ユーザー操作: ユーザーセグメンテーションはどのように行うのでしょうか?

ユーザーの階層化は、価値によるセグメンテーションという、ユーザーセグメンテーションの特殊な形式であると述べました。では、一般的なユーザーセグメンテーションはどのように行うのでしょうか?なぜ多くの学生がセグメンテーションを「役に立たない」と批判するのでしょうか?今日は体系的な答えをお伝えします。

1. ユーザーセグメンテーションの直感的な体験

ユーザーセグメンテーション自体は非常にシンプルです。たとえば、前のセクションで説明したユーザー層別化は、実際には次のような分類ディメンションに基づくシンプルなユーザーセグメンテーションです。

過去 1 年間のユーザー支出によるセグメンテーション: 高レベル (10,000 以上) 中レベル (5,000 ～ 10,000) 低レベル (1 ～ 5,000)
ユーザーのアクティビティ行動別にセグメント化: アクティブ (過去 30 日間に 15 日以上ログイン) 非アクティブ (ログイン日数が 15 日以下)
さらにシンプルに、男性/女性、高齢者/中年/若者といった基本属性でセグメント化します。

ユーザーをセグメント化するのは簡単ですが、効果的にユーザーをセグメント化するのは困難です。効果的とは、業務、製品、マーケティング、販売に役立つことを意味します。たとえば、高レベル、中レベル、低レベルの顧客を区別しています。高レベルの顧客は裕福であることはわかっていますが、彼らにどのようにサービスを提供すればよいのでしょうか。何時、どんな場面、どんなアクティビティですか?まだ不明です。したがって、階層化には 1 つの次元に頼るだけでは不十分です。より詳細な区分を行うには、より多くの分類次元が必要です。

小さな例を見てみましょう:

この例をどのように分析できるか見てみましょう。

（１）消費習慣の第一の考察

会社への収益貢献度から判断すると、ABC の 3 つのカテゴリは同レベルです。しかし実際には、ABC の 3 つのカテゴリは、3 つの異なる消費習慣を表しています。

A: 集中購買（独身の日に最も安いものを購入する可能性が高い）

B: 季節ごとの購入（四半期ごとに新製品のトレンドを追う可能性が高い）

C: 頻繁な購入（毎日のアクティビティが高く、運営側が最も好む）

（２）ユーザーの消費習慣の違いは運営方法に直接影響する

A: 集中調達：1つの大きなイベントが開始されます。

B: 季節ごとの購入: 季節ごとに新製品のプロモーション

C: 頻繁な購入: チェックイン + ポイント + 毎週のアクティビティ

どれを使用するかを決めるには、ユーザー構造全体における ABC の 3 つのカテゴリの割合を参考にして、主な戦術を選択します。効果は次のとおりです。

何かが存在するからといって、それが合理的であるとは限らないことに注意してください。リーダーは「現在はグループAが60％を占めているが、将来的にはグループCが60％を占めるようになることを望んでおり、現状を変えたい」と述べた可能性もあります。このように、戦術を選択する際には、C グループの特性をより考慮し、C ユーザーのニーズにより適したアクティビティ、製品、割引を見つける必要があります。つまり、ユーザー特性をより詳細に理解することで、運用に役立ちます。

これがユーザーセグメンテーションの直感的な役割です。セグメンテーションを通じて、操作に対してより詳細なデータガイダンスが提供されます。もちろん、指導の便宜上、この例のデータは極端なものです。実際の操作では、十分に高い識別力を持つ分類次元を見つけることができれば、同様の効果が得られます。核心的な問題は、それをどうやって見つけるかということです。これがユーザーセグメンテーションの鍵となります。

2. ユーザーセグメンテーションの手順

ステップ1：「有効」なものを定義する

このステップは非常に重要です。ユーザーをセグメント化する方法には限りがありません。事前に「効果的な」セグメント化が何であるかを明確に定義しておかないと、干し草の山から針を探すような細かい作業に巻き込まれてしまいます。

