Quer aumentar sua frequência cardíaca rapidamente? Imagine que você está trabalhando profundamente quando seu gerente liga dizendo que as pessoas estão reclamando nas redes sociais que o processo de checkout em seu aplicativo não está funcionando corretamente. A empresa está perdendo dólares a cada segundo, e o CEO quer saber quando isso será corrigido.
Parece um ótimo caso de uso para uma solução de observabilidade. O desafio? Tudo pode parecer bom na IU da ferramenta, ou alertas falsos excessivos podem significar que as equipes não confiam nela ou consideram-na barulhenta e confusa para trabalhar. Independentemente disso, você mergulha rapidamente no modo de solução de problemas, reunindo uma equipe para diagnosticar o problema e implementar uma correção que espera resolver o problema. Mas você não tem certeza se isso acontecerá porque não tem visibilidade sobre a experiência dos usuários quando passam pelo processo de checkout no mundo real. Enquanto isso, você está frustrado porque, apesar de seu investimento em ferramentas de observabilidade, não estava ciente do problema e, portanto, não conseguiu prever a interrupção e evitar todos os problemas — para seus usuários, seu CEO, seu gerente e agora para você e sua equipe.
A má experiência do usuário é mais do que apenas um incômodo para sua equipe de TI – é uma das principais causas da rotatividade de clientes (e, portanto, da lucratividade da empresa e, por sua vez, da segurança do seu trabalho). Cerca de metade dos clientes mudará para um concorrente após apenas uma experiência de usuário ruim, e 80% irão embora após várias experiências ruins, de acordo com uma pesquisa da Zendesk. Esse estudo também indica que o cliente médio compartilha uma experiência de usuário ruim com oito a 16 pessoas, de modo que a interação negativa de uma pessoa com seu aplicativo ou site pode crescer rapidamente.
As empresas há muito usam ferramentas de monitoramento e observabilidade para aproximar a experiência do usuário, mas muitas vezes, as equipes de TI, engenharia e produtos que criam, implantam e otimizam aplicativos móveis e da Web não ouvem sobre os problemas do usuário até receberem o telefonema de seu gerente .
As ferramentas tradicionais de observabilidade monitoram os principais componentes da infraestrutura, aplicativos de back-end e aplicativos da Web e móveis e, em seguida, alertam você sobre problemas que precisam ser corrigidos. Eles fornecem medições detalhadas pertinentes ao desempenho do sistema, incluindo monitoramento de usuário real (RUM) para aplicativos web e móveis, monitoramento sintético, análise de falhas, erros de JavaScript e resposta de sessão. O monitoramento e a observabilidade são cruciais para um aplicativo ou serviço web com funcionamento ideal, mas medem o desempenho dos componentes de software. O que falta é a medição em tempo real da experiência do usuário – do ponto de vista dos usuários reais.
Existem três problemas com o paradigma de monitoramento centrado em sistemas.
Primeiro, as ferramentas de observabilidade produzem uma enorme quantidade de dados. É de conhecimento comum que mais métricas, rastreamentos e eventos além de outros dados de infraestrutura e aplicativos aumentam o ruído para as equipes de TI e engenharia. Mas a maior preocupação é que nenhum desses dados esteja conectado à experiência real do usuário. Isso torna mais difícil eliminar eventos que impactam o cliente de outros alertas, potencialmente criando fadiga de alertas que faz com que você ignore insights que realmente importam.
Em segundo lugar, a maioria das ferramentas de observabilidade originou-se com serviços de back-end ou camadas de infraestrutura como foco principal. As equipes de TI e de engenharia que usam essas soluções podem não saber que há um problema do cliente até que os usuários o relatem. Com arquiteturas baseadas em microsserviços, o rastreamento distribuído busca fornecer visibilidade de solicitações que abrangem front-ends e back-ends em sistemas distribuídos. No entanto, as equipes recebem um contexto mínimo para dar vida à experiência do usuário e muitas vezes precisam examinar montanhas de rastros duplicados ou quebrados ao resolver problemas.
Mas o maior problema com o uso de ferramentas de observabilidade para medir a experiência do usuário é que elas olham para a questão do ângulo errado, disse Vyas Sekar, cientista-chefe da empresa de dados operacionais Convivia e membro do corpo docente da Faculdade de Engenharia da Universidade Carnegie Mellon.
