ユーザーの成長: 分析システムを構築するには?

インターネットの世界では、すべては成長のためです。一瞬のイノベーションで製品が成功するかもしれませんが、それは決して長続きしません。ユーザー成長の分野では、一連のフレームワークを再利用し、ベストプラクティスの道を見つけ、少しの幸運を加えてビジネスの成功を達成する方法が、私が探求してきたテーマです。この記事と次のいくつかの記事では、ユーザー成長への最善の道を体系的に説明します。

ユーザー増加の定義については、すでに市場で多くの説明がなされているため、ここでは繰り返しません。簡単に言うと、ユーザー増加の基本的な目的は、一定期間内に製品の有効ユーザー数を増やすこと (詳細は後述) であり、それによって現在および将来の GMV と利益を増やし、商業的成功を達成することです。

この目標を達成するために、戦略的および戦術的な観点からこのコンセプトを次の部分に分解します。

戦略：

• 状況を利用する：製品自体の設計は時代の発展のトレンドに沿っており（2018年にポケベルを販売するビジネスを始めたいのであれば、残念ですが、神でさえあなたを助けることはできません）、ユーザーの真のニーズを満たし（たとえば、「大学生に単語を暗記するように指導し、料金を請求する」というビジネスモデルが、長期的にはユーザーに支払われる可能性があるかどうかを考えてください）、最適なPMF（製品市場適合性）を見つけます。
• ミン・ダオ：適切なタイミングで適切な方法で適切なことを行う（例えば、 Baiduプロモーションへの取り組みをいつ強化すべきか、どのようなキーワードを購入すべきか、どのような人口層をターゲットにすべきかなど）。
• 最適な手法:目標を明確にし、急速な成長を促進するための最も有用なツールを構築します (データ製品とマーケティングツールを迅速に構築し、継続的に反復して、運用効率を向上させ、運用上の事故率を削減するにはどうすればよいか? どのようなデータ製品が迅速かつ効果的なデータ分析を実行するのに役立つか、どのマーケティング ツールが最小限の労力で運用戦略を迅速に実装するのに役立つか)。

戦術：

• 何が起こっているのか、なぜ起こっているのかを把握する:分析システムを構築する;
• オープンソースは重要だが、傍受はもっと重要：リテンション（有効ユーザー数）を向上させる方法論。
• 仕事をうまく行うには、まずツールを研ぐ必要があります。つまり、成長ツールを構築することです。
• すべての卵を 1 つのバスケットに入れるのではなく、運用ナレッジ ベース (クラウド タグ、チャネルシステム、意思決定の変換、クリエイティブ センター) を構築します。

1. 分析システムの構築

分析システムを構築する目的:

製品開発の現状を明確に把握し、問題点や可能性を洗い出し、TODO項目をまとめ、必要性や優先度を合理的に判断します。

つまり、分析の基本的な目的は、ビジネスをより明確に把握し、最も重要な問題の解決にリソースとエネルギーを集中させることです。

この文章の焦点は後半にあります。何を最初に行うべきか、何を後で行うべきか、そして何をする必要がないのかを判断できずに、好奇心を満たすため、または分析の複雑さと作業負荷を追求するためだけに分析を行うのであれば、この分析には価値がなく、時間とエネルギーの無駄遣いにしかなりません。

ユーザーライフサイクルの次元に基づいた分析システムを構築する

製品のユーザープールがどのように形成され、製品サービスを利用するユーザーが誕生から死に至るまでのプロセスは、基本的に次のようになります。

製品のユーザープールを貯水池のようなものだとすると、できるだけユーザーがそのプールに留まってくれることを願っています。実際、私たちが日々行っていることは、基本的に以下の目標を中心にしています (スペースが限られているため、これらの具体的な方法については後続の記事で詳しく説明しますので、お楽しみに)。

指標に基づく分析システムの構築方法

ステップ1: 新規ユーザー、有効ユーザー、サイレントユーザー、失われたユーザーを定義する

ユーザー分類の定義は、ビジネス経験の判断（たとえば、ユーザーが 10 日間連続してログインしていない場合、そのユーザーは失われたとみなされるかどうか）と会社の戦略目標（注文量重視、粗利益重視、GMV 重視）に基づいて行う必要があります。

• 新規ユーザー:製品に触れて初めて製品体験全体を完了したユーザーを指します。
• サイレント ユーザー:製品を使用し、そのサービスを認識していたものの、ニーズの一部が他の製品に移行したため、あまりアクティブではなくなったユーザーを指します。
• 離脱したユーザー:かつては製品を使用していたが、特定の体験によって損害を受けた、またはニーズが他の競合製品に移行したユーザーを指します。
• 有効ユーザー：企業に継続的にプラスの価値をもたらすことができるユーザー（企業が本当に獲得したいユーザー）を指します。

業界や製品によって理解は異なります。たとえば、Weibo、 Twitter 、Instagramなどの製品の有効ユーザーとは、プラットフォーム上で継続的にアクティブなユーザーを指します。有効ユーザーは、1日あたり30分以上滞在するユーザーの平均数、1日あたり少なくとも1つのフィードを投稿するユーザーの平均数、1日あたり少なくとも1つのフィードを収集または転送するユーザーの平均数などの関連指標によって定量化できます。

たとえば、 TaobaoやMeituan Waimaiなどの商品は、過去 7 日間に少なくとも 3 件の注文を完了したユーザーの数、過去 30 日間に 5 回以上ログインしたユーザーの数、過去 7 日間に 1 つ以上のアイテムを収集したユーザーの数によって測定できます。

つまり、有効なユーザーの数は、あなたが取り組んでいるビジネスの経験に基づいて計算することができ、製品に継続的にプラスの価値をもたらすユーザーの数を真に合理的に測定できる 1 つの指標 (または複合指標を形成する複数の指標) を決定して、製品の有効なユーザーの数を定量化することができます。

Tmallを例にとると、次の 4 種類のユーザーを定義できます。

ステップ2: コア指標を分析する

洗練された操作では、ユーザー属性はより詳細なディメンションに分割されます。

• 新規ユーザーを潜在的可能性に応じてさまざまなレベルに分類し、プラットフォームに留まる可能性と、将来的に製品にもたらす価値を測定できます。その後の取り組みでは、潜在的可能性の高い新規ユーザーにリソースを優先して割り当て、成長を加速できます。
• 効果的なユーザーは、ユーザー ロイヤルティ、ユーザー スティッキネス、ユーザー クオリティなどの次元に基づいて細分化および階層化できます。ターゲットを絞った運用戦略を使用して、さまざまなレベルのユーザーに対して高品質のユーザー スティッキネスを優先的に育成し、ユーザー ロイヤルティを向上させることができます。
• サイレント ユーザーは、ユーザーの質やアクティベーションの可能性などの次元に従って階層化され、アクティベートが最も簡単で価値が最も高いユーザーを見つけて、これらのユーザーのアクティベートを優先するのに役立ちます。
• 失ったユーザーも、サイレントユーザーと同様に、回復の可能性とユーザー価値に応じて階層化されており、最も回復の見込みが高く、最も回復させたいユーザーへのリーチと刺激を優先しています。

ステップ3: さまざまなタイプのユーザー向けの移行パスを構築する

当社製品の改訂、市場の変化、ユーザーニーズのアップグレードにより、各レベルのユーザーは日々ユーザー行動の変化を経験する可能性があります。そのため、第2ステップで構築したものに基づいてパス変更システムを構築し、ユーザーの日々の心の変化、当社製品に対するユーザーの認識と依存度の変化を観察し、どの運用レバーを使用してどの移行パスを具体的に促進できるかを評価する必要があります。

高品質ユーザークラスを例にとると、ユーザー移行パスは次の図のようになります。

人口を細分化した後の組み合わせが多すぎるため、さまざまなタイプのユーザーに対して移行パスの選択肢が多すぎます。ユーザーの流れをよりよく把握するために、次の方法でユーザーの変化を観察できます。

各グループの人々は、自分たちがプラスに移行しているのか、マイナスに移行しているのかを懸念しています。理想的には、すべてのグループの人々がプラスに移行していれば、それは私たちの製品がうまく収益化していることを意味します。しかし、特定のグループの人々のマイナス移行が多い場合は、マイナス移行が続くのを防ぐために、彼らを刺激するための何らかの運用手段が必要であることを意味します。

