効果的な運用活動を通じてユーザー離脱を減らすにはどうすればよいでしょうか?

「ダブル12」プロモーションが年末のセールラッシュのきっかけとなった。これからのクリスマスと新年の休暇は、APP にとって年末の売上を伸ばすさまざまな機会となります。このような市場環境において、運営側が売上増加に成功したいのであれば、「緩和」と「ブロック」を組み合わせる必要があります。オペレーションは、アクティビティやギミックの群衆から目立ち、ユーザーを引き付け、ユーザーの時間を獲得するだけでなく、ユーザーの損失を的確に防ぐ必要があります。

運用によってユーザーの離脱を「正確に」防ぐにはどうすればよいでしょうか?ユーザーオペレーターとして、ユーザー離脱の問題は小学校の数学オリンピックの貯水池問題として考えることができます。まず第一に、ユーザーの離脱を防ぐことは不可能です。そこで、ユーザー離脱を正確に予測し、効果的な運用活動を通じて離脱確率の高いユーザーを維持し、ユーザー離脱率をユーザー増加率よりもできるだけ低く抑える必要があります。これにより、ユーザー数の増加が確実になります。量があれば、コンバージョンの基盤が整います。

では、運用部門はどのようにしてユーザー離脱を正確に予測できるのでしょうか。そのためには、概念、データ、ツールという 3 つの大きな問題を解決する必要があります。

質問 1: 失ったユーザーをどのように定義しますか?

質問 2: ユーザー離脱を予測するためにどのようなデータを使用できますか?

質問 3: 予測精度を向上させるためにどのようなツールを使用できますか?

1. 失ったユーザーをどのように定義しますか?

ユーザー離脱の定義は製品によって異なります。統一された標準を使用して定義すると、問題が発生します。たとえば、ユーザー離脱率を計算する式は、製品 (またはサービス) を使用/消費するユーザー総数に対する離脱したユーザー数の比率です。

実際の運用では、文字通りの定義に従って計算するだけでは、ユーザー総数が増えるにつれて、ユーザー離脱率はどんどん低くなります。つまり、ユーザー操作の面では何もしていないのに、KPIはどんどん良くなっていったのです。これにより、ユーザーが当社の製品をますます愛しているという錯覚が生まれます。しかし、結果はそうではありませんでした。

運用担当者がユーザーの離脱を正確に防ごうとする場合、最初のステップは離脱したユーザーを明確に定義することです。オペレーション部門は、自社製品のタイプ、トーン、ユーザー像に基づいて、失ったユーザーの概念を定義する必要があります。特定のアクティビティに対するユーザー離脱の場合、アクティビティの目的と重要性に基づいてユーザー離脱の概念を定義する必要があります。

たとえば、ソーシャル アプリの価値はコミュニケーションの問題を解決することにあり、失ったユーザーは通常、最後のログインからの経過時間によって定義されます。ユーザーが 1 ～ 2 か月間何も操作を行わない場合、そのユーザーは失われたとみなされます。ここで注目すべき点は、QQ と WeChat は高度にソーシャルなソフトウェアであるということです。たとえ使用していなくても、携帯電話にインストールされています。

たとえば、eコマース アプリは、特にセールが重要となるダブル 11 やダブル 12 などの特別な日に、ユーザーの購入を通じて利益を上げます。失われたユーザーは通常、購入活動のレベルによって定義されます。ユーザーが閲覧するだけで購入しない場合は、eコマース企業はユーザーを失う可能性があります。

失ったユーザーの定義が明確である場合にのみ、ユーザー離脱予測のための適切な判断基準を策定できます。

2. ユーザー離脱を予測するためにどのようなデータが使用されますか?

