ユーザーセグメンテーションを完了するにはどうすればいいですか? 4つの方法をお教えします

インターネット製品のユーザー数が多い場合、ユーザーの特性に応じて操作をより適切に調整するために、ユーザーを階層化することが一般的です。この記事の著者は、参考と学習のためにユーザーセグメンテーションの 4 つの方法を紹介しています。

ほとんどすべてのインターネット製品が、ユーザー数が多い場合にユーザー階層化を実行するのはなぜですか?

これは主に、ユーザー数が多い場合、数千人のパーソナライズされたニーズと普遍的な運用戦略との間の矛盾が、現在の製品の主な矛盾となるためです。ユーザー特性の違いにより、個別の要求が生じ、より洗練された操作の必要性も生じます。

ユーザーのセグメンテーションといえば、コアユーザー、シードユーザー、有料ユーザー、無料ユーザー、アクティブユーザー、離脱ユーザー、コンテンツ作成ユーザー、コンテンツ消費ユーザーといった言葉が思い浮かぶかもしれません。

例えば、TikTok のユーザーはコンテンツ作成者とコンテンツ消費者に大別できますが、もちろん両者はさらに細分化できます。

製品の核心的関心は利益です。この利益が金銭であろうとトラフィックであろうと、ユーザーをセグメント化し、異なるレベルのユーザーに対して異なる運用戦略を採用し、運用リソースを最大限に活用して製品の利点を最大化するために、洗練された運用を行う必要があります。

ユーザーセグメンテーションの本質は、ユーザーの特性や行動などに基づいてユーザーをセグメント化する洗練された操作手段です。

以下は、ユーザーセグメンテーションの一般的な 4 つの方法です。

1. ユーザー価値のセグメンテーションと階層化

ユーザー価値のセグメンテーションと階層化は、2 つの次元に分かれています。1 つ目は、ユーザーのライフサイクル定義に基づくユーザー価値のセグメンテーション、2 つ目は、ユーザーの主要な行動に基づくユーザー価値のセグメンテーションです。

ユーザーライフサイクルの定義は、ユーザー価値の成長パスに関連している必要があります。製品の種類によって価値の成長経路は異なります。製品が有料であるかどうかと製品の使用頻度に応じて、さまざまな製品の価値成長パスは次の 4 つの象限に分けられます。

誰もがユーザーライフサイクルモデルに精通している必要があります。一般的に、ユーザーのライフサイクルは 5 つの段階に分かれています。もちろん、これはすべてのユーザーが完全なライフサイクルを経験するという意味ではありません。これは単なる一般的なモデルです。

（１）導入段階：ユーザーは登録後、まだ始めたばかりで、製品やそれがもたらす価値をよく理解していない段階です。データ上の定義は、ユーザーが登録したばかりで、コア機能プロセスをまだ経験していないことです（コア機能プロセスは事前に定義され、統計のために埋め込まれている必要があります）

（２）成長段階：ユーザーは製品について一定の理解を持ち、製品が提供するユーザー価値を認識し、初期の使用習慣を確立し、製品を定期的に使用します。データの定義は、コア機能プロセスが経験されており、使用頻度と使用時間が定義された最小しきい値以上であること（たとえば、週に 3 回ログインし、毎回 10 分間システムを使用すること）です。

（３）成熟段階：ユーザーは製品に対して高い依存度と習慣性を形成しており、使用頻度と使用期間が著しく高く、比較的高い価値を提供できる。データの位置付けは、使用頻度と使用期間が一定の閾値（製品によって決定）以上であるか、支払い頻度と金額が一定の閾値に達することです。

（4）休眠段階：かつては成熟したユーザーであったが、現在は製品を訪問したり使用したりしなくなった、または訪問頻度が減少している。データの定義は、製品が10日以上使用されていないことです（具体的な分析は具体的な状況に基づいて行われます）。

（５）離脱期間：長期間製品にログインしていない、あるいは製品をアンインストールしたユーザー。データ定義は、製品を 30 日以上使用していないユーザーです (カスタマイズ)。

ユーザーの価値をセグメント化して階層化するもう 1 つの方法は、主要な行動に基づいてユーザーを分割することです。最も典型的で一般的に使用されている方法は、RFM 方式です。 RFM は、次の 3 つの主要なユーザー行動を表します。

R (Recency)、最新の取引からの距離
F (頻度)、取引頻度
M（金額）、取引金額

RFM法ではユーザーを8つのタイプに分類できる

（画像はあまり高画質ではないので、ご容赦ください）

各ユーザーの RFM 値を分析して、ユーザーのタイプを判断する必要があります。 RFM 法による層別化は、主に次の手順に分かれます。

データをクロールするには、RFM の 3 つの次元のクロール原則を設定し、開発者またはデータアナリストに支援を求めるだけです。

RFM の 3 つの次元の中央値を定義する一般的な方法は 3 つあります。

すべてのデータの平均または中央値
投資や財務管理のR値など、ビジネスノードの重要な価値に基づいて、一般的には1か月です。給与が支払われたときにのみ投資するお金があるからです。
80/20 ルールによれば、ユーザーの 80% は低頻度かつ低額の範囲に集中し、ユーザーの 20% は高頻度かつ高額の範囲に集中します。
クラスタリングアルゴリズムを意味するので、データアナリストがこれを知っていればベストです

ここではデータ分析の実施方法については詳しく説明しません。インターネット上には RFM の使用方法を説明する記事が多数あります。

RFM メソッドの核となるロジックは、ユーザー価値に影響を与える主要な行動を見つけ出し、クロス分析とユーザーセグメンテーションを実行することです。そのため、RFM モデルは必ずしも上記のような意味を持つわけではなく、分野によって異なる定義を持つこともあります。例えば：

金融分野では、R は最新の投資の時期、F は投資頻度、M は投資額を表します。
ライブ放送フィールドでは、R は最新のライブ放送視聴時間、F は視聴頻度、M は総視聴時間を表します。
ゲームの分野では、R は最後にプレイしたゲームの時間、F はゲームの頻度、M はゲームの継続時間を表します。次のように定義することもできます: R は最新のゲーム再充電の時間、F は再充電頻度、M は再充電量を表します。

RFM は、階層的な考え方を単純に表したものです。どの製品でも、ユーザーに影響を与える主要な行動を定義し、これらの行動の指標を定義し、これらの指標をクロス分析してユーザーの階層化を完了することができます。

2. AARRRモデルの階層化

グロースハッキングについて聞いたことがある人なら、このモデルをよくご存知でしょう。 AARRR モデルは成長だけでなく、ユーザーセグメンテーションにも使用できます。

ユーザーの取得: 登録せずにダウンロードするか、登録を完了するがそれ以上のアクションは不要です。この段階では、さまざまなチャネルの登録コンバージョン率に注意を払い、チャネルリソースの割り当てを最適化する必要があります。
アクティビティの改善: 製品のコアプロセスエクスペリエンスは登録されましたが、完了していません。この段階では、コアプロセスを完了するためにユーザーへの指導を強化する必要があります。
保持率の向上: ユーザーはコアプロセスを体験しましたが、保持時間は長くありません。保持の問題を分析し、具体的な運用戦略を提供します。
ウイルス拡散: アクティビティ頻度が一定のしきい値を超えるユーザー。ツールの最適化を通じてユーザーの宣伝を促進
収入の獲得：アクティビティと滞在時間が一定の基準を超えるユーザーに対して、特定のユーザーへの支払いのガイダンスを強化し、特定のシナリオと組み合わせます。

AARRR は比較的大まかなユーザー層別モデルであり、製品の初期段階に適しています。この段階では、ユーザー数は多くも少なくもなく、会社のデータシステムもまだ確立されていない可能性があります。

3. ユーザーIDのセグメンテーションと階層化

ユーザーアイデンティティについて話すとき、誰もが最初に思い浮かべる言葉は KOL です。コンテンツコミュニティでは、一般的にユーザーはKOLと一般ユーザーの少なくとも2つのカテゴリに分けられます。これら2種類のユーザーに対しては、異なる運用戦略が必要です。

製品分野におけるユーザーの行動特性や要求が大きく異なる場合にのみ、階層化にアイデンティティセグメンテーションを使用する方が適切です。たとえば、Weibo は少なくとも、有名人ユーザー、KOL ユーザー、アクティブユーザー、一般ユーザーに分類できます。

製品のユーザー ID セグメンテーションモデルをどのように整理すればよいでしょうか?自分自身に次の 3 つの質問をしてください。

ユーザー間に関係性はありますか?
特定のタイプのユーザーは、投稿するコンテンツの希少性に基づいてユーザークラスを形成しますか?
ユーザーは自然な方法でクラス昇格を達成できますか?

ユーザー間に関係がない場合、ID セグメンテーション階層モデルは適用されません。

関係があり、貢献度または希少性によりユーザーの階層化が発生する場合は、貢献度または希少性に基づいてユーザー階層化モデルを構築する必要があります。

さまざまなレベルのユーザーが自然に進歩できる場合は、上級レベルに基づいてユーザー階層化モデルを構築します。

4. ユーザー需要のセグメンテーションと階層化

ユーザーの需要のセグメンテーションと階層化は、主に次の 2 つの次元に分けられます。

ユーザー属性は主に、性別、年齢、職業、収入などの基本的なユーザーデータに依存します。
ユーザーのパーソナライズされたニーズは、主にユーザーの行動データ、個人の消費嗜好、個人のシナリオ嗜好によって決まります。

したがって、ユーザーの需要の細分化と階層化は、主に、これら 2 つの側面でユーザーのニーズに明らかな違いがあるかどうかを分析することによって実現されます。判断する方法は、経験の洞察とデータの 2 つがあります。

特定の操作では、単一のディメンションを使用して差別化を図ったり、2 つのディメンションを使用してクロス分析を行ったりすることができます。

差別化のためのディメンションを選択します。たとえば、典型的な製品である Mayu は、妊娠準備中、妊娠中、ホットなママなど、さまざまな状態のユーザーに異なるコンテンツをプッシュします。たとえば、マッチメイキング製品では、ユーザーのニーズをさまざまな年齢層や性別に応じてセグメント化および階層化します。

クロス分析のディメンションを 2 つ選択します。たとえば、ショッピング製品の場合、性別、年齢、消費嗜好の属性に基づいて、異なる製品がユーザーにプッシュされます。

ユーザーセグメンテーションの主な目的は、その後の洗練されたユーザー操作を容易にすることであり、最終的な目標は、最低の運用コストで製品収益を最大化することです。

ユーザー階層化の 2 つの中核要素は、第 1 に、明確なデータラベルと属性ラベルを使用して異なるレベルのユーザーを定義できるため、ユーザーラベリングの自動化を実現できること、第 2 に、異なるレベルのユーザー操作戦略がターゲットを絞られ、安定していることです。

ユーザーセグメンテーションの一般的な 4 つの方法: