データに敏感であるとはどういう意味ですか? APP はどのようにデータ分析を行うのでしょうか?

今日はデータについての私の理解についてお話します。

1. 目標をより現実的にするためにデータディメンションから分割する

私は2年近くeコマースの運営に携わってきましたが、最も印象に残ったのは、目標とデータの次元を分離した点です。

天猫の双十一が過ぎ、ジャック・マーは912億円という新たな成果を樹立した。昨年の571億ドルから今年の912億ドルまで、ジャック・マーはどうして今年は900億ドル稼げると断言できるのか？この目標を設定する前に、目標を細分化する必要があります。

900億の取引量は、まず過去の分類の割合に応じて各分類に分けられ、各分類は一定の売上目標に責任を持ち、次に、分類は売り手の過去の取引量の割合に応じて各売り手に分けられ、各売り手は一定の売上目標に責任を持ちます。販売者は、日々の店舗コンバージョン率に基づいて、どれだけのトラフィックが必要かを逆算できます。各カテゴリーとプラットフォームが提供できるトラフィックを組み合わせることで、トラフィックギャップを把握できます。次に、各チャネルを通じてトラフィックを獲得するためのコストを計算することで、Double 11 プラットフォームが投資する必要があるマーケティング資金の額を決定できます。このような分割により、900 億の目標全体が明確になり、実現可能になります。

何をするにしても、成功したければ、目標を細分化せずにはいられません。どんな抽象的なものでも、数学的な手法で解決できます。データ化によって物事はよりシンプルになり、実行しやすくなります。また、結果の評価も容易になります。

2. 多くのビジネスは実は定式化されている

私が初めて電子商取引を始めてビジネス研修を受けたとき、最初の授業では 1 つの公式しか教えられませんでした。

取引額 = 購入者数 x 平均注文額

取引量を増やしたい場合は、購入者の数を増やすか、平均注文額を増やすかのいずれかになります。振り返ってみると、これまで見てきたすべてのプロモーション方法の中で、これら 2 つの価値を高めることを目的としていないものはないことがわかります。一定額以上の購入に対する割引、一定額以上の購入に対する無料ギフト、2つ買うと1つ無料などの特典は、平均注文額を増やすための手段であり、フラッシュセールやグループ購入は購入者数を増やすための手段です（フラッシュセールの核心は、関連セールへの大量のトラフィックを集めることです）。

それだけでなく、この式はさまざまなビジネス シナリオに基づいて複数の形式に分解することもできます。

購入者数 = ビジネス詳細 UV x 注文率 x 支払い率

ビジネス詳細 UV = 広告インプレッション x 広告コンバージョン率 = 検索インプレッション x 検索コンバージョン率 = アクティビティインプレッション x アクティビティクリック率

したがって、取引額を決定する要因は、各チャネルのコンバージョン率、写真のクリック率、商品の注文率、支払い率となり、これらの多くの詳細が共同で最終的な取引額を決定します。次に、これらの詳細を個別に最適化します。このプロセスは、データに基づく洗練された操作と呼ばれます。

考えてみれば、あなた自身のビジネスも方程式ではないでしょうか？自分なりの公式を見つけてそれを分解してみると、改善できる方法がいくつも見つかるかもしれません。

3. オペレーションは最終的にはファネルである

インターネットモデルでは、どんな製品を作るにしても、その実現が基本的な目的であり、収益化である限り、コンバージョンが伴います。コンバージョンは実際にはファネル モデルです。

ファネル モデルは、運用データで最も頻繁に言及される言葉です。ビジネス チェーンでは、各リンクのユーザー数は継続的に減少しています。運用側が行う必要があるのは、ファネル内の各リンクのコンバージョン率を向上させるためにあらゆる可能な方法を試すことです。

たとえば、e コマース アクティビティ ページのファネル モデルは次のようになります。

このようなファネルを使用すると、各リンクが何を表しているか、どのように改善できるかを分析できます。

1. pv/uv: ページ訪問の深さは、ページが魅力的かどうか、ユーザーがページをクリックすることに興味があるかどうかを直接反映します。
2. アクティビティページ -> 詳細ページ UV: ページ上のコンテンツが魅力的かどうか、製品がユーザーに好まれているかどうか、クリック効果の低い製品は、ページのクリック状況に応じて適時に置き換える必要があります。
3. 詳細ページ uv—> 注文数: 商品のコンバージョン率はどれくらいか、売れ筋商品かどうか、ここでのコンバージョン率が低すぎる場合は、コンバージョン率の高い商品に置き換える必要があります。
4. 注文人数 -> 支払い人数: 商品の支払い率が通常値より低い場合、販売者は注文を促す必要があります。

注意すべき点は、ファネル モデルを比較する必要があることです。ファネル モデルが 1 つしかない場合、それは単なるデータの表示に過ぎません。分析を行う場合は、以前のファネルと比較したり、プラットフォームの平均と比較したりするなど、比較する必要があります。問題は、比較のプロセス中にのみ発見できます。

製品オペレーターとして、私たちは平均日次UV、コンバージョン率、ダウンロード量など、製品のあらゆる主要データに精通している必要があります。そうすることで、まずデータの異常を発見することができます。製品データに精通することは、データに敏感になるための前提条件です。

4. 完全なデータ分析レポートには何を含めるべきですか?

