データ主導の成長について知っておくべき 4 つの質問!

「データ駆動型成長」は2015年に中国で言及され始めました。グロースハッキングの一環として、グロースハッキングの概念が普及するにつれて、インターネット業界の製品、運用、データ分析者に徐々に受け入れられてきました。

図 1.グロースハッカー検索インデックス (画像提供: Baidu Index)

しかし、私の友人のほとんどは「データ駆動型成長」という言葉を聞いたことがあるだけで、その手法を体系的に理解していません。その理由は、第一に、企業に優れたデータ分析ツールが一般的に不足していること、第二に、短くて効果的なコースや記事があまりに少ないことです。著者は、その著作の中で、実践を通じていくつかの一般的な方法とプロセスをまとめています。それらは完璧とは言えませんが、読者がゼロから「基礎学習」を達成するには十分です。

「データ駆動型成長」についてまだ深く理解していない友人は、間違いなく次のような疑問を抱くでしょう。「これって何？」何の役に立つの？どうやって使うの？この記事のセクション 1「基本的な理解」では、4 つのセクションを通じて、「なぜ」、「何を」、「何の役に立つのか」という質問に答えます。

セクション 2、3、4 では、「どのように使用するか」という質問に答えます。第2章では3つの使用例を紹介し、読者が後続の方法体系を理解しやすくします。第 3 章では、第 2 章の例で説明した方法を紹介します。セクション 4 では、データ駆動型成長モデルを構築するための一般的な手順をまとめます。全文構造を図 2 に示します。

図2. 全文構造

「データ駆動型成長」を学ぶには、まずマクロを正しく理解した上で、マクロ知識の枠組みに基づいた具体的な使い方を学ぶ必要があります。読者がすでに成長について体系的な理解を持っている場合は、マクロ的な理解を紹介する最初のセクションをスキップできます。

「データ駆動型成長」は、とても奥が深いように聞こえますが、実際には、核心的な内容はそれほど多くありません。多くの有名な専門家がこのスキルについて語るのに本を丸々1冊使うのは、出版社が本に10～20ページしか書かせないようにしているからでしょう。著者は、この記事を読んだ読者が「データ駆動型成長」の中核となる概念と手法を包括的かつ体系的に理解し、このスキルを仕事で活用し始めることができるようになると確信しています。

1. 基本的な理解

成長を正しく理解する

「成長」とは何でしょうか？一般的に、成長とは DAU、PV、UV の増加を意味し、これを実現する最善の方法はより多くのトラフィックを引き付けることだと考えられています。しかし、事実は、「新規顧客を引き付ける」だけで「維持」しない DAU/PV/UV の増加は成長ではないということです。

これは「竹籠に水を汲む」のようなものです。竹籠の中の水が増えているように見えますが、それは蛇口を強くひねりすぎているからです。しかし、問題は、トラフィックにはコストがかかり、ユーザーは広告をクリックしたり購入したりする前に離脱してしまうため、口コミ効果はおろか、顧客獲得コストさえ回収できないことです。また、一度ユーザーに「嫌悪感」を抱かせてしまうと、想定外のことが起こらない限り、ユーザーは戻ってきません。リテンションを無視することは、未来を先取りするアプローチとも言えます！図 3 は、「新規顧客のみを誘致し、既存顧客を維持しない」という自殺行為的な姿勢を示しています。

図3. 「新規顧客を獲得しても維持しない」という自殺行為的な姿勢

追記: 一部の起業家は、図 3 に示す方法を使用して投資を詐取します。これは一般に「To VC モデル」として知られています。

「データ意識」を再構築する

では、成長とはどのように定義されるのでしょうか?個人的には、DAUやUVなどの指標は「虚栄の指標」であり、それに重点を置くと道を誤る可能性があると考えています。現在、「成長」を最もよく説明するのは「 AARRR 」モデルであり、図4に示すように、一部の場所では「海賊モデル」とも呼ばれています。

