ユーザーセグメンテーションを実行し、洗練された操作を実現するにはどうすればよいでしょうか?

この記事の著者は、主にユーザーの層別化と洗練された操作の分野におけるRFM モデルの適用方法と簡単な実践的な事例を紹介します。お楽しみください〜

ユーザーオペレーションの分野では、RFM という用語があります。多くの人が見たことがあると思いますが、専門的すぎると感じて深く掘り下げなかったり、Python などのデータ処理方法を含む記事があったりして、やる気が出なかったり、この用語が電子商取引と密接に関係しているため、電子商取引以外のオペレーションパートナーは学習をあきらめたりしています。

本日は、主にユーザー層別化と洗練された運用の分野における RFM モデルの適用方法と簡単な実践事例を紹介します。

RFM モデルはユーザー価値モデルよりも 1 レベル高く、ユーザー価値モデルには 2 つの方向があります。

• 1つは、ユーザーのライフサイクル、つまり製品内での時間とユーザーの成長パスに基づいてライフサイクルモデルを構築することです。
• もう 1 つは、主要なユーザー行動に基づいて RFM モデルを構築することです。今回は、ユーザー価値モデルにおける RFM モデルについてのみ説明します。

RFM モデルの利点は何ですか? RFM モデルを決定したら、テキスト メッセージを送信するときにどのユーザーにプレフィックス「Dear VIP user」を追加するか、どのユーザーにプレフィックス「Long time no see」を追加するかを決定できます。また、企業はどのユーザーに異常な動きがあるのか​​、ユーザー離脱の兆候があるかを判断し、それに応じた運用アクションを増やすこともできます。その優れた用途を以下に示します。

RFM の詳細についてはインターネットで検索できます。ここでは詳細には触れません。まず 3 つの文字の意味を説明します。

• R: 最新性。これは、ユーザーの最後の消費からの時間を指します。もちろん、最後の消費からの時間が短いほど良いです。私たちにとってより価値があり、ユーザーに効果的にリーチできる可能性が高くなります。
• F: 消費頻度（頻度） 、一定期間内でのユーザーによる製品の消費頻度。期間の定義に重点が置かれています。
• M: 消費量（金銭的） 。ユーザーの価値貢献を表します。

当初は、R、F、M の各方向に 5 つのレベルが定義されていました。5 5 5 = 125 のユーザー カテゴリです。これは、ほとんどの操作や製品にとって複雑すぎます。なぜ 5 つのレベルに分かれているのかなどの歴史的な問題を理解する必要はありません。これで、R、F、M の各方向を高と低として定義しました。R、F、M の中央値を見つけます。R = 最新の消費量。中央値より高い場合は高く、中央値より低い場合は低くなります。この方法では、次の図に示すように、2 2 2 = 8 のユーザー分類があります。

そのため、製品内のユーザーが上記 8 つのカテゴリのどれに該当するかを把握できれば、ターゲットを絞った運用戦略を立てることができます。

具体的な RFM 設定に入る前に、RFM モデルは電子商取引分野だけでなく、他の分野にも適用できることをもう一度強調したいと思います。 R、F、M に関連するデータ フィールドを見つけて、フィールドを適切に定義し、これらのフィールドが現在のビジネスの進行に影響を与える最も重要なディメンションであることを証明します。

• R: 最終ログイン時間、最終投稿時間、最終投資時間、最終閲覧時間
• F: 閲覧数、投稿数、コメント数
• M: 入金額、報酬金額、コメント数、いいね数

上記は他分野におけるR、F、Mの定義であり、具体的な定義は実際のビジネス状況に基づいて評価されるべきものである。たとえば、あなたがDoubanの運営管理者で、Douban の書籍セクションの全体的なトラフィックが過去 1 週間で 10% 減少し、同時に文学書籍カテゴリの共有投稿数が前月比 5% 減少していることがわかった場合、その理由を分析したいとします。 対応する R、F、M フィールド (それぞれログイン数、投稿数、インタラクション数) を選択できます。

• 書籍セクション全体のトラフィックが減少しており、このセクションのアクティビティが減少していることがわかります。過去 1 週間のログイン数を確認できます。
• 文学書カテゴリーのシェア投稿数は5%減少しました。過去1週間の投稿数を見ることができます。
• 同時に、トラフィックが減少した場合、トラフィックの減少が投稿の品質の相対的な低下によって引き起こされ、ユーザーのインタラクション（コメント、お気に入りなど）の減少につながるかどうかを確認できます。

以下では、ショッピング ガイド プラットフォームからの 10,000 個のデータ セットを例に、最も簡単な方法を使用してこのデータ セットでユーザー RFM モデルを構築し、これら 8 つのユーザー カテゴリを見つける方法を示します。

RFM モデルを構築する手順は次のとおりです。

• 元のデータをR、F、Mの3次元でキャプチャします。
• R、F、Mの評価モデルと中央値を定義する
• データ処理を実行してR、F、Mの値を取得します
• 評価モデルと中央値を参考にユーザーを階層化する
• さまざまなレベルのユーザー向けの操作戦略を指定する

（１）元データをR、F、Mの３つの次元で捉える。直近の消費時間、消費頻度、消費量を把握する。前述のように、ビジネス分析を行う際には、実際の状況に応じて R、F、M のデータ フィールドを選択できます。次の表は、10,000 個のデータのうち 13 個を示しています。

（２）１万件のデータの直近の消費時間、消費頻度、消費量をパーセンテージトレンドチャートで処理した。消費頻度を例にとると、次の図のようになる。

グラフから、10,000 個のデータのうち、消費頻度に明らかなギャップがいくつかあることがわかります。具体的には、1 回の消費、2 ～ 5 回の消費、6 ～ 11 回の消費、12 ～ 17 回の消費、18 回以上の消費です。そこで、F値を5段階に分けて、F=1=1回消費、F=2=2～5回消費、F=3=6～11回消費、F=4=12～17回消費、F=5=18回以上とします。

同様に、上図に示す方法を使用して、R 値と M 値がそれぞれ 5 に対応するデータ範囲を見つけました。 R=1=2日、R=2=3-8日、R=3=9-14日、R=4=15-22日、R=5=23日以上、M=1=600元、M=2=601-3800元、M=3=3801-6200元、M=4=6201-10000元、M=5=10001-15000元。

次の 3 つの RFM データ指標に基づいて分類基準を取得します。

(R 値は逆数値で、R 値が大きいほどユーザー値は低くなります。F 値は正数値で、F 値が大きいほどユーザー値は高くなります。M 値は正数値で、M 値が大きいほどユーザー値は大きくなります。)

（３）各データについて、最新の消費時間、消費頻度、消費量に対応するR値、F値、M値を計算する。

上図の計算方法は比較的簡単です。Excel で if ステートメントを記述します。

セル E2 = if (B2>23,5,if(B2>15,4,if(B2>9,3,if(B2>3,2)))))

説明する：

• B2 が 23 より大きい場合、A1 ユーザーに対応する R 値 = 5 になり、それ以外の場合は次の if 判断に進みます。
• B2 が 15 より大きい場合、A1 ユーザーに対応する R 値は 4 になり、それ以外の場合は次の if 判断に進みます。
• B2が9より大きい場合、A1ユーザーに対応するR値=3、それ以外の場合は次のif判断に進みます。
• B2 が 3 より大きい場合、ユーザー A1 に対応する R 値は 2 になります。それ以外の場合は、次の if カウントに進みます。

F値はM値と同じ方法で計算されます。

（4）R、F、Mの平均値を計算します。この計算方法は誰でも知っているはずです。単純に合計して項目数で割るだけです。 R(平均)=2.9、F(平均)=1.8、M(平均)=2.7

（５）１００００個のデータポイントにおける各ユーザーのＲ値、Ｆ値、Ｍ値を平均値と比較する。値が平均値より高い場合は高いとマークされ、値が平均値より低い場合は低いとマークされる。

最高値と最低値を比較するには、単純な if ステートメントを使用します。

H2=if(E2<2.9, "low", "high")の場合、F値とM値の計算は同様です。

（６）各ユーザーのR値、F値、M値を中央値と比較してユーザーカテゴリー表を得る。各ユーザーの R 値、F 値、M 値を中央値と比較して高いか低いかを判断し、前述の RFM モデルの 8 つのユーザー カテゴリのうち、どのカテゴリにユーザーが属するかを判断します。ここでは、単純な if ステートメントを使用して判断する必要があります。ユーザー A1 を例に、ユーザー A1 が属するユーザー カテゴリを判断してみましょう。

K2=IF(AND(H2=”高”,I2=”高”,J2=”高”),”重要な価値ユーザー”, IF(AND(H2=”高”,I2=”低”,J2=”高”),”重要な開発ユーザー”, IF(AND(H2=”低”,I2=”高”,J2=”高”),”重要な保持ユーザー”, IF(AND(H2=”低”,I2=”低”,J2=”高”),”重要な保持ユーザー”, IF(AND(H2=”高”,I2=”高”,J2=”低”),”一般的な価値ユーザー”, IF(AND(H2=”高”,I2=”低”,J2=”低”),”一般的な開発ユーザー”, IF(AND(H2=”低”,I2=”高”,J2=”低”),”一般的な保持ユーザー”, IF(AND(H2=”高”,I2=”低”,J2=”低”),”一般的な保持ユーザー”, IF(AND(H2=”低”,I2=”高 ...低”,J2=”低”),”一般的な保持ユーザー”, IF(AND(H2=”低”,I2=”高”,J2=”低”),”一般的な保持ユーザー”,

