失われたユーザーを呼び戻すための明確で完全かつ再利用可能なソリューション

近代経営の父、ピーター・ドラッカーはかつてこう言いました。 「ビジネスの目的は顧客を創造し、維持することだ。」

「創造」とは、その名の通り、ユーザーに「アハ体験」をもたらし、顧客がコア機能に素早くアクセスできるようにすることです。その後、これを基に高速成長トレインを構築し、ユーザー成長を実現できます。

しかし、バスにまったく乗らなかったり、途中で降りてしまう人もいます。このとき、別の方法、つまりユーザー成長とはユーザーを維持することであり、それが今日紹介する失踪ユーザーリコールシステムです。今日は情報商材の想起システムを0から1まで構築する方法を紹介します。

リコール制度は5つの部分に分かれており、具体的な内容は以下のとおりです。

ユーザー成長システムの 5 段階図:

問題を見つける
アイデアを提案する
期待される結果
テスト
リプレイ分析

これら 5 つのステップは、完全なユーザー成長システムを形成します。ステップ 1 ～ 5 は、1 週間から 2 週間にわたって継続的に繰り返されます。これをユーザー成長サイクルと呼びます。

成長チームは、サイクルごとに会議を開催し、前のサイクルのテストをレビューおよび分析し、問題を特定して新しいアイデアを提案し、最終的に次のサイクルで実施するテストを決定する必要があります。

1. 問題を発見する

問題を発見したときは、次のいくつかの質問について慎重に考える必要があります。

現在の損失状況はどうなっていますか?
ユーザーをリコールする必要はありますか?
新規ユーザーを獲得するためのコストはいくらですか?
ユーザーをリコールするにはどれくらいの費用がかかりますか?

まず、現在の解約状況を把握する必要があります。リコール計画を開始する前に、解約したユーザーの総数、月ごとの新規解約ユーザーの数、解約したユーザーの時間分布などを把握する必要があります。次の図は、失われたユーザーの全体的な状況を示しています。

青い棒グラフは新規解約の絶対値を表し、赤い曲線は新規解約率を表します。

新規失客率 = 新規人数 / 失客数

この比率から、損失率が新規追加率を上回り、損失の絶対値が増加していることがわかります。これは主にチャネル拡張期間に発生します。このグラフを通じて、現在のチャネルの基本的な状況を理解することができます。

次に、次の質問である、失ったユーザーを呼び戻す必要があるかどうかについて議論しましょう。

一部の企業はユーザーを呼び戻しません。たとえば、一部のインターネット金融会社は、新規ユーザーを誘致する際に、すでに新規ユーザーに多額の補助金を出しています。ユーザーのライフサイクルにおけるマーケティング費用は限られているため、失ったユーザーにさらにお金をかけることはありません。これは金融商品の顧客獲得コストが過度に高いことが原因です。

一般的に、金融商品の平均的な顧客獲得コストは1人あたり100〜500元です。すべての要素を考慮すると、インターネット金融会社は解約段階ではなく、解約前の段階に業務を集中することになります。

とはいえ、情報プラットフォームの顧客獲得コストは5～30元程度と比較的低く、失ったユーザーの呼び戻しをサポートするための運営費も豊富です。

ベイン・アンド・カンパニーのフレデリック・ライクヘルド氏はかつて、ユーザー維持率が 5 パーセントポイント上昇するごとに、利益が 25 ～ 95 パーセントポイント増加するという調査を行いました。

まとめると、情報プラットフォームは失ったユーザーを呼び戻す計画を立てなければなりません。また、単に呼び戻すだけでなく、定期的に呼び戻す必要があります。

最後に、ユーザーを呼び戻すのにどれくらいのコストがかかるかを分析しましょう。

以前、インターネットファイナンスの記事を紹介した際に、ユーザーのリコールにかかるコストをユーザーのライフサイクル貢献度に応じて配分する（リコールコスト＝ユーザーライフサイクル貢献コスト－市場コスト－運用コスト）という手法を紹介しました。

この方法は電子商取引やインターネット金融などの業界に適用できますが、情報などの他の業界ではライフサイクル貢献価値が上記2つの業界ほど明確ではないため、この式を使用して直接計算することはできません。

情報プラットフォームの場合、リコールの初期段階でリコールコストを設定するためにマジックナンバーが使用されます。

業界統計によると、新規ユーザー獲得コストは既存ユーザー維持コストの5倍です。つまり、既存ユーザー維持コストは新規ユーザーの1/5となり、これがコストの下限値となります。

離脱したユーザーが離脱していた期間の長さに応じて、長い間離脱していたユーザーも実は考え方を変えれば新規ユーザーとして考えられるため、上限コストは新規ユーザーを獲得するコストと等しくなります。

