ユーザー操作 | ユーザー行動パス分析を行うには？

ユーザー行動パス分析は、インターネット業界特有のデータ分析手法の一種です。主に、アプリやウェブサイト内の各ユーザーのクリック行動ログに基づいて、アプリやウェブサイトの各モジュールにおけるユーザーのフローパターンと特性を分析し、ユーザーのアクセスやクリックパターンを探り、アプリコアモジュールのリーチの向上、特定のユーザーグループの主流パスの抽出と閲覧機能の特徴付け、アプリ製品設計の最適化と修正など、特定のビジネス目的を達成します。

この記事では、ユーザー行動パス分析方法について簡単に説明し、パス分析のビジネスシナリオと技術的手段の紹介に重点を置いて、議論の出発点となるようにします。インターネットデータ分析に熱心に取り組んでいる友人からのコメントや批判を歓迎します。

1. パス分析ビジネスシナリオ

ユーザー行動パス分析の重要な最終目標は、製品設計の予想される主流パスに従ってユーザーがコアモジュールに簡単に到達できるように、主要モジュールの変換率を最適化および向上させることです。具体的には、分析プロセスには次のアプリケーション シナリオがあります。

1. 典型的なユーザーパスの特定とユーザー特性の分析

ユーザーの特徴分析では、性別や地域などの人口統計データや、注文価格や注文数などの運用データがよく使用されます。ユーザー アクセス パス データは、ユーザーの特徴を理解するための新たな扉を開きます。たとえば、写真を作成、アップロード、共有するアプリケーションの場合、ユーザーのアプリ使用状況データを使用して、写真を作成したりアップロードしたりすることを好むクリエイティブ ユーザー、いいねやコメントをすることを好むインタラクティブ ユーザー、写真を静かに閲覧する潜伏ユーザー、写真をアップロードせずダウンロードのみを行うコンシューマー ユーザーにユーザーを分類できます。

2. 製品設計の最適化と改善

パス分析は、製品設計の最適化と改善に非常に役立ちます。予想されるユーザー パス内の各モジュールの変換率を監視および最適化するために使用できるほか、人気のない機能ポイントを発見することもできます。動画作成・共有アプリでは、ユーザーは動画撮影の開始から動画の最終リリースまで、一連の編集操作を実行することがよくあります。パス分析により、どの編集ツールがユーザーに馴染みがあり、好まれているか、どの操作が長すぎて面倒であるかを明確に把握できます。これにより、編集操作モジュールを的確に改善し、ユーザーエクスペリエンスを最適化できます。パス分析プロセス中のユーザー作成数が、ユーザーの「いいね！」、コメント、共有行動と密接に関連している場合は、このアプリのソーシャル性を高め、ユーザーの粘着性と作成意欲を高めることを検討できます。

3. 製品運用プロセスの監視

主要製品モジュールの変換率は、それ自体が非常に重要な製品運用指標です。パス分析を通じて対応する運用活動の結果を監視および検証することで、関係者が運用活動の有効性を理解するのに役立ちます。

2. パス解析データの取得

インターネット業界はデータの取得において独自の優位性を持っており、パス解析が依存するデータは主にサーバー内のログデータです。ユーザーがアプリを使用している間、すべてのステップを記録できます。現時点では、私たちが注力する必要があるのは、私たちが重視するビジネスに密接に関連した優れた展開戦略です。ここでお勧めしたいのは、ユーザーの洞察に基づいた洗練された運用分析ツールである Zhuge io です。Zhuge io の SDK をアプリや Web サイトに統合することで、アプリケーション内のすべてのユーザー行動データを取得できます。実際、Zhuge.io は、すべてのイベントがすべてのアプリで同じ値を持つわけではないと考えています。コア イベントの詳細な分析の必要性に基づいて、Zhuge.io は階層的なカスタム イベント レイアウト メソッドの使用を推奨しています。各イベントは、イベント、属性 (キー)、属性値 (値) の 3 つのレベルで構成されます。同時に、Zhuge.io は開発者向けにデータ監視および展開コンサルティング サービスも提供しており、豊富な業界経験に基づいて顧客にパーソナライズされたイベント展開コンサルティングと技術サポートを提供することができます。

3. ファネルモデルとパス分析の関係

上で述べたパス分析は、私たちがよく知っているファネル モデルに似ています。広い意味では、ファネル モデルはパス分析の特殊なケースと見なすことができ、少数の人々を対象とした特定のモジュールとイベント ノードのパス分析です。

ファネル モデルは通常、Web サイトまたはアプリ内の一連のキー ノードにおけるユーザーのコンバージョン率を表します。これらのキー ノードは、多くの場合、手動で指定されます。たとえば、Zhuge io ではショッピング アプリの購入行動のファネル変換を確認できます。このショッピングアプリプラットフォームでは、購入者は閲覧から支払い完了まで、商品の閲覧、ショッピングカートへの追加、チェックアウト、支払い完了という4つの主要ノードを通過します。ステップ1からステップ4にかけて、これらの主要ノードを通過する人はどんどん少なくなり、ノードのコンバージョン率は漏斗状の状況を示しています。各リンクのコンバージョン効率、運用効果、プロセスを監視および管理し、コンバージョン率の低いリンクをターゲットに詳細な分析と改善を行うことができます。その他のファネル モデル分析シナリオは、ビジネス ニーズに応じて柔軟に使用できます。Zhuge io プラットフォームには非常に強力なファネル分析ツールがあり、データに対する想像力を存分に発揮できるプラットフォームです。ファネル モデル「新しいファネル/保持方法」に基づく分析事例を参照してください。