図4. AARRRモデル

①入手する。それは、検索エンジン、アプリケーションマーケット、その他のチャネルから製品の「新規訪問者ユーザー」を獲得することを意味します。改善の目標は、チャネルの品質、量、新規ユーザーの割合などです。

②アクティベーション。登録、購入など、「製品の完全な体験」に必要なすべての事前操作を完了し、「訪問する新規ユーザー」から「使用するユーザー」に変換します。

③保持。ユーザーは製品がもたらす価値を認識し、製品を使い続けます。 「使用ユーザー」から「アクティブユーザー」へ。

④キャッシュアウトします。クリックスルー広告、トラフィック販売、サービス支払いなどの方法を通じて、顧客獲得コストを回収し、利益を上げます。改善の目標は、有料コンバージョン率、平均注文額などです。

⑤推薦。ユーザーは製品の価値に非常に満足しており、他の人に推奨しています。 「アクティブユーザー」から「ファンユーザー」に変身。

これら 5 つのコア指標が合わさって成長を構成します。5 つの指標は、製品ライフサイクルのさまざまな段階でそれぞれ異なる重点を置いています。探索期は「活性化」と「維持」に重点を置き、成長期は「獲得」と「推奨」に重点を置き、安定期は「収益化」に重点を置きます。図5に示すように。

図5. 製品ライフサイクルの各段階における成長の焦点

プロダクトマネージャーであっても、プロダクトオペレーターであっても、行うすべてのことの最終目標は成長でなければなりません。したがって、私たちが行うすべてのことは、これら 5 つの指標の 1 つ以上を改善することを目的とし、対応するデータ分析もこれら 5 つの側面を中心に展開する必要があります。

データが成長にもたらすもの

「コンバージョンファネル」と「リテンションチャート（表）」は、成長データを分析するために欠かせない2つの基本ツールであり、A AR RRモデルのあらゆる段階に適用できます。具体的には、「コンバージョンファネル」ではチャネル品質、アクティベーションコンバージョン率、有料コンバージョン率、レコメンデーションコンバージョン率を計測でき、「リテンションチャート（表）」では日次・週次・月次リテンション率を計測できます。図6に示すように。

これら 2 つの基本ツールと、次項で述べる「ユーザーセグメント化」および「ユーザー詳細調査」ツールを組み合わせることで、AARRR の各ステップでデータを通じて改善の余地や改善方法を発見できるようになります。これが、データが成長にもたらす価値です。

図6. AARRRモデルにおけるデータツールの使用

データ主導の成長に必要なツールとは

仕事をうまく行うには、まずツールを磨く必要があります。データ主導の成長には、特定の機能を備えたツールが必要です。前のセクションからわかるように、最も一般的に使用されるデータ ツールは次の 5 つです。

①コンバージョンファネル図7に示すように。特定の機能に対する一連のユーザー操作の各ステップのコンバージョン/損失、および製品内の各機能の使用率を定量化するために使用されます。

②チャート（表）を保管します。図8に示すように。 7日間のリテンション、1か月後の週次リテンション、1年後の月次リテンションなどのデータを分析するために使用します。改善の余地やリテンション率向上の方法を見つけたり、製品の最適化の方向性の正しさを検証したりするために使用できます。

③ユーザーのグループ化。重要な機能をマークするという目的を達成するために、ユーザーの行動を通じてユーザー グループをフィルターします。

④ユーザーは慎重にチェックします。特定のユーザーのすべてのクリックとページ閲覧行動を表示できるため、定性調査を実施するための強力なツールとなります。

⑤ソース管理。ユーザーのソースをマークし、各チャネルのコンバージョン率、維持率、新規ユーザーの割合などのトラフィック品質指標を分析するために使用されます。

図 7. コンバージョンファネル図 (画像提供: GrowingIO)

図 8. リテンション グラフ (出典: GrowingIO)

