洗練されたデータ操作分析を実行するにはどうすればよいでしょうか?

効率的なオペレーションの洗練度は、将来の製品間の溝となる可能性があります。洗練されたオペレーションを実装するには、まず製品データ分析をうまく行う必要があります。この記事は、著者自身のデータキャリアからの洞察をまとめたものです。

最後に記事を書いてから5年が経ちました。振り返ってみると、当時最も幸せだったことは、Weiboで同業者と競争していたことです。当時はビッグデータが非常に流行っていて、私は若くてエネルギッシュで、野心に満ちていて、決して飽きませんでした。しかし、どんなコンセプトの発展も、上昇、誇大宣伝、そして下降というサイクルを経ます。再び上昇できるかどうかは、「財務報告のパフォーマンス」のテスト、つまりデータの価値が過大評価されているか過小評価されているかによって決まります。

データの価値を実践する道において、データ担当者は皆、自分なりの方法で積極的に試験の準備をしています。ですから、私はもっと何かを書いて、同僚に試験問題を公開する必要があると感じています。それは、彼のためではなく、データに対する夢と情熱のためだけです。

振り返ってみると、私のデータ関連のキャリアはコンサルティング会社から始まりました。そこでは、もう少し学術的な指標システムや方法論がありました。次に、より成熟したデータ収集実装テクノロジーを備えたデータ サービス企業にそれを適用します。その後、彼はこれまでの知識とスキルをWeibo Data Startup Companyで応用し、商品化しました。振り返ってみると、当時の考え方は、この5年間で一時的には通用したのですが、同時に、クライアント企業のデータ分析の経験がなかったからこそ、当時は業務の重要性を深く理解しておらず、上記ではあまり触れませんでした。この記事では以下の点に焦点を当てます。

1. ビジネスを理解していなければ、分析は単なる数字の問題になってしまいます

ビッグデータからのジョークを借りると、「データ分析にはビジネス理解が必要」というフレーズは「ティーンエイジ・セックス」のようなものです。誰もがそれについて話していますが、ビジネスを理解するとはどういうことか誰も知りません。誰もが他の人も理解していると思い込んでいるので、誰もが自分はビジネスを理解していると思っています。個人的な視点からビジネスを理解することが何を意味するのか、もう一度説明させてください。

他の人の製品を例に挙げてみましょう——

Toutiaoのようなコンテンツ製品の場合、そのビジネスモデルは（コンテンツの）制作、配信、収益化に他ならず、投資から利益、そして利益成長への閉じたビジネスループを実現します。このモデルを機能させるには、コンテンツ（制作者）、ユーザー（消費者）、プラットフォーム（消費者プラットフォーム）、広告（制作者とプラットフォームを奨励するため）が必要です。

（１）ビジネスを理解していれば、デイリーアクティブユーザーが減少傾向にあるときに、誰もが知っている提案である広告を増やすことを単純に提案したり、競合製品のインセンティブ料金の増加によりメーカーが撤退の兆候を示しているときに、同じ月と前年比の成長を単純に報告したり、広告に関するフィードバックの量が異常に増加したときに、ビジネス側が広告の頻度を世界的に減らすことを粗雑に提案したりしないでしょう...

（2）業務を理解していれば、データ作業をどのように進めればよいかがわかります。第一段階は基礎データの構築であり、データ収集の標準化、俯瞰、拡張を確保し、追跡→収集→クリーニング→統計→保管までのデータ生成プロセスの効率と安定性を確保する必要があります。

第2段階では、シードユーザーのデータパフォーマンスに焦点を当て、ユーザーがどの製品機能を使いにくいか、どのカテゴリのコンテンツを好んでいるか、どのチャネルのユーザーの質が高いかを分析します。上記の結論は同時にビジネス側に出力され、維持率で算出された生涯が流行期を支えるのに十分なものになるまでPDCAサイクルが続けられます。

