Table of Contents

အွန်လိုင်းပညာရေးရဲ့ ပြိုင်ဆိုင်မှု ရှုခင်းမှာ သင်ယူသူတွေနဲ့ တကယ် တုံ့ပြန်တဲ့ မိတ်ဖက်တန်းတစ်ခု ဖန်တီးဖို့ဟာ အကြောင်းအရာ ကျွမ်းကျင်မှုထက် ပိုပါတယ်။ ဒါက ဒေတာမှ ဦးတည်တဲ့ ချဉ်းကပ်မှုတစ်ခုလိုပါတယ်။ ဒါက ရိုးရိုးကိန်းတွေကို လုပ်ဆောင်နိုင်တဲ့ အမြင်တွေအဖြစ် ပြောင်းလဲစေပါတယ်။ Analytics ဟာ သင့်ပရိတ်သတ်ရဲ့ စိတ်ထဲကို ပြတင်းပေါက်တစ်ခုပေးပြီး သူတို့ကလစ်တာတင်မက သူတို့ခံစားပုံကို၊ သူတို့ဘယ်မှာ ရုန်းကန်နေရတယ်၊ ဘယ်တော့ ပိတ်မိတာပါ။ ဒီပုံစံတွေကို စနစ်တကျလေ့လာခြင်းအားဖြင့် သင်ဟာ သင့်ရဲ့ အကြောင်းအရာ ပို့ဆောင်မှုကို မွမ်းမံနိုင်၊ သင်ယူသူ ရလဒ်တွေကို အကောင်းမွန်အောင်လုပ်ပြီး လူအုပ်ကြီးတဲ့ စျေးကွက်မှာ ထင်ရှားတဲ့ မိတ်ဖက်တန်းတစ်ခု တည်ဆောက်နိုင်ပါတယ်။

ဘာကြောင့် Analytics ဟာ သင်ရဲ့ Masterclass အတွက် အံဖွယ်ရာပါလိမ့်

အူမအသိနဲ့ အမြင်တုပြန်ကြားချက်တွေက သင့်ကို ဒီလောက်ပဲ ခေါ်သွားနိုင်ပါတယ် Analytics ကအဆိုတွေကို သက်သေတွေနဲ့ အစားထိုးပေးပြီး တကယ့်အသုံးပြုသူအပြုအမူကနေ အထောက်အပံ့ပြုထားတဲ့ ဆုံးဖြတ်ချက်ချဖို့ သင့်ကိုခွင့်ပြုပေးပါတယ် အမြင်ကနေအသိအမြင်ဆီပြောင်းတာဟာ သာမန်သင်တန်းတွေကို ထူးခြားတဲ့သင်ခန်းစာတွေကနေ ခွဲခြားပေးတာပါ။ သင်ဟာ Analytics ကိုထိရောက်စွာ အသုံးချတဲ့အခါ သင်လုပ်နိုင်တာက:

  • ထိရောက်မှုမြင့်သင်ခန်းစာများကို ဖော်ထုတ်ပါ: ဘယ်မော်ဂျူးများက အများဆုံးပါဝင်မှု၊ ပြီးမြောက်မှုနှင့် အပြုသဘောပြန်ကြားချက်များကို ဖန်တီးသည်ကို သတ်မှတ်ပါ၊ ထို့နောက် အလုပ်ဖြစ်တာကို နှစ်ဆတိုးပါ။
  • ] ရုန်းကန်နေသော အပိုင်းများကို ကယ်တင်ပါ: သင်ကြားသူများ ကျဆင်းနေသည့် သို့မဟုတ် အမှတ်မကောင်းသည့် ကာလများကို တိကျစွာရှာဖွေပါ
  • သင့်ပရိတ်သတ်ကို ခွဲခြားပါ။ စပြီးသင်ယူသူအသင်းတွေ၊ အဆင့်မြင့်ကျောင်းသားတွေ၊ ကုမ္ပဏီအဖွဲ့တွေ သင့်အကြောင်းအရာနဲ့ ဘယ်လိုဆက်သွယ်လဲဆိုတာ နားလည်ပြီး သင့်အမြင်ကို သင့်လျော်စွာ ညှိပါ။
  • Content Decisions: FLT:1 ကို ကျယ်ပြန့်စွာ မဖြန့်ချိခင် ဖွဲ့စည်းပုံသစ်များ၊ အလျားများ၊ သင်ကြားပုံပြင်များ၏ ထိရောက်မှုကို စစ်ဆေးပါ။
  • ] ရင်းနှီးမြှုပ်နှံမှုအပေါ် ပြန်လည်ရောက်ရှိမှုကို တိုင်းတာပါ: သင်တန်းရဲ့တန်ဖိုးကို ပြသဖို့ ပြီးမြောက်မှုနှုန်း၊ ကျေနပ်မှု အမှတ်များနှင့် ညွှန်ကြားမှုအပြုအမူများလို မက်ထရစ်ကို ခြေရာခံပါ။

ဥပမာ၊ ဒစ်ဂျစ်တယ် မော်ကွန်းဆိုင်ရာ မက်စတာကလပ်တစ်ခုမှာ လေ့လာသူတွေဟာ SEO အခြေခံအချက်အလက်များဆိုင်ရာ အပိုင်းကို တစ်ချိန်လုံး ပြန်ကြည့်နေပေမဲ့ လစာကြော်ငြာများဆိုင်ရာ ဗီဒီယိုကနေ ရှေ့ကို ခလုတ်ချနိုင်ကြောင်း အန်လက်ထရောနစ်နည်းပညာမှတစ်ဆင့် တွေ့ရှိနိုင်သည်။ ဒီပုံစံက SEO အကြောင်းအရာကို ကောင်းကောင်းလက်ခံထားပေမဲ့ ထပ်မံရင်းမြစ်တွေလိုအပ်နိုင်ပေမဲ့ ကြော်ငြာ မော်ဒူးက ပရိတ်သတ်အတွက် စိတ်ရှုပ်စရာ (သို့) မသက်ဆိုင်နိုင်ကြောင်း ညွှန်ကြားနိုင်သည်။ ဒေတာမရှိရင် ဒီအသိစိတ်က ပုန်းကွယ်နေဆဲပါ။

