情報流通促進のためのデータ分析はどのように行うのでしょうか？

多くの起業家は概念的な事柄について話すのが好きなようです。例えば、ここ2年間のインターネット+、その後のビッグデータ、そして最近のブロックチェーンなど...

しかし、インターネット+、ビッグデータ、ブロックチェーンについてよく話す人々の中で、これらが何であるか、どのように機能するか、そして世界が目にする「魔法のような」効果をどのように実現するかを本当に理解している人はほとんどいません。

人々が何かを理解していない場合、それを神格化したり悪魔化したりするのは簡単です。

たとえば、この広告主の苦情は次のとおりです。

「私はお茶を販売していて、このデータを使って宣伝をしていますが、なかなか良い結果が得られています。ボタンのコストは2元未満で、ファンを追加するコストは30元と安価です。最近は蜂蜜を販売しているのですが... なぜ効果があまり良くないのでしょうか？ファン1つで200元以上もします！」

そしてこの人の声は:

「この美容商品のランディングページを見てください。なかなか良いですね。感動しました。あなたもこれを同じように作って市場に出すのを手伝ってください！絶対に効果がありますよ！ 」

前回、国土の女神に線香を焚いたら、孫の熱が下がったのに、今回は病気になって、また国土の女神に線香を焚いたら、なぜもっと具合が悪くなるのでしょうか？

ビッグデータについて十分な知識がなければ、すべての行動は迷信に基づくものとなり、それはお寺で線香を焚いたり仏を拝んだりするのと同じで、実質的な役割を果たさないことになります。

では、ビッグデータはどのようにして「魔法のように」問題を解決するのでしょうか?目に見えないところで、多くの専門家があなたには理解できない方法で作業を行っています。彼らにとって、ビッグデータは単なるツールです。

では、プロのデータ分析者ではない場合は、ビッグデータを科学的にどのように見ればよいのでしょうか?

アイデア1：「データを理解する」よりも「ビジネスを理解する」ことが重要

データ分析は主要な配信指標の追跡と切り離せないものであることは誰もが知っています。たとえば、CPM、CPS、GMV、DAU などです。これらの指標は、多くの場合、ビジネスに密接に関連しています (顧客獲得コスト、平均顧客単価、顧客数など)。

しかし、これらの指標の追跡にも優先順位があることを知らない人も多いかもしれません。具体的な状況は会社自体に深く関係しています。

成熟した企業は実行に重点を置いており、ビジネスモデルの検証段階が完了しているため、上記と同じ指標が成熟したビジネスモデルを持つ成熟企業にも実現可能である可能性があります。企業は既存のモデルをコピーし、手順に従って規模を拡大するだけで、スムーズに運営し、ビジネス目標を達成できます。同様に、GMV などの指標は運用パフォーマンスを測定することができ、これらの主要な指標を追跡することで、当社の配送および運用活動を効果的に測定することもできます。

しかし、まだ立ち上げの調査段階にある新しいプロジェクトの場合、それは「虚栄心」の指標となる可能性があります。

なぜそう言うのでしょうか?なぜなら、スタートアップ段階では、ほとんどの企業はビジネスモデルを完全に決定することさえできないからです。彼らはまだプロモーション活動を絶えず変更し、適切な製品やターゲット顧客を探しています。このような不確実性の中で、どうやって指標を決定できるのでしょうか?

この段階で広告宣伝が必要だったとしても、その目的は製品と市場のマッチング度合いをテストし検証することです。つまり、資金が枯渇する前に、現在の製品とビジネスモデルで会社が生き残れるかどうかを知るために広告宣伝テストを行うのです。この時に評価すべき重要な指標は、GMVやDAUではなく、広告宣伝をやめた後も自社製品を使い続けるユーザーがどれだけいるのか、再購入率はどれくらいなのか、紹介はどれくらいあるのか、といったことです。そして、企業の存続に深く関わるその他のデータ。

マーケティングアナリストがよく言うことですが、「ビジネスを理解していなければ、データを正しく解釈することはできない」ということです。ビジネスにとって重要なのは、データそのものではなく、ビジネスの観点からデータから発見される効果的なビジネスインサイトです。

たとえば、 Taobaoストアをオープンしたばかりで、自然なトラフィックがない場合は、情報の流れを利用してストアにトラフィックを誘導しようとします。この場合、毎日の店舗の顧客数や売上高は、最も気にするべき指標ではありません。注目すべきは、この期間中に注文した顧客のうち、一定期間内に何人が再購入したか、店舗名や商品ブランド名を検索して店舗に入店した顧客が何人いたかなどです。これらのデータが明確でなければ、集客に繋がるのはトラフィックなのか、自社商品の競争力なのかがわからず、その後の店舗活動やマーケティング戦略が定まらず、結果的にその後の事業規模が制限されてしまう可能性があります。

アイデア2：「データを理解する」よりも「人間性を理解する」ことが重要

広告の目的は消費者の意思決定に影響を与えることです。では、消費者はどのように意思決定を行うのでしょうか?ビッグデータは人間の行動を予測できるとよく聞きます。では、人間の行動を予測できるビッグデータを活用して、消費者の意思決定に影響を与え、広告をより効果的にすることはできるのでしょうか?

残念ながら、ビッグデータ プラットフォームは各個人の行動データを正確に収集できますが、正確な予測を行うことはできません。これは、Taobao があなたが購入したばかりの商品をおすすめしたり、Toutiao があなたが視聴したばかりの映画を常にプッシュしたりする理由でもあります。

一方、予測は行動データに基づいており、人間の介入または機械学習を使用して予測モデルを構築し、次にとり得る行動を推測してそれに応じて介入します。

実際、ビッグデータ技術が登場する前も、ビジネスマンはビジネスを行っていました。

優れたビジネスマンは、観察を通じてデータを収集し、思考を通じてデータを解釈し、そのデータを活用して販売行動を調整します。今日のビッグデータと比較すると、それほど便利ではなく、それほど大きな基盤もありません。ここですべてを列挙することはしませんが、現時点で思いつく有名ブランドはすべてこの点で良い例です。

今日のビッグデータは、各データを一つずつ収集して処理するプロセスを単純に省略します。この問題を理解するには、今のところまだ人間の頭脳が必要であり、ビッグデータ技術は先導するのではなく、補助することしかできません。

私たちが広告を行う際、情報の流れにしろ他の側面にしろ、実は人々の購買意思決定プロセスを研究しているのです。つまり、ユーザーが「見る」から「興味を持つ」、そして「購入意欲が湧く」、そして最終的に購買行動が完了するまでのプロセス全体を研究しているのです。もちろん、これらの研究は「人間は合理的である」という仮定に基づいています。市場調査を行ったことがある人なら、本当のニーズは隠れていることが多いことに気づくでしょう。マーケティング担当者にとって最も厄介なのは、意思決定が隠れた動機によって行われることが多いことです。隠された動機を明らかにしたいのであれば、人間の本質を理解することを学ばなければなりません。

私たちはいつも面白い例を挙げます。ある人が広告を見て当初はブランド A の車を購入したいと思っていましたが、後にブランド B の車のモデルの方がきれいだったのでブランド B の車を購入しました。この人の決断は理にかなっていると思いますか?人間の観点から言えば、そうです。

人間には 2 つの意思決定の道があります。1つは中心の道、つまり十分な調査と思考に基づいて購入問題を検討する道であり、「合理的」になる傾向があります。一方、この一時的な意思決定行動は限界の道を指し示しており、つまり、購入の決定は製品外部の特定の手がかりから来ています。

たとえば、意思決定者の配偶者を選ぶ自己は、自動車のモデルによって活性化されます。この二次的な自己行動パターンでは、消費者の決定はリスク回避的になり、衝動的な消費になりがちです。これは、人間の本性レベルでは、より合理的な説明の 1 つです。

情報フロー広告データを分析する場合も同様です。データは兆候しか与えません。兆候の背後にある理由をさまざまな観点から、さらには最も深い人間的観点から見て、視聴者がなぜこのように反応するのかを考える必要があります。彼らの転換または非転換の背後にある根本的な論理は何ですか?このプロセスを何度も繰り返すことによってのみ、最適化の方向性を見つけ、競合他社よりも一歩先を行く顧客を見つけることができます。

アイデア3：「データを理解する」よりも「職業を理解する」ことが重要

データ分析は、定性分析と定量分析の 2 つの方法に分けられます。このうち、定性分析とは、物事の性質を判断すること、つまり「それは何であるか」に答えることを指します。別の種類の分析は定量分析と呼ばれ、具体的には物事の量に関する統計を作成することを指します。私たちがよく話題にするのはクリックスルー率やコンバージョン率など、定量的な分析を指します。

クリックスルー率やコンバージョン率などのデータは比較的直感的なので、最適化担当者や上司はこの種のデータにもっと注目します。さまざまな情報フロー交換グループで最もよく議論されるトピックは、「今日のクリックスルー率はいくらですか？」や「今日のコンバージョン率はいくらですか？」などの定量的なデータです。このようなコミュニケーション自体に問題はありませんが、業界やデリバリー段階を区別せずに、誰もがこれらの定量的な指標を使用してデリバリーの効果を測定する場合は、注意が必要です。

（１）不慣れなプロジェクトでは、参考にできる過去のデータがありません。ゼロから始める場合には、定量分析スキルよりも、マーケティングの専門知識に基づいた定性分析スキルが求められます。

例えば、製品が開発された背景にある需要のシナリオや、企業がなぜこの製品を開発したのかを分析できます。これらの定性分析は、訴求の効果的な方向性を見つけるのに役立ちます。

