データ分析モデル（I）：ユーザーモデル

日常のデータ分析では、8 つの主要モデル (ユーザー モデル、イベント モデル、ファネル分析モデル、ヒート マップ分析モデル、カスタムリテンション分析モデル、スティッキネス分析モデル、フル ビヘイビア パス分析モデル、ユーザー グループ化モデル) がよく使用されます。この記事では、ユーザー モデルから説明します。

1. ユーザーモデルとは何ですか?

まず、ユーザー モデルが基本的な分析モデルである理由を 3 つの文章で説明します。ユーザー モデルは最初に分析する必要があるほど重要です。ユーザーが誰であるかを知らなければ、どのようなサービスを提供すればよいかわかりません。ユーザーがあなたと「対話」している段階がわからないと、最初にどのようなサービスを提供すればよいかわかりません。マーケティング戦略を集中させることができず、サービスが体系的かつ継続的ではありません。

したがって、まずは定義から始め、ユーザー モデルとは何か、従来の方法でどのように構築されるかを説明しましょう。

ペルソナは、アラン・クーパーが著書『About Face: The Essence of Interaction Design』で言及している、ユーザーを研究するための体系的な方法です。これは、製品マネージャーやインタラクション デザイナーにとって、ユーザーの目標とニーズを理解し、開発チームや関係者とコミュニケーションを取り、設計上の落とし穴を回避するための重要なツールです。

従来のユーザーモデル構築方法:

Alan Cooper は、ユーザー モデルを構築するための 2 つの方法を提案しました。

• ユーザーモデル: ユーザーへのインタビューや観察などの調査結果に基づいて確立されます。厳密で信頼性が高いですが、時間がかかります。
• 一時ユーザーモデル: 業界の専門家や市場調査データによるユーザーの理解に基づいて構築されます。高速ですが、偏りが生じやすいです。

1. インタビューと観察に基づいてユーザーモデルを構築する（オーソドックスなアプローチ）

アラン・クーパーの方法では、ユーザーへのインタビューと観察がユーザーモデルを構築するための重要な基礎となります。完全な手順は次のとおりです。

2. アドホックペルソナを構築する

ユーザーにインタビューして観察する時間やリソースが不足している場合は、業界の専門家によるユーザー理解や市場調査から得られた人口統計データに基づいて、「一時的なユーザー モデル」を確立できます。

「一時的なユーザー モデル」を構築するプロセスは、「ユーザー モデル」を構築するプロセスと非常に似ていますが、「ユーザー モデル」のデータ ベースは実際のユーザーへのインタビューと観察から得られるのに対し、「一時的なユーザー モデル」のデータ ベースはユーザーの理解から得られるという点が異なります。両者の間には正確さと精度に違いがあります。

2. 行動データに基づいてユーザーモデルを構築する

アラン・クーパーが初めてユーザーモデル（ペルソナ）の概念を提唱してから20年近く経ちます。この間、ソフトウェア製品開発のプロセス方法と企業の運営方法は大きく変化しました。迅速な反復を特徴とするアジャイル開発方法が従来のウォーターフォールモデルに取って代わり、「開発→測定→認識」のフィードバックループを中核とするリーンスタートアップ方法が徐々に企業の運営方法に影響を与え、変化しています。

従来のユーザー モデル構築方法は、開始以来ほとんど変わっていません。アジャイルで素早い作業に慣れているプロダクト マネージャーやインタラクション デザイナーにとって、ユーザーを研究し、ユーザー モデルを構築するのに長い時間を費やすには、必要な時間とリソースを確保するためにかなりの決意と努力が必要です。さらに、インターネットプロダクトのコールド スタートにかかる時間はますます短くなっています。コストとリスクを削減するために、プロダクト チームは多くの場合、スタートアップ期間中にできるだけ早くプロダクトをユーザーにプッシュし、できるだけ早くフィードバックを取得して「迅速な試行錯誤」を行うことを選択します。現実とプレッシャーにより、ほとんどの新製品の PM は、徹底的なユーザー リサーチに多くの時間とエネルギーを費やすことができません。

