ビッグデータ分析を行い、ユーザーの移り気な心を掴むにはどうすればいいのでしょうか?

私はもともと、「家にいる人」はゲームや動画アプリのヘビーユーザーだと思っていましたが、学習やフィットネスのアプリに多くの時間を費やすとは予想していませんでした。特に学習アプリは、利用時間の増加率が最も高いだけでなく、総利用時間もトップ3にランクインしました。このレポートの結果は皆さんが考えていることと大きく異なり、自分が運営しているユーザー層も変わってしまったのではないかと考えさせられました。

ユーザーストックが王様である時代において、オペレーションドッグとしてユーザーを真に理解し、時代の流れに遅れずについていき、KPI を達成することによってのみ、ドッグに操られることを避けることができます。この時、データ分析は私たちの秘密のコードになります。これをうまく実践すれば、良い評判とトラフィックの両方を獲得できる「スター」コンテンツを企画することができます。しかし、何千冊もの本があり、どれが本当に必要なのでしょうか?データを正しく使用するにはどうすればよいでしょうか?

データが大量にあるのですが、すべてが必要な場合はどうすればいいですか?

ユーザーデータは膨大で、すべてを分析するのは非現実的であるため、さまざまな側面からデータを分類する必要があります。私の考えでは、データは基本データとパーソナライズされたデータの 2 つの主要なカテゴリに分類できます。

基礎データとは、ユーザーの性別比、年齢構成、ユーザーのアクティビティなど、すべてのAPP運営者が明確に把握する必要があるデータです。これらのデータは業務の基本です。これらのデータがまだ理解できていない場合は、作業を中止して、新入社員研修をもう一度行ってください。

パーソナライズされたデータは、さまざまなユーザーシナリオや運用ニーズに応じて抽出および選別されるターゲットデータです。APPユーザーの日常的なアクティビティ操作を例に挙げてみましょう。

初期計画では、ユーザーのグループポートレートによって活動の計画方向を導き、ユーザーのニーズによって活動の目標を決定します。ユーザーの興味を理解することで、活動の内容とプレゼンテーションを決定できます。ユーザーの行動の一貫性を理解することで、活動促進のタイミングを決定できます。

運用中は、詳細なイベント統計とカスタマイズされたトラッキングポイントを通じて、アクティビティにおけるユーザーの行動をさらに分析し、アクティビティ全体の各リンクのデータ変換状況を把握し、データのフィードバックに基づいてアクティビティを最適化し、アクティビティへの投資を調整することができます。

イベント終了時には、新規ユーザー数、アクティブユーザー数、リテンションユーザー数、さらにはアンインストールユーザー数を分析し、イベント全体の効果を評価し、次回のイベントに向けた貴重なデータ比較の参考資料を提供できます。

したがって、洗練された運用がますます重要になるにつれて、パーソナライズされたデータの統計、分析、および適用はデータ運用の中核機能となり、運用を成功させる鍵にもなります。

運用には長期的な取り組みが必要です。移り変わりやすいユーザーの心をどう捉えるか？

ユーザーは気まぐれです。ユーザーが何を望んでいるのかがわからなければ、ユーザーと長期的な関係を築けるとは考えられません。データは単一の次元の結果を反映しています。このデータを組み合わせてユーザーの真の姿を描き、統合的に分析し、ユーザーを真に理解する方法は、運用スタッフのデータ適用能力をテストすることになります。

ユーザーデータには多次元の組み合わせが必要です（インターネットからの画像） -

まず、ユーザーポートレートを構成するデータは、属性データ、行動データ、シナリオデータに分けられます。

属性データは、性別、年齢層、消費レベルなど、ユーザーの客観的な属性、つまり長期間にわたって変化しないデータを反映します。
行動データは、ユーザーが最近気に入ったアプリケーションや、ユーザーが最近訪れたシーンなど、ユーザーの最近の行動を反映します。
シーンデータはユーザーのリアルタイムシーンを反映します。 LBS ジオフェンシングテクノロジーを使用することで、ユーザーの現在のシーンはユーザーの地理的位置に基づいて決定されます。

