Управління чат-ботами з мобільного додатку: iOS та Android

Оператору потрібен доступ до чат-ботів у реальному часі, але не завжди під рукою комп'ютер. Мобільний додаток для управління ботами вирішує це завдання: моніторинг діалогів, ручне втручання, зміна сценаріїв — все з телефона. Наш досвід показує, що така панель прискорює реакцію на інциденти в 3 рази порівняно з десктопним рішенням. Наприклад, для мережі роздрібних магазинів з 20 операторами ми впровадили додаток — час відповіді на діалог скоротився з 45 до 15 секунд. Зв'яжіться з нами, щоб отримати індивідуальний розрахунок та зрозуміти, як рішення впишеться у вашу інфраструктуру.

Які проблеми вирішуємо

Human Takeover — центральна функція. Бот не впорався або користувач запросив оператора — діалог передається людині. Оператор отримує push, відкриває чат, відповідає і повертає управління боту. Затримка критична: якщо не обробити швидко, клієнт йде. Ми використовуємо FCM high priority з data payload на Android та APNs на iOS — додаток прокидається навіть у Doze. WebSocket тримає з'єднання для миттєвого обміну повідомленнями. Типова затримка доставки push — менше 2 секунд, що підтверджується тестами на пристроях у режимі очікування.

Управління сценаріями — не всі оператори повинні редагувати відповіді. Рольова модель розділяє права: оператор тільки чат, адміністратор ще й сценарії. Це знижує ризик випадкових помилок у продакшені. В одному з проєктів ми зафіксували скорочення кількості ненавмисних змін на 90% після впровадження ролей.

Моніторинг активних діалогів та статусу бота. Видно, скільки чекають оператора, скільки в роботі, які зависли. Сортування за часом очікування дозволяє першими обробляти найкритичніші. Статистика: при навантаженні 500 діалогів на годину середній час обробки критичних діалогів не перевищує 10 секунд.

Як влаштована черга діалогів з SLA?

Черга працює на основі RabbitMQ: при передачі діалогу оператору подія публікується в exchange, прив'язаний до черги вільних операторів. Якщо всі оператори зайняті, діалог поміщається в чергу очікування, і запускається SLA-таймер. Після закінчення N хвилин (налаштовується) надсилається повторне push-повідомлення всім операторам. При звільненні оператора йому призначається найбільш «довгоочікуваний» діалог. Цей механізм гарантує, що жоден клієнт не буде забутий. Для over-engineer використовуємо підтвердження від оператора (ack), інакше діалог повертається в чергу.

Як ми це робимо: стек та приклад

Використовуємо Swift 5.9+ (SwiftUI) для iOS, Kotlin (Jetpack Compose) для Android, Flutter 3.x для крос-платформи. Нижче — ключовий фрагмент чату оператора на iOS:

class OperatorChatViewModel: ObservableObject {
    @Published var messages: [Message] = []
    @Published var isConnected = false
    private var wsTask: URLSessionWebSocketTask?

    func connect(conversationId: String) {
        let url = URL(string: "wss://api.example.com/operator/conversations/\(conversationId)/ws")!
        wsTask = URLSession.shared.webSocketTask(with: url)
        wsTask?.resume()
        isConnected = true
        receiveNext()
    }

    private func receiveNext() {
        wsTask?.receive { [weak self] result in
            guard let self else { return }
            if case .success(let msg) = result,
               case .string(let text) = msg,
               let decoded = try? JSONDecoder().decode(Message.self, from: Data(text.utf8)) {
                DispatchQueue.main.async { self.messages.append(decoded) }
            }
            self.receiveNext()
        }
    }

    func send(_ text: String) {
        let msg = OutgoingMessage(text: text, conversationId: conversationId)
        let payload = try! JSONEncoder().encode(msg)
        wsTask?.send(.string(String(data: payload, encoding: .utf8)!)) { _ in }
    }

    func returnToBot() {
        Task { await conversationService.handoff(conversationId, to: .bot) }
    }
}

Черга операторів: якщо декілька вільних — round robin або хто перший натиснув. Якщо всі зайняті — діалог у чергу, SLA-таймер стартує. Повторний push через N хвилин.

