オペレーションではどのようにデータ分析を実行しますか? 1 つのプロセス、3 つの用途、3 つのツール!

データ分析とは何ですか？運用におけるデータについて話すとき、私たちは正確には何について話しているのでしょうか?この記事の著者は、私たちの日常生活で最もよく使われるデータ操作の範囲に基づいて133のルールをまとめています。見てみましょう〜

トラフィックボーナス期間中は、誰もが低位のエリアからトラフィックを獲得しようと競い合います。ボーナス期間が終了し、レッドオーシャンが到来すると、洗練されたオペレーションがすぐにトップの座を奪い始めます。

精緻な運用とは、データに基づいた運用のことです。すべてはデータに従うので、データ分析がますます重要になってきます。

では、データ分析とは何でしょうか? データについて話すとき、私たちは具体的に何を意味するのでしょうか?

日常生活で最もよく使われるデータ操作の範囲に基づいて、 1 つのプロセス、3 つの用途、3 つのツール/方法論という 133 のルールにまとめました。

プロセス:分析目的、データの検索、データの整理、データの分析、グラフィカルなプレゼンテーション、結果の報告。
現状分析、原因分析、予測分析の3つの用途。
3 つの方法:デュポン分析法、ファネルモデル分析法、4 象限/マトリックス分析法。

次に、詳しく見てみましょう。

1. 一般的なデータ分析手順

まず、プロセスがあります。データ分析を行う必要がある場合、一般的な手順は何でしょうか?

データ分析プロセスは、目的の明確化、データの検索、データの整理、データの分析、グラフによる表示、結果の報告という 6 つのステップに分けられます。

これらはデータ分析を始めるための 6 つのステップでもあり、私たちの業務にも同じことが当てはまります。

データにはさまざまな種類がありますが、活用しなければただの雑然としたデータになってしまいます。データ分析の目的が明確になって初めて、データ分析を行うことができるのです。

2 番目のステップは、目的に基づいてデータを見つけることです。これらのデータは、バックグラウンドを通じて直接エクスポートすることも、インターネットで収集することも、手動で分類して入力することもできます。もちろん、多くの日常業務データは、目的のために初期段階で埋もれています。目的に応じて予約データは、科学実験のように、よりターゲットを絞って正確です。

3 番目のステップは、データを整理することです。バックグラウンドからエクスポートしたり、インターネットで検索したり、手動で入力したりすると、重複したデータ、空白のデータ、乱雑なデータが発生しやすく、分析結果に直接影響するため、データをクリーンアップする必要があります。

4 番目のステップは、分析の目的に基づいてデータ分析を実行し、5 番目のステップはそれをグラフで提示することです。最後のステップは、分析結果をリーダーとチームに提示し、データの背後にある因果関係を分析し、解決策の提案と方法を提示することです。

2. データ分析の3つの目的

プロセスを明確にした上で、目的に応じたデータ分析を実施します。では、業務でデータ分析を行う際の日常的な目的は何でしょうか?

そうです、現状分析、原因分析、予測分析の3つの用途があります。

現状分析とは、製品の現状を分析することです。例えば、市場シェアや競合製品の分析などはすべて現状分析の一部です。運用に関しては、この段階ですべての運用指標を分析し、競合他社と比較して、どれが弱点で、どれが強みかを判断します。同様に、異なる次元において、当社と競合他社のポジショニングの違いは何でしょうか?これらはすべて現状の分析です。
2つ目の用途は原因分析であり、データ運用で最もよく使われるものと言えます。運用は業務ラインに基づいた作業です。ビジネスは前年比でも月比でも常に変化しているため、あらゆる変化の理由を分析する必要があります。データの世界には、「最も恐ろしいのは、ビジネスが衰退した理由が見つからないことではなく、ビジネスが増加した理由が見つからないことである」という格言があります。そのため、業績の増減、格付け指標の増減、格付け指標の前月比・前年比の変化の理由を明らかにする必要があります。これらはすべて原因の分析に属します。
3 番目の用途は予測分析であり、これは洗練された操作を最もよく表すコア要素の 1 つです。トラフィック配当の時代では、誰もが安価なトラフィックを奪い合っているため、当然、予算を増やせば満足のいくROIを達成できます。しかし、レッドオーシャンの時代では、すべての予算を賢く使わなければなりません。そのため、効果予測が特に重要となり、各種A/Bテストや効果チャート予測、チャネルごとの小ロット効果テストなどが重要になってきます。

電子商取引業務におけるモデル、画像、アクティビティをテストすることは、少ない予算で十分な主要データを収集し、最適な製品/素材/ソリューションを選択する方法です。新しいメディア運営における漢字タイトルのテストもそのひとつで、活動効果の内部テストも別のタイプ、ゲームの内部テストやクローズドテストも別のタイプです。これらのデータ分析は目的に基づいており、効果分析のためのデータを収集します。それは予測分析です。

これら 3 つのカテゴリは、業務で頻繁に使用されるデータ分析の用途です。業務のサブポジションによって重点が異なる場合がありますが、全員がこれらを行える必要があります。

3. データ分析によく使われる3つのツール

目的を明確にし、データを収集したら、次のステップはデータを分析することです。

データ分析のためのツールは数多くあります。もちろん、データに敏感な小さな問題の多くは、特別な分析をまったく必要としません。一目で問題を判断し、それを解決するための N 個のソリューションを用意することができます。

ある業務分野で十分な経験を積んだ専門家は、このような微妙な感性を持っているとよく言われます。もちろん、どんなに優れた直感でも、間違えることがあります。さらに、他の人を説得できるだけの力を発揮する前に、データを使って上司やチームを説得する必要があります。そのため、私たちはあらゆる種類のデータツールを持っています。

ここでは、日常生活でよく使われる3つのデータ分析ツール「デュポン分析、ファネル分析、マトリックス/4象限分析」を紹介します。

デュポン分析法では、例えば電子商取引事業を運営しているときに、売上高が減少した場合、デュポン分析法を使用して分析することができます。

（１）デュポンの分析

デュポン分析法は有名なデュポン社から生まれたものです。財務分析に基づいた手法ですが、ピラミッドロジックと結びついているため、段階的に分解して多くの問題を解決することができます。たとえば、売上 = 顧客注文、訪問者のコンバージョンであり、訪問者はさらにページビュー、滞在、離脱などに細分化でき、ページビューは異なるチャネルからのページビューに分割できます。

平均注文額は、個人決済回数、関連率などに関係します。コンバージョン率は、カート追加率、回収率などで階層ごとに細分化でき、最終的に各データの増減を見つけて原因を見つけることができます。

（２）ファネル分析法

ファネル分析法は、オペレーション、特にイベントオペレーションやグロースオペレーションで最もよく使用されます。

AARRRライフサイクルの有名な 5 層ファネル理論は、ファネル分析法と一致しています。ファネル理論はファネル分析法から進化したものであり、データの視覚的な表現はファネルの形状を示していると言えます。

成長プロセスでは、潜在的ユーザー、コンタクトユーザー、滞在ユーザー、行動ユーザー、有効ユーザー、トランザクションユーザー、二次トランザクションユーザー、コアユーザー、自己増殖ユーザー、各水平線はパーセンテージであり、上から下に向かって並べられたこれらのパーセンテージがファネルを形成します。

ファネルの変更を通じて運用上の欠点を分析し、それに応じて最適化することができます。

最後は、4象限/マトリックス分析法です。このツールは、市場調査や競合分析で最もよく使用され、管理ツールとしても非常に実用的です。

（３）マトリックス法

マトリックス手法の核心は、各分析対象を見つけることです。たとえば、 NetEase Cloud Musicの市場分析では、 Xiami Music、Kugou Music、Baidu Music、QQ Music などの競合他社を見つけます。

次に、すべての対象ユーザーの年齢や専門性など、水平方向と垂直方向の 2 つの次元を見つけます。そこには、専門職の若者（90/00）、非専門職の若者（90/00）、専門職の中高年（70/80）、非専門職の中高年（70/80）の4つの象限が含まれます。

たとえば、管理においては、すべての従業員は価値観と能力という2つの次元に分けられます。アリババには、小さな白いウサギ、野犬、老いた牛、有名人がいます。

たとえば、競合他社と私たちの間のギャップをすべてリストアップした後、各ギャップをその重要性と緊急性に応じて座標上に配置し、チームに目標と方向性を与えます。

各ギャップのキャッチアップも、座標軸上のこの点からこの点に移動することで、いつでも追跡できます。たとえば、市場シェアと製品の販売量は、座標軸上の矢印で示され、毎月徐々に改善されます。

ここでも 4 象限アプローチが役立ちます。

4. 既成データ＋EXCELがエントリーポイント

もちろん、データ分析はそんなに簡単ではないと言う人も多いでしょう。実際、専門家のデータ分析はこれよりもはるかに驚くべきものです。少なくともExcelでは、専門家が簡単に使える多くの関数の使い方がわかりませんし、Webサイトからデータを自動的に収集するプログラムもあまり書けません。しかし、データ分析の簡単な入門としては、一般的なデータの背景情報源であるシンプルな Excel で十分です。せいぜい、データソースの検索、蓄積、整理には段階的な進歩が必要です。

残りは実際にはそれほど難しくありません。結局のところ、これらはエントリーレベルのデータ分析であり、ほとんどの操作には十分です。