これら3 つのデータを有機的に活用することで、数百のユーザータグを形成でき、各ユーザーの数千の顔を真に視覚化でき、オペレーターが洗練されたユーザー操作を実行しやすくなります。ここで私がGetuiでよく使っているユーザー分析ツール「Personal Image」をおすすめしたいと思います。 Personal Image は、Personal Image プラットフォーム上の数十の属性タグと数百の興味タグを通じて、ユーザーのオンラインおよびオフラインの行動データを分析し、非常に完全で正確なユーザーポートレートを形成するのに役立ちます。

-「個人のイメージ」のためのユーザーラベルシステム-

これらの豊富なユーザータグにより、ターゲットユーザーグループをより正確に見つけることができます。例えば、映画のプロモーションをする場合、正確なデータ操作は配信戦略に非常に役立ちます。「ガン・リンポチェ」を観ることを好むユーザーには、映画アプリのヘビーユーザーが映画レビューを書くのが好きであったり、文学アプリを好むなど、共通の特徴がいくつかあります。次に、データ分析を使用して、この文学および芸術のユーザーグループにアクセスし、彼らと交流し、彼らを利用してより大きな視聴者市場を開拓することができます。

ここで注目したい概念は、ユーザーの最近の行動データです。ユーザーの成長サイクルやユーザーの興味関心の変化などを反映することができ、コンテンツ運用においては特に重要です。例えば、旅行アプリはユーザーの最近の行動データを活用して、ユーザーが最近訪れた旅行シーンを把握し、重複した推奨を避けることができます。また、ユーザーの最近の行動の好みを理解し、ユーザーの興味の観点から適切な旅行コンテンツを推奨することもできます。

比較しなければ害はありません。データが真実を語らせましょうか?

データの内容のマイニングは技術的な仕事です。業務上、最も基本的なデータ分析はデータの比較です。比較によってのみ、真実（上）が明らかになります（海）。運営者が注意深く分析する必要があるデータには、2 種類あります。1 つは APP 自身のデータ、つまり、APP 内のページの閲覧データ、消費データなど、ユーザーが APP を使用する際に生成されるデータです。もう 1 つは、業界の公開データ、研究データなど、APP の外部データです。

APP独自のデータの分析では、時間ポイント、リンクポイント、データの比較などの方法を追加することで、「派手な」比較を行うことができます。

マーケティング活動を例にとると、最終的な売上データを見るだけでなく、マーケティングプロセス全体を通してポイントを確立し、各リンクのコンバージョン状況をカウントする必要があります。例えば、マーケティングキャンペーンページのオープン、商品紹介ページのクリック、ショッピングカートへの追加のクリックなどです。マーケティングキャンペーン全体のすべてのリンクでコンバージョンと損失が発生しますが、運営者が本当に尋ねる必要がある重要な質問は、どのリンクで最も多くのユーザーが失われるかということです。

各段階での出来事の進行と変化に注目してください。

多くの企業にとって、外部データの比較分析を独自に行うことは困難です。大規模なデータカバレッジや業界動向の比較が不足していることがよくあります。このとき、サードパーティのデータサービスプロバイダーの支援を求める必要があります。

業界トップクラスのサードパーティのビッグデータサービスプロバイダーの中には、長年にわたって蓄積された膨大なデータと強力なデータ分析機能を通じて、企業がより包括的なデータ分析を実施できるよう支援できるところもあるようです。先日、アプリケーションデータ統計・分析製品「Number」に魅力を感じました。この番号で最も魅力的なのは、業界比較やアンインストール分析など、業務の最適化に非常に役立つ独自のデータ分析サービスを提供できることです。

業界比較指数は、事業者が市場全体の発展状況、APPの業界競争力、自社のAPPの発展段階を理解し、事業者の意思決定を導くのに役立ちます。

アンインストールユーザー分析の適用シナリオは、よりターゲットを絞っています。1. 顧客獲得データと解約データを比較して、製品ライフサイクルの決定に役立てます。2.さまざまなソースチャネルからのユーザーのアンインストール率を分析し、広告戦略を最適化します。3. カスタマイズされた埋め込みポイントを組み合わせて、アンインストールユーザーの特性を深く探り、アンインストールの理由を分析します。4. イベント中に、アンインストールデータを相関させて分析し、イベントがユーザーに与える悪影響を評価します。