Чому FCM high priority, а не звичайний notification?

Звичайний notification на Android не пробуджує додаток у Doze. data payload з high priority доставляється завжди. Це гарантує, що оператор отримає виклик навіть на телефоні в сплячому режимі. На iOS використовуємо APNs з аналогічним пріоритетом. Порівняйте:

Порівняння платформ: iOS vs Android

Що входить в роботу

• Список діалогів з групуванням за статусом та real-time оновленням
• Чат-екран оператора з WebSocket
• Push-повідомлення про нові діалоги (FCM високий пріоритет)
• Черга з SLA-таймером та повторними повідомленнями
• Рольова модель (оператор / адміністратор)
• Управління сценаріями (включення/виключення, редагування відповідей)
• Аналітика: час відповіді, кількість переданих діалогів, SLA-порушення

Терміни та гарантії

Орієнтовні терміни: від 8 до 14 робочих днів. Вартість розраховується індивідуально — вона залежить від кількості каналів, складності сценаріїв та платформ. Впровадження мобільної панелі оператора окупається за 3-6 місяців за рахунок прискорення обробки діалогів та зниження навантаження на чергових фахівців. Ми гарантуємо SLA за часом відгуку push-повідомлень (не більше 5 секунд) та безперебійну роботу WebSocket-з'єднання. За 5 років ми реалізували понад 20 проєктів з управління ботами — отримайте консультацію, щоб обговорити ваші завдання та оцінити економічний ефект від впровадження мобільної панелі оператора.

Аналітика мобільних застосунків: Firebase, Amplitude, AppsFlyer та атрибуція

Наша команда регулярно стикається з проектами, де аналітика вже «налаштована», але реальних інсайтів немає. Типовий приклад — стартап з 50k DAU: трекінг десятків подій без жодної відповіді на питання «чому користувачі не доходять до оплати». За два тижні ми побудували базову воронку і з'ясували, що 70% аудиторії відвалюється на екрані верифікації номера телефону. Після локалізації бага retention зріс на 12%. Висновок: аналітика повинна починатися з конкретних питань, а не з трекінгу всього підряд.

Чому таксономія подій — основа аналітики мобільних застосунків?

Firebase Analytics, Amplitude, Mixpanel — технічно схожі. Різниця в тому, що ви в них кладете. Типова помилка: події screen_view, button_tap_1, button_tap_2 без контексту. Через місяць ніхто не пам'ятає, що таке button_tap_2.

Правильна таксономія: об'єкт + дія + контекст. product_viewed, checkout_started, payment_completed з параметрами product_id, category, price, source. Це дозволяє будувати воронки, когортний аналіз та retention без додаткового трекінгу.

Ми фіксуємо naming convention у tracking plan — документі (Google Sheet або Amplitude Data Catalog), де описано кожну подію, її параметри та умови спрацьовування. Tracking plan синхронізується з командою аналітиків до початку розробки, а не після. Такий підхід гарантує, що через місяць дані залишаться інтерпретованими, а не перетворяться на звалище. Досвід впровадження на 50+ проектах підтверджує: при відсутності tracking plan вартість підтримки аналітики зростає у 2-3 рази за рахунок переробок.

Що обрати для аналітики мобільних застосунків: Firebase, Amplitude чи Mixpanel?

Таблиця нижче показує ключові відмінності трьох популярних платформ. Вибір залежить від бюджету, трафіку та завдань.

Firebase Analytics — безкоштовно, глибока інтеграція з Google Ads, BigQuery-експорт для сирих даних. Обмеження: затримка даних до 24 годин, обмежені воронки. Для стартапів з Google Ads трафіком — перший вибір.

Amplitude — продуктова аналітика з акцентом на когорти та шляхи користувача. Journeys (колишній Pathfinder) показує реальні шляхи між подіями — не передбачувані воронки, а фактичні маршрути. Session Replay — запис сесій для UX-аналізу. Безкоштовний тир до 10 млн events/місяць достатній для більшості продуктів на старті.