သင်တန်း အောင်မြင်မှုအတွက် အရေးကြီးသော အဓိကအချက်များ

ဒေတာအမှတ်အားလုံးဟာ တူညီတဲ့တန်ဖိုးမရှိပါဘူး။ မှန်ကန်တဲ့ မက်ထရစ်နစ်တွေကို အာရုံစိုက်ခြင်းက ဆန်းစစ်မှု ချို့ယွင်းမှု ရှောင်ရှားဖို့နဲ့ လုပ်ဆောင်နိုင်စွမ်းရှိတဲ့ အချက်ပြမှုတွေကို သုညအဖြစ် သတ်မှတ်ဖို့ ကူညီပါတယ်။ ဒီမှာ masterclass ဖန်တီးသူတိုင်း ခြေရာခံသင့်တဲ့ အရေးပါတဲ့ ညွှန်ပြချက်တွေကို ပိုနက်ရှိုင်းစွာ ကြည့်ရှုတာပါ။

ပြီးမြောက်မှုနှုန်းများနှင့် စွန့်လွှတ်မှုမှတ်များ

သင်တန်းတစ်ခုလုံး (သို့) သင်တန်းတစ်ခုချင်းစီပြီးဆုံးသည့် ကျောင်းသား ရာခိုင်နှုန်းကို တိုင်းတာခြင်း။ တစ်နည်းနည်းသော စုစုပေါင်းပြီးဆုံးနှုန်းသည် တည်ဆောက်မှုပြဿနာများကို ညွှန်းစေသည်။ အကြောင်းအရာများက အလွန်ရှည်လွန်း၊ ခက်လွန်း၊ သို့မဟုတ် ရှင်းလင်းတဲ့ တိုးတက်မှုမရှိပါ။ Drop-off အမှတ်များက ပိုမိုသေးငယ်သည်။ အသုံးပြုသူထွက်တဲ့နေရာအတိအကျ ဒုတိယ (သို့) နှိပ်စက်ကိုပြသသည်။ ဗီဒီယိုအဆိုပါအတွက်၊ ဘယ်အချိန်ကို ပြန်ကြည့်ရှုထားသလဲ သို့မဟုတ် လွတ်သွားသလဲဆိုတာကို ဖော်ပြတဲ့ အပူမြေပုံများမှတစ်ဆင့် မြင်နိုင်သည်။ ဥပမာ၊ ၁၅ မိနစ်ကြာ ဗီဒီယိုတစ်ခု၏ ၁၀ မိနစ်မှတ်တွင် drop-off အမြင့်တက်မှုသည် သင်အာရုံစိုက်မှုကို ဆုံးရှုံးနိုင်ကြောင်း ညွှန်ပြသည်၊ ထို့ကြောင့်အပိုင်းကို အသေးစားပိုင်းသို့ ပြင်ဆင်ရန် သို့မဟုတ် ခွဲခြားရန် လိုအပ်သည်။

စေ့စပ်မှု အချိန်နှင့် အာရုံစိုက်မှု ပုံစံများ

သင်ခန်းစာတစ်ခုပြီးဆုံးပြီလားဆိုတာအပြင်သင်ခန်းစာတစ်ခုမှာ ပါဝင်မှုအချိန်ကသင်တို့ကို သူတို့အပြန်အလှန် တုံ့ပြန်ဆက်သွယ်မှု ဘယ်လောက်နက်ရှိုင်းလဲဆိုတာပြောပြပါတယ်။ သူတို့ဗီဒီယိုတွေကိုအပြည့်အဝကြည့်နေသလား။ သူတို့အပိုပစ္စည်းတွေမှာပိုမိနစ်တွေကုန်ဆုံးလား။ Wistia နှင့် Vimeo လို ကိရိယာတွေက ကြည့်ရှုသူအာရုံစိုက်မှုမှာထိပ်သီးတွေနဲ့အကွင်းတွေကိုပြတဲ့ အသေးစိတ်ပါဝင်မှုဂရပ်တွေပေးတယ်။ အဓိကသဘောတရားတစ်ခုပါဝင်တဲ့ သင်ခန်းစာတစ်ခုရဲ့ ပျမ်းမျှအမြင်သက်တမ်းတိုကသင်ခန်းစာကိုသင်သူတွေဟာ အကြောင်းအရာကိုသိပြီးသား (သို့) သင့်ရှင်းလင်းချက်က သိပ်သည်းလွန်းတယ်လို့ ညွှန်ပြနိုင်တာပါ။ ဒီမီထရီကို အရည်အသွေးဆိုင်ရာပြန်ကြားချက်နဲ့တွဲခြင်းက အကြောင်းရင်းကို သိမြင်ဖို့ ကူညီပါတယ်။

စစ်ဆေးမှုနှင့် အကဲဖြတ်မှု အမှတ်များ

Quizzes တွေဟာ အဆင့်သတ်မှတ်ဖို့သာမဟုတ်ဘဲ ရောဂါစစ်ဆေးရေး ကိရိယာတွေပါ သင့်ပရိတ်သတ်ရဲ့ သိသိသာသာရှိတဲ့ အပိုင်းက သတ်မှတ်ထားတဲ့ မော်ဒူးတစ်ခုမှာ ၇၀% အောက်မှာ အမှတ်ပေးတယ်ဆိုရင်၊ အကြောင်းအရာဟာ ရှင်းလင်းမှု (သို့) ပြန်လည်ဖွဲ့စည်းဖို့လိုတယ်ဆိုတဲ့ ရှင်းလင်းတဲ့ လက္ခဏာတစ်ခုပါ။ မှားယွင်းတဲ့ အဖြေတွေမှာ အဆင်တွေကို ရှာဖွေပါ။ သင်ယူသူတွေဟာ သီးခြားအဆို (သို့) သဘောတရားတစ်ခုကို အမြဲမမှန်စွာ နားလည်ကြလား။ သင့်ရှင်းလင်းချက်ကို ပြန်လည်သုံးသပ်ဖို့၊ နမူနာတွေ ထည့်သွင်းဖို့၊ (သို့) သီးသန့်အသုံးသပ်မှု အပိုင်းကို ဖန်တီးဖို့ ဒီဒေတာကိုသုံးပါ။ ဆန့်ကျင်ဘက်အနေနဲ့၊ အများအပြားမှာ အလွန်မြင့်မားတဲ့ အမှတ်တွေက သင့်ရဲ့ အကဲဖြတ်ချက်တွေဟာ သင့်တော်လွန်းတယ်လို့ ညွှန်ပြနိုင်ပြီး သင်ယူသူတွေကို လုံလောက်စွာ စိန်ခေါ်မှု မပေးနိုင်ပါဘူး။

အရည်အသွေးဆိုင်ရာ ပြန်ကြားချက်နှင့် ခံစားချက်များ

ကန့်သတ်ချက်အရ ဒေတာက ဖြစ်ပျက်နေတာကို ပြောပြပေမဲ့ အရည်အသွေးဆိုင်ရာ တုံ့ပြန်မှုက ဘာကြောင့်ဖြစ်နေတယ်ဆိုတာ ရှင်းပြပါတယ်။ စစ်တမ်းတုံ့ပြန်မှုတွေ၊ ဆွေးနွေးပွဲဖိုရမ်ပို့စ်တွေ၊ တိုက်ရိုက် အီးမေးလ် မှတ်ချက်တွေက ကိန်းဂဏန်းတွေတည်းနဲ့ ဖမ်းယူလို့မရတဲ့ အခြေအနေကို ပေးပါတယ်။ ဥပမာ၊ အသံအရည်အသွေးနိမ့်တာ (သို့) နှုန်းက အရှိန်လျော့တယ်လို့ ခံစားရတာပါ။ စိတ်ခံစားမှုဆိုင်ရာ ဆန်းစစ်ရေး ကိရိယာ (ဥပမာ၊ စစ်တမ်းတုံ့ပြန်မှု (သို့) ချက်မှတ်တမ်းတွေမှာ) ကိုသုံးပြီး ကျယ်ပြန့်တဲ့ တုံ့ပြန်မှုကို အမျိုးအစားခွဲဖို့ ကူညီနိုင်ပြီး နည်းပညာ ပြဿနာတွေ၊ အကြောင်းအရာအဟွာဟွာတွေ၊ ဒါမှမဟုတ် သီးခြားသင်တန်းသားတွေအတွက် ချီးကျူးတာလို ထပ်တလဲလဲဖြစ်နေတဲ့ အကြောင်းအရာတွေကို ဖော်ထုတ်နိုင်ပါတယ်။

ကိရိယာ၊ နေရာနှင့် ဝင်ရောက်မှုပုံစံများ

သင်တန်းသားများ၏ Masterclass ကိုဘယ်လိုနှင့်ဘယ်နေရာမှာ ဝင်ရောက်နိုင်သည်ကိုသိရှိခြင်းသည် အကြောင်းအရာဒီဇိုင်းနှင့် နည်းပညာပေးပို့မှု နှစ်ခုစလုံးအပေါ်သက်ရောက်မှုရှိသည်။ အသုံးပြုသူအများစုသည် မိုဘိုင်းကိရိယာများတွင်ရှိပါသလား။ ထို့နောက်သင်၏ဗီဒီယိုများသည် မိုဘိုင်းဖုန်းနှင့်အဆင်ပြေပြီး ခေါင်းစဉ်များ ဖတ်နိုင်ပြီး ကွိုင်ဇာများက ထိတွေ့မှု ဖန်သားပြင်များတွင် အလုပ်လုပ်သည်ကို သေချာစေရန်လိုအပ်သည်။ မြေပုံဆိုင်ရာဒေတာသည် တိုက်ရိုက်အစည်းအဝေးများအတွက် အစီအစဉ်ချမှတ်ခြင်း သို့မဟုတ် အချိန်ဇုန်များကို လေ့လာခြင်းအတွက် အချိန်ဇုန်များကိုအပြင်အတန်းများအတွက်အလွန်အဆင်သင့်စေနိုင်သည်။ ထို့အပြင်သင်တန်းသားများ၏အကြားတွင်သင်တန်းသားများ၏အကြားတွင်သင်တန်းသားများ၏အကြားတွင်သင်တန်းသားများ၏အကြားတွင်သင်တန်းသားများ၏အကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြားအကြား

FLT:0 Class Central Report ကတော့ အွန်လိုင်းသင်တန်းတွေ ထောင်ချီတဲ့ benchmarks တွေကို ပေးပြီး သင်တန်း metrics တွေကို သုံးတဲ့ blog ကို ပေးပါတယ်။

သင်တန်းအတွက် Analytics ကို ဘယ်လိုစုဆောင်းရမလဲ

သင်သုံးတဲ့ ကိရိယာတွေက သင့်ဒေတာရဲ့ နက်ရှိုင်းမှုနဲ့ အရည်အသွေးကို ပုံသွင်းပေးပါလိမ့်မယ်။ အောက်မှာ ကောက်ယူနည်းအမျိုးမျိုးနဲ့ ဒါတွေကို အမြတ်ဆုံး ဘယ်လိုရယူနိုင်မလဲဆိုတာကို အချဲ့တင်ကြည့်ပါ။

သင်ယူရေး စီမံခန့်ခွဲရေး စနစ်များ (LMS)

