Розробка мобільного додатку для трекінгу настрою

Чому трекер настрою — це більше, ніж CRUD?

Ви закладаєте модель даних — і вже на етапі аналітики розумієте: п'ятибальна шкала не дає потрібної деталізації, а емодзі перетворюють обчислення на хаос. Ми стикалися з цим у кожному другому проекті. Наш досвід показує: правильно спроектований Mood tracking додаток — це не стільки інтерфейс, скільки продумана система роботи з емоційними даними.

Що реально ускладнює задачу

Головна технічна складність — модель даних. Настрій можна оцінювати за п'ятибальною шкалою, за шкалою валентність-arousal, з емодзі, з тегами контексту. Якщо структуру закласти невірно, то через місяць користувач бачить невалідні графіки або взагалі не може порівняти минулий місяць з поточним.

Друга біль — нагадування. UNUserNotificationCenter на iOS дає тільки 64 pending-сповіщення. При індивідуальному розкладі на кожен день тижня цей ліміт згорає миттєво. Потрібно або генерувати сповіщення динамічно через BGAppRefreshTask, або використовувати повторювані тригери з локальною логікою. На Android WorkManager з PeriodicWorkRequest надійніше, але й там Doze Mode ріже доставку при агресивних налаштуваннях енергозбереження.

Третя історія — аналітика. Ковзне середнє за 7 днів, кореляція настрою з активністю з HealthKit (кроки, сон), кластеризація патернів по днях тижня. Все це рахується на клієнті — і якщо не кешувати результати агрегації, то кожен відкритий екран аналітики перечитує весь CoreData store з помітною затримкою.

Як ми будуємо додаток для трекінгу настрою під ключ

Архітектурно — MVVM з Combine (iOS) або ViewModel + StateFlow (Android). Локальне сховище: CoreData з NSPersistentCloudKitContainer для iCloud-синку або Room + DataStore для Android. Бекенд потрібен не завжди — багато проектів працюють повністю offline-first.

Для кросс-платформенної версії на Flutter використовуємо Isar як вбудовану БД замість SQLite: він швидший при складних індексованих запитах і добре лягає на реактивну модель через watchLazy. Riverpod керує станом, charts_flutter або fl_chart — візуалізація.

Конкретний кейс: додаток з трекером настрою + щоденником. Користувач вносить запис — ми зберігаємо MoodEntry з timestamp, числовою оцінкою, enum-тегами (work, sleep, exercise, social) та опціональним текстом. Раз на добу фонова задача перераховує агрегати за останні 30 днів і кладе їх в окрему таблицю MoodAggregate. Екран аналітики читає тільки агрегати — ніяких важких запитів до основного сховища.

Інтеграція з Apple HealthKit documentation — запитуємо HKQuantityTypeIdentifier.stepCount та sleepAnalysis за період, корелюємо з mood-даними через просту лінійну регресію на клієнті. Користувачі бачать: «у дні, коли ви робили 8000+ кроків, ваш настрій в середньому на 0.8 бала вище».

Що входить в роботу

Процес роботи

Аудит вимог → проектування моделі → прототип у Figma → розробка → тестування (XCTest / Espresso) → публікація. Ми гарантуємо дотримання App Store Review Guidelines та рекомендацій Google Play щодо використання Billing 6.

Орієнтири за термінами

Вартість розраховується індивідуально після аналізу вимог. Ціна помилки при самостійній розробці може сягати 50% бюджету. Зв'яжіться з нами — оцінимо ваш проект.

Які помилки найчастіше допускають при розробці?

• Зберігати mood-записи як рядки замість нормалізованих enum'ів — потім аналітика неможлива без міграції.
• Запускати агрегацію на main thread у viewDidAppear — користувач бачить фріз при відкритті аналітики.
• Ігнорувати часові пояси: якщо користувач перелетів в іншу країну, записи за «сьогодні» потрапляють у «вчора». Зберігати UTC, відображати в local timezone.
• Просити дозвіл на сповіщення при першому запуску без пояснення — відмова від дозволу обнуляє всю логіку нагадувань назавжди (повторно запросити не можна, тільки через Settings).

Замовте розробку трекера настрою — отримайте готове рішення з гарантією якості. Наш досвід: 5+ років у мобільній розробці, 30+ успішних проектів, сертифіковані інженери.

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.