Mixpanel — ближче до Amplitude, сильніший у сегментації в реальному часі. Insights, Funnels, Retention — базові інструменти, які закривають 90% аналітичних завдань продакта.

Більш формальні визначення цих платформ можна знайти у Wikipedia (Firebase) та Wikipedia (Amplitude).

Як вирішити проблему мультиканальної атрибуції з AppsFlyer?

Знати звідки прийшов користувач — окреме завдання. Firebase Attribution працює лише всередині Google-екосистеми. Для мультиканальної атрибуції (Facebook Ads, TikTok, Apple Search Ads, programmatic) потрібен MMP — Mobile Measurement Partner.

AppsFlyer — лідер ринку. OneLink — universal deep link, який працює на iOS та Android і коректно атрибутує встановлення з будь-якого каналу. Protect360 — вбудований захист від fraud (фейкові встановлення, click injection на Android). Adjust та Branch — конкуренти з подібним функціоналом. Branch сильний у deep linking; Adjust популярний у gaming.

Згідно з Apple, з iOS 14.5 застосунки повинні отримувати дозвіл користувача через ATT перед збором IDFA для відстеження. AppsFlyer використовує probabilistic matching (IP + user agent + timing) для цих користувачів — точність нижча, але краще ніж нічого. SKAdNetwork та Privacy Preserving Attribution надають агреговані дані від Apple із затримкою 24-72 години.

Як налаштувати crash-аналітику, щоб не пропускати баги?

Firebase Crashlytics — стандарт для crash reporting. Автоматично групує креші за стектрейсом, показує affected users %, velocity alerts при зростанні crash rate більш ніж на 10% за годину.

Важливо: символікація. На iOS .dSYM файли повинні автоматично завантажуватися при кожній збірці — через Fastlane upload_symbols_to_crashlytics або Xcode Cloud built-in. Без символів креш у Crashlytics виглядає як набір адрес пам'яті. Це трапляється частіше, ніж здається при переході на новий CI — в одному проекті з аудиторією 500k користувачів ми виявили, що 40% крешів залишалися несимволізованими через пропущений етап у CI/CD. Після автоматизації час реакції на баги скоротився з 3 годин до 15 хвилин.

Для React Native та Flutter — @sentry/react-native та sentry_flutter дають додатковий контекст: breadcrumbs, мережеві запити перед крешем, стан Redux/Provider.

Нижче — порівняння популярних інструментів crash-аналітики для вибору під свої завдання.

Налаштування оточення

Три оточення з окремими Firebase проектами: dev, staging, production. Змішувати аналітику з тестових сесій і production — поширена помилка, яка спотворює всі метрики. На iOS через GoogleService-Info.plist для кожної схеми, на Android через google-services.json у папці кожного flavor.

Терміни: базова аналітика з Firebase + Crashlytics — 3-5 днів. Повноцінний tracking plan + Amplitude/Mixpanel з воронками та когортами — 2-3 тижні. Атрибуція через AppsFlyer з deep linking та fraud protection — 1-2 тижні. Вартість розраховується індивідуально залежно від складності інтеграцій.

Що входить у нашу роботу

В рамках впровадження аналітики ми надаємо:

• Розробку та узгодження tracking plan з командами продукту та маркетингу.
• Інтеграцію SDK (Firebase, Amplitude, Mixpanel, AppsFlyer) з урахуванням вашого стеку (Swift/Kotlin/Flutter/React Native).
• Налаштування воронок, когорт, дашбордів та алертів.
• Автоматизацію символікації та завантаження .dSYM через Fastlane.
• Документацію щодо подій та параметрів.
• Навчання команди роботі з аналітичною платформою.
• Два тижні пост-релізної підтримки та коригування трекінгу.

Наш досвід — 7 років впровадження аналітики та понад 80 успішних проектів у сфері мобільної розробки. Ми гарантуємо коректність даних і прозорість кожного етапу.

Зв'яжіться з нами, щоб отримати консультацію з налаштування аналітики вашого застосунку. Замовте аудит поточної аналітики — і ми покажемо, які метрики ви втрачаєте.