例えば：

牛乳を販売するEC商品であれば、良質で忠誠度の高いユーザーの定着率を高めるために、商品詳細ページのコピーを最適化し、「5回購入されました。今すぐ注文して過去のカロリー吸収レポートを入手してください」などのコピーを追加して、ユーザーがすぐに注文するように促し、ユーザーが離脱する可能性を減らします。

この最適化は、高品質でロイヤルティの高いユーザーのみを対象としているため（トラフィックを分割して各ユーザーにパーソナライズされた製品を実現）、最適化アクションの開始後、高品質でロイヤルティの高いユーザー、および高、中、低のスティッキネス ユーザーの毎日の純ポジティブと純ネガティブの変化を観察します。高スティッキネスと中スティッキネス ユーザーの純ポジティブが大幅に増加し、純ネガティブが大幅に減少した場合、最適化が効果的であることを意味します。

毎日の監視とレビューの特別分析

（１）業務戦略の見直し

この部分では、デジタル戦略の目標が達成されたかどうか、また、変換プロセスに基づいて最適化の余地がある場所を検討します。

例えば、戦略目標が新規ユーザー数の増加である場合、検討時には、露出-クリック-登録-購入のリンクに基づいて最終的にどれだけの新規ユーザーを獲得できたか、どのリンクがこのチャネルの効率性向上のボトルネックになっているかを確認する必要があります。露出からクリックまでのクリックスルー率が業界標準よりも大幅に低い場合は、配信資料を最適化する必要があることを意味します。

（ここでのコンバージョン パスは単なる例です。実際に使用する場合は、さらに細分化する必要があります。たとえば、e コマースの登録 - 購入は、登録 - 製品一覧ページを閲覧して 5 秒以上滞在 - 製品詳細ページを閲覧して完全な詳細ページに到達 - ショッピング カートに追加 - 今すぐ購入をクリック - ... - 支払いが成功に細分化できます）

（２）異常の監視

この部分の主な機能は、製品事故をリアルタイムで検出し、適時に修復できるようにすることです。指標を設定するときは、すべての製品変換パスを網羅して、できるだけ包括的なものにすることができます。指標が何百あっても問題ありません。しきい値を設定し、毎日アラームをトリガーするものだけを確認します。アラームをトリガーしないものを確認する必要はありません。

たとえば、当社の監視システムには、「今すぐ SMS を送信するボタンをクリックする - 確認コードを完了する」という指標があり、しきい値は 80% です。ある日、この指標が突然 1% に低下しました。これは、SMS チャネルに問題があるか、ハッカーに攻撃され、ユーザーが SMS を受信できなかった可能性があることを示しています。このように、この監視システムを使用して事故を検出し、できるだけ早く修復して損失を最小限に抑えることができます。

（３）日常分析におけるよくある誤解

分析システムの構築はすべてデータに基づいているため、データ分析の初心者は次のようなデータの罠に陥る可能性があります。

1) 好奇心を満たすためにデータを見る

データ分析には、分析の目的を明確にし、仮説を立て、仮説を検証する作業が欠かせません。目的が明確でなく、経験に基づいた納得のいくビジネス仮説もなく、「なんとなくデータを見ておこう」と思ってBI部門に依頼するだけでは、データが出てくるまで長い時間待たされることも少なくありません。また、データを見てみて、好奇心は満たされるけれど、何の参考にもならないことに気づくことも少なくありません。

このようなデータ分析にはユーザーがいないため、あなた自身の時間と BI 担当者の時間を無駄にすることになります。

2) 膨大なデータの中からパターンを探す

上司から割り当てられたタスクが「ユーザーを分析する」だけである場合もあります。このような一般的なタスクの場合、明晰な思考力のない学生は、すぐに世界中のユーザーの考えられるすべての特徴を抽出し、データ全体のピボット テーブルを作成し、水平方向と垂直方向の両方でさまざまな比率を計算し始める可能性があります。1 次元のクロス分析で何も見つからない場合は、2 次元のクロス分析を検討します。結果はますます複雑になり、何百ものテーブルを作成しても有用な結論が得られない場合があります。

賢い人なら、これを一度だけ行うだけで十分です。パターンを見つけるために全体像を見ることは、戦略的な怠惰を補うために戦術的な勤勉さを使うことです。この状況の根本的な原因は、ユーザーのニーズについて十分に深く考えていないことです。

3) モデルの複雑さに関して非現実的な仮定を置く

パフォーマンス指向ではない場所では、方法が単純すぎるために目標が達成されず、十分に複雑で高度なものであれば目標が達成できるかのように、物事を行うプロセスにおいて複雑さを追求することを好む人もいます。もちろん、科学分野であれば、この議論は基本的に問題ありませんが、オペレーションを行う人にとっては結果重視であり、成長への継続的な貢献のみが目標となります。

KPIを完成させていない人もいれば、複雑な方法論を提案していない人もいます。彼らはいつも同じことを言ったり行ったりしているだけで、毎月給料を受け取るのが恥ずかしくて、複雑なモデルを追求し始めています。チャネルのコピーライティング機能が十分に目立っていないため、新規顧客を引き付ける効率が低いことは明らかです。コピーライティングを最適化するだけで十分ですが、彼らはチャネルのユーザーポートレートと製品のユーザーポートレートの類似点を分析し、フィールドマイニング用の K 平均法クラスタリングアルゴリズムを考案することに固執しています。彼らは、精度を評価するために個々の違いを測定するためだけにいくつかのモデルを考案しました。モデルはおそらく次のようになります。

これを2か月続けると、人生が豊かになったように感じます。実際、それはまったく必要ありません。ユーザー成長の本質は、依然としてユーザーのニーズを中心に回っています。データは単なるツールです。重要なことを見失って、データの奴隷になってはいけません。

2. その後の考察: ここではなぜユーザーディメンションからの分析システムのみを構築し、売上、粗利益、純利益などについては拡張しないのでしょうか?

マクロ環境やユーザー ニーズの変化がビジネス上の意思決定に影響を与えたり、製品の価値を混乱させたり、運用戦略の焦点が変わったりするのを回避します。

例えば：

スーパーマーケットの売上が3か月連続で減少していると、オーナーはスーパーマーケットの運営方法に問題があるのではないかとパニックになり、一連の「改革策」を開始するかもしれません。しかし、分析してみると、スーパーマーケットの新規顧客獲得の効率と品質が低下しておらず、有効ユーザー数が減少しておらず、離脱ユーザー数が増加していなくても、この期間中にもともとバドワイザービールを購入していたユーザーが農夫泉の購入に切り替えた場合、平均顧客支出の減少によりGMVは低下します。

この疑問を事前に考えてみると、客単価の低下に着目し、適切な対策（ビール10％割引など）を講じる必要があるのではないか？個人的には、それは不要だと思います。むしろ、商品価値の混乱や運用戦略の重点のシフトを招き、本来の目的である新規顧客の獲得やイノベーション、サービス品質の向上などの取り組みに遅れが生じる可能性が高くなります。

その理由は、製品を作る上で私たちが最優先するのは、ユーザーの需要を創出することではなく（スティーブ・ジョブズは、ユーザーに年に一度新しいiPhoneを買うべきだと思わせ、それがユーザーの需要を創出していました。スティーブ・ジョブズ以前は、ユーザーは年に一度携帯電話を買い替えるべきだと思っていませんでした）、ユーザーのニーズを満たすこと（ユーザーがビールを欲しがっているならビールを販売し、農夫泉を飲みたいなら農夫泉を販売する）だからです。

3. 結論: 皆さんが「千の帆を上げて若者として戻ってくる」ように、初心に戻り、正しいことだけを行ってください。

この記事は主に、ユーザー成長アーキテクチャに関する私の理解について、そしてその前半部分である「分析システムの構築方法とアイデア、そして私が遭遇した落とし穴」について語っています。 後で、残りのトピックを完成させようとします。 スペースが限られており、各読者の業界と製品が大きく異なるため、1つの記事ですべての人が自分の製品の詳細な分析システムを構築することはできません。 ご興味がある方は、メッセージを残して、さらなるコミュニケーションをお待ちしています。

著者：Ji Zhao、 Qinggua Media より出版許可。

出典：Jizhao