LMS platform များမှာ Teachable, Thinkific, Kajabi နှင့် LearnWorlds တို့မှာ built-in analytics dashboard များပါဝင်သည်။ ၎င်းတို့သည် ပုံမှန်အားဖြင့် သင်တန်းပြီးစီးမှုနှုန်းများ၊ သင်ခန်းစာဆိုင်ရာ တိုးတက်မှုများ၊ quiz score များနှင့်တစ်ချို့တွင် စာမျက်နှာတစ်မျက်နှာအတွက် ကုန်ဆုံးသော အချိန်များကို ပြသသည်။ သို့သော်လည်း၊ ဒေသခံအစစ်ဆေးမှုသည် ကန့်သတ်နိုင်သည်။ နက်ရှိုင်းစွာ တူးဖော်ရန်၊ ရေနံဒေတာများ တင်ပို့ခြင်း သို့မဟုတ် API ပေါင်းစပ်မှုများကို အသုံးပြု၍ ဒေတာများကို custom analytics dashboard သို့ဖြည့်သွင်းခြင်းတို့ကိုစဉ်းစားပါ။ ဥပမာ၊ FLT:0">Directus FLT: 1"> နှင့်အတူသင်သည်သင်တန်းပြုမူမှု မီတာများကိုသင်ယူသူစီမံခန့်ခွဲမှုနှင့်အတူ ပေါင်းစပ်၍ ဦးခေါင်းမဲ့ CMS သို့သင်၏ LMS ဒေတာများကိုဆက်သွယ်နိုင်သည်။

ဗီဒီယို ဟိုစ်တီ့ဘ်ပလက်ဖောင်းများ

သင်၏ masterclass သည်ဗီဒီယိုအပေါ် အလွန်အကျွံမှီခိုလျှင် Wistia, Vimeo နှင့် YouTube ကဲ့သို့သောပလက်ဖောင်းများသည် engagement analytics များကို ကြွယ်ဝစွာပေးသည်။ Wistia heatmaps သည်ကြည့်ရှုသူများကိုဘယ်နေရာသို့ပြန်လည်လှည့်၊ရပ်နား၊ သို့မဟုတ် ခလုတ်ချသည်ကိုတိကျစွာပြသသည်။ Vimeo သည်သင်၏ဗီဒီယို၏စွမ်းဆောင်ရည်ကို benchmarks နှင့်ယှဉ်ကြည့်သော attention span graphs များကိုပေးသည်။ YouTube ၏ analytics တွင်ပရိတ်သတ်ထိန်းသိမ်းခြင်းနှင့်အရှိန်အပြေး engagement တို့ပါဝင်သည်။ ဒီကိရိယာများကိုသုံး၍ စွန့်ပစ်မှတ်ချက်များသာမက ဘယ်ဗီဒီယိုအစိတ်အပိုင်းများ (ဥပမာ၊ နှင်းချပ်များ၊ ပြပွဲများ၊ စကားပြောခေါင်းများ) သည်အာရုံစိုက်မှုကိုအကြာဆုံးထိန်းသိမ်းထားသည်ကိုလည်းရှာဖွေပါ။ ပိုမိုတိုးတက်သောလေ့လာမှုအတွက် API များမှတစ်ဆင့်သင်၏ကိုယ်ပိုင်ဝက်ဆိုက်သို့ဗီဒီယို analytics ကိုထည့်သွင်းရန်စဉ်းစားပါ။

ဝက်ဆိုက် အန္တာနိတ် (Google Analytics)

Google Analytics သည်သင်တန်းကိုသင်ယူရန်လိုအပ်သည်။ သင်တန်းကိုသင်ယူရန်လိုအပ်သည်။ သင်တန်းကိုသင်ယူရန်လိုအပ်သည်။ သင်တန်းကိုသင်ယူရန်လိုအပ်သည်။ သင်တန်းကိုသင်ယူရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်တန်းကိုသင်တန်းကိုသင်ကြားရန်လိုအပ်သည်။ သင်

စစ်တမ်းကိရိယာများ

SurveyMonkey, Typeform, Google Forms လို ကိရိယာတွေကို အသုံးပြုပြီး မော်ဒူးတိုင်းပြီးတာနဲ့ ဒါမှမဟုတ် သင်တန်းပြီးတဲ့အခါမှာ ပြန်ကြားချက်တွေကို စုစည်းပါ။ Net Promoter Score (NPS) စစ်တမ်းတွေဟာ အထွေထွေကျက်ကျေနပ်မှုနဲ့ အကြံပြုချက် ဖြစ်နိုင်ခြေကို တိုင်းတာဖို့ အထူး အသုံးဝင်ပါတယ်။ သင်တန်းကြီးရဲ့ ပလက်ဖောင်းအတွင်းမှာ စစ်တမ်းကလင့်တွေကို ထည့်သွင်းပေးပါ။ သို့မဟုတ် အီးမေးလ် အလိုအလျောက် ပို့ပေးပါ။ တုံ့ပြန်မှုနှုန်းကို မြှင့်တင်ဖို့ စစ်တမ်းတွေကို တိုတို (၃-၅ မေးခွန်း) ထားပြီး အနာဂတ်သင်တန်းတွေမှာ အခမဲ့အရင်းအမြစ် (သို့) လျှော့ချတဲ့ စေ့ဆော်မှုတွေ ပေးပါ။ ပိုပြီး အတိတ်တုတ်တဲ့ ချဉ်းကပ်မှုအတွက် သင်တန်းတစ်ခုစီရဲ့ အဆုံးမှာ ပလက်ဖောင်း အဆင့်သတ်မှတ် ဝိတ်ဂျက်တွေ (ဥပမာ၊ ကြယ်တွေ၊ လက်မတွေ) ကို ပေါင်းစပ်ပါ။

