースのタイムゾーンの考慮事項をスケジュールに知らせることができます。また、アクセスパターンを追跡して、曜日や曜日などの学習者は、ほとんどの学習者がメールやライブセッションを通知したり、Q&Aに出席したりすることができます。

メトリックが優先するより包括的なガイドでは、 [クラスセントラルレポート]は、オンラインコースの何千ものベンチマークを提供し、コースメトリックに関するThinkificのブログは、クリエイターのための実用的なアドバイスを提供します。

マスタークラスで分析を収集する方法

使用するツールは、データの深さと品質を形作ります。以下は、さまざまなコレクション方法とそれらを最大限に活用する方法について詳しく説明しています。

学習管理システム(LMS)

ほとんどの一般的なLMSプラットフォーム - 学習、思考、カジャビ、および学習ワールド - 組み込みの分析ダッシュボードと組み合わせています。これらは通常、集計コースの補完速度、レッスン固有の進捗、クイズスコア、およびページごとに費やす時間さえ表示されます。ただし、ネイティブ分析は制限することができます。より深く掘り下げるために、データやAPIの統合を使用して、カスタム分析ダッシュボードにデータをフィードすることを検討してください。例えば、と[FLT][FLT][FLT][FLT][FLT][FLT][FLT][FLT][FLT]][FLT]]]][FLT]]][FLT]]]]] - [HRM] - [LMS] - [パフォーマンスを組み合わせて、[LMS] - [パフォーマンスを[LMS] - [LMS] - [[FAM] - [[F = [[F] - [D] - [D = [D = [D = [D = [D = [D = [D = [D = [D = [D = [D = [D] - [D] - [D] - [D

ビデオホスティングプラットフォーム

マスタークラスがWistia、Vimeo、YouTubeなどのプラットフォームで大きく依存している場合、豊富なエンゲージメント分析を提供します。 Wistiaの「ヒートマップ」は、視聴者が巻き戻し、一時停止、またはスキップする場所を正確に示します。 Vimeoは、ビデオのパフォーマンスを比較する「注目のスパン」グラフを提供します。 YouTubeの分析には、オーディエンスの保持とリアルタイムのエンゲージメントが含まれます。これらのツールを使用して、ドロップオフポイントだけでなく、ビジュアル要素(例えばスライド)を識別するだけでなく、より詳細な分析を把握することができます。長い分析は、APIを把握し、より詳細な分析を把握します。

ウェブサイト分析(Google Analytics)

カスタムウェブサイトやランディングページでホストされているマスタークラスでは、Google Analyticsは不可欠です。特定のアクションをキャプチャするためにイベントトラッキングを設定:ビデオプレイ、クイズが始まり、クリックをダウンロードし、送信フォームを作成します。 UTMパラメータを使用して、マーケティングキャンペーンの有効性を追跡します。さらに、Google Analyticsのコホート分析機能は、コースを通じて同じ時間進行でサインアップした学習者のグループがどのように確認し、コンテンツへの最近の変更が保持を改善するかどうかを明らかにします。上級ユーザーは、Google Analyticsの4およびデモレポートを作成することができます。

調査ツール

調査は学習者の認識に直接行なわれます。SurveyMonkey、Typeform、またはGoogle Formsなどのツールを使用して、各モジュールまたはコース完了後にフィードバックを収集します。Net プロモータースコア(NPS)の調査は、全体的な満足度と推奨の可能性を測定するのに特に役立ちます。マスタークラスプラットフォーム内のアンケートリンクを埋めたり、電子メールの自動化を介してそれらを送信したりします。応答速度を増加させるために、アンケートを短く保つ(3-5質問)、将来のコースの無料のリソースや割引などのインセンティブを継続してください。より多くのアプローチのために、または、または、追加のガイドを埋め込むことができます。

ダイレクトおよびモダンデータスタックによるカスタム分析

究極の制御をしたいクリエイターにとって、カスタム分析パイプラインを構築するのは強力です。DirectusのようなヘッドレスCMSを使用すると、構造化されたデータベースにすべての学習者インタラクションデータを保存し、MetabaseやTableauなどの視覚化ツールに接続できます。これにより、進捗データをアンケート対応、サポートチケット、さらにソーシャルメディアの言及と組み合わせるカスタムダッシュボードを作成できます。さらに、あなたは、レッスンのドロップオフレートが40%を超えた場合、ビジネスクラスレベルのトレーニングを自動化することができます。