パス分析はファネル モデルとは異なります。通常、各ユーザーのすべての行動パスを追跡して記録し、これに基づいて、各ステップのソースと宛先、および各ステップのコンバージョン率を含むユーザー パスの行動特性を分析および調査します。ファネル モデルは、いくつかの主要なイベント ノードの事前設定された人工的でプロアクティブなパスであると言えます。一方、パス分析は、全体的な行動パスを調査し、ユーザーの主流のパスを見つけ出す探索的な方法であり、事前に知られていなかった興味深いパターン パスを発見できる場合もあります。技術的な観点から見ると、ファネル モデルは関連するコンバージョン率をシンプルかつ直感的に計算して表示しますが、パス分析にはより広範な側面が含まれます。

4. パス解析の一般的な考え方と方法

1. シンプルなトラバーサル統計と視覚的な分析探索

レイアウトから取得したユーザー行動パスデータを分析することで、各ユーザーのイベントパスクリックストリームデータを最もシンプルかつ直接的な方法でカウントし、データ視覚化手法を使用して直感的に提示することができます。 D3.js は、最も人気のあるデータ視覚化ライブラリの 1 つです。その中で SunburstPartition を使用して、ユーザー グループのイベント パスのクリック ステータスを特徴付けることができます。円の中心から始めて層ごとに外側へ進み、製品の使用開始から離脱までのユーザーの全体的な行動統計を表します。サンバースト イベント パス ダイアグラムにより、ユーザーの主流の使用パスをすばやく見つけることができます。特定の人々のグループまたは特定のモジュール間のパス データを抽出し、サンバースト イベント パス図を使用して分析することで、より深い問題を見つけることができます。サンバースト パス統計チャートを柔軟に使用することは、パス分析における魔法の武器です。

Zhuge.io は、分布データを簡単に取得できるだけでなく、顧客にパーソナライズされたサンバースト イベント パス マップ分析を提供し、顧客の製品に合わせてカスタマイズされた製品分析レポートを作成することもできます。

2. 関連性分析に基づくシーケンスパスマイニング法

関連ルール分析について話すとき、データマイニングにおける「ビールとおむつ」の典型的なケースを避けることはできません。 「ビールとおむつ」のケースが Teradata のマネージャーが作り上げた「神話」であるかどうかにかかわらず、このケースによって、買い物かご分析 (関連分析) のプロセスとその背後にあるビジネス価値をある程度理解することができます。スーパーマーケットで各顧客が一度に購入したすべての商品を買い物かごとして扱います。データベースに保存された購入行動データは、相関ルールアルゴリズム、つまり買い物かご分析を使用して分析されます。顧客の 10% が同時におむつとビールを購入し、おむつを購入した顧客のうち 70% が同時にビールも購入していることがわかりました。そこでスーパーマーケットはビールとおむつを一緒に陳列することに決め、その結果、売上が大幅に増加しました。

各ユーザーがアプリを使用するたびに操作するすべてのイベントポイントを、「ショッピングバスケット」内の「一連のアイテム」と見なすことができます。前述のショッピングバスケットとは異なり、ここでのすべてのイベントクリック動作には、厳密なイベント順序があります。相関ルールの Apriori または FP-Growth アルゴリズムを改良して、頻繁なユーザー行動パスを厳密なシーケンスでマイニングできるようにすることができます。これは、ユーザー パス分析にとって重要なアイデアです。検出されたルール シーケンス パスに反映された製品ビジネス ロジックを慎重に検討できるほか、異なるユーザー グループ間でルール シーケンス パスを比較および分析することもできます。

3. ソーシャルネットワーク分析（またはリンク分析）

初期の検索エンジンは、主にウェブページのコンテンツとユーザーのクエリの類似性を検索したり、検索エンジンにインデックスされたページを検索してユーザーに関連するウェブページを見つけたりしていました。1990 年代中盤から後半にかけてインターネットのウェブページの数が爆発的に増加したため、初期の戦略はもはや効果的ではなく、多数の類似したウェブページに対して妥当なランク付けされた検索結果を提供することは不可能になりました。 Google や Baidu などの今日の検索エンジン大手は、この問題の解決策の 1 つとして、リンク分析に基づく検索エンジン アルゴリズムを採用しています。ウェブページはハイパーリンクを通じて相互に接続されており、Weibo のソーシャル ネットワークがフォロー動作を通じて接続されているのと同じです。ソーシャル ネットワークには有名で影響力のある大きな V があり、インターネット上にも重要な、または権威のあるウェブページがあります。より権威のある Web ページを検索エンジンの結果の先頭に表示することで、検索がより効果的になります。

ソーシャルネットワーク上の人物、インターネット上のウェブページ、さらにはアプリ製品内の各モジュールイベントをノードとみなし、ノードが独自の方法で接続されて特定のネットワークグラフを形成します。これらのネットワーク構造に基づく分析手法を総称してソーシャルネットワーク分析と呼びます。

ソーシャル ネットワーク分析には、ノード中心性分析、ノード影響モデリング、コミュニティ検出など、パス分析に適用できる一般的な分析方法がいくつかあります。中心性分析により、どのモジュール イベントが中心的な位置にあるか、2 つの主要なタイプのモジュール イベントを接続するハブとして機能しているか、またはほとんどのモジュール イベントの最終目的地になっているかを調べることができます。コミュニティの検出を通じて、このソーシャル ネットワークにいくつかの「小さなサークル」、つまりユーザーが常に操作したい行動パスの小さな部分が存在するかどうかを調べることができます。この部分のパスは、他のほとんどのモジュールから比較的独立しています。

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？

著者:諸葛 io

出典: Zhuge io データコーチ