Directus နှင့် ခေတ်မီဒေတာပုံများဖြင့် Custom Analytics

အချုပ်အခြာဆုံး ထိန်းချုပ်မှုလိုသော ဖန်တီးသူများအတွက် custom analytics pipeline ကို တည်ဆောက်ခြင်းသည် စွမ်းအားရှိနိုင်သည်။ Directus ကဲ့သို့သော ဦးခေါင်းမဲ့ CMS ကိုအသုံးပြု၍သင်ယူသူ၏ဆက်သွယ်မှုဒေတာအားလုံးကို တည်ဆောက်ထားသောဒေတာဘေ့စ်တွင် သိမ်းဆည်းနိုင်ပြီးနောက် Metabase သို့မဟုတ် Tableau ကဲ့သို့သော vizualization tool များနှင့်ဆက်သွယ်နိုင်သည်။ ဤနည်းဖြင့်သင်သည်လေ့လာမှုဖြေကြားချက်များ၊ ထောက်ပံ့ရေးလက်မှတ်များနှင့် လူမှုမီဒီယာအမှတ်အသားများနှင့်အတူ တိုးတက်မှုဒေတာကို ပေါင်းစပ်သည့် custom dashboard များကိုဖန်တီးနိုင်သည်။ ဒါ့အပြင်သင်တန်း၏ drop-offနှုန်းသည် ၄၀% ကျော်လျှင် သတိပေးချက်တစ်ခုက အကြောင်းအရာအကဲဖြတ်မှုလုပ်ဆောင်မှုကို နှိုးဆော်သည်။ ဤနည်းလမ်းသည် အကြီးစား masterclass ပလက်ဖောင်းများ သို့မဟုတ် စီးပွားရေးသင်တန်း အစီအစဉ်များအတွက် အထူးတန်ဖိုးရှိသည်။

ဒေတာကို အကြောင်းအရာတိုးတက်မှုအဖြစ် ဘယ်လို ဘာသာပြန်ရမလဲ

ဒေတာကို စုစည်းခြင်းဟာ စစ်ပွဲရဲ့ တစ်ဝက်ပဲရှိပါသေးတယ်။ တကယ့်တန်ဖိုးက သင့်တွေ့ရှိချက်တွေကို လုပ်ဆောင်ခြင်းပါ။ သင့်ရဲ့ masterclass အတွက် အတွေ့အကြုံတွေကို သိသာတဲ့ တိုးတက်မှုအဖြစ် ပြောင်းလဲဖို့ ဒီအဆင့်တွေကို လိုက်နာပါ။

အဆင့် ၁: အရှုပ်တော်ပုံတွေကို အခြေအနေနဲ့ စိစစ်ပါ။

အဆင့်မြင့်ဖြစ်စဉ်များအတွက်သင်၏ Analytics Dashboards များကိုစတင်စစ်ဆေးပါ။ ဘယ် module များမှာအလွန်မြင့်မားဆုံးပြီးစီးမှုနှုန်းရှိလဲ။ ဘယ်ဗီဒီယိုများတွင်အရှည်ဆုံးအလယ် average ကြည့်ရှုမှုသက်တမ်းရှိသနည်း။ ဘယ်သင်ခန်းစာများသည် ဆွေးနွေးပွဲဖိုရမ် လှုပ်ရှားမှုအများဆုံးကို ဖန်တီးသည်နည်း။ ဒါပေမဲ့ မျက်နှာပြင်အဆင့် ကိန်းဂဏန်းများတွင် ရပ်မနေပါနဲ့။ အမြဲတမ်းမေးပါ ဘာကြောင့် အရည်အသွေးဆိုင်ရာဒေတာများနှင့် Cross Referencing ဖြင့်။ ဥပမာ၊ အဆင့်မြင့် တွက်ချက်ခြင်း သင်ခန်းစာတွင် ပါဝင်မှုမြင့်မားသော်လည်း Quiz အမှတ်နိမ့်ပါကသင်ယူသူများက သိလိုစိတ်ကြောင့် စောင့်ကြည့်နေသော်လည်း အဓိကသဘောတရားများကို နားမလည်နိုင်ခြင်း ပိုမိုလေ့ကျင့်မှုပြဿနာများ သို့မဟုတ် အဆင့်ဆင့်ပြိုကွဲမှုများကို လိုအပ်မှုအဆိုပြုသည်။

အဆင့် ၂: ပြဿနာအချို့ကို ရှာဖွေပါ။

စာသားအခြေခံ အကြောင်းအရာအတွက် Scroll Map သို့မဟုတ် Time-on-Page မီတာတွေကို ပြန်ကြည့်ပါ။ ပထမဦးဆုံး ဖြေရှင်းရန်အကောင်းဆုံး ပြဿနာနေရာ ၅၀-၁၀ စာရင်းကို ဖန်တီးပါ။

အဆင့် (၃) သင်ကြားသူထံမှ အခြေအနေဆိုင်ရာ အပြန်အလှန် သုံးသပ်ချက်များကို စုစည်းပါ

ဒေတာက ပြဿနာကို ညွှန်းပေးနိုင်ပေမဲ့ အမြဲတမ်းတော့ အဓိက အကြောင်းရင်းမဟုတ်ပါ။ ကျဆင်းခဲ့သူ (သို့) အမှတ်မကောင်းခဲ့သူသင်ယူသူတွေကို ဆက်သွယ်ပါ။ သင်ခန်းစာအကြောင်း တိကျတဲ့မေးခွန်းတွေ မေးတဲ့ အီးမေးလ်တို (သို့) စစ်တမ်းပို့ပါ။ သင်ခန်းစာက အရမ်းကြာခဲ့သလား? မြန်လွန်းလား။ စိတ်ရှုပ်ထွေးလား။ မလိုအပ်တာလား? ဒီတိုက်ရိုက်ပြန်ကြားချက်က မကြာခဏတော့ အနက်ဖွင့်မပေးနိုင်တဲ့ အချက်အလက်တွေဖြစ်တဲ့ မရှင်းလင်းတဲ့ ညွှန်ကြားချက်တွေ၊ နည်းပညာအမှားတွေလိုကို ဖော်ထုတ်ပါတယ်။ ဒါ့အပြင် စွမ်းဆောင်ရည်မြင့်သင်ယူသူတွေကို တွေ့ဆုံမေးမြန်းပြီး သူတို့အတွက် အကြောင်းအရာက ဘာကို နှိပ်ခိုင်းခဲ့လဲဆိုတာ နားလည်ဖို့ပါ။

အဆင့် (၄) ရည်ရွယ်ချက်ရှိသော အကြောင်းအရာများကို ပြင်ဆင်ခြင်း

သင့်ရဲ့လေ့လာချက်အပေါ် အခြေခံပြီး အဓိက ပြောင်းလဲမှု လုပ်ပါ။

  • ဗီဒီယိုရှည်များကိုခွဲခြားပါ 20 မိနစ်ဟောပြောချက်များကို ၅-၇ မိနစ်ပိုင်းခွဲခြား၍ တစ်ခုစီမှာ သင်ယူရေးရည်မှန်းချက်တစ်ခုခုရှိသည်။
  • Interactive elements: သင်ကြားသူများကို ပြန်လည်ပါဝင်စေရန် သိရှိထားသော drop-off point များတွင် quizzes, poll များ၊ သို့မဟုတ် ထင်မြင်ချက်များကိုထည့်ပါ။
  • ရှင်းလင်းချက်များကို တိုးတက်စေရန်: မရေရာသော အပိုင်းများကို ပြန်ရေးသားခြင်း၊ လက်တွေ့ကမ္ဘာထဲက ဥပမာများ ထည့်သွင်းခြင်း၊ သို့မဟုတ် ခက်ခဲသော အယူအဆများအတွက် ဖြည့်စွက် PDF များကို ဖန်တီးခြင်း။
  • ] အဆင့်ကို ပြင်ဆင်ရန်: လေ့လာသူများက အကဲဖြတ်ချက်များကို ဘယ်လောက်မြန်မြန် တုံ့ပြန်ကြသလဲအပေါ် အခြေခံပြီး ပို့ချမှုကို လျင်မြန်စေရန် သို့မဟုတ် နှေးစေရန်။
  • ထုတ်လုပ်မှုအရည်အသွေးတိုးတက်စေရန်: စာရင်းစစ်ဆေးမှုတွင် အသံပိုင်းအားနည်းပြီးနောက် ကျဆင်းမှုရှိပါက ပိုကောင်းတဲ့ကိရိယာဖြင့် ထိုပိုင်းကို ပြန်လည်ရိုက်ကူးပါ။
  • သင်ယူရေးလမ်းကြောင်းများစွာကိုပေးပါ: အစပျိုးသူများအတွက် အဓိကလမ်းကြောင်းကိုရရှိနိုင်စေရင်း အဆင့်မြင့်သင်ယူသူများအတွက် ရွေးချယ်စရာ နက်ရှိုင်းသော ရေငုပ်မှုများကိုပေးရန် ခွဲခြားမှုဒေတာကိုအသုံးပြုပါ။

အဆင့် (၅) သင့်အပြောင်းအလဲတွေရဲ့ သက်ရောက်မှုကို စောင့်ကြည့်ပါ

ပြင်ဆင်မှုများကို အကောင်အထည်ဖော်ပြီးနောက်၊ အချက်အလက်များကို စုစည်းရန်အတွက် (ဥပမာ၊ နှစ်ပတ် သို့မဟုတ် အသစ်သင်ယူသူ ၁၀၀) အချိန်အလုံအလောက် ပေးပါ။ ထို့နောက် အဓိက မက်ထရစ်များကို ပြောင်းလဲမှုမတိုင်မီနှင့် နောက်ပိုင်းတွင် နှိုင်းယှဉ်ပါ။ ပြီးမြောက်မှုနှုန်းများ တိုးတက်ခဲ့သလား၊ မေးမြန်းမှု အမှတ်များ မြင့်တက်ခဲ့သလား၊ စွန့်လွှတ်မှု အမှတ်များ ပြောင်းခဲ့သလား၊ ဖြစ်နိုင်လျှင် A/B စမ်းသပ်မှုများကို အသုံးပြုပါ။ မူလဗားရှင်းကို အသစ်သင်ယူသူ အချို့အား ပြသပြီး ပြင်ဆင်ထားသောဗားရှင်းကို အခြားသူအား ပြသပြီး နှိုင်းယှဉ်ပါ။ ဤသိပ္ပံနည်းလမ်းသည် သင့်ပြောင်းလဲမှုများသည် တိုက်ဆိုင်မှုမဟုတ်ပဲ အစစ်အမှန် ထိရောက်မှုရှိကြောင်း သက်သေပြသည်။

ခြေလှမ်း ၆: သင့်ပရိတ်သတ်ကို သင့်လျော်သော အတွေ့အကြုံများအတွက် ခွဲခြားပါ။

အွန်လိုင်းမှာ စာသားကို အသုံးပြုပြီး စာသားကို ဝေဖန်သုံးသပ်နိုင်ပါသည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်ရန် အသုံးပြုနိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးသပ်နိုင်သည်။ စာသားကို ဝေဖန်သုံးခြင်းသည် စာသားကို ဝေဖန်သုံးခြင်းသည် စာသားကို ဝေဖန်သုံးခြင်းဖြင့် ဝေဖန်သုံးနိုင်သည်။

အဆင့်မြင့်လေ့လာမှု - အခြေခံအချက်အလက်များထက် ပိုများ

အခြေခံအချက်တွေကို ကျွမ်းကျင်ပြီးတာနဲ့ ပိုနက်ရှိုင်းတဲ့ အမြင်တွေရဖို့ အဆင့်မြင့် ဆန်းစစ်နည်းတွေကို စူးစမ်းပါ။