その中でも、最初の 3 つの機能は特に重要かつ不可欠です。図9はGrowingIO、 Zhuge IO 、Sensors Dataの機能メニューです。各ツールにはこれら3つのコア機能があることがわかります。

図9. GrowingIO、ZhugeIO、センサーデータのメインパネル

「コンバージョンファネル」「リテンションチャート（表）」「ユーザーセグメンテーション」の3つの機能を上手に使いこなせるかどうかは、プロダクト担当者が「データドリブングロース」の基礎スキルを備えているかどうかを測る重要な基準となります。そのようなツールが手元にない場合は、技術的な同僚にデータのガイドを依頼したり、自分でスクリプトを作成したりするなどの他の代替手段を使用することもできますが、効率は大幅に低下します。

2. 実際の戦闘事例

このセクションでは、3 つのユースケースを紹介します。事例を基礎として、読者は後ほど紹介するテクニックやプロセスをよりよく理解することができます。このセクションで使用されるケースは、GrowingIO オープン コースのレッスン 2、4、および 14 から抽出されたものです。 （当初は著者の職歴を事例として取り上げる予定でしたが、企業秘密の問題も考慮し、最終的には社会で公開されている事例を取り上げることに決定しました）

ケース1

音楽アプリを例にとると、図 10 の左側に示すように、一定期間内に「いいね！」を 3 回以上クリックしたユーザーの維持率が赤い線で示され、青い線はユーザーの合計数を表しています。 「いいね！」を3回以上クリックしたユーザーの継続率は、全体のユーザーよりも高いことがわかります。

そして、「いいね！」を 3 回以上クリックしたユーザーと 3 回未満クリックしたユーザーのリテンションの違いを比較しますか?図 10 の右側に示すように、下の緑の線は、「いいね！」を 3 回未満クリックしたユーザーの保持曲線です。 「いいね！」を3回未満クリックした人の維持率は、全体のユーザーよりも低いことがはっきりとわかります。

リテンション分析の役割は、製品を最適化する方法を導くことです。データから、「いいね！」のクリック数が 3 回を超えるとリテンション率が高くなることがわかったので、ユーザーがより早く「いいね！」をクリックするように促すことができれば、より多くの顧客が維持されるという仮説を立てることができます。

同様に、ユーザーが興味関心のあるコミュニティに参加すると、顧客全体と比較してその維持率が向上することもわかります。さらに、ユーザーが「いいね！」を 3 回以上クリックし、興味のあるコミュニティに参加すると、単に「いいね！」を 3 回以上クリックしたり、興味のあるコミュニティに参加したりした場合よりも維持率が高くなります。

図10. 音楽アプリのリテンションチャート

ケース2

オンライン旅行サイトを例にとると、決済ページのコンバージョン率を向上させる必要があるため、決済ページに到達したが決済を完了していないユーザーを選択し、「ユーザー詳細チェック」機能を使用して、決済ページでのユーザーの行動軌跡を詳細に観察します。

下の図 11 に示すように、一番左の図は、ユーザーが最初にプラットフォームに入ったときの行動を示しています。顧客はページを開き、旅行商品のページを閲覧し、購入をクリックして支払いページを送信しましたが、支払いを確認せずに直接終了しました。 2 回目に、ユーザーは戻ってきて旅行商品を閲覧し、別の商品を選択して支払いを送信し、その後再び支払いページから終了しました。ユーザーは 3 回目にアクセスし、別の旅行商品を閲覧し、支払いを送信しましたが、最終的に支払いを完了しませんでした。今回は、ユーザーはアプリを完全に終了しました。