これまでいくつかの理論的な側面についてお話ししてきましたが、最後に参考までにデータ分析テンプレートを紹介します。

1. まず、活動目標に基づいて目標達成率、完了率、改善率を決定する必要があります。

これが冒頭に書いたこの活動の結果です。のように：

このイベントUV 24w（20w、 ↑ 20％）、UV値3.6（3、 ↑ 20％）

2. 週次または月次レポートを公開する場合、次のステップはコアデータのトレンドチャートです。

このグラフでは、各データの転換点を分析する必要があります。たとえば、グラフの 11 月 7 日と 8 日の UV 値が大幅に増加しています。この理由を見つけてレポートに記述する必要があります。

3. 次のステップはトラフィック分析です。主にトラフィックソースの分布と各チャネルのトラフィック変換率の分析に焦点を当てます。

トラフィックが増加した場合、どのチャネルがトラフィックの増加をもたらしたか、なぜ増加したかを調べ、その理由を分析する必要があります。トラフィックの品質はどの程度で、どのチャネルのトラフィックのコンバージョン率が高いか。ここでは 2 つの円グラフが必要です。1 つはトラフィック チャネルの割合、もう 1 つはチャネルによってもたらされたコンバージョンの割合です。

上記の 2 つの円グラフから、サイト内トラフィックのコンバージョン率が明らかに高いのに対し、 GuangDianTongによってもたらされるトラフィックのコンバージョン率は比較的低いことがわかります。さらに、チャネルソースの割合を以前の期間と比較することで、現在のトラフィック構造の変化を確認できます。

3. コンバージョン率分析（ファネル モデル分析とも呼ばれます）。

前述したように、ファネル モデルには比較データが必要なので、ここでの分析では 2 つのファネル モデルをリストする必要があります。

ファネルモデルの各リンクにおけるコンバージョンの分析は、主に過去のデータと比較し、活動ページ、トラフィック、製品機能など複数の要素を組み合わせて、ここで各リンクのコンバージョン率が増加または減少した理由を分析しようとします。

4. モジュールクリック分析

製品ページやアクティビティページを設計するときは、ページの構造が適切かどうか、ユーザーのクリック分布を把握して、ページの改善に役立てる必要があります。新しいページ スタイルを試すときは、ここでのモジュールのクリックを分析して、構造によってデータが改善されたかどうかを確認する必要があります。

モジュールクリック分析は、主に各モジュールのクリック円グラフとコンバージョン率の観点から分析されます。クリック円グラフはユーザーのニーズを示すことができ、モジュールコンバージョン率は各モジュールのコンテンツがユーザーのニーズを満たしているかどうかを反映します。モジュールコンバージョン率が低い場合は、このモジュールのコンテンツが高品質であるかどうか、またはこのモジュールのスタイルを変更する必要があるかどうかを検討する必要があります。

5. 改善と最適化

すべての活動には、常に良い面と悪い面があります。データ分析の目的は、経験を積み、方法論を統合することです。各データ レポートの最後に、この活動の概要を作成する必要があります。たとえば、新しいゲームプレイを試して、それがどれだけ効果的かを確認したり、新しいページ スタイルを試して、クリックスルー率が上がったかどうかを確認したりします。この経験を今後のイベント企画に活かします。

5. データがすべてではない

最後に、データは万能ではないということを述べておきたいと思います。

私たちがよく行うデータ分析は膨大なデータを元に行われますが、スタートアップ企業ではデータ体制が万全ではなく、データ量が足りない場合が多くあります。データはあくまで参考程度にしか使えず、データに頼りすぎると誤った判断につながることも少なくありません。

データには多くの指標があり、統計的な側面も数多くあります。深く掘り下げると、多くのエネルギーを要しますが、効果的ではない可能性があります。したがって、最も重要なデータ指標を見つけて、最も合理的に分析することが非常に重要です。

今日はこれで終わりです。データ分析を行う際、焦点はデータではなく分析にあります。データに敏感であるということは、データの異常の背後にある理由を明確に理解できることを意味します。これには、経験だけでなく、思考力と実行力も必要です。データに敏感なインターネット人間になってほしいと思います。

終わり。

APP Top Promotion （www.opp2.com）は、モバイルアプリプロモーションの運用方法、経験とスキル、チャネルASO最適化ランキング、アプリマーケティング情報の共有に重点を置いた、中国トップのモバイルアプリプロモーションプラットフォームです。公式WeChatパブリックアカウント：appganhuoのフォローを歓迎します。

[トップAPPプロモーションWeChat QRコードをスキャンして、より多くの乾物と爆発物を入手してください]

この記事は、（APP Top Promotion）@酥酥によって編集され、公開されました。この記事を転載するにはTop Promotionの同意が必要であり、この記事へのリンクを添付してください。