多くの初心者は、この点を最も簡単に見落としがちです。ユーザーセグメンテーションになると、クラスタリングモデルに大量のユーザー機能変数を詰め込もうとします。クラスタリング後、彼らは途方に暮れ、あらゆる場所で「ユーザー分類には科学的で権威ある基準があるのだろうか。それに異議を唱える者は引きずり出されて打ち負かされるのだろうか」と尋ねます。結局、彼らは運用チームから「一体何をしているんだ」と批判されます。それは、実際の業務から離れて、足し算、引き算、掛け算、割り算だけに集中しているからです。

効果的な分類基準は、もちろん、運用上のニーズに基づいています。運用目標、KPI、タスクから対応するデータ指標を細分化できます。たとえば、運用タスクは収益を増やすことです。ビジネス上の問題を分析上の問題に変換するには、以下の手順に従います。

分類基準を使用すると、セグメンテーションが効果的かどうかを確認できます。たとえば、目標は累積消費量が多いユーザーグループを見つけることです。最後に、私たちが発見したセグメント化されたグループ間の消費の違いが十分に大きいかどうか、そして私たちが本当に高額支出グループをターゲットにしているかどうかによって決まります。

具体的な効果は以下の図に示されています。

ステップ2: 運用手段の観点から分類次元を見つける

分類基準を見つけたら、ユーザーグループ間の違いがより明確になるように、どの次元でユーザーをセグメント化するかがわかります。これはもう 1 つの大きな落とし穴です。オプションのディメンションが非常に多いためです。多くの学生は混乱し、どのように選択すればよいのか疑問に思います。あるいは、最終的に選択した後に、運営スタッフが「なぜこのように分けているのですか？」と尋ねた。彼はこう答えました。「これは大きな違いだ！」すると、ビジネスを理解していない、無謀なことをしている、と批判され、とても落ち込みました…。

実際、分類ディメンションをフィルタリングするための特定の標準があり、あちこち走り回る必要はありません。

（１）信頼できるデータソースを持つディメンションを選択する

例えば、性別や年齢などの基本的なディメンションについては、多くの企業で厳密なデータ収集プロセスが確立されておらず、データのギャップが多く、信頼性を保証するのが難しいため、これらを使用しないでください。消費、アクティビティ、登録ソースなどの信頼できるデータを使用するようにしてください。

（２）オペレーションが影響を与える可能性のある次元を選択する

例えば、開発チームはデバイスモデルを非常に気にしているかもしれませんが、運用チームはそれを知っていても何もできないので、この時点では選択しないでください。運用チームが特に注意を払う指標がいくつかあります。例えば、運用チームがクーポンを発行したい場合、ユーザーのクーポン収集率と使用率は特に良い指標です。

（３）階層化の違いが明らかな指標を選択する

指標自体の差が小さく、データの分布が非常に集中しているものもあります。このような場合は、優先順位は付けられず、分布の差が大きい指標が優先されます。

上記 3 つの基準に基づいて、干し草の山から針を探すような盲目的な実験を行うことを避け、また、運用側から「これは何の役に立つのか」と批判されることも避けることができます。このプロセスは、リスク管理モデルを構築するときに特徴を見つけるプロセスと非常に似ていると考える学生もいるかもしれません。本当に似ていますが、違いもあります。リスク管理モデルに対応する業務アクションは「合格/不合格」のみなので、それほど考慮する必要はありません。運用のためにユーザーをセグメンテーションする際には、活動テーマ、時間、製品、セールスポイント、コミュニケーションチャネルなど、さまざまなことを考慮する必要があります。そのため、どのディメンションが運用に役立つかを検討する必要があります。

ステップ3: セグメンテーションを試して結果を観察する

分類次元を使用すると、分類基準を分割することができます。

ここでは 3 つの非常に厄介な問題があります。

各分類ディメンションにはいくつのセクションがありますか?
分類ディメンションをいくつ追加する必要がありますか?
適切なカテゴリはいくつありますか?