「ユーザー詳細検査」により、ユーザーが毎回決済ページを終了し、新たな旅行商品を再度選択していることが判明した。ビジネスに対する理解と組み合わせることで、次のような前提が確立されます。旅行商品の顧客選択は、旅行時間、ホテルのスイート、交通手段の手配、訪問する観光スポットなどを含む反復的なプロセスです。顧客は注文を送信した後、再度選択を変更する可能性があります。注文の支払いページで注文内容を変更できなかったり、前のページに戻って注文を変更できなかったりすると、ユーザーは最終的に支払いを諦めたり、直接終了したりし、支払いコンバージョン率が低下します。

上記の動作に基づいて、「支払いページに商品比較機能が欠けている」という仮説を立て、この仮説を検証または反証することができます。具体的には、シードユーザーへのインタビューを通じて検証することができます。開発コストが非常に低い場合は、オンラインA/Bテストを通じて検証することもできます。

図11. ユーザー監視を使用して設計上の欠陥を見つける

ケース3

ある機能のコンバージョンファネルは、図12に示すように、地域（各地域のコンバージョン状況を分析）、プラットフォーム（iOS、Android、Webなど）、行動（クーポンの受け取り、商品のフォローなど）などの観点から分析することができます。さまざまな側面でのコンバージョン率の違いを比較することで、最適化の余地が大いに見つかります。そのため、特定の地域やチャネルでの配信を増やしたり、特定の機能の露出を増やしたり、より多くの人にクーポンを配布したりするなどの対策を講じることができます。

図12. ディメンション比較を使用してコンバージョン改善の余地を発見する

3. スキルの紹介

ヒント1: 魔法の数字を見つける

例 1 の方法は、典型的な「マジック ナンバー」です。まず、マジック ナンバーの概念を明確にしましょう。

新規ユーザーが特定の機能を特定の期間にわたって特定の頻度で使用すると、そのユーザーが留まり、忠実なユーザーになる可能性が高くなります。ユーザーの維持率を大幅に向上させることができるこれらの魔法の数字は、マジックナンバーと呼ばれます。

この方法はシリコンバレーのインターネット企業から生まれました。たとえば、Twitter は、新規ユーザーが 30 日以内に 30 人の友人をフォローすると、プラットフォーム上で簡単にアクティブに継続できるが、そうでない場合は離脱のリスクが非常に高くなることを発見しました。LinkedIn は、新規ユーザーが 1 週間以内に 5 人の連絡先を追加すると、維持率と使用頻度が 3 ～ 5 倍に増加することを発見しました。Dropbox は、新規ユーザーが Dropbox フォルダーを一度使用すると、忠実なユーザーになる可能性が大幅に高まることを発見しました。

しかし、「魔法の数字」という事実を知るだけでは十分ではありません。この事実の背後にある理由も知っておく必要があります。原理を理解することのメリットは、①製品に多くの機能ポイントがある場合、それらを一つずつテストするには多くのエネルギーがかかります。原理を理解することで、より的を絞った実験が可能になります。 ② 利用行動とリテンション向上の因果関係を混同しやすい：この機能の利用はリテンション向上の「原因」なのか、リテンション向上の「結果」なのか？

「マジックナンバー」現象が存在する理由は、製品内の特定の機能によって、ユーザーが製品の価値をより早く発見できるようになるためです。ある製品によって得られるユーザー価値が 90 ポイントである場合、ユーザーが製品にたどり着いた時点ではそのうち 60 ポイントしか発見できず、残りの 30 ポイントはユーザーが製品を使用する過程で徐々に発見する必要があります。しかし、ユーザーの忍耐力には限りがあります。忍耐力が尽きる前にユーザーに製品の価値を認識させなければ、ユーザーが離れていくのを防ぐことはできません。例 1 では、「いいね」と「興味コミュニティ」の 2 つの機能により、ユーザーは音楽アプリのユーザー価値をより早く発見できます。