流行期間中の分析の焦点は、ユーザーの嗜好特性に応じてターゲットを絞って制作を組織し、配信シナリオを拡大し、APP内の配信からAPP外の配信まで、単一のコンテンツの配信効率を継続的に向上させるなど、運用効率を継続的に向上させることです。製品の列レイアウト、機能ボタンなどのトラフィックフロー設計を最適化して、さまざまなグループの使用嗜好を満たし、「平方メートルあたりの売上と一人あたりの売上」を向上させます。購入ユーザーから待機ユーザー、増加ユーザーまで、製品の現在のコアユーザーグループは誰ですか、それは社会人口に徹底的に浸透していますか、そうでない場合は、どのようなチャネルを通じて彼らを「獲得」し、共有/転送戦略の設計を通じてユーザーの自己成長を実現します。第2フェーズにおける各種目標は、ユーザーとコンテンツのスケール効果を継続的に拡大し、事業化に向けた準備を進めることです。

分析の第3段階は、商業面でのパフォーマンスに焦点を当てています。コンテンツが自社制作であろうとUGCであろうと、コストがかかります。コストはトラフィックに変換され、トラフィックは商業化を通じて収益化されます。したがって、データを通じて現在の広告フォーマットと戦略を最適化し、スポンサーが最も適切なユーザーを見つけ、ユーザーが最も必要な広告を見つけられるようにして、ROIを最大化する必要があります。

第4段階では、革新的な発展に焦点を当て、国内の同業他社の現在の発展モデルとそれぞれの差別化された競争ポイントは何か、海外に同様の産業があるかどうかとその現状は何か、ユーザーのどのような拡張されたニーズが満たされていないか、コンテンツ産業の将来の発展傾向は何か、遭遇する可能性のある法律や規制などの政策リスクなどを検討する必要があります。

（2）ビジネスを理解していれば、対応する段階で上司が何を懸念しているかがわかり、よりビジネスの観点に沿ったレポートを設計できるようになります。対応するテーマ分析を通じて、上司がまだ表明していない「ニーズ」に答えることができます。

（３）ビジネスを理解したら、まずは各ビジネスロールのKPIを理解することを考えるでしょう。チームのコラボレーションに関しては、理屈ではなくメリットでチームを動かすのが最も効果的な方法です。ビジネス担当者が、自分たちが同じ利益のコミュニティであることを理解すれば、良好なコラボレーションが保証されます。

…

ここまで述べてきましたが、問題は、ビジネスを理解しているかどうかをどうやってテストするかということです。私は少し経験がありますが、それは、ほとんどの時間を費やしている場所と、アウトプットがどこにあるかを確認することです。ビジネスを理解していれば、あなたの主な成果は数字を増やすことにはならないはずです。なぜなら、上司やビジネス部門は、数字を増やすように頼むことは会社の人的資源の無駄遣いであり、彼ら自身の利益を損なうことになるということを知っているからです。そうでなければ、分析は単なる数字の問題になります。

2. 本質に立ち返る: データはビジネスに力を与える

Baidu百科事典の説明を引用します:

データとは、観察、実験、計算などを通じて得られる結果である数値です。データにはさまざまな種類がありますが、最も単純なのは数字です。

データの本質は数値であり、それは単なる結果です。結果を変えたいのであれば、原因を見つけて、その原因を変えて数値を変えるしかありません。

この文章は理解しにくいかもしれません。ここでは、誰もが知っている水の流れに関する普遍的な公式を紹介します。

売上高 = 1 日のアクティブ購入率x 1 人あたりの平均購入金額。この式はさらに細分化することができ、分解後の要素をさまざまなビジネス グループに割り当てることができます。これを KPI と呼びます。経験豊富な人は皆、この公式の最大の意義は追跡と監視であり、実行目標として使用できないことを知っています。初期段階では大丈夫かもしれませんが、安定期を過ぎて、毎日のアクティブユーザーが大幅に増加すると、購入率と平均購入額は逆に低下します。ビジネスは多くの最適化を行い、購入率は多大な苦労で改善されましたが、購入額は逆に減少しました。平均購入額の目標を達成するために、運営は多くの高額商品を推奨しましたが、購入率は再び低下しました。 。 。