“A observabilidade não pode identificar os problemas de experiência que os usuários enfrentam e não pode vinculá-los a problemas de back-end ou resultados de negócios importantes para você no mundo real”, disse Sekar.
Usar a observabilidade para inferir o resultado da experiência do usuário é como tentar determinar se um cliente de comércio eletrônico recebeu uma remessa observando as condições do armazém, disse Jens Koerner, chefe de gerenciamento de produtos da Conviva. Muitas coisas podem acontecer entre o momento em que o produto é embalado no armazém e o momento em que o cliente abre a caixa na cozinha, e se você não tiver visibilidade de todas elas, não saberá por que a embalagem estava danificado ou faltando. O armazém simplesmente não está tão próximo do usuário quanto exige o resultado comercial desejado.
Assim como a Amazon precisa garantir que seus armazéns estejam bem abastecidos, com pessoal e organizados, é essencial monitorar o desempenho de seus servidores, códigos de resposta de API, solicitações de rede, saúde do Kubernetes e outras partes da infraestrutura, disse Koerner. Mas isso é diferente de monitorar a qualidade da experiência do usuário.
“A experiência tem que considerar o aspecto técnico, bem como a percepção e o engajamento do usuário. É como as pessoas interagem com um aplicativo para realizar algo”, explicou.
Enquanto as ferramentas de observabilidade fornecem medições de desempenho dos componentes do sistema, a qualidade da experiência considera todos os dados do usuário e modela eventos em fluxos críticos do usuário com o contexto de negócios. Isso elimina pontos cegos e dá vida aos dados que representam o verdadeiro cliente, alinhados com precisão aos fluxos de trabalho de negócios.
Para um exemplo mais relevante no mundo do software, imagine que uma atualização do navegador da web exclua o token de autenticação do usuário, de modo que ele não faça login automaticamente, mas seja redirecionado para fazer login com seu nome de usuário e senha. Isso não é apenas inconveniente, mas muitos usuários não se lembram de suas senhas e, portanto, não conseguem fazer login no seu site de comércio eletrônico. Seu sistema faz tudo corretamente no back-end – ele reconhece o token ausente e redireciona para a página de login, depois reconhece a senha errada, envia a página de redefinição de senha e autentica a solicitação de redefinição – mas o usuário ainda tem uma experiência ruim para o cliente. Suas ferramentas de observabilidade e monitoramento darão a você um A+, mas seu cliente irá rebaixá-lo para C-.
Quando os cientistas de dados da Conviva começaram a tentar resolver a desconexão entre observabilidade e experiência do usuário, eles começaram a usar ferramentas de big data existentes, incluindo Apache Spark, Flink e Kafka. Mas eles encontraram desafios fundamentais ao usá-los para monitorar a experiência do usuário em grande escala. Essas ferramentas usam abstrações de dados tabulares tradicionais como SQL, que funciona muito bem em aplicativos sem estado quando a ordem dos eventos não é crítica. Mas para medir a qualidade da experiência do usuário é necessário levar em conta a ordem dos eventos, o tempo entre cada evento e o estado geral do sistema. Isso requer uma abordagem com estado.
“Quase todas as soluções existentes são construídas sobre uma ideia da década de 1970: bancos de dados relacionais e processamento tabular”, explicou Sekar. “Essa é a base dos modernos sistemas de processamento de dados. Mas quando você precisa rastrear comportamentos com estado para modelar a experiência do usuário e conectar os pontos entre a experiência e os problemas de back-end em escala, essa tecnologia clássica quebra completamente.”
Os cientistas de dados da Conviva criaram uma nova abordagem para calcular e armazenar dados chamada análise de estado de tempo, que usa uma abstração chamada cronogramas. Este conceito, que eles apresentaram como um artigo de pesquisa na Conferência sobre Pesquisa Inovadora de Sistemas de Dados (CIDR) de janeiro, considera todos os fatores que podem afetar a experiência do usuário, incluindo o dispositivo, a rede, a carga do aplicativo e muito mais, juntamente com a sequência de essas operações.
“Os cronogramas oferecem uma maneira mais eficiente de escrever consultas em comparação com as abordagens convencionais”, escreveu Aditya Ganjam, cofundador do Conviva, em uma postagem no blog. Essa base tecnológica “representa todos os dados do fluxo de eventos como linhas do tempo com um conjunto de operadores de linha do tempo para calcular métricas com estado”.
Esta abordagem impulsiona a eficiência da TI de três maneiras, disse Sekar. Primeiro, reduz os alarmes falsos, concentrando a atenção nas questões de alta prioridade que afetam a experiência do usuário; segundo, remove pontos cegos que não seriam identificados pelas ferramentas tradicionais de observabilidade; e terceiro, ao analisar exatamente o problema que afeta a experiência do usuário, você precisará de menos pessoas e menos tempo para resolver problemas, diminuindo custos e melhorando o tempo médio de recuperação (MTTR).
A Conviva está “adotando uma abordagem radicalmente diferente na redefinição da observabilidade”, disse Sekar. “Chamamos isso de observabilidade centrada na experiência (ECO) e fazemos da qualidade da experiência que as pessoas observam no mundo real o ‘cidadão de primeira classe’ da observabilidade.”
A empresa começou a trabalhar na indústria de streaming de mídia, com clientes como Paramount+, NBC, Sling e Univision, que processam dados de streaming em uma escala enorme – milhares de vezes o que empresas como BMW e Google ingerem. A latência é um problema sério nesta indústria – se um jogo televisionado começar a ser armazenado em buffer durante os últimos dois minutos do campeonato de basquete Final Four, os fãs de basquete universitário explodirão as redes sociais.
Ou, como Koerner explicou, se o seu processo de checkout atrasar, digamos, para usuários Android com dispositivos Samsung na América do Norte, o abandono do carrinho aumentará. Se isso fizer com que 10.000 usuários não concluam uma compra de US$ 50, isso poderá custar à sua empresa meio milhão de dólares em um dia.
Em vez de olhar para a infraestrutura de backend e tentar inferir a experiência do usuário, o Conviva coleta dados diretamente dos eventos do usuário, o sinal mais próximo do cliente. Ele implanta um kit de desenvolvimento de software (SDK) simples e leve que coleta todos os eventos do usuário à medida que ele avança em um aplicativo. Os dados são enviados para o backend onde são correlacionados e mapeados, o que significa que não geram trabalho extra para o dispositivo nem impactam na qualidade da experiência do usuário. O SDK conecta o aplicativo à plataforma da Conviva, que aplica análises de estado de tempo para mapear esses dados em todos os fluxos de usuários com contexto de negócios e serviços.
A IU também permite que qualquer equipe do negócio personalize as métricas que são importantes para ela com apenas alguns cliques, democratizando os dados em toda a organização. Por exemplo, se você sabe que terá uma taxa de abandono de 80% se o login do usuário demorar dois minutos ou mais, a equipe de experiência do usuário pode criar uma métrica para isso.
Ao processar dados de milhões de dispositivos em tempo real e em escala, o Conviva pode medir diretamente a experiência do usuário em todos os dispositivos conectados a um serviço. Se identificar problemas com a qualidade da experiência dos utilizadores, a plataforma utiliza IA para potencializar a análise da causa raiz, concentrando a atenção nos maiores problemas do cliente em relação aos objetivos de negócio e reduzindo o tempo e o esforço necessários para que os seus clientes resolvam incidentes.
A Conviva deixou sua marca na indústria de mídia e entretenimento, trabalhando diretamente com 12 dos 15 maiores streamers de mídia. Agora a equipe tem como objetivo levar a tecnologia para outros setores.
“Resolvemos este problema para os principais clientes de mídia e entretenimento em uma escala que ninguém mais consegue. Se conseguirmos resolver esse problema, poderemos democratizar esta tecnologia para todos”, disse Sekar.
Para saber mais sobre como aproveitar a análise de estado de tempo para medir com mais eficiência a experiência do usuário e alinhar a observabilidade com os resultados de negócios, inscreva-se no webinar da Conviva “5 estratégias para escapar do poço de dinheiro da observabilidade”.
YOUTUBE.COM/THENEWSTACK
A tecnologia avança rápido, não perca um episódio. Inscreva-se em nosso canal no YouTube para transmitir todos os nossos podcasts, entrevistas, demonstrações e muito mais.
SE INSCREVER