誰もがユーザーモデルが良いと思うのは当然ですが、実際に仕事でユーザーモデルを使用する人はほとんどいません。時間的プレッシャーとエネルギー不足の矛盾を解決するために、ユーザー行動データに基づいてユーザーモデルを迅速かつ反復的に構築するための軽量な方法を提案しました。

まず、認識可能なユーザー エクスペリエンスと取得したデータを整理して収集します。これには、あなたとチームのユーザーに関する理解、製品のビジネス データベースに記録されたユーザー関連情報 (ユーザーの性別、年齢、レベル、その他の属性など)、ユーザーが記入したフォームや残した情報 (製品内外) (ユーザーが記入したアンケート、残されたWeChatアカウントなど) が含まれます。

この情報をユーザーの説明情報（属性）またはユーザーの行動情報にマッピングし、保存してユーザー プロファイルを形成します（下の図を参照）。

Zhuge.io 新小売デモ ユーザー プロファイル (仮想データ)

上図のように、ユーザープロファイルからはユーザーの属性情報、行動データ、環境データを明確に把握することができます。

3. 行動データに基づいてユーザーモデルを構築する利点

1.機会に関する効率的かつリアルタイムの洞察

データの世界では、正確さがすべてであり、スピードはさらに重要です。分析システムがこの情報を処理して解釈する速度が速いほど、ビジネスの状況をより速く明確に把握でき、企業がより早く意思決定するのに役立ちます。たとえば、当社のクライアントの1つであるシェアサイクルでは、リアルタイムデータ指標の異常な変動を発見しました。翌日の維持ユーザー数は「崖のように」減少しました。緊急調査により、競合他社が低価格で新規ユーザーを引き付けていることが判明しました。そのため、運用チームはすぐに積極的な対策を講じ、市内の市場シェアを維持しました。

同様に、市場は常に変化しており、失敗は軽微な過失から生じることが多いため、オペレーターと意思決定者は自社のデータの変動にリアルタイムで注意を払う必要があります。

2.結果だけでなく歴史を記録する

行動はラベルです。これまでは、ユーザーにラベルを付けることによって、ユーザーの洞察を得ることが多かったです。実際、行動データ自体の価値はますます高まっています。ユーザー行動データに基づくユーザーモデルは、各ユーザーのあらゆる行動を記録し、ユーザーと製品間のインタラクションプロセスを客観的かつ真に復元します。単に「ユーザータグ」を付けるのと比較して、記録されたユーザー行動データは多次元クロス分析においてより価値があり、構築された単一のユーザーポートレートはより完全で科学的です。

3. ユーザーのライフサイクル全体をカバーする360°ユーザープロファイル

ユーザーの行動データに基づくユーザーモデルは、リアルタイムで動的に変化します。ユーザーが製品内で成長し、訪問者から見知らぬ人、そして最終的に高価値ユーザーになるにつれて、ユーザーの成長のすべてのステップが行動を通じて記録されます。ユーザーのライフサイクルのさまざまな段階に基づいて、新規ユーザー、失ったユーザー、アクティブユーザー、サイレントユーザーに対して、新規ユーザーの誘致、コンバージョン、維持などのターゲットを絞った運用戦略が採用されます。

ユーザーの生涯価値（LTV）を伸ばすには、ユーザーのライフサイクル全体のデータを収集し、CRMデータ、履歴データ、ビジネスデータ、サードパーティデータを接続して、ユーザーの属性情報（性別、年齢、国など）をユーザーの行動データに関連付ける必要があります。外部プロモーションプラットフォームのデータを接続して、ユーザーがどこから来たのかという問題を解決します。異なる製品プラットフォームのデータを接続して、アプリ、ミニプログラム、マイクロサイト、公式サイトでのユーザーの行動をリアルタイムで同期します。この方法でのみ、真にユーザー中心の統計と分析を実現できます。

行動データとツールの助けを借りてユーザー モデル (ペルソナ) を迅速かつ反復的に構築するこの方法は、今日のインターネット チームの作業スタイルとリズムに適しています。ユーザー行動データに基づくユーザー モデルは、一方では従来の方法を簡素化し、データ分析のハードルを下げます。他方では、データ分析をより科学的、効率的、包括的にし、ビジネスの成長に直接適用し、運用上の意思決定を導くことができます。

出典: Zhuge io データコーチ