電子商取引活動のレビュー: データ集約型の操作を効率的に実現するには?

誰もがオペレーションとビッグデータについて語る時代に、誰もがオペレーションに対して「データと対話し、洗練されたオペレーションを実現しなければならない」と言うでしょうが、どのようにすればよいのでしょうか。

1. 洗練されたデータ操作のための4つの前提条件

1. 運用に必要なデータをタイムリーに取得する:

注文量、登録量、閲覧量、ページビュー、訪問時間など、取得すべきデータを明確にします。
データは取得できますが、すべてのデータを取得できるわけではありません。初期段階で収集されたデータのみが取得できます。
データをタイムリーに取得します。多くの企業は、業務を通じて直接データを取得することはできません。一般的に、まずテクノロジーとコミュニケーションを取り、ニーズとスケジュールを明確にする必要があります。そして、多くのデータは時間に敏感です。例えば、イベント開催中に、購入予定ユーザーのIDが間に合わず、割引情報の送信が遅れ、ユーザーが他のチャネルで商品を購入してしまうといった事態が起こります。

2.データ分析の次元と指標を合理的に定義する。

「定義されたディメンションと指標」がビジネスニーズに近ければ近いほど、データの真の価値を引き出すことができます。しかし、多くの企業ではデータの区分が曖昧で、分析時に合理的に定義できたとしても、初期段階でこれらの次元のデータを収集していないため、分析を実行できません。

3. 効率的なデータ分析ツールを選択して使用する:

適切なデータ分析ツールを選択すると、少ない労力でより多くの成果を上げることができます。優れたデータ分析ツールは、現在のビジネスのデータ分析ニーズを満たすだけでなく、企業の発展中にデータ量が増加し、ビジネスが変化するのに応じたデータ分析ニーズも満たす必要があります。

そのため、Excel、SPSS、SAS、SQL、Clementine、R、Rapid-miner などのツールが使用される場合があります。オペレーターがこれらのツールを習得するための要件は高すぎます。このような基準に従ってオペレーターをトレーニングするために費やす資金と労力は、データアナリストをトレーニングする場合と同等です。

4. 強力なデータ分析能力を持ち、それを実務と組み合わせることができる。

つまり、データ分析能力とは、複雑なデータから問題を発見し、パターンを要約し、最適化ソリューションを提供できる能力を意味します。実際の業務と組み合わせるには、業務に対する深い理解だけでなく、データを実際の業務と統合するための強力な論理的分析能力も必要です。

では、データ集約型の操作は誤った提案なのでしょうか?もちろん違います。以下では、 eコマース事業者であるXiao Zhang氏による618イベントのレビューを例に、データ駆動型オペレーションを効率的に実現する方法を説明します。

II. 背景

618期間中、小規模な美容Eコマース会社の経営者である張暁さんは、「年中プロモーション、最後まであなたに補償します」というまったく新しい15日間のプロモーションを試みました。これはかなり効果的でした。そのため、リーダーはシャオ・チャンに全員で活動を振り返るよう求め、データを使って話す必要性を強調しました。

618イベント（6月6日〜20日）中、Xiao Zhangは次の2つの主な試みを行いました。

1. パーソナライズされた SMS リマインダー。 6月16日から6月20日までのイベント期間中、ユーザーの購入誘導に重点を置くため、ユーザーごとにパーソナライズされたSMSリマインダーが追加されました。例えば、イベント前に商品をショッピングカートに入れたユーザーに「お求めの商品が値下げされました！」というメッセージを送信したり、イベント中にフェイシャルマスク商品を閲覧したユーザーに「フェイシャルマスククーポン」を送信したりといったことが可能です。

2. 推奨モデルを改良します。主な焦点は、詳細ページのパーソナライズされた推奨モデルを改良することにあります。たとえば、同じ消費習慣を持つユーザー向けに、プロモーション中に購入された製品の推奨を追加します。

その日の必要な仕事を終えた後、張小はイベントレビューの準備を始めました。シャオ・チャン氏はまずレビューの要点を整理した。

活動の全体的な効果。たとえば、総売上高、総注文量、購入ユーザー総数など。
イベント中のユーザー行動の分析。たとえば、アクセス時間、地理的分布、クーポンの使用分布など。
活性製品の分析。たとえば、異なるカテゴリーの商品の売上分析、類似商品の売上分析など。
アクティビティリソース割り当て分析。たとえば、バナーの位置、ポップアップウィンドウ、関連する推奨事項などです。
アクティビティフロー分析。たとえば、さまざまなチャネルからのトラフィック数や ROI などです。

3. 活動の全体的な効果

イベント全体の効果は、イベントの総合的な評価です。電子商取引イベントの総売上高、総注文量、総購入ユーザー数、平均顧客単価などを分析し、具体的な成長を見るには前月比と前年比の数値を分析する必要があります。

張暁氏はデータから、618プロモーション期間中の売上高が前年同期より約2,000万増加し、前月比40.9%増（図1参照）、前年比55%増だったことを突き止めた。

注: 記事内の写真はすべて Sensors Data 製品のものであり、関連するデータはすべて仮想のものです。

図1 今年の618プロモーションと昨年の618プロモーションの総売上の比較

Xiao Zhangはさらに分析し、6月16日から6月20日までの売上が非常に良好であったことを発見しました（図2を参照）。分析によると、これはこのイベントのパーソナライズされた SMS リマインダーの試みに関連している可能性があります。注文を促進するリマインダーのコンバージョン率は30% と高く、これは元のコンバージョン率の 2 倍です。

図2 イベント期間中の1日あたりの売上

アクティビティの全体的な効果を分析することは、レビューの最初のステップにすぎません。効果が良いか悪いかにかかわらず、理由を分析し、その後の最適化の提案を行うには、さらにセグメンテーション分析を行う必要があります。たとえば、上でパーソナライズされた SMS リマインダーはコンバージョン率を効果的に向上できることを学びました。その後のアクティビティでは、よりパーソナライズされたリマインダーを設定したり、サイクルを延長したりできます。

4.ユーザー行動に基づくデータ分析

ますます熾烈になる今日の競争では、ユーザーを獲得できる者が勝利の可能性を高めるでしょう。ユーザー行動分析はユーザー維持に不可欠な部分であり、あらゆるレビューで強調しなければならないポイントでもあります。

Xiao Zhang は、消費者ユーザーのアクセス時間、地理的分布、クーポンの使用状況などに関する一連の分析を実施しました。以下は、Xiao Zhang によるユーザーのクーポン使用状況の分析例です (図 3 を参照)。

図3 ユーザーアクティビティ中の1日あたりのクーポン使用量の分布

図4 ユーザーアクティビティ中のクーポン総使用量の分布

大規模なプロモーションに適切な割引レベルを設定すると、半分の労力で 2 倍の結果が得られます。この割引レベルは、ほとんどの人にとって魅力的であり、制御可能なコストで割引後の利益を最大化する必要があります。

図3に示すように、活動期間中にクーポンを使用するユーザーの最大割合は1日あたり50〜100元です。図4に示すように、活動期間全体でクーポンを使用するユーザーの最大割合は100〜200元であり、ユーザーはクーポンを繰り返し使用する可能性が高いことを示しており、この状況に基づいてその後の活動を最適化できます。たとえば、一般的に高額クーポンは注文金額が高い場合が多いため、高額クーポンの使用率を高めたり、単一商品クーポンを設定したりします。

ユーザーの行動には分析できる点が多くあります。前述のクーポン利用の分布に関して、異なる地域のユーザーによるクーポンの利用をさらに分析することができます。例えば、一級都市ではクーポンの利用量が多く、三級都市、四級都市ではクーポンの利用量が比較的少ないため、地域によって異なる金額のクーポンを送ることができます。データを分析することで、どの道が正しいのかわからない迷路を歩く代わりに、多くの操作コードのロックを解除できます。

5. 製品活動の分析

電子商取引プラットフォームのコアな競争優位性の 1 つは、製品の競争力です。製品の価値は、ユーザーが購入するかどうかに直接影響し、製品推奨管理は製品の売上、ひいては総売上に直接影響します。

Xiao Zhang Company は小規模な美容 e コマースプラットフォームであり、その製品カテゴリにはクレンザー、ローション、エッセンス、フェイシャルマスク、日焼け止めなどが含まれます。シャオ・チャンはまずさまざまなカテゴリーの商品を分析し、今回のイベントでは日焼け止めカテゴリーが総売上高の最大の割合を占めていることを発見しました。予想通り、気温が暖かくなるにつれ、日焼け止めは女性にとってほぼ必需品となり、毎日最も多く使用されるアイテムとなりました。

張暁さんは同じカテゴリーの異なる製品も分析しました。日焼け止めカテゴリーを例にとると（図5）、トップランクの日焼け止めはZIL AI X日焼け止めスプレー（ Douyinインフルエンサーと同じ日焼け止め）、2位はRECIPE日焼け止めスプレー、3位はAnessaであることがわかります。したがって、将来的に製品ラインを拡大する際には、Douyin で人気のある製品を試すことができます。Douyin ではすでに製品の認知度が高まっており、ユーザーを教育する必要がないためです。

図5 日焼け止めブランド上位5社の売上高分布

電子商取引活動において、高価値商品は一般的に 2 つのカテゴリに分類されます。1 つは単価が低く販売量が多い商品であり、もう 1 つは販売量はそれほど多くないかもしれませんが、単価が高く総販売量が多い商品です。 Xiao Zhang は分析を通じてこれら 2 種類の商品の製品 IDを取得し、後続のアクティビティ呼び出しを容易にするためにそれらの製品グループを作成しました。しかし、分析中に、Xiao Zhang は異常を発見しました。普段は人気のある日焼け止めシャツの販売量が異常に低いのです。原因を突き止めるために、Xiao Zhang はコンバージョンファネルを分析しました (図 6)。