ကော်ဟိုဒ် ဆန်းစစ်ချက်

သင်တန်းတက်ရောက်သူများကို သူတို့ မှတ်ပုံတင်ထားသည့်ရက်စွဲဖြင့် အုပ်စုလိုက်ပြီး အချိန်ကြာမြင့်စွာ သူတို့ရဲ့အပြုအမူကို နှိုင်းယှဉ်ပါ။ သင်တန်းဝင်ရောက်မှု စာမျက်နှာ၊ ဈေးနှုန်း၊ သို့မဟုတ် အကြောင်းအရာ တည်ဆောက်မှုမှာ မကြာမီက ပြုပြင်ပြောင်းလဲမှုများသည် သင်တန်းတက်ရောက်သူအမျိုးအစားကို မတူညီစွာ ဆွဲဆောင်နေသည်ကို သိရှိရန် ကူညီပေးသည်။ ဥပမာ၊ အဓိက အကြောင်းအရာ အပြင်ဆင်မှုတစ်ခုပြီးနောက် မှတ်ပုံတင်ထားသူသင်တန်းတက်သူတစ်စုသည် သင်တန်းပြီးဆုံးမှုနှုန်း ပိုမြင့်မားလာနိုင်ပြီး သင့်၏ update များ၏ ထိရောက်မှုကို အတည်ပြုနိုင်သည်။

ခန့်မှန်းချက်ဆိုင်ရာ ဆန်းစစ်ချက်များနှင့် အစောပိုင်း သတိပေးချက်များ

စက်သင်ယူမှုပုံစံများ (ရိုးရှင်းသောပုံစံများတောင်) ကိုသုံး၍ သင်ကြားသူများသည် ပထမတစ်ပတ်အတွင်း ဗီဒီယိုပြီးစီးမှုနိမ့်မှုကဲ့သို့သော အစောပိုင်းပါဝင်မှုဒေတာများအပေါ်မှာ အခြေခံ၍ ထွက်သွားနိုင်ခြေရှိကြောင်း ခန့်မှန်းနိုင်သည်။ အလိုအလျောက် သတိပေးချက်များသည် သင်ကြားသူထံမှ ကိုယ်ပိုင်အီးမေးလ်တစ်ခု သို့မဟုတ် လေ့လာမှုအဖွဲ့သို့ဝင်ရန် တွန်းအားတစ်ခုကဲ့သို့သော ကြားဝင်မှုများကို နှိုးဆော်နိုင်သည်။ ထိုသို့သောစနစ်ကို တည်ဆောက်ရန်အတွက် Directus ကဲ့သို့သော ကိရိယာတစ်ခုနှင့် ရိုးရှင်းသော Python script ကိုပေါင်းစပ်ခြင်းလိုအပ်နိုင်သော်လည်း လက်ဗွေကျမ်းစည်းမျဉ်းကို အခြေခံ၍ လက်လုပ် ကြားဝင်မှုများတောင် ထိရောက်နိုင်သည်။ ဥပမာ၊ အသုံးပြုသူသည် 5 ရက်အတွင်းတွင် ၀ င်ရောက်ခြင်းမရှိပါက သတိပေးချက်တစ်စောင်ပို့ပါ။

သဘာဝဘာသာစကား စီမံခန့်ခွဲမှု (NLP) on Learners Comments

သင်တန်းမှာ ဆွေးနွေးပွဲ (သို့) မှတ်ချက်အခန်းရှိပါက NLP ကသင်ယူသူ၏ပို့စ်များ၏ခံစားချက်နှင့် အကြောင်းအရာများကိုလေ့လာနိုင်သည်။ ဒါက မေးခွန်းမေးပွဲမှတ်တမ်းများတွင်မပေါ်ခင် အကြောင်းအရာတစ်ခုနှင့်ပတ်သက်၍ ပေါ်ပေါက်လာသောရှုပ်ထွေးမှုကို ထောက်ပြနိုင်သည်၊ သို့မဟုတ် စျေးကွက်ထုတ်ကုန်များတွင်အထင်ရှားစေနိုင်သော အပြုသဘောဆောင်သော တုံ့ပြန်မှုများကို မျက်နှာပြင်ပေါ်လွင်စေနိုင်သည်။ MonkeyLearn ကဲ့သို့သော ကိရိယာများ သို့မဟုတ် Python တွင် VADER ၏ အခမဲ့ဗားရှင်းသည်စာသားကိုအချိုးအစားအတန်းဖြင့် စီမံခန့်ခွဲနိုင်သည်။ ဖန်တီးသူအများစုအတွက် ရိုးရှင်းသောနည်းလမ်းကတစ်ပတ်တစ်ပတ်တွင် မှတ်ချက်ပြနမူနာတစ်ခုကို လက်ကိုင်မှတ်ထိုးခြင်းနှင့် အဆင်များကိုရှာခြင်းဖြစ်သည်။

အွန်လိုင်းသုံးခြင်းတွင် ရှောင်ရှားရမည့် ပုံမှန်အမှားများ

အကောင်းဆုံးရည်ရွယ်ချက်ရှိတောင်မှ ဖန်တီးသူတွေဟာ မကြာခဏတော့ Analytics ရဲ့တန်ဖိုးကို ထိခိုက်စေတဲ့ ပိုက်တွေထဲ ကျရောက်တတ်ပါတယ်။