「魔法の数字」を見つけることは、保持の「仁徳経絡」を開くことに相当し、半分の労力で 2 倍の結果を達成します。実は、同じ手法は私たちが日常的に使っている製品にも広く使われています。例えば、 JD.com は月に 3 日以上買い物をするユーザーに特典としてポイントを発行し、Boss Direct Hire はアプリ内の最も目立つ位置に「メッセージ」の入り口を配置しています。図13に示すように。これはすべて、ユーザーが「マジックナンバー」をトリガーできるようにするために行われます。

図13. JD.comとBoss Zhipinのマジックナンバー

ヒント2: 設計上の欠陥を見つける

ここでの設計上の欠陥には、テスト担当者が見つけられなかったバグや、ユーザーに不快感を与える設計などが含まれます。設計上の欠陥を発見することは、まず定性的、次に定量的なプロセスであり、その目標は通常、コンバージョン ファネル内の特定のステップのコンバージョン率を向上させることです。

A. 定性フェーズでは、ユーザーの行動が異常なケースを見つけることが目標です。まず、コンバージョンファネルのどのステップを改善したいかを特定し、「ユーザーセグメンテーション」機能を使用して、このステップを離脱したユーザーをマークします。次に、「ユーザー詳細チェック」機能を使用して、ユーザーが離脱する前後に何が起こったかを調べます。通常、「ユーザーが当初の設計意図どおりに使用しなかった」や「ユーザーが機能上のバグに遭遇した」などの現象が見つかります。

例えば、例2では、​​「支払い」ステップのコンバージョン率を上げることが目標です。「ユーザーセグメンテーション」を通じて、「支払いページに到達したが支払いを確認しない」ユーザーをマークし、「ユーザー詳細調査」を通じてこれらのユーザーの行動を分析します。最終的に、「支払いを完了しなかった」ユーザーの多くは、支払いページで「商品を再度選択するために戻ってくる」ことがわかります。

B. 定量的フェーズでは、定性フェーズで発見された問題の影響を受けるユーザーの数と割合を推定することが目標です。定性段階で発見されたケースは、単一のユーザーが遭遇する個別の問題である場合もあれば、ユーザーグループが遭遇する共通の問題である場合もあるため、影響を受ける人数とその割合を考慮して、ここで最適化が必要かどうかを評価する必要があります。優先度はどのくらいですか?定量的な計算を行う場合は、まず「ユーザーセグメンテーション」を使用して定量分析が必要なユーザーを定義し、次に「コンバージョンファネル」を使用して影響度を評価します。

たとえば、例 2 では、まずユーザー セグメンテーションを使用して、「支払いページに戻って商品を再度選択する」という行動特性を持つユーザーを定義します。こうすることで、この問題の影響を受けるユーザーの数を毎日/毎週知ることができます。次に、このセグメントのユーザーをファネルに入れて、これらのユーザーの何パーセントが「支払い」ステップで毎日/毎週コンバージョンに失敗するかを確認します。

ヒント3: コンバージョンの上昇を予測する

コンバージョン率を改善するときに、次のような問題によく遭遇します。コンバージョン率は高いのか、低いのか? 改善の余地はどれくらいあるのか?競合他社のデータを参考にすることは基本的に不可能であり、自社のコンバージョンデータには多くの情報が含まれているため、そうする必要もありません。例えば、例3では、小規模にクーポンを配布してみて、クーポンを受け取ったユーザーの購入コンバージョン率が、クーポンを受け取らなかったユーザーと比較してどれだけ増加したかを分析することができます。こうすることで、この戦略を通じて全体的なコンバージョン率をどれだけ向上できるかがわかります。新規ユーザーにクーポンを発行して購入コンバージョンを促進することは、電子商取引やインターネット金融では非常に一般的です。図 14 は、Kaola.com と Aiqianjin.com が新規ユーザーにクーポンを発行する方法を示しています。