結果から始めましょう。原則として、最終的なカテゴリーの数は多すぎてはならず、各グループには運用上の重要性がなければなりません。イベントを運営するには、ポスターのデザイン、グッズの準備、システムの開発、リソースの割り当ての準備などが必要です。そのため、グループの規模が小さすぎる場合は、単独で活動を行うことは適していません。そのため、ユーザーセグメンテーションを行う際には、グループを最大 8 つのカテゴリ (各グループのシェアが 10% 以上) に制限するのが一般的です。具体的なサイズについては、プロジェクトの目標や運用状況に基づいて設計できます。

この一般原則では、分類次元と各次元の区分が多すぎることはできないことを意味します。キーとなる次元とキーとなる区分ポイントを選択するようにしてください。次元が多すぎる場合は、圧縮のために次元削減アルゴリズムの使用を検討してください。各次元でセグメント化する場合、次の点に注意してください。単一の次元でセグメント化して、一部のセグメントが特殊であることがわかった場合、それらを自由にマージすることはできません（下の図を参照）。

つまり、分類プロセスでは、最終的に理想的な結果が出力されるまで、多くのステップで繰り返し試行する必要があります。

3. 特記事項: ユーザーセグメンテーションと推奨アルゴリズムの違い

オンラインの記事の多くは、ユーザーのセグメンテーションと各個人に対するパーソナライズされた推奨事項を混同しています。言葉の上では、ユーザーのニーズを理解し、さまざまな人にさまざまなサービスを提供する効果を得るためにユーザーセグメンテーションを行う、と言う人が多いですが、ビジネスではこれらには 2 つの異なる意味があります。

特定のグループをターゲットにすることで、多くの先駆的かつ革新的なアクションを実行できます。たとえば、ハイエンドのユーザーグループを拡大したい場合は、ハイエンドユーザーを引き付けるために、新しい製品ライン、新しい報酬ポリシー、新しいサービスを立ち上げることができます。相手の好みや行動習慣を理解していれば、非常に正確に行うことができます。しかし、新しいデザインの前提は、ユーザーが一定のサイズを持っていることであり、私にとってはそうする価値があるということです。

したがって、セグメンテーションを行う際には、あまり多くの次元を考慮したり、細かく切り分けたりすることはできず、プロモーションが非常に複雑になります。これを世界に発表し、私たちがこれを実行していることを皆に知らせることで、群集効果を生み出し、より大きな成果を達成したいと考えています。

レコメンデーションシステムにはこの制限はありません。レコメンデーションシステムは情報チャネルを完全に閉じています。人によって見え方は異なるので、ユーザーの反応率が少しでも上がれば大丈夫です。そのため、既存の製品を推奨し、ユーザーと製品を可能な限りマッチングさせるようにしています。推奨システムは新しいアイデアや新しい効果を生み出すことはできず、新しい製品を設計することもできません。したがって、ビジネス目標が達成できる限り、分割の詳細さを気にする必要はありません。

4. まとめ: ユーザーセグメンテーションの本当の難しさ

プロセス全体を見ると、ユーザーセグメンテーションは原理的には単純ですが、操作は複雑であることがわかります。操作は複雑です。これはモデリングプロセスではありません。代わりに、ターゲットを把握し、寸法をスクリーニングし、セグメントのサイズを把握することです。これらすべてにおいて、ビジネスニーズを考慮する必要があります。データと統計は多くのツール（分類ツール、次元削減ツール）を提供しますが、それらを実際に使用するには、特定のビジネスシナリオを考慮する必要があります。教科書を暗唱できる学生が不足しているわけではありませんが、不足しているのは実践的なシナリオを考慮できるアナリストです。

多くの新人はこれを理解していません。彼らに尋ねると: