データ操作: 「ユーザー維持」と「アクティビティ」をどのように定義しますか?

1. アクティブユーザー

まず、アクティブ ユーザーを定義しましょう。アクティブ ユーザーとは、統計プラットフォームで検出できるアプリのことで、簡単に言えば、生きているアプリです。

「アクティブ ユーザー」は、製品にとって最も関連性の高いデータ指標であると言えます。アクティブ ユーザーが存在する場合にのみ、アプリが実際に使用されていることを意味し、そのようなステータスのみが、アプリが属する企業に価値を生み出すことができるからです。

アクティブ ユーザーについては、日次/月次アクティブ、アクティブ/パッシブ アクティブ、新規/古いユーザーという 3 つの重要な概念があります。

1. 毎日/毎月のアクティブユーザー

「日次アクティブユーザー数」と「月間アクティブユーザー数」の唯一の違いは、使用される時間単位が異なることです。したがって、このセクションでは、毎日のアクティブ ユーザーに焦点を当てます。

なお、デイリーアクティブユーザーとマンスリーアクティブユーザーの略称は DAU と MAU で、英語では DAU と MAU と略されます。

デイリーアクティブユーザーとは、次の図に示すように、データプラットフォームで毎日監視できるアプリを指します。

ご覧のとおり、サンプル アプリの毎日のアクティビティは最初の数日間は大きく変動しましたが、低下期間の後、徐々に回復し、最終的に安定しました。

1. アクティブ/パッシブ アクティブ

アクティブユーザーとパッシブアクティブユーザーについて説明する前に、例を見てみましょう。

初日に 100 人がサンプル アプリをインストールして開いたとします。初日が過ぎると、50 人がサンプル アプリをアンインストールしました。

翌日、残りの 50 人のユーザーのうち 5 人が携帯電話の電源を切り、5 人がバックグラウンド クリーニング プログラムを使用してバックグラウンドのサンプル アプリを消去し、残りの 40 人がサンプル アプリからプッシュ通知を受信し、そのうち 30 人がサンプル アプリを開いて使用しました。

上記の文章を読むと少し目まいがするかもしれませんが、「アクティブユーザー」と「パッシブアクティブユーザー」を説明するのに最適な事例です。

アクティブ ユーザーはメイン ユーザーと呼ばれ、開かれたアプリを指します。

したがって、サンプル アプリの初日の主なアクティビティは 100 で、2 日目は 30 でした。同様に、これらのユーザーも最も価値があります。

パッシブ アクティブ ユーザー (アクティブ ユーザーとも呼ばれます) とは、「アクティブ アクティブ ユーザー」を含むすべてのアクティブ ユーザーです。アプリがシステムによって強制終了されない限り、アプリはパッシブにアクティブです。したがって、ユーザーが通知を受信できる限り、パッシブ アクティブ ユーザーとしてカウントされます。

したがって、サンプル アプリの初日には 100 人のパッシブ アクティブ ユーザーがおり、2 日目には 40 人のパッシブ アクティブ ユーザーがいます。

1. 新規/既存ユーザー

実際、前のケースでは、新規ユーザーもアクティブ ユーザーとして分類されていることがわかりました。

これは、新規ユーザーもサンプル APP を開いた (使用した) ため、アクティブ ユーザーの定義を満たしているためです。では、新規アクティブユーザーと既存アクティブユーザーをどのように区別すればよいのでしょうか?

新規ユーザーと既存ユーザーの分類には統一された基準はありません。現在、一般的に使用されている分類基準は 2 つあります。

1. 24 時間以内の新規ユーザー:サンプル アプリが初めて開かれてから 24 時間以内のユーザーは新規ユーザーとみなされます。
2. 自然日における新規ユーザー:自然日に基づいて、初日に追加されたすべてのユーザーは新規ユーザーであり、初日の 23:59:59 に追加されたユーザーも新規ユーザーとしてカウントされます。

2 つのカテゴリに違いはなく、各製品はそれぞれの特定の状況に応じてカウントされます。

一般的に言えば、「24 時間の新規ユーザー」はより正確ですが、カウントするのが比較的困難です。逆に、「自然な毎日の新規ユーザー」はカウントしやすいですが、正確性は損なわれます。

最後に強調する必要がある点は、「アクティブ ユーザー」と「新規ユーザー」は 2 つの比較的独立した概念であるということです。新規ユーザーがいない場合でも、アクティブ ユーザー (古いユーザー) は独立して存在する可能性があります。

これは、前述の「アンインストール」や次に説明する「保持」とは大きく異なります。アンインストールと保持は、新しいユーザーが追加された場合にのみ意味を持つためです。

2. 保持

「新規」、「アンインストール」、「アクティブ」について説明した後は、「リテンション」に関連する多くの概念がはるかに理解しやすくなります。その理由は、「リテンション」が上記の 3 つの概念と密接に関連しているためです。

「保持」という言葉は文字通りには理解しやすいのですが、実際の応用においては、上記の 3 つの概念のうち 1 つでも理解していないと、この章で混乱してしまう可能性が高くなります。したがって、この前提を念頭に置いて、以下の説明を注意深くお読みください。

リテンションとは、指定された期間内にアンインストールしていない新規ユーザーの数を指します。

したがって、新規追加、アンインストール、および保持の関係は次のように表すことができます。

追加 = アンインストール + 保持

「マクロデータ指標入門（第1回）」では、アンインストールは製品の良し悪しを測る非常に直感的な指標であるため、非常に有意義であると述べられています。

しかし、アンインストールしたユーザーの数を数えることは非常に難しいため、上記の式に従って真のリテンションを数えることも困難です。しかし、リテンションは、実際に計測するのが難しいからあまり言及されないというわけではありません。むしろ、商品データの中で最も頻繁に登場するデータ指標の 1 つであると言えます。

その理由は、実際の統計分析では、「保持ユーザー」ではなく「アクティブユーザー」を使用するからです。

具体的な理由を説明する前に、アンインストールされておらず、統計プラットフォームにイベントを送信できないアプリを指す「サイレント ユーザー」という新しい概念を紹介する必要があります。

たとえば、携帯電話のクリーニング プログラムによって強制終了されたアプリ、携帯電話の電源がオフになっているときに携帯電話内に残っているアプリなどです。

したがって、ユーザーの維持率は次の式で表すことができます。

保持ユーザー = アクティブユーザー + サイレントユーザー

この時点で、保持ユーザーではなくアクティブ ユーザーを使用する理由は非常に明確です。データ統計プラットフォームでは、アクティブなユーザーのみをカウントできるからです。

最後に、実際の業務で使用されている保持ユーザーについて、一言でまとめると、新規ユーザーのグループのうち、指定された期間内にデータ プラットフォームによってまだカウントできるアプリを保持ユーザーと呼びます。

以下のテキスト説明において、特に断りのない限り、「継続ユーザー」とは、データ統計プラットフォームでカウントできるアプリ（サイレントユーザーを除く）を指します。

1. 生存率（維持活動率）

通常、保持の質を示すために「保持率」指標を使用します。一般的に使用される保持指標は、24 時間保持率、翌日保持率、7 日間保持率、15 日間保持率、30 日間保持率です。

ここで重要な点は、24時間保持率と翌日保持率です。

24 時間維持率とは、サンプル アプリを最初に開いてから 24 時間経過してもデータ統計プラットフォームでカウントできる新規ユーザーの割合を指します。たとえば、初日に 100 人の新規ユーザーがいて、この 100 人のユーザーのうち 30 人がインストール後 24 時間経っても統計プラットフォームでカウントされている場合、この新規ユーザー グループの 24 時間維持率は 30% になります。

翌日維持率とは、初日に新規ユーザーを獲得し、2日目もデータ統計プラットフォームでカウントできるユーザーの数を指します。

たとえば、初日に 100 人の新規ユーザーがいたとします。初日の 24:00 以降に残っているユーザーが 50 人だけであれば、翌日の維持率は 50% になります。

一般的に見れば、「24時間継続率」と「翌日継続率」に大差はないと思われるかもしれません。しかし、よく考えてみると、両者の違いは非常に大きいです。

次に、例を続けましょう。

サンプル アプリでは、本日の 00:00:00 から 23:59:58 までの期間中に新規ユーザーが存在せず、23:59:59 に 100 人のユーザーが即座に追加されたと仮定します。

このユーザーグループでは、明日の 00:00:01 にアンインストールが開始され、明日の 23:59:58 に全員がアンインストールされます。つまり、明日の 23:59:58 には、今日の 100 人のユーザーのうち誰も残っていないことになります。

したがって、これら 100 人のユーザーのうち、翌日の維持率は 100% ですが、24 時間の維持率は 0 です。

翌日の保持率の時間間隔は自然な 1 日ですが、24 時間保持率の時間間隔は実際の 24 時間であるためです。

「週次保持」、「15 日間保持」、「30 日間保持」については、時間間隔が自然日から自然 7 日間、自然 15 日間、自然 30 日間などに変更されている点を除いて、「翌日保持」と同じ定義です。

1. 保持係数

「アンインストール」の項でも述べたように、現在、国産アプリでは「アンインストール率」などの中核指標を得ることが非常に難しいため、ほとんどの場合、関係者は「リテンション率」でしか製品の品質を判断できません。