図6: 異常な日焼け止めシャツの購入コンバージョンファネル

上の写真からわかるように、日焼け止めシャツは6月9日以降売れていません。さらに分析した結果、張暁さんは日焼け止めシャツが6月9日に売り切れたことを発見しましたが、販促期間中に忙しすぎて在庫を適時に確認しなかったため、在庫を補充できず、大きな損失が出ました。

上記の例から、データ分析を通じて問題を見つけるだけでなく、最適化ソリューションも見つけることができることがわかります。たとえば、在庫切れの状況を適時に発見できなかったために損失が発生したことが判明した場合、将来的に在庫アラームのメカニズムを設定できます。在庫が 20 個未満になると、製品オペレーターに電子メールアラームが自動的に送信され、オペレーターが在庫を適時に補充できるようになります。また、プロモーション中に在庫切れの状況が発生しないように、各プロモーションの前に製品在庫を確認する必要があります。

6. リソース配分分析

活動におけるリソースの割り当ては極めて重要な事項です。適切な割り当て方法は活動効果を飛躍的に高めます。同様に、不合理な割り当て方法も大きな悪影響をもたらします。

これまで、Xiao Zhang は各リソースポジションの PV しか見ることができませんでした。単一のデータからリソースポジションの価値を判断することはできませんでした。多くの場合、PV は高いと表示されていましたが、実際には実際のコンバージョンは形成されていませんでした。張小さんは、バナーのクリック数が多いということは、コンバージョン率も非常に高いはずだとずっと考えており、それについて考えるのに多くの時間を費やしました。しかし、この分析により、バナー位置のコンバージョン率は実際には良くないことがわかりました。

そのため、バナーの位置を最適化する必要があります。たとえば、バナーをクリックすると、ユーザーは商品の詳細ページに直接リダイレクトされるのではなく、まずさまざまな商品のクーポンページにリダイレクトされ、その後商品購入ページにリダイレクトされます。

図7 各リソース位置の変換

Xiao Zhang は、詳細ページの下部にある推奨製品の購入率が大幅に増加したことも発見しました (図 7 を参照)。これは、このイベントで採用された新しい推奨メカニズムに関連しています。今回、新たなパーソナライズされた推奨メカニズムが採用され、ユーザーの本来の閲覧行動に応じて関連するセグメンテーションモデルが設定され、ユーザーの閲覧行動が特定のセグメンテーションモデルの特性に合致すると、このモデルに従って推奨が行われます。

7. アクティビティからのトラフィックフローの分析

電子商取引プラットフォームの場合、総売上高 = ユーザー数 * 平均顧客単価です。平均顧客単価は比較的固定されていることが多いです。総売上高を増やすには、主にユーザー数、つまりトラフィックを増やすことです。このとき、特に大規模なプロモーションの際には、トラフィックを迂回させる必要があります。

偽のトラフィックが蔓延している今日のビジネス環境では、高い ROI を得るために、適切なチャネル、適切な配信方法、キーワードなどを特定することがますます重要になっています。そのため、Xiao Zhang は配信チャネルについてもいくつかの分析を実施しました (図 8)。

図8 異なるチャネルからのトラフィックの転換

上の図からわかるように、Baidu のトラフィック数が最も多く、Didui のトラフィック数が最も少ないことがわかります。しかし、Baidu のトラフィックは他のすべてのチャネルよりも優れているのでしょうか?

もちろん違います。どのチャネルが優れているかを判断するには、集客したユーザーの質、つまりこれらのユーザーが登録して購入したかどうかをさらに分析する必要があります。このとき、登録コンバージョン率は良い指標です。つまり、登録ユーザー数をAPPを起動したユーザー数で割ったものです。ここでのユーザー数とは、各チャネルが集客したユーザー数を指します。この指標は、チャネル効果をより正確に示すことができます。同様に、購入コンバージョン率も計算できます。

Xiao Zhang は、チャンネルの分析に加えて、チャンネル内で使用されるキーワードの分類と分析も行いました。 Xiao Zhang は、これらのキーワードを、トラフィックが多く高品質のキーワード、トラフィックが多く品質の低いキーワード、トラフィックが少なく高品質のキーワード、トラフィックが少なく品質の低いキーワードの 4 つの象限に分け、最適化の提案をまとめました。

その後のプロモーション活動では、高品質でトラフィックが多いキーワードについては配信を増やすことができ、品質が低くトラフィックが少ないキーワードについてはコストを抑えてより高品質なキーワードを配信することができ、トラフィックが少なく高品質なキーワードについてはターゲットを絞ったチャネルで配信することができ、トラフィックが少なく品質が低いキーワードについては配信を停止したり最適化したりすることができます。

結局、Xiao Zhang はわずか 3 時間で非常に詳細な分析レポートを作成しました (上記の例は Xiao Zhang の分析の一部にすぎません)。翌日、Xiao Zhang の業務レビューは満場一致で賞賛され、多くの提案が採用され、2 回目の詳細な議論の範囲に含められました。