ユーザーが次に解約する可能性はどれくらいでしょうか?数学的に言えば、ベイズの公式を使用してユーザー離脱の確率を推定できます。この数式には単純な真実が含まれています。

物事の本質を正確に知ることができない場合、その物事の特定の本質に関連するイベントの数に基づいて、その本質的な属性の確率を判断することができます。

この解約予測方法には、統計と心理学の要素が少し含まれています。電子商取引の運用を例にとると、ユーザーが Double Eleven で頻繁に閲覧するがあまり購入しないことが判明した場合、このユーザーは Double Twenty で買い物をしない可能性が高くなります。しかし、そのような予測はまだ十分に正確ではありません。

ビッグデータ技術の発展により、データ分析、モデルアルゴリズム、ディープラーニング技術を通じて、ユーザーの行動を予測するより正確な予測が可能になります。行動予測を行う前に、ユーザー離脱の予測に役立つユーザーデータについて、運用側で考慮する必要があるものは何ですか?これは計算モデルを構築する上で重要なステップです。

データの観点からは、少なくとも詳細なユーザーポートレートデータと行動データが必要です。具体的には次のようになります。

• ユーザーのポートレート情報: ID、性別、年齢、地域、メンバータイプ、ユーザーソース...
• ユーザー行動データ: ログイン日数、オンライン時間、ログイン頻度、登録日数...
• ユーザーの消費データ: 前回の注文からの日数、累計注文数、累計消費量、平均注文額など。

ここで注意すべき点は、各小さな次元の考慮基準は APP ごとに異なるということです。ソーシャルアプリ、動画アプリ、タクシーアプリ、音楽アプリなど、頻繁に使用するアプリでは、ログイン頻度を適切に増やす必要があります。読書アプリや情報アプリなど、ユーザーの時間を重視するアプリでは、オンライン時間を適切に増やす必要があります。eコマースアプリでは、コンバージョンを重視し、運用ではビジュアル埋め込み技術を使用して、購入ページや支払いページなどのコンバージョンデータを正確にカウントできます。

3. 予測精度を向上させるためにどのようなツールを使用できますか?

データの正確性を制限する外部要因が多数あるため、上記のデータだけでは不十分です。

まず、環境や地理的な場所が異なれば、ユーザーの行動や興味の好みも異なります。ユーザーの地理的位置が変わると、ユーザーは第 1 層および第 2 層の都市から第 3 層および第 4 層の都市に移動し、ユーザーの APP の使用状況も変化しますが、これは APP 自体のデータには反映されません。

第二に、解約予測を行う際に、APP 独自のデータの量が非常に不足しています。ユーザーが黙ってアプリを離れ、めったにアプリを開いて使用しない場合、どうすれば十分なデータを生成できるでしょうか?

さらに、APP 独自のデータには限界があり、ユーザーの興味の変化を運営者に伝えることはできません。興味を失ったユーザーは確実に離れてしまうので、彼らを引き留める必要はありません。

したがって、現時点では、予測の精度を向上させるために、運用は外部の力に頼る必要があります。現時点では、より実現可能なアプローチは、サードパーティのビッグデータサービスプロバイダーと協力し、データコーミングを通じて解約予測に有効なデータを見つけ、次に2つまたは3つの当事者からのデータを統合してデータの量と次元を拡大し、最終的に正確な行動予測を完成させることです。

現在、データ分野ではいくつかの企業が行動予測製品を発売しています。国際的に先頭に立っている企業は Google です。中国では、Getui は業界で最も早く行動予測を開発したデータ企業の 1 つであり、アプリ統計製品「Number」に該当する機能をリリースし、アプリ運営における離脱やアンインストールなどの重要な行動の予測を提供できるようになりました。さらに、「Number」は、カスタムイベントの統計を実現するための視覚的な追跡ツールも提供し、統計しながらデータ分析を行い、購入や共有などのカスタムイベントの行動予測を提供することもできます。

ビッグデータの行動予測の助けを借りて、運用部門はユーザーの離脱行動を事前に把握し、早期に介入し、適切な運用手段を通じて離脱しそうなユーザーを保持することができ、まさに「ブロック」の効果を達成できます。

つまり、年末の繁忙期であろうと、中旬のプロモーションであろうと、さまざまなイベントや祭りであろうと、運営には「ブロック解除とブロックの結合」という運営コンセプトが必要です。特にトラフィックの上限がすでに現れている今日では、ユーザー離脱を予測し防止することがより重要になります。そのためには、運用部門が慎重なデータ思考と最先端のデータ技術の理解を持つだけでなく、ユーザーのニーズから始めて、サービスでユーザーを維持し、体験でコンバージョンを促進するなど、運用データの深い価値を共同で探求できる優れたデータ パートナーを見つけることが求められます。

出典: シュリンプオペレーション