データ運用：データ分析を活用してユーザー数の増加を実現するには？

データ分析は成長にとって何を意味するのでしょうか?データ分析をうまく行うにはどうすればいいでしょうか?

1. 成長とデータ分析

データを活用してユーザーに関する洞察を得ることが成長の基盤となります。データ分析がなければ成長は不可能であることは間違いありません。したがって、成長ポジションに求められる要件の 1 つは、データ分析に精通し、データに敏感であることであることは理解しにくいことではありません。

成長プロセスは、データから切り離すことが難しいデータマイニングと分析のプロセスでもあることがわかります。一般的な作業手順は次のとおりです。

• 企業の戦略を解釈し、重要なデータ指標であるノーススター指標を見つける
• インジケーターを連続的に分解して、小さな単一のインジケーターを1つずつ形成し、異なるパスに分割します。
• 成長経路に沿って実行できる実験の影響に基づいて成長実験の優先順位を評価する
• 実験開始後、関連データを分析する
• 分析結果に基づいて成長方法を決定し、次の指標計画を出力する

では、成長プロセス中にデータを使用してどのような問題を分析するのでしょうか?データ分析の実際的な応用は何ですか?次に、データ分析が仕事でどのように活用され、製品の成長に役立っているかを見てみましょう。

2. データ分析の実践

成長のプロセスでは、データ分析、新規ユーザーの誘致、アクティベーション、維持が一般的な実用的なアプリケーションであり、以下で詳しく説明します。

1. 新規ユーザーを獲得する

この段階では、APP のトラフィック ソースは通常、有料と無料という 2 つの主要なソースに分けられます。一般的に、有料トラフィックは広告やアプリストアでの有料プロモーションなどを通じて獲得されますが、無料トラフィックはさまざまな運用手段を通じて獲得でき、ユーザーのダウンロードや共有を促すインセンティブメカニズムを設計することができます。

有料トラフィック:

有料でトラフィックを獲得するには、チャネル変換や品質評価に関するデータ分析を実施し、配信の効果と価値を測定する必要があります。

チャネルコンバージョンの一般的なデータ指標は、CTR（クリックスルー率）とCVR（コンバージョン率）です。これらのデータの重要性は、ユーザーの外部コンバージョンを最適化し、コストを削減するためのガイドとなることです。

品質評価とは、配信チャネルの品質を分析して、そのチャネルを継続して配信する価値があるかどうかを評価することです。チャネル品質を評価する指標は企業ごとに異なり、一般的には製品戦略と密接に連携して設計する必要があります。

一般的な指標としては、DAU、収益、維持率、解約率などがありますが、どの指標を測定する場合でも、最も基本的な原則であるROIに企業は注意を払う必要があります。

無料トラフィック:

無料トラフィックを獲得する過程で、イベントのインセンティブメカニズムを使用して、ユーザーがアプリのダウンロード、インストール、登録を完了するように促すことがよくあります。たとえば、新規ユーザーはクーポンやポイントなどのインセンティブを受け取ることができます。

このリンクでは、トラフィック獲得のプロセスをファネルモデルとして捉えることができます。コンバージョン率や最終的なインストール・登録量のデータを分析することで、コンバージョンで発生する障害や問題を把握し、最適化のパスや方法を得ることができます。

さらに、クラスター分析を使用して分析、つまりさまざまなシナリオでのさまざまなポートレートを持つユーザーのデータパフォーマンスを調べることもできます。これにより、さまざまなユーザーに対してさまざまな新しいユーザー獲得モデルを設計できます。

2. 保持をアクティブにする

実際、新規ユーザーの獲得と比較すると、アクティベーションとリテンションこそが本当の成長です。そうでなければ、新規ユーザーを失ってしまい、成長の意味が失われてしまいます。

保持を活性化することに関しては、「アハ体験」という概念について言及する必要があります。アハハ体験は、製品のアクティビティを増やし、さらなる維持に役立ちます。

いわゆる「アハ体験」とは、ユーザーにワクワク感を与える瞬間のことです。私たちが語る成長は、実は「アハ体験」を中心に展開されます。それは、ユーザーに製品を好きになってもらうための原動力のようなものです。アハ体験がなければ、製品が自己成長を遂げることは難しいため、ユーザーに製品を気に入ってもらい、期待を超える体験を提供するためには、アハ体験を見つけることが非常に重要です。

したがって、アクティベーションとリテンションのプロセスでは、データを使用してユーザーのアクティベーションを測定し、アクティベーション後には、短期的な翌日のリテンションまたは 7 日間のリテンション データを分析する必要があります。

リテンション データを分析する場合、通常は、特定のシナリオと特定の時間におけるユーザーの特定の行動と、ユーザーの短期および長期のリテンションとの関係に焦点を当て、ユーザーを真にリテンションさせるために何をすべきかを評価します。

このことから、保持に影響を与える主要な指標を見つけるための実験を継続的に設計して、どの方法が APP の活性化と保持に効果的であるかを明確に確認できることがわかります。

ユーザーの維持という点では、ユーザーのリコールも比較的重要な部分であることは言及する価値があります。現時点では、ユーザー チャネルを評価し、複数のユーザー リコール設計とデータ分析システムを開発し、さまざまな角度から適切なリコール プランを検討する必要があります。

このプロセスでは、各操作をデータに基づいて分析する必要があります。この方法でのみ、視覚化を実現し、最適化の余地を明確に把握できます。たとえば、APP PUSHを使用してユーザーをリコールする場合、PUSHを受け取った後のユーザーの開封率に注意する必要があります。開封率が非常に低い場合、リコールは明らかに失敗です。したがって、開封率の向上は、APP PUSHを使用してユーザーをリコールするための重要なデータ指標です。次に、次の最適化タスクは非常に明確で、開封率を向上させることです。

計画を設計する際には、実行可能性、つまり、あることがどれだけ具体的に行われ、ある指標がどの程度変化するかということに注意する必要があります。計画がそのような条件を満たすことができれば、実行可能です。

3. データ分析と成長チームのためのOKR

OKR (目標と主要な結果) は、会社とチームの目標と、各目標を達成するために必要な測定可能な主要な結果を明確にするために使用されます。これは間違いなく、目標をより適切に定義して追跡し、作業をより効果的に管理するのに役立ちます。

では、データを活用して成長チームの OKR を開発するにはどうすればよいでしょうか?簡単に言えば、3 つのステップがあります。

• 北極星インジケーターを設置し、インジケーターを分解する準備をする
• 指標分解経路を明確にし、経路の優先度を総合的に評価する
• 経路計画を確認し、データ分析結果に基づいて適切な調整を行う

1. 北極星インジケーターを設置し、インジケーターを分解する準備をする

ノーススター指標は通常、企業の製品戦略と密接に関連しており、戦略全体の中核部分となります。 DAU、GMV、ARPU 値などの一般的な指標はすべて、ノース スター指標と見なすことができます。

ノーススター指標が確立されたら、実装を容易にするために、それをできるだけ細かく細分化する必要があります。たとえば、GMV では新規追加、アクティブ ユーザー、継続購入を考慮する必要があるため、GMV 指標をどの程度達成する必要があるかを推定するモデルが使用されます。このプロセスでは、さまざまなサブ指標が互いに矛盾せず、すべてが North Star 指標に貢献する必要があることに特別な注意を払う必要があります。

2. 指標分解経路を明確にし、経路の優先度を総合的に評価する

North Star 指標をさまざまな小さな指標に分解した後、これらの小さな指標に対してパス分析を実行し、実行する必要がある作業を整理し、最終的に結果に優先順位を付ける必要があります。

この時点で、どのパスが比較的達成しやすいか、どのパスが指標の達成に最も貢献するか、そしてそれを達成するためにどれだけのコストが必要かを明確にする必要があります。このように評価することによってのみ、作業の実際的な意義をより深く理解することができます。盲目的にトレンドに従うことはできません。異なるタイプの製品は異なるライフサイクルで異なる問題に直面しているため、そうしないと正常な作業リズムが中断されます。

3. 経路計画を確認し、データ分析結果に基づいて適切な調整を行う

パス計画を十分に評価して確認したら、目標達成に最も役立つ計画を選択できます。同時に、計画のその後の結果を分析して、目標を最大化するために計画の実行を調整することもできます。このプロセスでは、前年比および前月比の成長データを観察できるため、指標の達成をより適切に管理するのに役立ちます。

4. ユーザーアクティベーションのデータ分析と最適化

前述のように、ユーザーアクティビティとリテンションこそが真の成長です。通常、ユーザーアクティベーションの段階では、データ分析は次の 5 つのステップに参加できます。

• 製品を分解する際の重要な動作
• 行動がコア指標に与える影響を分析する
• 分解と最適化のソリューションパス
• デザイン
• 経験を分析し要約する

1. 製品を分解する際の重要な動作

製品の機能ポイントを網羅し、使用頻度、使用期間などのコア指標に影響を与える機能の使用状況を整理し、リテンション/ユーザー支払い率/再購入率などの主要指標をリストアップします。

2. 行動がコア指標に与える影響を分析する

このプロセスでは、過去のデータに基づいて予測を行い、合理的な仮定を立てると同時に、製品の主要な動作に関係するデータの境界も考慮する必要があります。すべての仮定は、固定された基礎仮定、つまり大前提となるものを明確に探求する必要があります。

3. ソリューションパスの分解と最適化

さまざまな行動がコア指標に与える影響を判断した後、行動のパスを細分化して最適化し、細分化したパスからより良いソリューションを選択し、優先順位を明確にし、実験のリズムを制御する必要があります。

4. デザイン

MVP モデルは設計段階で特に役立ち、不必要な人的資源や物的資源の投資を避けることができます。 MVP モデルは仮説を検証するために使用されます。小規模および小規模の実験を通じて、効果が期待どおりであるかどうかを観察できます。

MVP モデル後の結果が要件を満たしている場合は、実験の規模と範囲を拡大して、仮説をさらに検証できます。実験プロセス全体を通して、常に正しい方向に進むように、ユーザーアクティベーションの定義を調整する必要もあります。

5. 経験を分析し要約する

段階的な実験の後は、結果を分析し、経験を要約し、実験を見直し、結果​​が事前に設定した目標と一致しているかどうかに注意を払い、実験を最適化する余地があるかどうかを確認し、それを維持できるメカニズムを探る必要があります。成長は継続的なプロセスであり、実験が終了しても止まりません。

結論

今日の記事では、データ分析と成長のさまざまな応用について説明しました。実際の作業はこれよりもはるかに複雑です。データは常に変化しており、多くの要因は制御できないためです。したがって、データ分析のスキルを完全に習得し、データの変化の理由を認識する必要があります。この方法でのみ、成長について明確な考えを持つことができます。

著者: ごまペースト

出典: タヒニ