同時に、Excel の「条件付き書式」をクリックし、「高」という単語を含むテキストを緑色に、「低」という単語を含むテキストを赤色に設定して、識別しやすくします。

これまでに、これら 10,000 のデータ項目に基づいて、ユーザーの完全かつ精緻な階層化が得られました。次に、階層化の結果に基づいて対応する運用戦略を作成し、具体的な実装作業を実行します。

（７）ユーザー層別化結果に基づく運用戦略の策定

運用戦略を策定する際には、製品内の各タイプのユーザーの割合と、製品の実際のビジネス ロジックの両方を考慮する必要があります。ショッピングガイドプラットフォームのユーザー層別化を例にとると、次の戦略が策定されます。

友人の中には戦略を策定するときに、戦略とは呼べない「プラン」を次々と提案する人がいます。たとえば、「重要な開発ユーザー」に対して私が提示する戦略は「頻度を上げる」です。プッシュ通知の送信、クーポンの発行、電話の発信など、プランを策定する代わりに、頻度を上げるためのあらゆる手段を試すことができます。これらはすべて戦略によってサポートされる運用手段です。戦略自体は拡張可能かつ複製可能でなければなりません。

上記のようにユーザーカテゴリーに基づいた運用戦略を策定するだけでなく、10,000件のデータ項目におけるR値分布、F値分布、M値分布を分析することもできます。3つの値の分布と中央値との比較に基づいて、直近の消費時間、消費頻度、消費量というディメンションに基づいた全体的な運用を実行し、サイト上のユーザーの全体的なアクティビティ、全体的なプロセスを改善し、GMVを増加させることができます。

全体的に、RFM モデルはそれほど難しくありませんが、注意すべき点がいくつかあります。

1. 生データを取得する際には、最新の消費時期、消費頻度、消費量といった固定観念ではなく、実際のビジネスに基づいて分析の重要なデータ指標を選択することが重要です。 Douban の例も上で示しました。Douban の場合、R = ログイン数、F = 投稿数、M = インタラクション数です。
2. R値、F値、M値の評価モデルを定義してデータ区間を区切る際、必ずしもこの記事で紹介した方法を使って全体の傾向を見て明らかなギャップを見つける必要はありません。散布図、ピボットテーブル、割合グラフなどを使って判断することもできます。同時に、データを通じてギャップを発見するだけでなく、自社のビジネスと業界平均に基づいた重要なポイントを発見することもできます。例えば、 DidiやYidaoのようなタクシー配車アプリの場合、平日の利用頻度は確かに比較的高いです。したがって、Didiのビジネスを分析する場合、実際のビジネスに基づいて、5日間ごとにレベルとして、F値の消費頻度の5つのレベルを設定し、過去30日間のビジネスパフォーマンスを分析できます。たとえば、F=1=5日以内、F=2=6〜10日、F=3=11〜15日、F=4=16〜20日、F=5=21〜30日。次に、抽出された各ユーザーの消費頻度をこれらの 5 つのレベルと比較して、各ユーザーの F 値を決定します。
3. 中央値を計算する最も簡単な方法は、この記事で説明した平均値計算方法です。平均のほかに、20% のユーザーが収益の 80% を生み出すという 80/20 ルールもあるため、この重要なポイントを各ユーザーの R、F、M の比較対象として使用できます。より複雑なビジネスの場合は、プログラマーの支援を求め、Means クラスタリング アルゴリズムを使用して正確なデータを取得できます。
4. この記事で述べたように、クロス分析のために 3 つのコアビジネス指標を選択することに加えて、4 つまたは 5 つの指標を同時に分析する必要がある場合や、2 つの指標のみを分析する必要がある場合があります。したがって、この記事の計算方法を厳密に使用する必要はありません。 柔軟性と適応性が必要です。 ここでは例は示しません。
5. 最終的には、運用に戻らなければなりません。したがって、さまざまなユーザー層に対する運用戦略の策定は、実際の状況に基づいて行う必要があります。運用戦略が策定された後、会社の既存のリソースと手段と組み合わせて、具体的な実装作業を実行する必要があります。

この記事の内容を実際に試してみることをお勧めします。