なぜでしょうか?キャッシュフローは、ユーザーの意思決定によって生成される結果に過ぎないからです。キャッシュフローを決定する正しい要素は、ユーザーの需要の強さ、購買力、および対応する購買力を持つユーザーと対応する価格帯の製品との一致度合いである必要があります。因果関係の観点から解決策を考えず、現状のストック購買力のもとでさまざまな疑似要因だけを追求すると、一つの問題を抑制しながら別の問題を浮上させることになってしまいます。特にクライアントのビジネス環境では、各チームがコア KPI の基本ルートに細心の注意を払っています。データ側が各ビジネス チームの KPI 分析ニーズに陥り、時間内に修正されない場合、結果は悲惨なものになります。

もうひとつ例を挙げましょう。次の図は、業務でよく使われるデータレポートのビューです。業務の繰り返しと改良により、さまざまなレポートが山積みになります。このようなレポートが何万個あっても、分単位の異常監視しか実行されていなくても、パフォーマンスの向上にはつながらないかもしれません。株価は依然として下落するでしょう。

視点を変えてみましょう。

上記の表の見出しは参考用であり、詳細には拡張されていません。主なアイデアは、結果ベースのレポートをプロセスベースのレポートに変換し、ユーザーの観点からレポート全体を基本属性、関心の好み、使用特性、ビジネス貢献の 4 つのユニットに分割することです。

1. 基本属性は主に、追加日、チャンネル、モデル、性別、年齢などで表されるユーザーの基本的な説明です。
2. 興味の好みとは、カードゲーム、RPG ゲーム、その他のカテゴリのゲームを好むなど、ユーザーが製品を使用した後に示す特性のことです。
3. 使用特性とは、閲覧数、クリック数、検索数など、製品の使用時にユーザーが残したデータ動作のことです。
4. 商業貢献度は、購入回数や購入金額など、ユーザーの商業化への貢献度を測定します。基本的な属性と組み合わせた商業的貢献は、実際にはユーザー LTV の全体的な監視です。

この視点から見ると、独立変数と従属変数があり、因子、回帰、判別など、私たちが慣れ親しんだ多変量解析手法に戻ることができます。RFM、CRM、チャネル評価/不正防止などのソリューションの出力については、言うまでもありません。

この手続き型データ構造をベースに、ゲームのダウンロードを増やす方法、ユーザーのアクティビティを向上させる方法、アンインストール率を下げる方法、PUSH変換効率を向上させる方法、現在の収益を2倍にする方法、失ったユーザーを呼び戻す方法など、多くの興味深いプロジェクト研究を行い、ユーザーフィードバックなどのテキストデータと革新的に組み合わせることで、従来の市場調査会社でしか実行できなかった定量+定性調査手法をインターネットビジネスモデルでスムーズに再現しました。プロジェクトの成果については、あまり多くを提供できず申し訳ありませんが、このサークルは実際にはそれほど大きくなく、見つけ出すのは難しくないということをお伝えしたいと思います。

私は、データ分析のビジネスに終わりはない、と常に信じてきました。なぜなら、データを生成する主体、つまり人間は常に変化しているからです。すべての経験と方法は、今日あなたの武器になるかもしれませんが、明日はあなたを傷つけるかもしれません。ビジネスに精通していることの利点は、同じ対話のコンテキストと立場を持つことができることですが、欠点は、近すぎて速すぎるため、データの本質を忘れてしまうことが多いことです。優れたアナリストは独自の分析システムを構築する必要がありますが、その中でも非常に重要なリンクが自己修正メカニズムであり、私もこれを研究しています。

3. データを第一に考えれば、成長はより安定し、正確で、容赦ないものになる

人口ボーナスが消え、インターネットトラフィックの成長が頭打ちに近づく中、グロースハッカーという概念がますます人気を集めています。ここで、2つのことを述べたいと思います。

1. WeChatの分裂、コミュニティ運営、ユーザー補助、共同購入はすべて成長方法です

手段には有効期限と環境があり、その有効性は多くの場合、業界の平均成功率を上回ることに基づいています。結局のところ、後発者の模倣は人口の防疫能力の構築を加速させ、徐々に効果がなくなるだけでなく、自分自身に害を及ぼす可能性もあります。この模倣手段の軌跡では、おそらく最初のものだけがあり、 2番目はありません。

電子商取引業界には次のような駄文がある。

「ユーザーの活性化を促すための1文：情報をプッシュし、クーポンを送信する、

いつでもテキストメッセージを送信してください：ギフトを受け取るにはログインする必要があります。高品質の製品が現在販売中です。今すぐ来ないと、なくなってしまいます〜

顧客が購入しない場合は、クーポンを配布するだけです。」

成長を達成するためにこのような無分別な模倣やトレンドの追従を行うことの結果、コストはますます高くなり、結果はますます悪化します。ユーザーの購買意思決定システムが混乱し、販売業者の価格決定力も疑問視されている。「価格​​が高すぎる。割引があったら買う。とにかく急ぐ必要はない。」無料特典を手に入れようとするユーザーが増えるにつれ、プラットフォームは渇きを癒すために毒を飲むような恥ずかしい状況に陥っています。

2. グロースハッカーにとって正しいアプローチはデータファーストであるべき

データの利点は、客観的かつグローバルであることです。一連の指標を通じてユーザーのシナリオと動機を復元し、要約して推論し、違いを見つけ、成長ポイントをつかむことができます。より広い意味で言えば、データの成長には、ユーザーの位置付け、製品の設計、価格戦略など、チェーン全体の一連のリンクも含まれるべきです。これについては、機会があれば後でお話しします。

同時に、成長プロジェクトの有効性は次の 2 つの前提に依存します。

1. データの成長は、製品、業務、テクノロジー、ブランドに依存しない効率的な組織形態です。従来の分業体制やビジネスの慣性を打ち破り、部門間/役割間の連携を必要とします。この連携が効率的であればあるほど良いのです。
2. 本来の分業体制から独立し共存するからこそ、衝突や融合は避けられないため、成長チームを直接承認し、責任を負う経営層は高ければ高いほど良い。

以下の図は、タオバオのファミリーアカウントのPR草稿と偽データに基づいた成長事例です。

前述のように、売上高 = 毎日のアクティブ購入率x 購入金額。既存の購買力では、特定の要素を単純に増やすだけでは総売上高の増加にはつながりませんが、データを通じてユーザーの需要シナリオを復元し、シナリオを再構築することで、パフォーマンス目標の安定的かつ健全な成長を実現できます。

IV. 結論

データアナリストは孤独なサークルです。孤独とは、同僚とコミュニケーションをとったり意見を交換したりできないことです。一般的な話には価値がありません。結局のところ、傾向/セグメンテーション/比較/多変数など、いくつかのポイントだけです。価値があるのは、さまざまな方法の試みとその背後にある落とし穴です。ビジネスの詳細が関係するのは避けられないため、詳細を説明することは不可能です。他の人のケースをたくさん使用する必要があります。不明な点がある場合は、メッセージとコメントを残して具体的なコミュニケーションを行ってください。

データ分析の展望については、大々的に宣伝する必要はありません。ただ一つだけ言わせていただきます。モバイルバッテリー、自転車、コーヒー、さらには自動車や大型スーパーマーケットなどの伝統的な産業が徐々にインターネット化しているということは、インターネットが軽資産時代から重資産時代に移行していることを意味します。企業は依然として精緻な運用に目を向けないと思いますか？製品にバグがあれば、時間を遡ってロールバックすることができますが、スマートハードウェアの生産と製造にはコストがかかります。生産量が多すぎて販売できない場合は、在庫が滞留してしまいます。生産量が少なすぎると、ユーザーは購入できず、体験が悪くなります。ニューリテールの本質は、人、物、場所の回転効率を向上させることです。これらはすべてデータの問題です。効率的な運用の洗練度合いが、将来の製品間の障壁となる可能性が徐々に高まっていくでしょう。

優秀なガンマンは弾丸で養われ、優秀なアナリストは多数のプロジェクト実践を通じて教育されます。

上の図は、データと私自身の理解に基づいて要約および改良したもので、データ応用の 3 層価値モデルとデータ人材能力開発システムです。筆者はこの業界に8年間携わっています。一方的な自己評価であろうと、外部から得た他者からの評価であろうと、インターネット上のデータの応用はまだ過小評価されている段階です。孤独に耐えることによってのみ繁栄を維持することができます。データ分析の道で、一緒に夢を見て前進しましょう。

出典: Laoqi