図14. Kaola.comとiQianjinが新規ユーザーにクーポンを配布

4. データ増加モデルを構築するための一般的な手順

AARRR モデルにおいて、最も注目すべき点は「活性化」と「維持」です。 「獲得」も非常に重要ですが、「データドリブングロース」は「アクティベーション率」と「リテンション率」の観点からチャネルの品質を分析する手段を提供するだけです。その中核となる配信戦略は以前と比べて大きく変わっておらず、「収益化」と「レコメンド」の改善方法は「アクティベーション」と似ているため、個別に議論することはありません。

成長モデルの確立は、次の 4 つのステップで構成されます。① 成長指標を定義する。 ②魔法の数字を見つけます。 ③コア機能の最適化④コア機能のカバー人数を増やす。

ステップ1: 全体的な製品のアクティベーションとリテンションの指標を定義する

アクティベーションとリテンションの定義は、製品の特性に基づいて明確に定義する必要があります。たとえば、電子商取引会社では通常、アクティベーション マークとして「登録完了」だけでなく「購入完了」を使用します。同様に、製品担当者も、「アプリの起動」を維持指標として使用するか、「製品詳細ページの閲覧」を維持指標として使用するかについて明確に考える必要があります。

ステップ2: コア指標の「マジックナンバー」を見つける

「保持」の定義を明確にした後、「ヒント 1」の方法を使用して、「マジック ナンバー」と「マジック ナンバー」をもたらす製品機能を見つけます。

ステップ3: コア機能を最適化する

限られたリソースを活用して、製品のコア機能、つまり「アクティベーション」プロセスに必要な機能と「マジックナンバー」を担う機能を優先する必要があります。なぜなら、「アクティベーション」関連の機能が使いにくくなると、ユーザーはすぐに離脱してしまいますし、「マジックナンバー」を伴う機能が使いにくくなると、「マジックナンバー」がトリガーされる可能性が大幅に低下してしまうからです。

たとえば、Boss Direct Recruitment では、「登録」と「履歴書の投稿」はアクティベーション プロセスに必要な機能ですが、「IM チャット」と「履歴書の送信」は「マジック ナンバー」を伴う機能であると考えられます。

「コア機能」については、「テクニック 2」と「テクニック 3」に従って、コンバージョン率を最大化し、より有用なものにします。

ステップ4：「魔法の数字」でカバーされる人数を増やす

独特なレストランをオープンしたら、最高の特製料理を顧客に提供するために全力を尽くすのは間違いありません。なぜなら、これらの名物料理を味わった後、顧客はレストランの調理技術を認識する可能性が高くなるからです。そうすれば、顧客が次の週末にあなたのレストランに戻ってくる可能性が高くなります。逆に、顧客が最初の訪問時に名物料理を味わわなかった場合、そのレストランの味は平凡だと誤解し、二度と戻って来ないでしょう。 「マジックナンバー」とは、実はその商品の「看板メニュー」のこと。

コア機能を最適化した後は、ユーザーが「マジックナンバー」をトリガーできるように、あらゆる手段を講じる必要があります。これは、「ユーザー タスク」、「物質的なインセンティブ」、「ポップアップ プロンプト」、「プッシュプッシュ」、「マジック ナンバーを持つ機能を最も目立つ位置に配置する」などを通じて実現できます。

製品には、複数のマジックナンバーが存在する場合があります。ユーザー維持の可能性を最大限に高めるには、異なるマジックナンバー間に「重ね合わせ効果」があるかどうかをテストする必要があります。オーバーレイ効果がある場合は、複数のマジックナンバーを組み合わせて使用​​する必要があります。オーバーレイ効果がない場合は、実装コストが低いマジックナンバーを優先ソリューションとして使用し、実装コストが高いマジックナンバーを、優先ソリューションがトリガーされない場合のバックアップソリューションとして使用する必要があります。たとえば、ケース 1 では、「いいね！を 3 回以上クリックする」と「興味のあるコミュニティに参加する」は、重ね合わせた効果を持つ 2 セットのマジック ナンバーであり、ユーザーを「いいね！を 3 回以上クリックする」と「興味のあるコミュニティに参加する」に同時に誘導できます。

