Visualizando jornadas de usuários

Tabelas brutas de eventos e taxas de conversão expressas em números são difíceis de comunicar a partes interessadas não técnicas. Representações visuais das jornadas dos usuários — gráficos de funil, mapas de calor de retenção e diagramas de Sankey — tornam os padrões imediatamente evidentes. O objetivo não é substituir os números, mas apresentá-los de uma forma em que os insights sejam autoevidentes à primeira vista, reduzindo a carga cognitiva do público.

Um gráfico de barras horizontais é a visualização de funil mais simples e mais amplamente compreendida. Cada barra representa uma etapa do funil; o comprimento da barra representa a quantidade de usuários. Ordene as etapas de cima para baixo, na ordem do funil, para que o gráfico seja lido como um funil que se alarga. Use uma única cor contrastante para todas as barras, mantendo o foco nos valores, e não na variedade de cores.

Adicione anotações das taxas de conversão na extremidade direita de cada barra usando ax.text(). Mostre tanto a quantidade absoluta de usuários quanto a porcentagem de conversão entre etapas, para que o gráfico comunique tudo o que é necessário sem uma tabela de dados separada. Posicione o texto ligeiramente para fora da extremidade da barra, com um pequeno deslocamento horizontal, para que ele não se sobreponha à cor de preenchimento da barra.

O mapa de calor de retenção é o resultado padrão da análise de coortes. Cada linha é uma coorte, cada coluna é um deslocamento semanal e cada célula recebe uma cor de acordo com a porcentagem de retenção. Use o mapa de cores RdYlGn (vermelho = baixa, verde = alta) com vmin=0, vmax=100 explícitos, para que a escala de cores seja consistente entre as apresentações e não seja redimensionada para cada mapa de calor.

As coortes mais recentes ainda não tiveram tempo de completar todos os deslocamentos semanais. Essas células devem aparecer em branco, e não como 0 %, para que os leitores não confundam a ausência de dados com retenção zero. Crie uma máscara booleana em que o valor da célula seja 0 e o índice da coluna exceda o número de semanas de existência da coorte; em seguida, passe-a para sns.heatmap(mask=...).

Visualize a curva de retenção média plotando as médias das colunas da matriz de retenção. Essa única linha resume o perfil geral de retenção do produto. Adicione uma faixa sombreada de ±1 desvio padrão para mostrar a variabilidade entre as coortes. Uma faixa estreita significa que as coortes se comportam de maneira semelhante; uma faixa ampla sugere diferenças importantes entre coortes que merecem investigação.

Plotar funis para diferentes segmentos lado a lado revela se os problemas do produto são gerais ou específicos de um dispositivo. Crie um gráfico de barras agrupadas com dois grupos de barras por etapa do funil usando ax.bar() com um deslocamento no eixo x. Como alternativa, desenhe dois gráficos de funil separados em uma grade de subgráficos de 1×2 usando plt.subplots(1, 2) para uma comparação mais clara.

Visualizar a distribuição de eventos por sessão mostra se as sessões se concentram em um pequeno número de eventos (sugerindo que os usuários alcançam seu objetivo rapidamente) ou abrangem uma ampla faixa (sugerindo jornadas complexas ou confusão). Faça o gráfico com ax.hist() na coluna event_count, usando uma escala logarítmica no eixo y se a distribuição tiver forte assimetria à direita.

Mostre as sequências mais comuns de dois eventos (bigramas) no fluxo de cliques para entender os caminhos típicos dos usuários. Agrupe por sessão, ordene por event_rank e extraia pares consecutivos usando zip(events, events[1:]). Conte as frequências dos pares com um contador e plote os 10 principais como um gráfico de barras horizontais. Isso revela quais caminhos de navegação predominam no comportamento dos usuários.

Um histograma das durações das sessões revela se os usuários se envolvem brevemente (por menos de 2 minutos), moderadamente ou profundamente. Use um eixo x em escala logarítmica se um pequeno número de sessões muito longas comprimir a maior parte dos dados na barra mais à esquerda. Sobreponha uma linha vertical na mediana com ax.axvline() para orientar a interpretação do público sobre a duração de uma sessão “típica”.

Combine várias visualizações em uma única figura de painel usando uma grade de subgráficos com plt.subplots(2, 2, figsize=(14, 10)). Atribua o gráfico de barras do funil, o mapa de calor de retenção, a curva de retenção média e a distribuição de eventos a cada painel. Salve em PNG para disponibilização na Web ou em PDF para relatórios impressos. Uma figura unificada é mais fácil de compartilhar do que quatro arquivos separados.

Nesta lição, você aprendeu: a criar gráficos de barras de funil anotados e mapas de calor de retenção, a plotar curvas de retenção média com faixas de variabilidade e a combinar vários gráficos em uma única figura de painel salva em PNG. A seguir, vamos explorar a detecção e a remoção de registros duplicados na limpeza avançada de dados.