実践事例: ユーザー離脱警告システムの構築方法!

ユーザーが離脱するまで待ってから運用手段を使って呼び戻すのではなく、最初からユーザー離脱警告システムを準備しておく方が、ユーザー離脱率をより効果的に下げることができます。この記事の著者は、ランドリー チャネルを例に、ユーザー離脱警告システムの構築方法を説明します。

コミュニティ O2O コミュニティ製品の場合、ユーザー離脱は常に市場、運用、製品に関する懸念事項の 1 つです。一般的なユーザー運用においては、離反ユーザーへの解決策としては、一定期間プラットフォーム上で消費を行っていないユーザーを離反ユーザーと定義し、離反ユーザーを呼び戻す活動を行うことが挙げられます。

この操作モデルは、ユーザーを失った後に行われる介入行動であり、多くの場合、遅延が発生します。アプリをアンインストールしたユーザーにリーチしたり、呼び戻したりできる可能性は非常に小さいです。

したがって、効果的なユーザー離脱警告システムは、ユーザー離脱を防止する上で非常に重要です。データ操作プラットフォームと機械学習の助けを借りずに、ユーザー離脱警告モデルを構築する方法が、この記事で説明する主なトピックです。

実際の運用では、ユーザー離脱の予測は次の 3 つの質問に基づいて行われます。

• 質問 1: どのユーザーが解約するかを予測しますか?
• 質問 2: 予測にはどのようなデータ モデルが使用されますか?
• 質問 3: 解約する可能性のあるユーザーの特徴は何ですか?

この問題について、例を挙げて説明しましょう。プラットフォームのランドリー チャネルでは、最近、顧客離れが深刻化していることがわかり、この傾向を抑えるためにユーザー イベントを開催する予定です。ただし、この顧客維持イベントはチャネル内の多くのマーケティング活動の 1 つであり、予算は限られています。ユーザー部門は、データ マイニング手法を使用して、失われる可能性のある高価値ユーザーを見つけ、これらのユーザーの特性を特徴付け、失われたユーザーの特性を使用して、失われる可能性のある他のユーザーを見つけてグループ操作を行う必要があります。次の 5 つの手順では、迷子になったユーザーの具体的な操作方法を探ります。

1. ユーザー離脱をどのように定義しますか?

まず、サンプル ユーザーの解約を定義します。これにより、サンプル ユーザーの解約特性に基づいて、類似ユーザーの解約確率を予測できるようになります。

ランドリーチャンネルの運営者とコミュニケーションをとった後、まずランドリーチャンネルのユーザーを解約ユーザーと非解約ユーザーの2種類に定義し、3か月以内に消費行動があったかどうかに基づいて予備的な解約分類を行いました。データ レベルでは、解約したユーザーは 1 で表され、解約していないユーザーは 0 で表されます。

2. どのユーザーデータがユーザー離脱特性を特徴づけることができますか?

ユーザー離脱に影響を与えるために考慮すべきユーザーデータは何ですか?これは、ユーザー早期警告モデルを構築する上で重要なステップです。データ レベルでは、ユーザー ポートレート データと行動データという 2 つの次元が必要です。

• ユーザープロフィール情報: ID、性別、年齢、地域、メンバータイプ、ユーザーソース
• ユーザー行動データ: ログイン日数、オンライン時間、ログイン頻度、登録日数
• ユーザーの消費データ: 前回注文からの日数、累計注文数、累計消費額、平均注文額

3. 予測時間ウィンドウをどのように定義しますか?

解約分析の目的は、顧客が解約する前にそれを検出し、顧客維持対策を講じることです。では、分析中にサンプルデータ量としてどのくらいの期間を使用すればよいのでしょうか?

所要時間が短すぎると、ユーザー特性が代表的でない可能性があり、所要時間が長すぎると、モデリング操作時間が長くなりすぎてエラーをチェックすることが困難になるため、適切な予測時間ウィンドウを定義することが非常に重要です。

ランドリーチャネル事業者のユーザーの過去の消費データを調査し、包括的なデータの可用性と有効性を考慮した後、過去3か月のデータを予測ウィンドウとして、現在の月のユーザーデータを検証基準として、解約予測時間ウィンドウモデルを確立しました。

4. ユーザー離脱モデルを構築するには?

モデル構築の具体的なプロセスは技術的すぎるため、この記事の範囲を超えています。ここでは主に、解約モデルの構築の原則について説明し、そこから学ぶことを目指します。

まず、ユーザー特徴データと解約フィールドの間で探索的分析を実施し、各特徴ディメンションと解約の間に強い相関関係があるかどうかを確認する必要があります。相関の高いデータを保持し、相関の弱いデータを除外します。

上記は、ビッグデータ分析ツールを使用して構築したランドリーユーザー探索分析モデルです。このモデルに基づいて、次のような関連性分析結果を得ることができます。

分析結果によると、長期間登録している古いユーザーの損失はより深刻であり、これはチャンネルの古いユーザーに対するマーケティング努力を依然として強化する必要があることを意味します。関連性分析を通じて、ユーザータイプ、ソース、メンバーシップタイプ、都市、性別、登録日数、前回の注文からの時間、平均注文額など、解約と強く相関する 8 つのユーザーデータ フィールドを保持しました。

次に、他のユーザーの離脱を予測するためのユーザー離脱ルールを確立する必要があります。モデリング アプローチも必要であり、一般的なアプローチは、決定木アルゴリズムを使用してユーザー離脱ルールを生成することです。

モデルが確立された後、モデルはデータを計算して解約ルールを生成し、各データ ディメンションにおける解約の重要度をランク付けする必要があります。モデルを迅速に生成するために少量のデータが使用されるため、予測結果はあまり正確ではない可能性があり、参考用のみです。

モデルによって生成された解約ルールによれば、解約特性には 4 つのルールが含まれていることがわかります。

ルール 1 を例に挙げると、登録日数が 53 日を超え、メンバーシップの種類がダイヤモンド メンバーシップの場合、解約しやすいです。ただし、このユーザー グループは運用レベルでは価値の高いユーザーです。ランドリー チャネルの運営者は、価値の高い古いユーザーを維持することに特に注意する必要があります。同様に、右の図は、登録日数とメンバーシップの種類が 2 つの重要な影響要因であることを示しています。

5. 離脱ユーザー対策戦略の構築方法

解約ルールと解約に影響を与える要因が決定されると、ランドリー チャネルはどのユーザーが解約する可能性が高いかを予測し、解約する前にそのユーザーを維持できるようになります。そのためには、チャネルに具体的な運用戦略を提供する必要があります。

• セグメンテーション戦略：セグメンテーションモデルを構築することで、解約傾向のあるユーザーをいくつかのグループに分け、解約の可能性が高いグループの特性を分析し、そのユーザーを維持するためのターゲットマーケティング施策を策定します。
• スコアリング戦略: チャネルの高価値顧客を個別にグループ化し、高価値顧客の解約の可能性をモデル化してスコアリングします。チャネルは、解約スコアが高い高価値ユーザーに特別な注意を払い、適切な維持活動を設計して、そのユーザーを維持します。

セグメンテーション戦略は、すべてのユーザーを異なるグループで操作することです。チャネルは各グループにターゲットを絞ったマーケティング活動を設計する必要があります。この戦略は、チャネルに十分な予算とエネルギーがある場合に採用できます。スコアリング戦略は、一部の高価値ユーザーのみを予測してスコアリングし、スコアが高い高価値ユーザーに対してリテンションマーケティング対策を講じます。比較的、低いマーケティングコストで優れたマーケティング結果を達成できます。

著者: 趙文彪

出典: ユーザー操作観察 (ID: yunyingguancha)