データを活用して業務の成長を促進する方法

データ駆動型の運用ではすぐに満足のいく結果が得られないかもしれませんが、最適化や改善も行わなければ、良い結果は得られないでしょう。

初心者向けオペレーション業務の開発について紹介しました。まとめると、

1. まず製品、分業、人々の立場を理解する
2. 仕事の内容を明確にし、良い計画を立てる
3. 運用ツールの使用を育成し、運用思考を形成する
4. 小さなスキルを練習して移行に備える

作業内容がわかったら、データに基づいて作業を実行する必要があります。

業務では日々データを扱います。データに基づいてKPIを設定し、データに基づいて業務戦略を調整するため、データを理解することは基本的なスキルです。

洗練されたオペレーションは、現在のインターネット環境におけるオペレーションの核となる考え方です。これは、データに基づいて、より少ないコストでより良い結果を達成する方法です。では、製品のさまざまな段階で洗練されたオペレーションを実現するにはどうすればよいでしょうか。

1. データのベースラインを定義する

製品データは基本データと運用データに分かれています。

• 基本データとは、DAU、UV、クリック、トランザクション、オンライン時間など、製品によって毎日生成されるデータを指します。
• 運用データとは、オペレーションが製品に対して特定のアクションを実行したときに生成されるデータを指します。たとえば、アクティビティ データ、アクティベーション変換データ、注文量最適化データなどです。

オペレーターは、まず製品の基本的な日々のデータを理解する必要があります。まず DAU とトランザクション量を知っていれば、アクティビティの効果を評価するときに明確なアイデアが得られます。

たとえば、一般的に、アクティビティの参加者数が合格するには DAU の 2 ～ 3 倍である必要があります。合格するには、アクティビティを時間どおりに終了することを意味しますか?それとも二次拡散でしょうか?失敗した場合は調整のために棚から取り外されるのでしょうか?それとも要約を終えますか? DAU 300、アクティビティ参加者数 310 など、参照できるベンチマークデータがないのに、それでも良いと思うのであれば、何か問題がある可能性があります。

各業界のデータ ベースラインを紹介する別の記事を書く予定です。

2. 製品のさまざまな段階におけるコア指標を見つける

2.1 製品の初期段階

ビジネスモデルの検証: スタートアップ段階では、インターネット製品は特定の人々の特定の問題を解決し、独自のビジネスモデルの市場検証を行う可能性が高くなります。多くの場合、ユーザーは自分のニーズを認識していません。インターネット製品は製品を提供するのではなく、ユーザーのニーズを解決する方法です。

タオバオを例に挙げてみましょう。タオバオは、ユーザーのより高度なショッピングニーズを満たすために商品をオンラインで販売するだけでなく、商品の選択、オンライン決済から物流まで、完全なモデルを提供しています。地元では買えないものしか買えず、物流に1か月かかるとしたら、それでもタオバオを選びますか？したがって、製品そのものに加えて、ユーザーのニーズをどう解決するか、つまりビジネスモデルがより重要になります。

この段階では、見ているデータは収益額ではなく、コア機能に関する垂直グループからのフィードバックである可能性があります。毎日/毎月のアクティブユーザー数やリテンションなど、成長に関連するいくつかの主要な指標に注目する必要があります。これらの指標の目的は、製品の現在のパフォーマンスを測定し、将来の成長のためのベンチマーク データを提供することです。

製品機能の検証：APP は企業のビジネスモデルを担い、製品自体の機能設計は運用とチャネル運用に直接影響するため、すべての製品オペレーターは自社製品の基本データを把握する必要があります。

たとえば、商品の定着率が低い場合、人々は間違いなく広告を出さないでしょう。定着率がなければ、成長のためにお金を費やしても、実際には成長にはつながりません。損失率が成長率を上回っているからです。アクティビティと維持率を高めるために、製品の改良に重点を置く必要があります。

逆に、維持率が業界レベルよりも高い場合は、キャンペーンを実施し、以前のデータをベンチマークとして使用し、常に成長の勢いに注意を払う必要があります。ある月のパフォーマンスが製品の過去のベンチマークデータよりも低い場合、製品の動作に何らかの問題があることを意味します。

2.2 中間段階の製品

製品の機能と体験がますます完璧になるにつれて、ユーザーベースは比較的安定し、一定数のユーザーを蓄積しています。この段階では、運営側がデータ駆動を理解しておらず、直感に頼って同業者と競争すると、1、2回はうまくいくかもしれませんが、カジノに参加して何十回も連続して勝つことはできません。

そのため、運用では各ノードを迅速に最適化し、主要ノードの変換効率を向上させる必要があります。

継続的な改善と変換効率の蓄積を通じて、ユーザーの忠誠心は自然に高まり、最終的には製品の中核的な競争力となり、防壁を形成します。

たとえば、アクティビティ インタラクション、サインイン ポイント、メダル タスク、その他のゲームプレイを増やすなどです。これらのシナリオの拡張は、ユーザー維持を促進したり、コア コンバージョンをさらに向上させたりすることに重点が置かれます。

この段階で測定する必要があるのは、これらの拡張機能がプロモーション効果を持っているかどうかです。ユーザーエクスペリエンスを可能な限り向上させるには、ユーザーのニーズを理解し、さらに各個人に合わせた製品設計を提供する必要があります。

2.3 中期および後期段階の製品

この段階でのユーザー数の増加率は比較的低く、製品はすでに比較的安定した大規模なユーザーベースを有しています。製品の初期段階と中期段階では、さまざまなグループの人々のニーズを満たすために、垂直グループとセグメント化されたユーザー グループを見つけることが目的ですが、後期段階では、ユーザー階層化の運用上の考え方と戦略を導入する必要があります。この段階では、ユーザー サイズ、ビジネスの複雑さ、会社の中核的な要求に関係なく、全体的かつ効率的に運用できる必要があるためです。

どのユーザーが製品に最も価値をもたらし、どのユーザーが刺激を受ける必要があり、どのユーザーが失われようとしているのかを明確に定義する必要があります。後期段階の中心的な指標はビジネスの収益化であるため、さまざまなレベルのユーザーに異なるリーチ戦略を提供することが非常に重要です。ビジネスの収益化には、アクティブで有料の一定数のユーザー基盤が必要です。

一般的に、インターネット製品には、優れたエクスペリエンスを持つ非常にアクティブなユーザーが多数存在し、彼らは有料ユーザーに転換されます。これは継続的にスクリーニングする必要がある漏斗のようなもので、ここでは操作の効率が重要です。

たとえば、 eコマースユーザーのコンバージョン ファネルは一般的に、訪問 - 登録 - 検索 - 閲覧 - ショッピング カートに追加 - 支払い、などとなります。これは非常に長いファネルです。データ駆動型の運用をうまく行うには、ファネルのすべてのリンクに注意を払い、これらのデータを継続的に追跡する必要があります。この変換効率は、マーケティング手法、製品の改善手法、さらには顧客運用手法を通じて達成できます。各リンクを少しずつ改善することで、指数関数的な改善が実現します。

3. データ実装の重要なポイント

データ操作とは、運用担当者がデータの結果を運用戦略に変換するプロセスです。人間は依然として生産力の主役なので、人々のデータに対する意識は依然として必要であると考えます。

1. データを使用して意思決定や戦略の策定を行う場合、現在分析したデータの結果が何を証明できるか、また、データでは何ができないかを知っておく必要があります。個人の認識と経験には限界があり、誇張しすぎたり過激になりすぎたりすることはできません。このような考え方は避けるべきであり、チームと共有して議論することを学ばなければなりません。

2. データの有効活用と分析は、オペレーターとチームに密接に関係しています。トップダウンの提唱と開始が最良の結果をもたらします。トップマネジメントがデータ駆動型運用の戦略と認識を持ち、経営陣がデータ駆動型運用の指導経験を持ち、経営幹部がデータ駆動型運用を実施できれば、システム全体がうまく実装されます。

しかし、運用担当者は意識的に活用したいと思っていても、チームの力量やリーダーシップの意識などの限界により、推進できない場合があるため、妥協することを学び、文句を言うのをやめなければなりません。推進できないものについては、小さなノードを分析することから始め、チームにデータで考え、データの結果を使用して判断および要約する習慣を身につけさせます。その後、専門的な体系的なトレーニングを受けるか、データの専門家を採用して、データ標準化全体を推進することができます。

3.最後に、データ分析ツールとさまざまなモデルが使用されます。これもデータ分析スキルの基本要件です。多次元分析、クロス分析、パイレーツモデル、ユーザー層別モデル、 RFMモデル、90-10-1モデル、ABテストなどを理解していなければなりません。製品の状況によってはこれらすべてを使うとは限りませんが、何を分析するためにどれを使うのかを明確にしておかなければなりません。そうでないと、データ操作について長々と話した後、データは手に入るものの、それをどのように分析するか、何を分析するか、分析に何を使用するかがわからず、単なる空論になってしまいます。

もちろん、データ分析の具体的なテクニックや方法論については、初心者でも理解できるような記事がインターネット上にたくさんあります。より専門的な核心的な内容については、専門書を読むことをお勧めします。ここでは、主にデータ思考意識の育成を強調します。

4. データ分析は目的から始まり、その目的は簡潔でなければならない

製品運用戦略には、新規ユーザーの誘致、維持、活動、プッシュ、マーケティング、メンテナンスなどがあります。毎回すべてのユーザーを分析することは不可能であり、これはリソースとコストの無駄です。1 つの方法ですべてのユーザーを満足させることも、1 つの方法で最善を尽くすこともできないからです。ユーザーごとに違いがあり、これらの違いを運用によって分割し、洗練された運用で補う必要があります。

10 万人のユーザーがいて、その消費量を分析したい場合は、まず目的をもう一度強調し、どのレベルのどの月のユーザー消費量を分析したいのかを心の中で明確に考える必要があります。

チームコストを削減するために、正確な目的は、ターゲットをより細かい粒度に細分化し、3月のユーザーを分析することです。その月の新規ユーザーと、1月に登録したユーザーが3月に古いユーザーに定着していること、eコマース企業がプロモーション用の化粧品を販売していること、および適用可能なユーザーポートレートに基づいて、年齢層、都市、職業などに基づいてターゲット人口を選択する必要があります。目的が十分に細かく分割されていれば、目標は明らかになります。精度はデータ分析に対する考え方であり、操作手段でもあります。

最後に

1. データドリブンな運用をしてもすぐには満足のいく結果が得られないかもしれませんが、最適化や改善さえ行わなければ、良い結果すら得られません。優れた運用は、良いデータ結果に満足するのではなく、これが今できる最善のことなのか、それとも私が考えていないもっと良い可能性があるのか​​を考えます。それは終わりであり、出発点でもあります。それはまた、自己反復であり、能力の核心でもあります。

2. 業務を効率的に運営するには、データなしでは成り立ちません。しかし、多くの業務は実際にはさまざまなデータモデルや理論に囚われているか、まったくデータを認識していません。業務は特定のノードを最適化することから始め、次に製品全体のデータシステムを探索し、業界全体の製品データに対するベースライン認識を持つ必要があります。多くの投資家と同様に、彼らは製品についての話を聞くだけで、市場がどれだけ大きいか知っています。また、現在の製品データを見るだけで、製品の良し悪しや、撤退すべきか留まるべきかを判断できる専門家もたくさんいます。

これは話題から外れますが、私たち全員がすべてを理解する時間があることを願っています。

この記事の著者@猫力は（Qinggua Media）によって編集および公開されています。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