4 つのユーザー成長モデル: シンプルなものから洗練されたものまで!

最も単純な成長モデル AARRR モデル:

利点:構築が簡単で、ノーススターインジケーターに影響を与えるすべての要素をすばやく表示できます。

デメリット:定性的なモデルであるため、比較的大まかです。各要因が North Star Growth に与える影響を数値的に説明したり、各要因間の関係を示したりしません。

使用シナリオ:成長モデルの最初のバージョンとして使用して、チームが成長要因を全体的に理解し、さまざまな製品を比較するのに役立ちます。

02

半高度成長モデル：フルチェーンファネル型と因数分解型

利点:成長に影響を与える要因を分解できるだけでなく、対応するセグメント化された指標と値を見つけ、簡略化された数式を使用してそれらの関係を表現することで、機会を見つけて簡単な計算を実行できます。

デメリット： AARRR モデルと比較すると、構築に時間がかかり、特に因子分解モデルではより多くのデータが必要になります。定量モデルと比較すると、式が単純で、将来の傾向を予測したり、仮説分析を行うことはできません。

使用シナリオ：情報量が多く、構築が複雑ではないため、日常使用の成長モデルとして推奨されます。

質問

事例: フルチェーンファネル型 – Google の広告収益モデル

フルチェーン ファネル タイプは、North Star インジケーターの乗法分解に近いもので、「クリックスルー率」、「広告表示回数」、「平均クリック単価」のすべての要素を細分化し、どの要素がこれらの要素に影響を与える可能性があるかをさらに分解します。

質問

事例：要因分解型 - 特定の相互金融貸付商品の利益成長モデル

要因分解はさらに一歩進んでいます。私たちは、最終的なノーススター指標を正確に計算するための公式を使用したいと考えています。上記の利益モデルでは、これらの要因のうち、「不良債権」比率と「貸し手の利息」は制御が難しく、顧客獲得コストに影響を与える可能性があります。次に、顧客獲得コストをさらに「再借入顧客獲得コスト」（古いユーザーが再度借入するコスト）と「初回借入顧客獲得コスト」に分解します。初回借入は、新規ユーザー数や初回借入コンバージョン率などに分解できます。これらのセグメント化された指標に基づいて、ターゲットを絞った運用改善を行うことができます。

03

最も洗練された成長モデル：完全定量モデル

成長に影響を与える要因と対応するサブ指標を分解し、Excelですべての指標を組み合わせてノーススター指標を計算します。

利点:過去の傾向を観察して North Star インジケーターの将来の値を予測し、仮説分析を実行してさまざまなインジケーターの変化が North Star インジケーターに与える影響を定量化できます。

デメリット:組み立てとメンテナンスが面倒です。毎月更新する必要があります。

使用シナリオ:一定のデータ基盤を持ち、洗練された操作を必要とするチームに適しています

質問

事例: アプリの完全な定量モデル

したがって、この North Star 指標の月間アクティブ ユーザーは、前の 2 つのワークシートを通じて完全に計算されます。どのように計算するのでしょうか?

入力シート1: 月間新規ユーザー数

主な変数: さまざまなチャネルを通じて獲得した顧客数、K係数、アクティベーション率

時間軸: 過去の状況と将来の予測に基づく

6 つのチャネルがあり、それぞれが毎月一定のインストール数をもたらします。チャネルの 1 つはユーザー推奨です。アクティブな既存ユーザーが毎月もたらす新規ユーザーの平均数を表すために、K 係数が事前に設定されています。ユーザー ベースが大きいほど、推奨を通じて来る人が増えます。6 つのチャネルからのインストール数の合計が合計され、インストールからアクティブ化への変換率が 90% に事前設定されており、これを使用して毎月の新規アクティブ ユーザー数を取得できます。 1 月から 5 月までは過去の状況であり、6 月から 12 月までは将来の状況の予測であることがわかります。

入力ワークシート 2: 維持率

過去の平均値に基づき、実際の状況に応じて調整可能

出力ワークシート: MAU (月間アクティブユーザー) ワークシート

月間新規ユーザー数 * 翌月の継続率は月ごとに計算できます