5. 追記

「データ主導の成長」はプロダクトマネージャーとオペレーションにとって必須のスキルです

データを通じて製品の成長を促進することは、すべての PM に必要なスキルです。このすべてを実行するには、製品とユーザーを非常によく理解していることという重要な前提条件があるため、「データ アナリスト」にこの作業を任せないのが最善です。たとえば、例 1 では、マジック ナンバーをもたらす機能を具体的に発見するために、製品のユーザー価値を明確にする必要があります。行動データに基づいて合理的な仮説を立てるには、ユーザーを熟知していることも必要です。たとえば、例 2 では、「カートに追加」に使用できる操作エントリを把握する必要があります。そうしないと、コンバージョン ファネル データが不完全になります。

データ駆動型オペレーションについて

もちろん、成長プロセスは運用作業の参加なしには達成できません。しかし、筆者は運用を担当したことがなく、運用に関して発言権もありません。そのため、この記事では「データ駆動型運用」の一般的な手法について簡単に紹介するにとどめます。

①新規顧客のチャネル獲得。品質、量、価格の次元に基づいて配信戦略を設計し、コンバージョンファネル、リテンションチャート（表）、新規ユーザーの割合からチャネルの品質を分析します。

②正確な操作。ユーザーは行動に応じて分類され、異なるグループの特性に基づいて洗練された操作が実行されます。たとえば、フォーラムでのユーザーの行動には、訪問、投稿の閲覧、返信、コメント、投稿、転送、共有などがあります。私たちは「ユーザー グループ化」を使用して、ユーザーを A 閲覧カテゴリ、B コメント カテゴリ、C 発信カテゴリ、D コンテンツ制作カテゴリの 4 つのカテゴリに分類し、異なるタイプのユーザーに異なるメッセージをプッシュします。例えば、ユーザーの利用行動や個人属性情報から、有料収益化の可能性が高いユーザーを推測し、そのユーザーに限定クーポンを付与するといったことが可能です。

③アクティビティ操作アクティビティの有効性分析は、アクティビティに参加した人数やアクティビティが特定の機能にもたらした UV の数だけを見るのではなく、少なくとも 1 つの AARRR モデルにリンクする必要があります。たとえば、アクティビティ A の目標がリテンションの向上である場合、アクティビティに参加したユーザーのリテンション率がアクティビティに参加しなかったユーザーと比較してどの程度増加したか、これらのユーザーの 1 週間あたりのアクティブ日数がアクティビティ参加前と参加後で増加したかどうかなども分析する必要があります。

データ主導の成長の限界

データがなければ何もできませんが、データは万能ではありません。

たとえば、例 1 の「コレクション」機能と「興味のあるコミュニティ」機能の最初のバージョンはどのようにして取得したのでしょうか。明らかに、これはデータによるものではありません。最初のバージョンより前にはデータがなかったからです。たとえば、なぜ一部のユーザーは支払いページに行き、見て、何もクリックせずに去ってしまうのでしょうか。この時点では、ユーザーは分析できるデータを残していません。

これは、データ駆動型アプローチの 2 つの限界を示しています。1. データは大きなイノベーションを刺激することはほとんどできません。 ②一部の問題では、分析に利用できるデータがまったくありません。

データ駆動に加えて、製品の最適化には他の推進力も依存する必要があることがわかります。製品の成長の最適化を推進するその他の力については、後ほど「知っておくべき 4 つの製品進化の推進力」というタイトルの記事を書いて紹介し、近日中に公開する予定です。

ここまで読んでくださったあなたはきっと意志の強い人だと思います。強い意志を持つ人にとって、それほど複雑ではないスキルを習得するどころか、できないことはこの世に何もありません。次に必要なのは、このスキルを仕事で使い続けることです。来て！

この記事の著者@刘鑫洋は(Qinggua Media)によって編集および出版されています。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 Games