Header Ads Widget

Ticker

6/recent/ticker-posts

Cómo mejorar el análisis de productos API para usuarios comerciales

 La mayor parte de la colaboración B2B ahora ocurre a través de API. Ergo, los datos que fluyen a través de su API son una buena representación de la salud de su negocio. Sin embargo, fuera de la ingeniería de infraestructura, faltan herramientas sobre cómo aprovechar esos datos de API.

Hoy en día, las herramientas de análisis empresarial se centran en:

  1. Datos transaccionales sin conexión en bases de datos y almacenes como Redshift o Snowflake, o
  2. Métricas de uso en línea ubicadas en herramientas como Mixpanel y Amplitude para comprender cómo los consumidores interactúan con las interfaces web y móviles.

Esto ha dejado una brecha para las empresas que intentan extraer información no solo sobre sus activos web y móviles, sino también sobre cualquier activo digital impulsado por API. Pueden ser integraciones de socios, API de proveedores o API que se ofrecen a los clientes.

Con la estandarización de la industria de API en torno a patrones de diseño comunes como REST, JSON y GraphQL , cada vez es más fácil para las empresas recopilar y analizar esos datos sin crear elaboradas soluciones personalizadas.

Arquitectura de una solución de análisis de API

Análisis de API de línea base para usuarios técnicos

Para empezar, un sistema de análisis de API debería capturar información básica sobre la API. Esto incluye el verbo , la ruta o la ruta HTTP y los encabezados HTTP. También se deben rastrear metadatos adicionales, como el código de estado, la información de autenticación y la latencia. Dichos atributos permiten métricas técnicas como el percentil 90 de latencia desglosado por punto final y el descubrimiento de valores atípicos.

Expansión de API Analytics a usuarios comerciales

El seguimiento solo del rendimiento y las métricas funcionales de la API no es suficiente para que los usuarios empresariales aprovechen un sistema. Para que un sistema de análisis de API sea ​​útil, las solicitudes deben estar vinculadas a conceptos comerciales.

Los conceptos comerciales podrían incluir lo que significa una transacción de API, la dirección en la que fluyó el dinero o el valor y quién es el usuario de la API. Debido a que las API son de naturaleza técnica, es primordial agregar más contexto, como una descripción de la transacción y qué equipo posee la API. Por ejemplo, si viéramos que los principales clientes utilizan los puntos finales principales, se podría hacer una agregación de k principales como esta:

PUNTO FINALRECUENTO DE EVENTOS DIARIOS
OBTENER / artículos545451
OBTENER / artículos /: id / categorías /454151
POST / comentarios3488
Compra posterior101

Los análisis de API para usuarios comerciales pueden etiquetar las transacciones de API con una descripción sencilla. Hoy en día, esto se puede hacer automáticamente a través de lenguajes de marcado de API populares como la especificación OpenAPI para generar un informe como este:

PUNTO FINALRECUENTO DE EVENTOS DIARIOS
Obtenga una lista de artículos545451
Obtener una lista de las categorías de un artículo454151
Crear un comentario3488
Crear una compra101

Análisis del cuerpo de solicitud y respuesta

La captura de toda la carga útil permite profundizar no solo en qué puntos finales se llaman o cuánta latencia se necesita, sino también en lo que los clientes reales de su API están consultando o publicando en la API. Esto permite rastrear entidades comerciales como ventas y pedidos. También se deben rastrear metadatos adicionales, como el código de estado y la información de autenticación y latencia. La siguiente imagen muestra la cantidad de llamadas a la API agrupadas por el campo "etiqueta" en el JSON de respuesta y luego agrupadas por nombre de cliente.

Al observar los datos reales a través del cable, podemos ver cuándo nuestra API estaba respondiendo con Agotado como etiqueta o tipo.

Agregar información demográfica del cliente

Al extraer la información del cliente en sistemas como Salesforce y tablas de usuarios internos, los usuarios comerciales pueden dividir y dividir los datos de la API por nombre de cliente, recuento de empleados y atribución de marketing. Esto permite a los usuarios comerciales comprender qué tipos de usuarios están adoptando y utilizando con éxito las API mientras invierten en las iniciativas de marketing y ventas adecuadas que impulsan los resultados. Por ejemplo, el siguiente gráfico muestra los usuarios únicos de API desglosados ​​por canal de marketing.

¿Cómo pueden los usuarios empresariales aprovechar API Analytics?

Al agregar información demográfica del cliente, un sistema de análisis de API bien diseñado puede responder preguntas como:

  • Realice un seguimiento del recorrido del cliente desde el contacto inicial hasta las cuentas completamente activadas / integradas, mientras descubre qué iniciativas de marketing generan tasas de activación más altas.
  • Descubra si un programa de API específico es saludable al observar las tasas de retención de productos.
  • Planifique una mejor estrategia de producto sabiendo qué funciones de API se utilizan o no.
  • Supervise cuando una nueva cuenta se active o tenga problemas y evite las discusiones difíciles.

En la imagen de abajo, podemos rastrear el recorrido del cliente y comprender dónde cayeron. Para ello, necesitamos definir métricas de la estrella del norte , como Time to First Hello World y Time to Valuable Action.

Hacer que API Analytics sea procesable

Para ser accionables, los usuarios finales necesitan la capacidad de crear desencadenantes y flujos de trabajo cuando se alcanzan criterios específicos. Por ejemplo, un ejecutivo de cuentas o un gerente de éxito del cliente puede crear una alerta cada vez que un nuevo usuario específico cambia en el tráfico de la API. Un gerente de producto puede crear un panel que muestre varias métricas sobre usuarios activos únicos y el uso de funciones, mientras que un director de marketing puede querer un panel que muestre qué canales de marketing generan más activaciones y cómo las tasas de conversión son tendencias. Esto significa que un sistema de análisis de API debe tener la capacidad de crear paneles de control para cada equipo que consume el servicio, incluidas las ventas, el éxito del cliente, el soporte, el producto y el marketing.

Obstáculos para la implementación de análisis de API

Si bien la implementación de análisis de API puede tener un impacto tremendo en la trayectoria de crecimiento de una organización que implementa API, hay cuestiones en las que las organizaciones deben pensar.

Costo de mantenimiento

Las API de gran volumen pueden gravar mucho un sistema de análisis mal diseñado. Los equipos siempre están suscritos en exceso, lo que significa que se toman atajos al crear sistemas internos que no están expuestos a los clientes, ya sea en escalabilidad, seguridad o ambos.

Riesgo de cumplimiento

Los sistemas de análisis pueden potencialmente rastrear PII o información sensible que está sujeta a regulaciones, como GDPR y CCPA. Tener los procesos y flujos de trabajo correctos en su lugar para caducar y eliminar datos es fundamental al almacenar dichos datos. Además, debe existir un control de acceso sólido para proteger los datos de los usuarios.

Facilidad de uso

Si bien los usuarios técnicos pueden estar bien al analizar registros directamente y profundizar en métricas de series de tiempo en herramientas APM como Splunk y Datadog, la productividad de los usuarios comerciales disminuirá si se ven obligados a adoptar tales herramientas. En tales casos, la carga adicional recae sobre los equipos de ingeniería y ciencia de datos para generar informes. El análisis de autoservicio es fundamental para cualquier organización que se tome en serio el desarrollo ágil y la velocidad de la innovación.



Publicar un comentario

0 Comentarios