ユーザーオペレーションシステムを構築するには？

製品規模の拡大に伴い、ユーザーの数や種類も複雑かつ多様化しており、単一の運用戦略だけでは製品運用をサポートしきれなくなっています。著者は、ユーザー操作システムを再構築し、この問題を効果的に解決するための新しいアイデアと新しい操作戦略を提供します。

1. 背景

製品の初期運用段階では、ユーザー数が少なく、ユーザーの行動が不安定だったため、さまざまなビジネス目的に応じてユーザーを誘導し、活性化するための運用戦略を製品内に多数散在させて設計しました。

製品が開発され続けるにつれて、機能が増え、ユーザー数が増え、ユーザーの種類が多様化しますが、製品の運用戦略はより複雑でかさばり、その後の新規ユーザーにとってあまり使いやすくなく、運用アイデアの整理や運用戦略の策定に役立ちません。

そのため、散在する運用戦略を整理し、既存のユーザーデータの蓄積を活用して、完全かつ明確で効果的なユーザー運用システムを再構築する必要があります。

2. フレームワークを構築する

3. 詳細な手順

1. 製品の商業チャネルとユーザー価値の成長経路を整理する

1.1 商業チャネル分析

• DAU 値: 大規模なユーザーの粘着性と継続的なアクティビティを期待しており、製品内でユーザーの習慣形成チャネルが必要です。
• GMV 値: ユーザーに良好な支払い習慣が期待されるため、製品内に支払い行動変換チャネルが必要です。

1.2 ユーザー価値成長パスの分析

2. ユーザーの価値と性格の役割に基づいてユーザーをセグメント化する

2.1 ユーザーの役割に基づく階層化

製品を細分化して分析することで、経験に基づいて製品内のさまざまなタイプのユーザーに役割を定性的に割り当てることができます。

2.2 ライフサイクルに基づく階層化

ライフサイクルとは、ユーザーが【製品に触れる】から【製品を離れる】までのプロセス全体です。ライフサイクルをどう分けるかが最初の課題です。

上記のビジネス チャネル分析を通じて、製品の商業的価値は DAU と GMV に反映されることがわかりました。そのため、ユーザー ライフサイクルもこれら 2 つの値に従って分割する必要があります。

15日以上登録している継続ユーザーを抽出し、15日以内のログイン回数+利用時間+支払金額を取得して分析し、価値の高いユーザーを見つけ出します。

15 日前に登録した保持ユーザーをグループ化します。

このユーザー グループのログイン時間、平均使用時間、支出額の分布を観察します。

データ分析により、15 日以上保持されているこのユーザー グループのデータは、次のとおりであることがわかりました。

• ユーザーの31%が1～5回ログイン
• ユーザーの49%が5～8回ログイン
• ユーザーの20%が8回以上ログインしている

• ユーザーの11%は平均訪問時間が30分未満です
• ユーザーの52%は平均訪問時間が30～120分です。
• ユーザーの37%は平均訪問時間が120分以上です

• ユーザーの57%が100元未満を支払った
• ユーザーの29%が100～500ドルを支払った
• ユーザーの14%が500元以上を支払った

上記で分析したリテンションユーザーの行動の共通特性に基づいて、ユーザーはライフサイクルに分類されます。

以前に定義したパーソナリティ ロールの階層化とライフ サイクルの階層化を組み合わせ、ユーザーを成長段階と成熟段階にもう一度分割し、操作の粒度をさらに細分化して、後でよりターゲットを絞った洗練された操作を容易にするためのユーザーの成長ラダーを構築します。

3. ユーザー階層化に基づくユーザー成長ラダー+運用モデルの構築

3.1 ユーザー成長ラダーを構築する

以前に定義されたパーソナリティ ロールの階層化とライフ サイクルの階層化を組み合わせることで、ユーザーの価値が階層ごとに増加します。

3.2 ユーザー成長ラダーに基づくユーザー操作モデルの整理

4. 成長ラダーのさまざまな段階で成長パスを整理し、スクリーニングする（ユーザー維持とファネル分析）

Sangji 図を通じて、さまざまな段階にあるユーザーのすべての成長パスを列挙し、ユーザーの成長段階を改善するという目標を達成できるパスをリストすることができます。