一般的な製品保持率の図を以下に示します。

ご覧のとおり、製品の維持率は最初の数日間で急激に低下し、その後の数日間は基本的に大きな変化はありませんでした。 （もちろん、具体的な理由は説明しません。）

青い部分の面積は、これらの日数にわたって蓄積された保持ユーザー数を表すことができます。

「累積継続ユーザー数」という用語を過小評価しないでください。この指標はサンプル アプリの成否を直接決定します。より多くのユーザーが留まってこそ、サンプル アプリはより多くの収益を上げることができるからです。逆に、累計の留まったユーザーが少なければ、サンプル アプリが属する会社は、インターネットの冬をこれ以上長く乗り切れないかもしれません。

したがって、累積保持ユーザー数を早く把握すればするほど、タイムリーな調整を行い、より多くの居住スペースを獲得しやすくなります。

ただし、上の図に示すように、初日の維持率を使用すれば、今後数日、あるいは 10 日以上にわたる累積維持ユーザー数を予測できます。これはどのアプリにとっても重要なことであり、保持係数はまさにこの問題を解決できます。

いわゆる「リテンション係数」とは、既存のアプリのリテンション率を積分して、比較的安定した積分式を得ることを指します。

上の図を例にとると、Excelの予測機能により、現在のサンプルアプリの「保持係数」は次のように推測できます。

y = 0.0001×4 – 0.0037×3 + 0.0478×2 – 0.2526x + 0.4826

したがって、リテンション係数を使用すると、サンプル アプリの次の数日間のリテンションを大まかに予測するには、初日のリテンション率を知るだけで済みます。

1. 保持生存率

リテンション生存率とは、新規ユーザーグループの中で、リテンションユーザー（具体的にはアンインストールしていないユーザー）のうちアクティブユーザーの割合を指します。主にサンプルアプリの生存能力を測定するために使用されます。

簡単に言えば、すべてのアプリはユーザーに常に使用されることを望んでおり、バックグラウンドで密かに動作できるとしてもそれはありがたいことです。生きている限り希望はあるから！

しかし、残酷な事実は、現在の携帯電話ではアプリの管理がますます厳しくなっているということです。サンプルアプリがバックグラウンドに置かれると、生き残る可能性は極めて低くなります。この場合、「サンプルアプリの生存率をどうやって確保するか？」が非常に頭を悩ませることになります。

一般的なキープアライブ方法は 2 つあります。

1. サンプル アプリ自体の生存率を向上します。携帯電話がバックグラウンド アプリを非常に厳しく管理している場合でも、サンプル アプリ自体は技術的な手段によって携帯電話システムによって強制終了されることを回避できます。
2. 他のアクティブなアプリを介して起動します。たとえば、ユーザーの携帯電話に 3 つのアプリがインストールされていて、App1、App2、App3 がすべて終了している場合、ユーザーがこの時点で App1 を開くと、App1 は密かに App2 と App3 を起動します。このように、App1 が生きている限り、App2 または App3 がシステムによって再度強制終了されたとしても、App1 を通じて起動することができます。

2 つのオプションの長所と短所については、ここではコメントしません。しかし、リテンション生存率は、生存計画を測定するための重要な指標です。「リテンション生存率」の計算式を示す前に、新規追加、アンインストール、リテンション、アクティビティの関係をもう一度思い出してみましょう。

新規ユーザー = 保持ユーザー + アンインストールユーザー

保持ユーザー = アクティブユーザー + サイレントユーザー

生存率は次のように表すことができます。

保持生存率 = アクティブ / (新規追加 - アンインストール)

多くのアプリケーションが開かれる可能性は非常に低いため、生き残る能力を過小評価しないでください。あなたの携帯電話について考えてみてください。計算機など、一年中ほこりをかぶっているアプリがたくさんありませんか?

アプリがインストールされた後に存続する可能性がない場合、それはアンインストールされることと実質的に変わりません。したがって、これらの低頻度アプリにできることは、生き残るために最善を尽くすことだけです。人生は簡単ではありません、そしてアプリも同様です!

3. まとめ

ついに「製品マクロデータ指標」が完成しました。当初はこの記事を簡潔にまとめようと思っていましたが、改訂後、2,000 語を超えるとは思っていませんでした。しかし、少なくとも言うべきことはすべて述べました。

製品データ分析に触れたことがない学生にとって、これらの記事を読むのは疲れるでしょう。各記事には多くの概念が含まれており、すべての意見や発言は単なる私の個人的な意見であるため、大きな制限があり、間違いさえありますが、とにかく始めたい人にとっては十分です〜。

出典: 明の大航海