データ操作: データをより効率的かつ効果的に分析するにはどうすればよいでしょうか?

最近、諸葛軍にビジネスについて相談する人は、データ分析製品についてではなく、「御社のポイントトラッキングソリューションについて知りたい」と言います。その後、会話をすると、データ分析をしたいということ、また、データがどのように収集されるのかを知りたいということが分かりました。データ収集はデータ分析の前提であり基礎です。本日、Zhuge Jun はデータ収集とデータ分析についてお話します。データ収集

データ収集の3つの重要なポイント

1. 包括性

データの量は分析価値を持つのに十分であり、データ サーフェスは分析のニーズをサポートするのに十分です。

例えば、「商品の詳細を見る」という行動であれば、ユーザートリガーの背景にある環境情報やセッション、ユーザーIDを収集する必要があります。そして最終的に、一定期間内にこの行動をトリガーした人数、回数、一人あたりの平均回数、アクティブ率などをカウントする必要があります。

2. 多次元性

さらに重要なのは、データが分析のニーズを満たすことができることです。さまざまな分析目標に合わせて、複数の属性とさまざまな種類のデータを柔軟かつ迅速にカスタマイズします。

たとえば、「商品の詳細を表示する」というアクションの場合、トラッキングを通じて、ユーザーが閲覧している商品だけでなく、価格、タイプ、商品 ID などの複数の属性も把握できます。これにより、ユーザーがどの製品を閲覧したか、どのタイプの製品が最も多く閲覧されたか、特定の製品が何回閲覧されたかを把握できます。ユーザーが商品詳細ページにアクセスしたことを知るだけでは十分ではありません。

3. 効率性

効率には、技術的な実行の効率、チーム メンバー間のコラボレーションの効率、データ分析のニーズと目標を達成する効率が含まれます。

上記の 3 つのポイントに基づいて、データ収集をより正確にし、分析をより有用にし、チームをより効率的にする方法を見てみましょう。

埋め込みまたはコードの埋め込みはありませんか?

埋め込みなしでデータを収集するほうがよいですか、それともコードを埋め込んでデータを収集するほうがよいですか?非常に成熟した製品と操作であれば、これは難しい選択ではありませんが、データ分析製品を初めて使用する人にとっては、本当に難しい問題です。実際、追跡の方法は製品と分析に基づいて行う必要があり、それらを組み合わせるとさらに良くなります。

以下に簡単な紹介をします。

ビジネスの主要プロセスでは、より詳細なデータを取得できるため、コードトラッキングが使用されます。

一部のアクティビティや重要でない動作については、R＆D担当者の作業負荷を軽減するために視覚的な追跡を使用することをお勧めします。

プロモーション ランディング ページでは、完全な埋め込みポイントを使用することをお勧めします。また、ブラウジング ヒートマップとクリック ヒートマップを使用してランディング ページを最適化できます。

ビジネス データベースに保存されているビジネス データについては、サーバー側のトラッキングを使用することをお勧めします。

データ分析の価値と効率

ステップ1: データに基づく目標を明確にする

データ収集は、大きすぎたり、包括的になりすぎたりしないようにする必要があります。データ分析のニーズも、製品の継続的な反復とともに進化します。分析をより目的に沿ったものにし、技術的な実行をより効率的にするために、長期的および現在の段階の分析ニーズを明確にすることが重要です。

シナリオ例:

Xiao Ge は同社の製品マネージャーで、Xiao Zhu は技術者です。最近、2 人は製品の運用と意思決定におけるデータの重要性を認識しました。いくつかのデータ プラットフォームを調査した後、最終的に Zhuge io を選択し、現段階でのデータのニーズを明確にしました...

小歌：「忙しいですか、小朱さん？ 書類にあるログインプロセス、登録コンバージョン、購入コンバージョン、共有コンバージョンなどのデータ指標は、長期的に注目する必要があるデータ指標です。必ず含めてください。発見機能については、2週間後に新しいバージョンを提出します。今は含めません。お疲れ様です。」

小珠：「小歌、君はすごい。すぐに埋めてやるよ！」

Xiao Ge : 「ああ、登録ページには推薦者のオプションがあり、ユーザーは推薦者のアカウントを入力する必要があります。データ収集時にアカウントを収集しないでください。登録ユーザーに推薦者がいるかどうかを確認し、その属性を判断に処理したいだけです。」

小諸「それは簡単だ。じゃあ今夜は…」

Xiao Ge が振り返って立ち去ろうとするのを見て、Xiao Zhu は躊躇し、黙ってコードを入力し続けました...

ステップ2: オンデマンドでデータを収集する

要件と分析目標を念頭に置いてデータを収集すると、データの冗長性によって生じる混乱を回避できるだけでなく、すべてのデータを収集した後に何を分析すればよいのかわからないという恥ずかしい思いも避けられます。

図は埋め込みポイントの例を示しています。

グラフィックドキュメントはデータ分析要件担当者ごとに整理でき、テーブル編成により要件担当者と技術担当者の共同作業がより効率的になり、その後の分析の価値と効率も大幅に向上します。

ステップ3: 多次元クロスポジショニング問題

データへの応用は、一般的な分析と探索的な分析に分けられます。一般的な分析には、新規追加、アクティビティ、保持、コアファネルなどの日々のデータの監視と分析、および各部門の日常業務のデータ監視が含まれます。登録失敗や支払い失敗の監視とタイムリーな最適化など、日々の成長を監視し、異常な状況を分析します。

探索的分析はデータの高度な応用です。コアイベントの相関分析を実施し、ユーザーの購入を促進するための相関分析や、リテンションを促進するためのアクションの発見など、製品改善の重要なポイントを発見します。

ステップ4: 製品と運用戦略を最適化する

データに反映された問題に基づいて、リアルタイムの監視とタイムリーな解決策を実行できます。分析から得られた成長のインスピレーションに基づいて、A/B テスト、グレースケール テスト、MVP の実践を実行できます。

ステップ5: 測定

測定はデータ分析から実践までの最後のステップですが、最初のステップにもなります。成長ポイントを見つけたように見えても、実験では事実が予想通りではないことが示されることがあります。落胆したり、意気消沈したり、食事を抜いたりしないでください。分析プロセス中にユーザーを理解し、ビジネスを徹底的に調査することで、次の最適化のための累積的な価値が得られる可能性があります。

データ分析の考え方

データ収集は重要であり、データ分析の方法論も重要ですが、データについて迷信的にならないでください。なぜなら、より重要なのは人間の創造性と想像力である可能性があるからです。データ分析は一度きりのものではありません。製品は常に反復され、ビジネスは常に更新されています。認識から意思決定まで、データは補助的な役割を果たします。ニーズの整理から収集、分析、実践、そして測定まで、データは企業の成長プロセス全体にわたって常に循環しています。

最後に、世界を変えるプログラマーたちは、常に自分たちのテクノロジーでより多くの価値を生み出したいと考えています。多くの場合、彼らが望むのは、明確なデータ要件、明確な分析目標、そして効率的で協力的な一連の方法でしょう。結局のところ、問題を正確に解決し、ビジネスの成長を促進できることの方が重要だと誰もが信じているのです。重い！欲しい！

出典: Zhuge io データコーチ