ここで、新規ユーザー獲得コストは業界平均の15元（情報フロー、アプリストアなどを含む）としており、リコールコストの範囲は次のようになります。

リコールシステムの成長実験が始まる前のコスト範囲は、あらかじめ決まっています。その範囲内でいくらの金額が妥当なのか、リコール率とコストのバランスをどう取るのかについては、その後の実験や再分析をもとに、最適なリコールコストを見つけ出すために改良・完成させていきます。

2. アイデアを提案する

このアイデアは、テストの第 4 フェーズの準備として、ユーザーの質、リーチツール、SMS コピーライティング、報酬ギフト、ランディングページなどのモジュールに基づいてスプライシング実験を実行するために提案されました。以下のように表示されます。

私たちの考えでは、ユーザーは A1、A2、A3...AN に分類され、連絡手段は B1、B2、B3...BN、SMS コピーは C1、C2、C3...CN に分類されます。

このようにして、合計 N x N 個のソリューションが予備プールに入りますが、会社のリソースには限りがあり、すべてのアイデアを実行することは不可能です。多数のアイデアに優先順位を付けるにはどうすればよいのでしょうか。ここで、ショーンが指定した「ICE スコアリングシステム」を使用して、第 2 段階のアイデアを整理します。

ICE は、インパクト、信頼性、使いやすさを意味します。

たとえば、次のようになります。

現在、N 個のソリューションがありますが、リソースの都合上、同時に実行できる実験は 3 つだけです。そのため、ICE スコアリングを使用し、最終的に高スコアから低スコアの順に 3 つのソリューションを選択して実験テストを行います。

3. 期待される結果

期待される効果のステップを無視したユーザー増加実験を数多く見てきました。ユーザー増加実験は迅速な反復実験とレビューに関するものだと考える人もいますが、実験前に効果を見積もることを忘れています。これは間違ったアプローチです。

方向が間違っていると、効率的な実行は失敗に終わります。

そのため、実験を行う前に、現状の指標を分割して分析する必要があります。リコールされたユーザーを例にとると、実験前に自然復帰ユーザー（テスト方法ではなく、離脱後に自然に戻るユーザー）のさまざまな指標を把握するとともに、各タイプのユーザーの自然復帰指標を分割して、期待される目標を設定する必要があります。以下のように表示されます。

上の図は、離脱したユーザーの自然復帰のデータを示しています。このデータをどのように解釈すればよいでしょうか?

つまり、ユーザーが 30 日間連続してログインしていない場合、そのユーザーは離脱ユーザーとみなされます。これらのユーザーが SMS や PUSH などのリコール実験戦略にさらされていない場合、自然復帰率は上図の緑色の列に示すようになります。

これらのユーザーは、解約前の特定の行動に従って分類されます。解約前のさまざまな行動によって、自然な復帰と実験的な想起の難しさも決まるためです。たとえば、元メンバーユーザーの自然な復帰は、他の行動よりも高いことがわかります。

自然なリターンデータがあれば、それに基づいて目標を設定するのが自然です。こうすることで、実験前に具体的な目標の方向性が定まります。

4. テスト

テストフェーズでは、ステップ 2 のアイデアを実践します。戦略は策定されました。ステップ 2 と同様に、実験を 3 つのグループに分けます。

テストグループ1: A1+B1+C1+D1+E1、
テストグループ2: A1+B3+C1+D1+E1、
テストグループ3: A1+B3+C1+D1+E3。

失われたユーザーは、3 つのサンプルグループの均一性と一貫性を確保するためにサンプリングされ、グループ化されます。次は具体的な実装フェーズです。

A: 質の高いユーザーをスクリーニングします（RFM や行動モデルなどに基づいて）。
B: リーチツールを準備します。たとえば、SMS には携帯電話番号、PUSH には IMEI と IDFA、アクティビティにはユーザー ID が必要です。
C: SMS のテキストを書いて法務部門に確認してもらいます。
D: ギフト配布の形式と時間。たとえば、リピーターユーザーが SMS をクリックしてアプリに入ったときにギフトが送信されるか、T+1 ベースで配布されるかなど。
E: SMS リンクまたは PUSH をクリックした後に表示されるランディングページ。

準備はすべて整いました。あとは実行するだけです!

