# تبنّي الخاصية (Feature Adoption)

> نسبة المستخدمين النشطين الذين استعملوا خاصية بعينها خلال الفترة، إلى إجمالي من كانت متاحة لهم.

- **المجال:** المنتج الرقمي (Product Management)
- **الوحدة:** %
- **تكرار القياس:** شهري
- **الاتجاه المرغوب:** أعلى أفضل
- **النوع:** تابع (Lagging)
- **الرابط:** https://kpihub.co/k/prod-feature-adoption

## الهدف

معرفة ما يُستعمل مما بُني، فالفريق يبني وقد لا يعرف أن نصف ما بناه لا يفتحه أحد.

## لماذا هو مهم

- الخاصية غير المستعملة تكلّف صيانةً ودعمًا وتعقيدًا في الواجهة إلى الأبد
- يوجّه خارطة المنتج إلى تعميق ما يُستعمل بدل إضافة ما لن يُستعمل
- يفرّق بين خاصية غير مرغوبة وخاصية غير مكتشَفة، وهما مشكلتان مختلفتان

## المعادلة

```
Feature Adoption % = (Users who used the feature ÷ Users with access) × 100
```

المقام من كانت الخاصية متاحة لهم لا كل المستخدمين. وخاصية مخصّصة لشريحة تبدو مهجورة إذا قُسمت على الجميع، وهو حكم خاطئ يقتل خاصية ناجحة.

## مثال محسوب

خاصية متاحة لـ12,400 مستخدم نشط، استعملها 2,110 خلال الشهر. الحساب: (2,110 ÷ 12,400) × 100 = 17%، ومن اكتشفها استعملها 68% منهم.

## النطاق الاسترشادي

لا معيار عام لاختلاف طبيعة الخصائص. المعيار العملي: قارن التبنّي بتكلفة البناء والصيانة، والخاصية التي كلّفت كثيرًا ويستعملها القليل هي القرار المطلوب.

## تحليل الاتجاه

- ارتفاعه بعد تحسين الاكتشاف يعني أن المشكلة كانت في الظهور لا في الرغبة
- ثباته المنخفض بعد كل محاولات الاكتشاف يعني خاصية غير مرغوبة فعلًا
- ارتفاعه مع انخفاض التكرار يعني تجربة واحدة لا تبنّيًا

## أسئلة تشخيصية

- كم نسبة من اكتشف الخاصية ثم استعملها؟ الفرق يفصل الاكتشاف عن الرغبة
- هل من يستعملها يعود إليها؟ التكرار هو التبنّي الحقيقي
- كم كلّف بناؤها وصيانتها؟ الرقم يحوّل النقاش إلى قرار

## نصائح عملية

- افصل الاكتشاف عن الاستعمال، فأغلب «الخصائص الفاشلة» غير مكتشَفة لا غير مرغوبة
- قِس التكرار لا الاستعمال الأول، فالتبنّي عودة لا تجربة
- احذف ما لا يُستعمل بعد محاولات اكتشاف جادّة، فالإبقاء عليه تكلفة دائمة

## العرض المناسب

- أعمدة بالخاصية للتبنّي مع تكلفة الصيانة
- قمع: متاح ثم مكتشَف ثم مستعمَل ثم متكرّر
- خريطة حرارية: الشريحة × الخاصية

## تحذيرات وفخاخ

- قسمة خاصية شريحة على كل المستخدمين تحكم عليها بالفشل ظلمًا
- قياس الاستعمال الأول بدل التكرار يجعل حملة ترويج تبدو تبنّيًا
- حذف خاصية غير مكتشَفة قبل محاولة إظهارها

## أثر التغيير

- رفع اكتشاف خاصية واحدة قد يرفع تبنّيها من 17% إلى 40% بلا سطر كود جديد
- حذف خاصيتين مهجورتين يحرّر وقت صيانة ويبسّط الواجهة لكل المستخدمين
- خارطة تبنّي واضحة توجّه الفريق إلى تعميق ما يعمل بدل بناء ما لن يُستعمل

## احسبه في أداتك

### Excel

```excel
=COUNTA(UNIQUE(FILTER(Ev[UserID],Ev[Feature]="X"))) / UsersWithAccess
```

### Power BI (DAX)

```dax
Feature Adoption % =
DIVIDE (
    CALCULATE ( DISTINCTCOUNT ( 'Event'[UserID] ), 'Event'[Feature] = "X" ),
    [Users With Access]
)
```

### Tableau

```
COUNTD( IF [Feature]='X' THEN [User ID] END ) / SUM([Users With Access])
```

### SQL

```sql
SELECT feature,
       COUNT(DISTINCT user_id) * 100.0
         / NULLIF(MAX(users_with_access), 0)                 AS adoption_pct,
       COUNT(DISTINCT user_id) FILTER (WHERE use_count >= 3)  AS repeat_users
FROM   feature_usage
WHERE  used_at BETWEEN :from_date AND :to_date
GROUP  BY feature
ORDER  BY adoption_pct;
```

---

المصدر: [KPIHub](https://kpihub.co/k/prod-feature-adoption) · مرجع عربي مجاني لمؤشرات الأداء.