  • Vanity metrics: ပါဝင်မှု သို့မဟုတ် ပြီးမြောက်မှုများကို မစဉ်းစားဘဲ ကြည့်ရှုမှု သို့မဟုတ် မှတ်ပုံတင်ခြင်းများကို ကျင်းပခြင်းသည် အောင်မြင်မှုအသိအမှတ်ပြုမှုအမှားတစ်ခုပေးနိုင်သည်။ သင်ယူမှုရလဒ်များနှင့် ဆက်စပ်သည့် မက်ထရစ်များအပေါ် အာရုံစိုက်ပါ။
  • နမူနာအရွယ်အစားငယ်များကို လျစ်လျူရှုခြင်း: သင်ယူသူ အနည်းငယ်မှသာ ရရှိသော ဒေတာများအပေါ် အခြေခံ၍ အကြောင်းအရာကြီးများကို ပြောင်းလဲခြင်းသည် ပြင်ဆင်မှု အလွန်အကျွံဖြစ်စေနိုင်သည်။ စာရင်းအင်းအရ အဓိပ္ပါယ်ရှိသည့် ဒေတာ (သင်ခန်းစာတစ်ခုလျှင် အနည်းဆုံး သင်ယူသူ ၃၀-၅၀) ရှိသည်အထိ စောင့်ပါ။
  • ဆန်းစစ်မှုအဖ်ရပ်ခြင်း: အကြောင်းအရာကို အပြန်အလှန်လုပ်တာအစား လက်ကိုင်လက်ကိုင်ချပ်များကို လေ့လာရင်း အချိန်အများကြီးကုန်ဆုံးခြင်း။ ပုံမှန်အခေါက်အထား (ဥပမာ၊ သီတင်းပတ်စဉ်) သတ်မှတ်ပြီး အစည်းအဝေးတစ်ခုလျှင် ကုန်ဆုံးတဲ့ အချိန်ကို ကန့်သတ်ပါ။
  • loop ကိုပိတ်ခြင်းမရှိ: ပြန်ကြားချက်များကိုစုဆောင်းခြင်းသည်သင်ယူသူ၏ ယုံကြည်မှုကို ဖျက်ဆီးစေသည်။ သင်ယူထားသောပြောင်းလဲမှုများကို ရိုးရှင်းသော ကြေညာချက်တစ်ခုမှတစ်ဆင့်တောင်မှ အမြဲတမ်း ဆက်သွယ်ပါ။
  • အချက်အလက်ရင်းမြစ်တစ်ခုတည်းကို အားကိုးခြင်း: အရေအတွက်ဆိုင်ရာနှင့် အရည်အသွေးဆိုင်ရာအသိအမြင်များကို ပေါင်းစပ်ခြင်းသည် ပိုပြည့်စုံသော ရုပ်ပုံကိုပေးသည်။ အနှောင့်အယှက်ဖြစ်သော အကြောင်းအရာများကြောင့် မြင့်မားသော drop-offနှုန်းတစ်ခုဖြစ်ကောင်းဖြစ်ကောင်း သို့မဟုတ် နည်းပညာ bug စစ်တမ်းများက မည်သည့်အရာကိုပြောပြနိုင်သည်။

ဆက်လက်တိုးတက်မှု ယဉ်ကျေးမှု တည်ဆောက်ခြင်း

အအောင်မြင်ဆုံး masterclass ဖန်တီးသူတွေဟာ analytics ကို တစ်ကြိမ်တည်း စီမံကိန်းတစ်ခုမဟုတ်ဘဲ ဆက်တိုက်စက်ဝန်းတစ်ခုအဖြစ် ရှုမြင်ကြသည်။ စည်းချက်တစ်ခုကို တည်ထောင်ပါ။ ဒေတာကောက်ယူခြင်း၊ ဆန်းစစ်ခြင်း၊ လုပ်ဆောင်ခြင်း၊ စောင့်ကြည့်ခြင်း၊ ထပ်မံလုပ်ခြင်း။ လုပ်ငန်းစဉ်မှာ သင့်အဖွဲ့ (သို့) အသိုက်အဝန်းကို ပါဝင်စေခြင်း၊ အသိအမြင်များ မျှဝေခြင်းနှင့် brainstorming ဖြေရှင်းနည်းများ။ အချိန်ကြာလာတာနဲ့အမျှ သင့်ရဲ့ သီးခြားပရိတ်သတ်နှင့် အကြောင်းအရာအမျိုးအစားအတွက် ဘယ် metrics တွေက အရေးအကြီးဆုံးလဲဆိုတာ သင်စိတ်ကူးတစ်ခု တည်ဆောက်ပါလိမ့်မယ်။

ဒေတာဟာ အာဏာရှင်မဟုတ်တဲ့ ကိရိယာတစ်ခုဆိုတာ သတိရပါ။ ၎င်းဟာ အဆင်တွေကို အသားပေးနိုင်ပေမဲ့ သင်ယူမှုကို တကယ် တိုးတက်စေတဲ့ ဖြေရှင်းနည်းတွေ တီထွင်ဖို့ ဖန်တီးမှုနဲ့ စာနာစိတ် လိုအပ်ပါတယ်။ ဆန်းစစ်တဲ့ ဆန်းစစ်မှုကို သင်ကြားခြင်း အနုပညာနဲ့ ရောစပ်လိုက်ရင် သင်တန်းအကြီးအကဲဟာ ဆွဲဆောင်မှုရှိ၊ ထိရောက်ပြီး အကျိုးရှိတဲ့ ပညာရေး ထုတ်ကုန်တစ်ခုအဖြစ် ပြောင်းလဲပါလိမ့်မယ်။

ပညာရေးဆိုင်ရာ အန်နလစ်နစ်ဆိုင်ရာ ပိုမိုဖတ်ရှုရန်၊ Learning Analytics Research Network နှင့် Harvard Business Publishing မှ လေ့လာချက်များကို လေ့လာပါ။ ဦးခေါင်းမဲ့ CMS ဖြင့် ကိုယ်ပိုင် အန်နလစ်နစ် pipelines ကို တည်ဆောက်ရန်၊ ပေါင်းစပ်မှုဥပမာများအတွက် FLT:4 Directus မှတ်တမ်းကို ကြည့်ပါ။