5. レビューと分析

レビューは、ユーザー成長システムの最後のステップであり、最も重要なステップでもあります。レビューによって、次の成長サイクルの方向が決まります。したがって、データを多次元的かつ三次元的に分析する必要があります。優れたレビューシステムは、半分の労力で 2 倍の結果を達成します。

レビュー分析についてお話しましょう。レビュー分析マインドマップは以下のとおりです。

次に、マインドマップを段階的に実行し、回顧的分析を使用して活動の長所と短所を評価し、問題を特定し、次の成長サイクルの戦略を策定します。

いくらかかりましたか？

最初の段階、つまり問題を発見した段階では、リコール料金を3元に設定しました。この価格は経験に基づいて決定されました。それが本当に合理的であるかどうかについては、検討・分析の段階で検証する必要があります。

実際のリコールコスト = リーチツール (SMS、PUSH) + 報酬コスト + その後の運用コスト。例: SMS 料金は 0.3 元、報酬ポイントのコストは 3 元で、ユーザーがリコールされた後、プラットフォーム上のリベート活動に参加すると、リコールコスト = 0.3 元 + 3 元 + 1.7 元 = 5 元になります。

この価格が妥当かどうかについては、計算してみましょう。ログイン費用だけを考えれば、新規ユーザーがプラットフォームに入るのに15元かかり、1年以内に12回のログインが発生するため、平均ログイン料金は1.25元になります。

リコールされたユーザーはリコール後に3.7回ログインすることになり、1回のログインにつき1.35元の費用がかかることになります。

この計算によると、古いユーザーを呼び戻すログインコストは新規コストよりも大きいため、呼び戻すコストを適切に削減し、報酬コストを2.625元以下に抑える必要があります。つまり、合計呼び戻すコストが4.625元未満であれば妥当な価格です。

実験効果は何ですか?

上記のガントチャートには、各実験のリコール率、リターン品質、リコールコスト、戦略、実装時間が表示されます。下のバブルチャートでは、アクティビティの品質をより直感的に表示できます。

横軸はリコール率、縦軸はリコール後の品質、円の直径はリコールコストを表します。

D、E、Fの使用率が優れていることがわかります。アクティビティマトリックスを分析すると、リコール率に影響を与える主な要因はテストマトリックスの列A、つまりユーザー分類であることがわかります。A1は高品質のユーザーを表すため、リコール率は高くなります。

これは、離脱前の品質が高いユーザーはリコールしやすく、リコール後の品質もそれほど悪くないという私たちの仮説を裏付けるものでもあります。逆に、A、C、G は低品質ユーザーの A3 カテゴリに属しており、リコール率とリコール後の品質も比較的低いことがわかります。

もちろん、状況が実際の結果と完全に逆の場合は、戦略を調整し、テストマトリックスを再定義します。

たとえば、計算した高品質ユーザーの実際のリコール率とリコール後の品質は非常に低いのに対し、平均品質のユーザーは両方の面で非常に優れたパフォーマンスを示しています。次に、どの変数がリコール率とリコール後の品質と高い相関関係にあるかをさらに詳しく調べる必要があります。次のテストサイクルでは、新しいモデルメソッドに従ってユーザーを再分類します。

その後の出力（再現品質）:

その後の出力状況（想起品質）がバブルチャートに表示されています。想起されたユーザーのその後のパフォーマンスを観察し、効果的な行動、保持、コア行動などの指標を定量化した結果です。ここでは1～5のスケールでスコア付けされています。スコアが高いほど、その後のパフォーマンスが優れています。

RFM分析:

通常、ユーザーを分類するために RFM モデルが使用されます。ユーザーは、解約までの期間 (Recency)、ログイン頻度 (Frequency)、解約前の有効な行動 (Monetary)に基づいて、高品質、中品質、低品質のユーザーに分類されます。

RFMのMは元々金額を意味しますが、情報商材の財務属性は比較的低いため、ここでは有効行動に変更しました。

上記のバブルチャートを通じて、リコール品質分析では、RFM モデル分類の合理性を検証し、ユーザー分類モデルを継続的に修正することもできます。

後から改善するにはどうすればいいでしょうか?

前述のガントチャート、バブルチャート、リコール品質、RFM分析からは、良い部分をどう改善するか、悪い部分をどのように改善するかなど、多くの貴重な情報や問題点を掘り出すことができます。

ユーザーの分類、リコールコスト、連絡方法の選択、コピーライティングの選択、ギフトの選択などが合理的かどうかを運用の観点から分析します。
製品の観点から、ユーザーが初めてアプリを開いたときのランディングページの選択、短縮リンクをクリックしてからアプリを開くまでの待ち時間などに最適化の余地はありますか。技術的な観点から、ユーザー増加システムを自動化することはできますか?

これまで、ユーザー成長サイクルのすべてのステップが完了しました。今日は、ユーザー成長システム全体のプロセスを整理してみましょう。

ユーザー成長システム: