ユーザー操作: ユーザーセグメンテーションを合理的に行うにはどうすればよいでしょうか?

ユーザーの階層化はビジネス運営の結果であり、ユーザーの階層化はビジネス運営に適用されます。そのため、一見単純な階層化も、ビジネスと組み合わせれば簡単に説明でき、問題点も簡単に特定できます。クラスメートの一人が尋ねました。

リーダーからユーザーセグメンテーションをするように言われましたが、どのようにセグメンテーションしても科学的な根拠がないように思われ、「セグメンテーションの意味は何か」と批判されることも多かったです。

標準的なレイヤリング仕様はありますか?

この質問に答える前に、簡単な質問を見てみましょう。

事業収益の状況が次のとおりであると仮定した場合、データをどのように解釈しますか?

（総収益 = 有料ユーザー数 * 有料ユーザーあたりの平均支払額）

ユーザーセグメンテーションの一般的な役割

本質的に、ユーザー階層化はユーザーセグメンテーションの特殊な形式です。つまり、ユーザーは価値に応じてセグメント化され、上位層のユーザーは価値の高いユーザー、下位層のユーザーは価値の低いユーザーとなります。

ユーザー階層化の最大の利点は、平均値を排除できることです。

たとえば、上記の質問に対して、ほとんどの学生は次のように答えるでしょう。

総収入は減少しています。
一人当たりの平均支払額は17%減少し、ユーザー数は20%増加しました。
一人当たりの支払額をさらに 25 増額する必要があります。

平均値を見ると、この結論に達することができます。しかし、実際には、平均値が 25 元減少した場合、企業はそれを 25 元増やす方法を見つけなければならないということでしょうか?

もちろんそうではありません。10,000 人を超えるユーザーの構成は不明だからです。この1万人が次の2つの形態で構成されているとしたら、一人当たりの価格を25元引き上げれば十分だとまだ思われますか？

これは、ユーザー階層化の役割を直接的に実証したものです。平均を通じて観察された傾向は正しいものの、導き出された実行計画は間違っていることが多いことがわかります。実行に関しては、実際の問題をより簡単に特定し、実行可能な計画を策定するために、ユーザーセグメンテーションが必要です。

ユーザーセグメンテーションの特別な役割

ユーザーの階層化には特別な機能もあり、企業がハイエンド、ミディアムエンド、ローエンドのユーザーに提供する製品/サービス/体験は限られており、多くの場合、ハイエンド、ミディアムエンド、ローエンドのパッケージ、ハイエンド/標準/ローエンドの製品、および上級/中級/初級のVIPサービスに固定されています。ユーザーを高級、中級、低級のカテゴリーに分けて観察すると、提供している製品/サービス/体験に問題があるかどうか、どのカテゴリーの顧客を失っているのかを直感的に把握しやすくなります。

このタイプの分析は方向性が非常に明確で、問題を迅速に特定し、運用上の突破口を見つけるのに役立ちます。

例えば、上の例のAB形態は便宜上簡略化されていますが、富裕層ユーザーに依存するビッグR型ビジネスと、多数の一般ユーザーに依存するビッグDAU型ビジネスという、非常に典型的な2つのビジネス形態を表しています（ビッグRとビッグDAUはゲーム業界の用語であり、ゲーム業界ではこの2つの形態が最も明確に区別されているため、ここではそのまま適用しています）。

一般的なユーザー階層化形式は次のとおりです。

これを理解した後、AB パターンを振り返ると、問題をより正確に特定できます。

このレベルの解釈をした後は、平均値だけを見て「平均注文額が低いので、増やす必要がある」と言うよりも、より洞察力に富んでいるのではないでしょうか。

これは、ユーザーセグメンテーションのさらなる役割です。ビジネス行動のセグメンテーションを組み合わせることで、ビジネス上の問題を迅速に特定できます。

ユーザーセグメンテーションでよくある間違い

例を見た後、学生の中には「階層化は非常にシンプルに見えます。ユーザー価値、有料 ≥ アクティブ ≥ 登録者、なぜピラミッドを積み重ねないのですか (以下に示すように)? オンラインでこのように積み重ねられているのがわかります。」と言う人もいるかもしれません。

A: これはユーザーセグメンテーションでよくある間違いであり、要点を外しています。

覚えておいてください、ユーザーセグメンテーションの目的は問題を素早く特定することです。上の図のように、登録、アクティビティ、支払いをピラミッドに積み重ねるだけで、グラフはかなり印象的なものになります。しかし、本質的には、ユーザー数、アクティビティ率、コンバージョン率という3つの指標をピラミッドチャートの形で繰り返しているだけではないでしょうか。

グラフとレポートの意味は同じなので、余計に変なグラフを作るのは、おならをするためにズボンを脱ぐようなもので、当初批判されたのもそのせいです。

生徒の中には、「1 つの次元が複数のセグメントに分割されている例がわかりました。そこで、支払いと活動の次元に注目して、次のような図を作成します。想像上の階層化効果は良いと思いませんか?」と言う生徒もいるかもしれません。

回答: これは、ディメンションが交差するユーザーセグメンテーションでよくあるもう 1 つの間違いです。

ユーザーの支払いとアクティビティの指標が重複していることはよくあります。分類次元が交差し、ある層のユーザーが別の層を包含している場合、解釈が難しくなります。このとき、より明確に見るためには、直接マトリックス分類を行うのがよいでしょう。

まとめると、ユーザーセグメンテーションが表面的なものにとどまることが多いのは、分析を行う学生が詳細な思考に対する意識に欠け、包括的に考えているように見せるために階層化された図を描くことばかりを追求し、ビジネスにおけるこの図の役割を無視し、さまざまな段階におけるビジネス自体のさまざまなニーズを無視していることが主な原因です。

ユーザー階層化の基本的な考え方

ユーザーセグメンテーションは実はとても簡単です。下の図に示すように、必要なのは「分類ディメンション + 分類基準」の 2 つだけです。

ユーザーセグメンテーションの最大の目的は、問題を迅速に特定し、ビジネスの突破口を提案することであると述べました。

これら 2 つの目標を達成するには、次の操作を行う必要があります (下の図を参照)。

分類の次元は現在のビジネスにとって重要な問題です。
分類基準はビジネスアクションに直接関連しています。

ビジネス開発における主要な問題とビジネスアクションは、まったく気まぐれなものではなく、「リーダーシップの指示に従う」ものではなく、製品/ビジネス開発のライフサイクルに深く関連しています。

「現在の主要なビジネス問題を理解する」ことについて話すたびに、ただ行って聞いてみればいいと言う学生もいます。直接コミュニケーションを取ることは良いことですが、何も理解できなければ、業務の共有が面倒になるだけでなく、たまに話す言葉も理解できないかもしれません。さらには、操作に混乱し、頭を使わずにリーダーの言うことを何でも実行してしまう可能性もあります。したがって、分析を行う学生は、分析についてある程度理解しておく必要があります。

開発段階に基づいて分類次元を選択する

通常、製品/ビジネスの立ち上げは 5 つの段階を経ます (下図参照)。各段階で重点を置くべき中核指標と重要課題は異なります。

従来の企業は、製品ライフサイクルの終わりに製品を売却し、次世代の製品が発売されるのを待つことを選択しますが、インターネット企業は複数の反復を行う可能性が高くなります。

次の図に示すように、段階が異なればビジネス上の懸念事項も異なります。

これらの基盤があれば、現状の事前判断ができ、ビジネスとのコミュニケーションもよりスムーズに行えます。現在懸念されている主要な問題を特定することで、分類の次元を確定し、以下の分類基準を検討することができます。

ビジネスアクションに基づいて分類基準を設定する

企業がユーザーに提供できる製品/サービス/エクスペリエンスは限られており、サードパーティの制限の対象となります。

製品の制限: 各製品および各製品の組み合わせは、限られたユーザーニーズのみを満たすことができます。
競合製品の制約: 企業が多くの製品を提供できるとしても、競合他社よりも優れたパッケージングを行うことは困難です。
需要の制約: ユーザーの好みは頻繁に変わります。今日気に入ったものでも、明日は気に入らないかもしれません。

これら 3 つの制約の下で、事業者はブロックバスター戦略を選択し、大ヒット商品、競争力のあるサービス、高品質の顧客体験を活用してユーザーを引き付け、目標を達成することがよくあります。

ユーザーが初心者段階のときはエントリーレベルの製品があり、成長段階では、特定の時点で特別な優遇特典が設定されます。これらのノードは自然な分類基準になります。

この点では、伝統的な企業はインターネット企業よりも好成績を収めています。従来の企業は、製品の販売による粗利益に依存して生き残っているため、顧客にどの程度のフィードバックを与えるべきかについて明確な定義を持っています。

一般的には、粗利益の一定割合をフィードバックとして割り当て、競合他社の割合を参考にしてメインギアを選択し、競争優位性を形成します。対応する分類基準は、ビジネス標準に直接適用することもできます (下の図を参照)。

この層別化標準のガイダンスに従って、層別化されたデータの変化に応じて対応する問題を簡単に見つけることができます。冒頭の例の効果と同様に、あるレベルのユーザーが少ないことがわかった場合、私たちはすぐに間違ったユーザーを探していることに気づき、製品の競争力を見直す必要があります。これにより、さらに詳細な分析を行うための手がかりが得られます。

それどころか、インターネット企業の中には、少数の大手企業を除いて、補助金のために必死に働き、お金を浪費している段階の企業がまだ多数ある。明確な商品ラインアップや競争戦略が欠如しており、運営資金がある限り、クーポンを目一杯発行し、規模を拡大し、上場して資金を調達する。そのため、インターネット企業は「登録が少ない - クーポンを発行、アクティビティが低い - クーポンを発行、リテンションが低い - クーポンを発行」という無神経な運用を展開することがよくあります。

データアナリストであれば、会社の業務が本当に無神経であることに気付くでしょう。どの AARRR 指標が下がったかを見て、短期的な活動を計画するだけです。全体的な計画も戦略もまったくありません。次に、競合製品の状況を参考にして競合製品分析を行い、消費/活動レベルの異なるユーザー間で自社製品と競合製品の違いを明確に区別し、XX レベルでは有利であり、XX レベルでは不利であることを理解できるようにします。

したがって、ユーザーセグメンテーション戦略を開発し、システムをさらに最適化することができます。結局のところ、私たちは活動ではなく業務に従事しているのです。