Toutiaoのユーザー増加の秘密を大公開！

今日頭条は、その下品な内容について常に批判されてきた。

しかし、私たちは認めなければなりません： Toutiao はユーザーの増加において素晴らしい仕事をしました！

調査によると、今日頭条アプリの単独利用者の利用時間は2018年以降3.9％から10.1％に急増し、1.6倍に増加し、百度やアリババを抜いて総利用時間で第2位となった。

さらに驚くべきことは、Toutiao製品の急速な成長率が今も続いており、Toutiaoニュースアプリだけでも毎日100万人以上の新規ユーザーを獲得し続けていることです。

ウサギがあれほど多くを語ったのは、見出しを自慢するためではなく、単にこれを利用して次のコンテンツを紹介するためです。

Toutiao の「驚異的な」ユーザー数増加の裏には、学ぶ価値のあるヒントが何かあるのでしょうか?

Toutiaoはどのようにして急速な成長を遂げたのでしょうか?

実際、Toutiao が急成長を遂げることができた理由は、主に強力なデータ監視システム（多額の費用をかけてデータを購入）によるものです。あらゆる製品の日々の活動と成長データは、彼らの監視下にあります。

さらに、革新的な製品の成功率を向上させるために、Toutiao は成長エンジンも開発しました。どのクリエイティブなアイデア、ランディング ページ、またはカラー ボタンを使用するかについてまだ苦労している一方で、彼らはすでに数十、数百の A/B テストを同時に実施し、製品マネージャーとオペレーターが最適なソリューションを見つけられるように支援しています。

Toutiao の強力なデータ監視システムを模倣することはできませんが、当面は同社の成長エンジンを開発することはできません。ただし、A/B テストから学び、最適なソリューションを選択することは可能です。

ToutiaoのA/Bテスト

これを見ると、 SEM担当者の中には、Rabbit が当たり前のことを話しているのではないかと考え、イライラし始める人もいるかもしれません。

実際、A/B テストは入札者や最適化担当者にとって非常に馴染み深いものです。それでは、概念的な部分に立ち入ることなく、 Toutiao はどのようにして A/B テストを実施するのかを見てみましょう。

Toutiao の見出しには「ダブルタイトル」機能があり、これは実際には A/B テストの実践です。

記事には 2 つのタイトルを付けることができます。1 つのタイトルが役に立たなくなった場合は、別のタイトルでサポートします。タイトルが 1 つしかないWeChat のパブリック アカウントとは異なり、タイトルが役に立たなくなると、読者の数は基本的になくなります。

この「動的」コンテンツ推奨メカニズムはどのように機能するのでしょうか?

同じ解決策について、Toutiao はまず少人数のグループにそれを推奨します。

たとえば、100 人のユーザーがいて、この 100 人がタイトルとコンテンツについて良いフィードバックをした場合、500 人など、より大規模なグループのユーザーにそのプランを推奨します。この 500 人がタイトルとコンテンツについて非常に良いフィードバックをした場合、2,000 人など、より大規模なグループのユーザーにそのプランを推奨します。

ユーザーの行動アクションが収集されます。「Toutiao 推奨システムの原則」に従って、コンテンツに対するユーザーのフィードバックは基本的に 1 時間ごとに確認できます。ただし、データは時間ごとに変動するため、Toutiao では通常、ユーザーの行動データを表示する時間ノードとして日を使用します。

Toutiao はユーザーの行動アクションを収集した後、ログを処理し、統計を配布し、データベースに書き込みます。

Toutiaoは「ダブルタイトル」機能を設けているため、タイトルに対するユーザーのフィードバックをより正確に理解し、ユーザーの行動データを把握することができます。

もちろん、Toutiao の最も強力な A/B テストは「ダブルタイトル」機能ではありません。タイトルだけをテストすると、「クリックベイト」が蔓延してしまうからです。これを踏まえて、Toutiao A/B は「動的」なコンテンツ推奨メカニズムを備えています。ここでの「動的」とは、フィードバック結果に基づいてリアルタイムで更新および調整を行うことを指します。

Toutiao システムは、実験データの比較、実験データの信頼性、実験結論の要約、実験最適化の提案を自動的に生成できます。

言い換えれば、 A/Bテストを通じて、Toutiaoはソリューションの研究を完了しただけでなく、ユーザーの嗜好をテストし、洗練されたコンテンツの推奨を実現し、それによってユーザーの維持率を向上させました。

A/Bテストの落とし穴

A/B テストは単純に思えるかもしれませんが、実際には多くの複雑な要素が伴います。注意しないと、テスト結果が科学的な軌道から外れてしまう可能性があります。

1) テスト環境の違いを無視する

クリエイティブなアイデアを A/B テストするように求められた場合、見出しをテストするために次のどの方法を使用しますか?

a. 上海のユーザーを 3 つのグループに分け、各グループに 3 つの異なるタイトルを同時にプッシュします。

b. 上海のユーザーを 3 つのグループに分け、異なる時点で各グループに 3 つの異なるタイトルをプッシュします。

オプション b を選択した場合は、おめでとうございますが、残念ながら残念です。

不適切な例を挙げると、プラン B のテスト方法は、平日の午後 3 時と夕方のゴールデンタイムを選択してテストを収集し、テレビに広告を出すようなものです。

ローテーションプレゼンテーション中のテスト環境は同じではなく、対象者も大きく異なるため、最終実験後のデータ結果には必然的に一定の偏差が生じ、説得力が低下します。

2) 一般化しやすい

テスト結果が理想的なデータ改善を示さなかったときにすぐに諦めてしまうと、再び罠に陥ってしまう可能性があります。

国際的な短期レンタルプラットフォームとして、検索は Airbnb エコシステムの非常に基本的な要素です。 Airbnb はかつて検索ページの最適化に関する A/B テストを実施し、新しいバージョンでは物件の写真と家の場所を強調しました (下の図を参照)。

十分に待った後、テスト結果では、新バージョンと旧バージョンの全体的なデータがほぼ同じであることが示され、この最適化はあまり良い効果をもたらさなかったようです。

もしこの時点でAirbnbが全体的なデータパフォーマンスに基づいてこの最適化をあきらめていたなら、設計に多大な労力を費やしたこのプロジェクトは無駄になっていたでしょう。

それどころか、慎重に調査した結果、新しいバージョンは IE 以外のさまざまなブラウザで良好に動作することがわかりました。新しいデザインにより、古いバージョンの IE を使用したクリックが制限される (これは明らかに、全体的な結果に非常に悪影響を及ぼしました) ことに気づいた後、Airbnb はすぐに修正を行いました。

それ以来、IE は他のブラウザと同じ結果を表示するようになり、実験の全体的なデータは 2% 以上増加しました。

Airbnbの例から、全体的な効果が良くない場合でも単純に判断するのではなく、個々の状況を多面的に観察して、群集誤謬による意思決定の偏りを避けることが正しいアプローチであることがわかります。

3) 局所最適値のみが達成される

上記の2つの落とし穴を回避した後、比較的良いテスト結果が得られるかもしれません。興奮して結果を発表しようとしているときに、別の落とし穴「ローカル最適」に足を踏み入れている可能性があります。

金融プラットフォームの新規ユーザーの登録率を高めるためのA/Bテストを例にとると、登録ボタンのコピーを継続的に最適化することで、「今すぐ登録」、「無料で登録」などのコピーと比較して、「100元の新規ユーザー向け紅包を受け取る」の登録率が最も高かったことがわかりました。

しかし、コピーのテストにのみ重点を置くと、ユーザー登録率を高めるための他のより効果的な仮説を見逃してしまう可能性があります。

正しいアプローチは、ユーザー調査を実施して、ユーザーが登録しない理由を理解することです。通常、金融プラットフォームがユーザーの登録を断念させる理由は、登録プロセスの複雑さ、信頼性の問題、一致する金融商品がないなどです。したがって、登録ボタンのコピーライティングテストを完了した後、これらの側面でも必要な実験を実施する必要があります。

要約する

本日の記事では、Toutiao を分析して、A/B テストの強力な効果を紹介します。

A/Bテストは私たちマーケターにとってプロモーション活動に欠かせないツールとして長年使われてきましたが、今回の共有を通じて、皆さんが今まで気づかなかった発見をしていただければと思います。

出典:オペレーション・リサーチ協会