データを活用して業務の成長を促進するにはどうすればよいでしょうか?

データ時代の到来により、これまでの広範な管理はもはや時代の流れに沿うものではなく、洗練された管理、特にCエンド主導の運用モデルを実行する必要があります。運用のあらゆる細部はデータのサポートと切り離せません。インターネット金融業界も例外ではありません。大手銀行やインターネット金融大手もユーザーデータ市場の獲得に躍起になっています。

まず、比較的完全なデータ指標システムを構築する必要があります。実は、データ指標システムを構築することは、分析のアイデアを整理することです。データ分析を行う際に、どこから始めればよいのかわからない人が多く、分析の内容や指標も比較的散在しているため、分析結果が正しいかどうか疑問に思う人もいます。したがって、アイデアを整理し、データ分析構造の体系化、データ分析次元の整合性を確保し、その後のデータ分析にガイダンスを提供できる、完全なデータ操作指標システムを構築することが非常に重要です。

指標は問題とデータをつなぐものです。適切な指標を選択することによってのみ、問題を完全に反映することができます。優れた指標は定量化可能で、観察しやすいものでなければなりません。では、データ指標システムを構築するにはどうすればよいでしょうか。 5W2H分析法、4P分析理論、ユーザーライフサイクル、ロジックツリー分析法などのマーケティング管理モデルを通じて、データ指標システムを設計できます。

もちろん、対応する分析モデルは、実際のビジネスモデルと分析目的と組み合わせる必要があります。ビジネスロジックのないデータ分析では、何の価値も生み出されません。

例えば、インターネット金融業界のデータ指標システムは、ユーザーのライフサイクルに基づいて構築できます。

データインジケーター システムを設計した後、さまざまな段階やシナリオでのユーザー イベントに基づいてデータ収集計画を設計できます。これは実際には、ビジネスを通じてインジケーターの設計を推進し、その後データ収集を推進するプロセスです。

3.データ主導の業務成長

ユーザーデータを取得した後、そのデータをどのように活用し、価値を生み出していくのでしょうか。主に以下の3つの側面から解説します。

01.データを活用して運用戦略を最適化する

ユーザーの行動データを収集すると、ユーザーの閲覧、登録、ダウンロード、カードのバインド、運用活動への投資のコンバージョン率、各製品ページの閲覧時間や閲覧回数、初回投資者の数、投資額などを知ることができますが、データはビジネスシナリオと組み合わせて要約、比較、分析して初めて意味を持ちます。そうでない場合は、単なる数字になってしまいます。

たとえば、当社の最も一般的なファネル分析方法では、ユーザーの投資コンバージョン率が 30% であることがわかった場合、コンバージョン率は非常に高いと思われます。しかし、他の類似製品と比較したり、同じリンク内の異なるユーザー セグメントと比較したりすると、他の類似製品または他のユーザー セグメントのコンバージョン率は 40% であることがわかります。そのとき初めて、このリンクには最適化の余地がまだたくさんあることに気付きます。

02.データを活用して運用戦略を検証する

インターネット製品の運用では、製品設計や運用計画の複数の選択肢に遭遇することがよくあります。インターフェースボタンの色やコピーライティングの違いでさえ、論争を引き起こす可能性があります。これは全体の運用計画と比較すると単なる細部の問題ですが、Cエンドユーザーにとっては、細部がすべてを決定することがよくあります。情報過多のこの時代に、あなたがしばしば目指すのは、最初の瞬間にユーザーの心に入ることができるかどうかです。

このとき、 A/B テストを実施できます。すべての条件が同じで、1 つの変数のみが異なるという前提で、データを使用して、どのプランがより実現可能かを判断し、データで運用戦略が正しいかどうかを検証し、試行錯誤のコストを削減できます。もちろん、A/B テストを実施するときは、データ量とデータ密度が低すぎないこと、テストに十分な時間をかけることが最善です。そうしないと、統計的な結果を得ることが難しくなります。

たとえば、Ant Fortune アプリでは、プログレス バーを使用して、新規ユーザーを初めての投資家に誘導しています。主な目的は、緊急感を生み出すことです。ユーザーの心理的要因を利用しています。ただし、表示方法はたくさんあります。

上記の 2 つのプログレス バー デザインのうち、最初のデザインはユーザーの不安やパニックを利用し、「急いで購入しないと商品がなくなる」と感じさせます。2 つ目のデザインは、ユーザーの集団心理を利用して、「多くの人が急いで購入しているのだから、試してみよう」と思わせます。この 2 つのデザインにはそれぞれ独自の考慮事項があり、どちらが優れているかを判断するのは困難です。現時点では、A/B テストを使用してデータを検証できます。

03.データを活用して運用戦略を導く

データにはつながりがあります。知らないのは、そのつながりを発見していないだけです。最も典型的なデータ分析の事例は、ウォルマートのビールとおむつです。この事例は誰もが聞いたことがあると思います。ビジネス目標が複数の行動、ポートレート、その他の情報に関連している場合、データマイニングを使用してデータモデリングを実行し、ユーザーの次の行動を予測し、ターゲットを絞った運用ソリューションを提案することができます。

例えば、新規ユーザーの離脱という深刻な問題に関しては、クラスタリングアルゴリズムを使用してユーザー離脱予測モデルを構築することができます。データを通じて、離脱したユーザーの属性特性、行動特性、離脱サイクルの長さなど、ポートレート情報を特徴付けることができます。このようにして、潜在的な離脱傾向を持つユーザーをより正確に把握することができます。

たとえば、インターネット金融業界では、ユーザーの投資行動、投資額、解約サイクルに基づいて、ユーザー解約予測モデルを構築できます。

上記から、予想される離脱ユーザーの行動傾向は、直近の期間に投資行動がないユーザーと、資金を投資したが現金を引き出したいユーザーであることがわかります。これらのユーザーに対しては、何らかの維持および活性化戦略を採用する必要があります。

最後に、データ分析は効果的な情報を提供し、マーケティングの意思決定を導くことができますが、データに対して迷信的になるべきではありません。データが真の価値を発揮できるように、他者の視点から考える必要があります。

出典: ITFINLAB