各成長ステージにおいて、複数の改善パスを選別し、ファネルやリテンション分析などを通じて、各ステージで運用価値のある成長パスを選別します（複数のパスも可） 。

登録ユーザーから初心者ユーザーへのプロセスを例に、価値ある成長パスを選別する方法を分析します。他の段階でのユーザー グループ分析プロセスも同様です。

まず、ページアクセス経路を分析し、それをビジネスと組み合わせることで、ユーザーが登録ユーザーから初心者ユーザーへと進み、その後製品のコア機能を使用するまでの 2 つの経路を発見しました。

次に、これら 2 つのパスを分析します。両方のパスが主要なパスであることを考慮して、初期段階でのユーザーの行動が製品設計の期待にできるだけ合うようにし、選択肢が多すぎて損失につながることを避けるために、2 つのパスのうち 1 つだけを維持し、関連する操作の磨きとガイダンス作業をうまく行うことに重点を置きます。分析は主に 3 つの側面に焦点を当てています。

1. どちらの道が良いでしょうか?
2. ほとんどのユーザーはどのような特徴を満たしていますか?
3. ほとんどのユーザーは同じアクションを実行しますか?

新規ユーザーから初心者ユーザーまでの成長パスをすべて整理します。

関連性を分析する（どのパスがより良いか → 基本的な共通点を分析する → 行動の共通点を分析する）

まず、ファネル分析を使用して、2 つのコンバージョン パスのコンバージョン率を比較します。

パス A ファネル:

パス B ファネル:

次に、これら 2 つのパスのコンバージョン人口と損失人口を個別に保存し、主にユーザーの基本データ + ユーザー行動データを分析ディメンションとして使用して比較および分析し、その後のパスの最適化の意思決定に役立つ共通点が発見されるかどうかを確認します。

次に、ユーザー属性に基づいたイベント分析機能を使用して、主に地域、性別、年齢などの側面からこれらのユーザーを多次元で分析します。

次に、ユーザーの行動特性を分析し、コンバージョンに成功したユーザー群に対してイベント分析機能を用いてリテンション関連の分析を行い、その後のコンバージョンの安定性を検証し、リテンションのための重要なコンバージョン機能と価値向上のための重要な機能を発見します。

評価結果（コンバージョン率の比較、リテンション率の比較）：

1. 2,000 人の新規ユーザーのうち、1,238 人がパス 1 を完了し、コンバージョン率は 74% でした。1,738 人がパス 2 を完了し、コンバージョン率は 85% でした。したがって、2 つのパスの方が適しています。

2. 2 つのパスを通じてコン​​バージョンに成功した 3,000 人以上のユーザーのうち、

• a. 男性と女性の比率は77.3%と22.7%です。
• b. 1級都市と2級都市の利用者は32.3%、3級都市と4級都市の利用者は67.7%を占めています。
• c. 「アンカーをたどる」機能を利用したユーザーのうち、2回目以降の継続率は30%、サイト内平均は20%でした。

ユーザー成長パス テーブルでさまざまな改善段階のすべてのパスを分析すると、これらのパスとデータ分析の結果について理解を深めることができます。これらの分析結果を整理して、その後の運用戦略の意思決定をサポートできます。

5. ユーザーの成長経路に基づいた運用戦略を実行する

上記の一連の分析を通じて、さまざまなレベルのユーザーを改善するための洞察が得られました。次に、これらの洞察を使用して、各パスのさまざまなノードに対する運用戦略を設計する必要があります。つまり、ユーザーの行動を誘導して動機付け、ユーザーが事前に設定したパスに従うようにすることで、ユーザーの価値を向上させます。

運用戦略を設計する前に、ユーザーの行動を次のように分類する必要があります。

• 1 回限りの動作 (通常はメイン パスに存在し、つまり、最初のギフトの贈呈、最初のブロードキャストなど、特定の目標が初めて達成されたとき)。
• マイルストーン行動（主に、10 日間サインインする、1,000 件以上のいいねを獲得する、30 分間オンラインになるなど、ユーザーの累積的な行動を奨励する）
• 継続的な動作（ユーザーに継続的に実行を要求するアクション、毎日のログイン報酬、各ブロードキャストなど）。