コンテンツ改善にデータを翻訳する方法

データを収集するのは、戦いの半分だけです。実際の値は、あなたの発見に作用しています。分析をマスタークラスのための有形強化に変える手順に従ってください。

ステップ1:Contextでエンゲージメントパターンを分析する

分析ダッシュボードを高レベルのトレンドで確認し始めます。どのモジュールが最も高い補完率を持っていますか?どのビデオが最も長い平均的なビューの期間を示すか?どのレッスンが最も議論の激しいフォーラム活動を生成しますか?しかし、表面レベルの数値で停止しません。定性データとのクロスレフェレンスによって「なぜ」を尋ねます。例えば、「先進的な計算」のレッスンが高エンゲージメントを持っているが、低クイズスコアは、学習者は、好奇心旺盛な問題の問題を把握するために失敗するかもしれません。

ステップ2:特定の問題領域を特定する

弱点を見つけるためにデータをドリルダウン. 以下、完了率でレッスンを探します 60%, クイズスコアは、下を平均化します 70%, またはビデオの最初の四半期に高いドロップオフポイント. ヒートマップを使用して、学習者がベールに共通する瞬間があるかどうかを確認します. テキストベースのコンテンツの場合, スクロールマップやタイムオンページのメトリックを確認します. 最初に対処するトップの「ホットリスト」を作成します, 学習者の全体的な学習者の成功に自分の影響を優先.

ステップ3:学習者からのコンテクチュアルフィードバックを収集

データは、問題ではなく、常に根本的な原因を示すことができます。低下またはスコアが悪くなっている学習者にリーチしてください。短い電子メールやアンケートに、そのレッスンに関する特定の質問を依頼してください。あまりにも長くありましたか? あまりにも速く? 混乱? 前提条件を欠く? この直接フィードバックは、分析だけでは明らかな指示や技術的な不具合など、分析ができない問題を発見します。また、コンテンツがクリックされたことを理解するための高機能学習者にインタビューしてください。練習を回復させるには、他のベストプラクティスを再現することができます。

ステップ4:ターゲットを絞ったコンテンツの調整を実施する

分析に基づいて、集中的な変化をします。一般的な調整には、次のものが含まれます。

長い動画をブレイクアップ: 分割20分講義を5-7分単位でクリアな学習目的で行います。
インタラクティブな要素を追加します。] 既知のドロップオフポイントでインサートクイズ、投票、またはリフレクションプロンプトを再エンゲージ学習者にプロンプト。
:[]の説明を改善します。あいまいな通路を書き換え、現実的な例を追加したり、困難な概念のための補足PDFを作成したりします。
直面するパッシングを調整する:] 迅速な学習者が評価に応答する方法に基づいて、配信をスピードアップまたは遅くする。
生産品質をアップグレード:[]]]。分析が悪いオーディオセクションの後、ドロップオフを表示する場合は、より良い機器でその部分を再記録します。
複数の学習パスを生成:[]] セグメントデータを使用して、コアパスを初心者にアクセス可能に保つときに、高度な学習者のためのオプションのディープダイビングを提供します。

ステップ5:変更の影響を監視する

調整を実施した後、データ(例、2週間または100の新しい学習者)を収集するのに十分な時間で新しいコンテンツを与えます。その後、変更前後の重要な指標を比較します。完了率が向上しましたか?クイズスコアが上昇しましたか?ドロップオフポイントシフトをしましたか?A / Bテストを可能であれば使用してください:元のバージョンを新しい学習者の一部に表示し、別のバージョンを改訂しました。この科学的アプローチは、変更が本物的に有効であることを検証します。

ステップ6: オーダーメイド体験のオーディエンスをセグメント化

分析は、異なる学習者セグメントを明らかにすることができます: ワーク時間の間にアクセスする企業グループ, 週末に監視する趣味家, またはビデオ上のテキストを好む学生. コンテンツ配信をパーソナライズするために、このデータを使用します. 例えば, あなたのビデオレッスンに時間を費やした人への補足読書と電子メールフォローアップを送信. または、一貫して90%以上のクイズを獲得学習者のための別の「加速トラック」を作成. 区分だけでなく、婚約を向上させるだけでなく、パーソナライズされた学習の感覚を促進します, 保持と単語を上昇.

高度な分析: 基本的なメトリックを超えて行く

基礎を習得したら、高度な分析技術を探求して、より深い洞察を得る。

協調解析

登録された日付でグループ学習者、その後、時間をかけて行動を比較します。これは、コースのランディングページ、価格設定、またはコンテンツ構造の最近の変更が異なる種類の学習者を引き寄せているかどうかを検知するのに役立ちます。これは、異なるに従事する可能性がある人です。例えば、主要なコンテンツオーバーホール後にサインアップした学習者の共同体は、より高い補完率を示すかもしれません。あなたの更新の効果を確認します。

予測分析と早期警告システム

マシン学習モデル(さらには単純なもの)を使用すると、学習者が最初の週の低ビデオ補完など、早期エンゲージメントデータに基づいてドロップアウトするリスクを予測できます。自動アラートは、インストラクターや勉強グループに参加するためのナッジからパーソナライズされたメールのような介入を引き起こすことができます。このようなシステムを構築するには、単純なPythonスクリプトと組み合わせるツールと統合を必要とするかもしれませんが、さらには、親指の規則に基づいて手動介入をトリガーすることもできます(例えば、「ユーザーが5日間に記録されていない場合」)。

学習者コメントに関する自然言語処理(NLP)

コースにディスカッションフォーラムやコメントセクションがある場合、NLPは学習者の投稿の感情とトピックを分析することができます。これは、クイズスコアで表示する前にトピックに関する新しい混乱を強調したり、マーケティング資料で強調表示できる表面正反応を強調することができます。猿学習などのツールや、PythonのVADERの無料版でさえ、スケールでテキストを処理することができます。ほとんどのクリエイターにとって、より簡単な方法は、各週にコメントのサンプルを手動でタグ付けし、パターンを探します。

アナリティクスを使用するときに避ける一般的な落札

最高の意思を持つクリエイターは、分析の価値を損なう罠に陥ることが多いです。以下は、以下の点を明確にするためにいくつかの落とし穴があります。

[]Vanity metrics:[ エンゲージメントや完了を考慮せずにビューやサインアップを祝うことは、間違った成功感を与えることができます。学習結果に相関するメトリックに焦点を当てます。
小さなサンプルサイズを無視する:[学習者のほんのりのデータに基づいて大きなコンテンツの変更を行うことで、過誤につながることができます。統計的に有意なデータ(レッスンごとに30〜50人以上)を持っているまで待つ。
分析の麻痺:[]]]コンテンツを反復する代わりに、あまりにも多くの時間を勉強ダッシュボードを過ごします。定期的なレビュースケジュール(例、週単位)を設定し、セッションごとに費やす時間を制限します。
ループを閉じない:] フィードバックを集めるが、学習者と信頼を侵食しません。簡単な発表を経由しても、入力に基づいて行った変更を常に通信します。
1つのデータソースにオーバーリーシング: 量的インサイトと結合量的インサイトは、より完全な画像を与えます。高いドロップオフレートは、退屈なコンテンツや技術的なバグによる可能性があります。調査は、そのことを伝えることができます。

継続的な改善文化の構築

成功を収めたマスタークラス・クリエーターは、分析を1回ではなく、連続サイクルとして扱います。リズムを収集:データを収集し、データを分析し、行動し、モニターし、繰り返します。プロセス内のチームやコミュニティを関与させ、インサイトや脳のソリューションを共有します。時間が経つにつれて、特定のオーディエンスやコンテンツタイプに最も重要な指標が現れるでしょう。

データの予測は、単なるツールではなく、そのデータであることを覚えておいてください。パターンを強調することができますが、創造性と共感は、学習を本当に高めるソリューションを考案する必要があります。教育の芸術と分析の厳格さをブレンドし、マスタークラスは、説得力のある、効果的で有益な教育製品に進化します。

教育における分析のさらなる読み込みのために、 ]]からリソースを探索します。アナリティクスリサーチネットワークと[]]]]]]を学習分析に関するハーバードビジネスパブリッシングの洞察。ヘッドレスCMSでカスタム分析パイプラインを構築するために深く飛び込むには、統合例の]指示文書[を参照してください。