（２）定量分析によるABテストは確かに必要ですが、それに過度に依存すると成果に致命的なダメージを与える可能性があります。

たとえば、ランディング ページを最適化したい場合、AB テストには数十、数百の変数 (レイアウト、セールスポイント コピー、感情の喚起、カラー マッチング、製品の組み合わせ、価格設定、ギフトなど) があります。それぞれを AB テストする必要がある場合、いつオンラインに公開できるでしょうか。 （ボスはあなたがお金を稼ぐのを待っています！）

現時点では、まず専門的なマーケティング分析を有効にし、専門的な判断に頼って 3 ～ 5 つのバージョンを選択してテストし、配信データ分析を組み合わせて、大規模な配信に適したバージョンを選択する必要があります。

（３）データ分析の結論と自分の専門的判断との間に矛盾がある場合、ほとんどの場合、データ分析の結論ではなく、専門的判断に耳を傾けるべきである。

例えば、ある広告主がWeChat Momentsに掲載したBMWの車の広告について相談に来ました。しかし、広告を受け取ったユーザーからは「私には買えない」 「ビッグデータは精度が高いと言われているのに、どうして間違った人を見つけてしまうのか」といったコメントが寄せられました。

まず、データ自体が不完全です。

広告主が精度とみなすのは、プラットフォームが BMW または BMW と同レベルの車に興味のあるユーザーに広告を表示することです。もちろん、理論的には、プラットフォームがすべてのユーザー行動データを取得すれば 100% の精度を達成できますが、現実には、広告プラットフォームはデータが不完全であるため、そうすることができません。

不完全性の理由は複雑です。たとえば、ユーザーのプライバシー保護のためかもしれません。たとえば、さまざまなプラットフォーム間のデータが完全に接続されておらず、データ アイランドがかなりの期間存在することが必然的にあるからです。上記の広告に対するユーザーのコメント「お金がない」のように、データレベルの分析から最も考えられる理由は、プラットフォームがユーザーの財務状況を正確に把握していなかったことです。オーディエンスの財務状況に関する最も正確なデータを持っているプラ​​ットフォームは、さまざまな銀行や国税局などである可能性があります。ただし、プライバシー保護のためか、データセキュリティを考慮しても、これらのデータを短期間でさまざまな広告プラットフォームに公開することはできません。したがって、不完全なデータは、私たちマーケティング担当者が直面しなければならない現実です。

第二に、人間の本質そのものは予測不可能です。

データ サイロが接続され、データ自体が完全であったとしても、主要な情報フロー プラットフォームが潜在的な視聴者の広告に対する主観的な反応を正確に識別して予測できるという保証はありません。なぜなら、人間の本質は予測不可能だからです。

行動経済学では、人々は多くの状況において非合理的であると信じています。人間は本質的に非合理的であるとさえ言える。それはちょうど、誰かに恋をしたときと同じです。愛しているとき、なぜ愛しているのかさえわかりません。思い出せるのは、次から次へと続く非論理的な断片だけです。しかし、この背後には何かパターンがあるのでしょうか?もちろんあります。この背後にある論理は進化論の研究対象です。ある意味では、私たち人間の行動はすべて種の生存と繁殖のためであり、人間の行動反応もそこから生まれています。

BMW の広告の下に、買う余裕がないとメッセージを残したユーザーに戻りましょう。本当に買う余裕がないのでしょうか?必ずしもそうではありません。ただ、現時点では、BMW をすぐに購入することが最優先事項ではないと考えているだけです。彼らにとってはそれほど緊急ではないので、BMW を購入するためにお金をかける価値はありません。これらのユーザーに次のような理由を伝えます。

「あなたは女神のためにブランド品のないコーヒーを一杯買うのに19元を費やしました。

彼は女神を家まで送るために、1日19元かかるBMWを使った。 ”

そうなると、「毎日一杯のコーヒーのお金でBMWを購入し、美しい女性のハートを掴む」ことが、達成すべき緊急の課題となるでしょう。

（履歴データ画像）

ユーザーは計算をしたり、買う余裕がないと言ったりはしないでしょう。

買うべき合理的な理由を示さなければ、顧客は「買う余裕がない」と言うでしょうし、顧客自身も「買う余裕がない」から買わないと考えるようになるということを知っておくべきです。この状況を簡単にまとめると、「言っていることと考えていることが違う」となります。

マーケティング調査のシナリオでは、「言っていることと意味していることが違う」という状況がよく発生します。もちろん、消費者に「真実を語らせる」方法を見つける前に、まず消費者が「言っていることと考えていることが違う」ことを認識できなければなりません。オフラインでは、独自の行動観察などの手法で誘導・確認することができますが、オンラインで広告を出す場合には、相手の本当の「意図」に基づいて、心を動かすコピーを作成する必要があります。

この記事の著者@杜江は（Qinggua Media）によって編集および出版されています。転載する場合は著者情報と出典を明記してください。

製品プロモーションサービス：APPプロモーションサービス広告プラットフォームLongyou Century