ユーザーの成長パスで、1 回限りのインセンティブまたはマイルストーン インセンティブを必要とするインセンティブ ポイントを見つけます。

製品機能モジュールから長期的かつ継続的なインセンティブを必要とするインセンティブ ポイントを見つけます。

運用戦略設計:

6. ユーザーの成長経路をつなぐレベルシステムを設計する

動機付けられたユーザーの行動に報酬と成長値を割り当て、さまざまな機能モデルに従ってユーザー レベル曲線を構築し、最後に対応するユーザー レベルを権利と報酬に一致させます。

成長システム設計: 省略

7. 離脱前警告とリコールメカニズムの設計

7.1 解約指標の定義と解約グループの特定

ユーザーの復帰率を分析すると、復帰率が5%まで下がると明らかな転換点となり、その後は横ばい傾向にあることがわかりました。そのため、30日間ログインしていないユーザーを離脱ユーザーと定義しています。

7.2 さまざまなレベルでの離脱ユーザーの構造図を作成し、離脱ユーザーの行動を分析する

• プロセスに問題がありますか？初心者期、成長期、成熟期に基づいて、失われたユーザーの割合を分析します。
• ユーザー品質の問題が原因か: さまざまなチャネルから失われたユーザーの割合を分析します。
• 特定のユーザー グループの問題であるかどうか: 性別、地域、年齢、興味などのユーザーの基本属性を分析して、類似しているかどうかを確認します。
• 特定の動作/機能の問題であるか: 解約シナリオと、ユーザーが実行した動作/ユーザーが使用した機能を分析します。

以下では、初心者期間を例に、離脱したユーザーの行動を分析します。他の段階のユーザーグループの分析プロセスも同様です。

迷子になったユーザーの特性を分析し、迷子になったユーザーに対する段階的な早期警告データベースを構築します。

ユーザーのグループ化:

初心者ユーザーの1日あたりの平均使用時間の分析:

週ごとのログイン数を分析します。

前回の分析では、「アンカーをフォローする」機能によってリテンション率が大幅に向上することが確認されたため、この機能も分析して、ユーザーがフォローするアンカーの数を分析します。

データ結果を視覚化します。

データ分析に基づいて、初心者期間中のユーザー喪失の特徴は次のようにまとめられます。

• ユーザーの55%は現場で宣伝されたQRコードから来ている
• ユーザーの 98% は、1 日あたり 30 分未満しかアプリを使用していません。
• ユーザーの93%は1日2回未満しかログインしていない
• ユーザーの92%は2つ以下のアンカーをフォローしている

7.3 データの監視と初心者期間中に離脱が予想されるユーザーのモデル化

• オフラインマーケティングを通じて登録されたユーザーの自然離脱率は高く、その質も低いです。
• 3 日連続で 1 日のログイン回数が 2 回未満のユーザーは、離脱前ユーザーとしてマークされます。
• 登録期間を過ぎてアクティブだがアンカーをフォローしていないユーザーは、離脱前ユーザーとしてマークされます。
• 3 日連続で毎日のオンライン時間が 30 分未満のユーザーは、離脱前ユーザーとしてマークされます。

…

7.4 リコール戦略を策定し、自動リコール調整システムを確立する

リコール戦略: N/A

関連記事:

1. ユーザー操作：コンバージョン分析のための新しいファネルモデル！

2. ユーザーオペレーション：Bサイドオペレーションの考え方を活用してユーザー成長を高めるには？

3. 製品運用: データ分析を活用して製品ユーザーの成長を促進するにはどうすればよいでしょうか?

4. APP ユーザーの成長: 1 つのモデルで成長の問題の 90% を解決します。

5.ユーザーを増やすには？ PinduoduoとXiaohongshuを例に挙げましょう

6. ユーザーの成長を促す: ユーザーオペレーションは、新しいユーザーを引き付けるためだけのものですか?

7. ユーザー操作: 核分裂ユーザーなしで新しいユーザーを引き付けるために他に何ができるでしょうか?

8. ユーザー操作：金融商品はどのようにして休眠ユーザーを呼び起こすことができるのか？

9. ユーザー操作 | ユーザー行動パス分析を実行するには?

著者: AFen

出典: AFen