APP の立ち上げから成熟まで、どのようなデータ分析を行うべきでしょうか?

DAU、MAU、リテンション率、頻度、期間...プロダクトマネージャーはどのようなデータを分析する必要がありますか?海外のモバイル製品のデータ分析の実践を組み合わせ、製品開発の始まりから成熟までのさまざまな段階を解説し、データ分析が製品設計や製品運用にどのように適用されるかを説明します。

一般的な分類によると、製品ライフサイクル（PLC）は、立ち上げ段階、成長段階、成熟段階、衰退段階に分かれています。製品の各段階では、データ分析の作業ウェイトと分析焦点が異なります。段階に応じて、ケースと組み合わせて説明しましょう。

1. 立ち上げ期間

スタートアップ段階の焦点は、製品の中核的な価値を検証すること、つまり、特定の製品またはサービスが特定の人々の問題を解決できるかどうかという製品の仮説を検証することです。この段階では、MVP (最小可変製品) のアイデアに従い、起業家のアイデアを最低コストで検証し、ユーザーからのフィードバックに基づいてソリューションを迅速に調整し、最終的にデータによって検証する必要があります。

例:

以前開発した海外のモバイルフォーラムソーシャルアプリケーションを例に挙げてみましょう。製品のアイデア段階（2012年から2013年頃）で、フォーラムユーザーから、モバイルWAPページからフォーラムにアクセスすると遅い、広告が多い、モバイルにまったく適応していないなどの苦情がよく寄せられていることに気付きました。そこで、フォーラムシステムとユーザーを接続するアプリを作成し、フォーラムユーザーがモバイルデバイスでもスムーズなフォーラムアクセス体験を楽しめるようにし、ユーザーがこの体験にお金を払うようにするという仮説を立てました。

そのため、初期段階では、投稿の閲覧と投稿という 2 つのコア シナリオを中心に製品全体を徹底的に検討しました。フォーラムで宣伝し、18 ドルで販売しました。多くのユーザーが料金を支払い、これらのユーザーの維持率は 60% 以上に達し (もちろん、これはユーザーが料金を支払ったという事実と関係しています)、ユーザーの半数が 70 分以上使用しました。その後すぐに、競合製品がいくつか登場しましたが（当時最大のフォーラムシステムだったVbulletinチームが、同じ問題を解決することを目的としたモバイルアプリを開発しました）、すぐに私たちに大きく遅れをとりました。これは、チーム全体がMVPの考え方に従い、ユーザーのフィードバックに基づいて投稿のスムーズな閲覧と投稿の体験を繰り返し磨き上げることに注力したため、非常に良いユーザー評価を得て市場をリードし、シリコンバレーの有名な投資機関からの投資も獲得したためです。

主要データ - 対象人口プロファイル

さらに、起動フェーズでは、サードパーティのアプリケーション監視 SDK に接続して、初期のユーザー グループのポートレートを把握し、そのユーザー グループが想定されるターゲット ユーザーグループの特性と一致しているかどうかを間接的に検証できます。一般的なのは、人口統計属性 (性別、年齢、教育、地域) です。

例:

今年4月上旬、私は国内のフィットネスアプリのプロダクトマネージャーと話をしました。このアプリはもともとフィットネスと歩数計測ツールのアプリで、製品の初期段階では、新規ユーザーの翌日の定着率は業界平均レベルでした。ターゲットユーザーグループのポートレートを観察すると、男性ユーザーよりも女性ユーザーが大幅に多く、女性ユーザーの定着率が男性ユーザーよりも大幅に高いことがわかりました。そこで、女性ユーザーに向けた製品戦略を策定し、女性のフィットネス、脂肪燃焼、美容に関する機能やコンテンツの推奨に重点を置きました。製品の翌日の全体的なリテンション率は、以前と比べて 100% 近く増加しました。

同様に、私は最近、テンセントの社内クライアントにサービスを提供しました。彼らは若者向けの新製品を開発しましたが、そのユーザーの年齢構成は主に 10 代の若者と高齢者であることがわかりました。

これは、ユーザーチャネルに関連していました。元々、10 代と高齢者向けの製品がありました。最初のユーザー グループを製品に誘導するために、古い製品からユーザーを直接誘導しましたが、そのユーザーが製品のターゲット ユーザーではないことがわかりました。

主要データ - 保持率

現在のユーザーがターゲット ユーザーの特性を満たしている場合、これらのユーザーの維持率、使用時間/頻度、ユーザーの粘着性などの指標に重点が置かれます。ここでは、維持率について詳しく説明します。

保持率にはさまざまな次元（7日、2週間、30日など）があります。製品の特性に応じて選択します。製品自体がニッチで低頻度のニーズを満たす場合、保持率は2週間または30日にする必要があります。保持率が高いということは、ユーザーが製品の価値を認識し、それに依存するようになることを意味します。一般的に言えば、仮説は検証できます。通常、保持率が20％を下回ると、より危険なシグナルになります。

この記事では、先行指標を見つけることで製品設計を導き、それによって維持率を向上させることができる、データ駆動型の先行指標モデルを紹介します。まず、先行指標の定義を見てみましょう。先行指標とは、製品を使い始めたばかりの段階における新規ユーザーの製品行動を指します。この指標とユーザー維持率指標の間には非常に高い線形相関があり、ユーザーが製品を使い続けるかどうかを予測できます。

私が要約した式を使用して説明すると、おおよそ次のようになります。

肯定的な予測確率 (%):ユーザーがこの動作を実行した場合、ユーザーがアクティブなままである可​​能性を予測できることを示します。

否定的な予測確率 (%) : ユーザーが行動を実行しない場合は、ユーザーがアクティブな状態を維持しないことが予測できます。

最後に、先行指標の信頼性 = 正の予測確率 x 負の予測確率 です。直接ケースを見てみましょう。

場合

前述のフォーラム ソーシャル アプリを例にとり、「ユーザーが登録前の 10 日以内に 7 人以上の友達を追加する」ことを先行指標と仮定して、次のデータ セットを計算します。

その中で、ユーザーが最初の10日間で7人以上の友達を追加した場合、30日以内にその友達を維持する可能性は99％です。ユーザーが追加した友達が7人未満の場合、30日以内にその友達を維持できない（損失）可能性は95％であり、総合指標の信頼性は0.9405です。

同様に、次の 2 つの先行指標の信頼性を計算します。

最後に、比較は次のようになります。

上記のデータはあくまでも仮説的なデータです。実際には、最も信頼性の高い行動を見つけるには、12 個、場合によっては 20 個以上の行動指標を比較する必要があります。

このモデルの最初の項目である「新規ユーザーが登録後 10 日以内に 7 人以上の友達を追加する」は、Facebook の典型的な「アハ体験」です。いわゆる「アハ体験」とは、ユーザーが製品の中核的な価値に気付いた瞬間であり、これが私たちの「先行指標」です。

（FacebookとInstagramのおすすめの友達のスクリーンショット）

さらに、先行指標は以下の条件を満たす必要があります。

2. 急成長段階

製品磨きの初期段階を経て、製品の保持率は良好となり、現在、製品は自発的な成長期に入り始めています。製品の自発的成長段階では、ユーザーの維持率、ユーザー時間、ユーザー ポートレートの変化などのデータに注意を払う必要はありますが、新しいユーザーの成長、アクティベーション、「アハ モーメント」の誘発から安定したアクティブな製品ユーザーに至るまでのファネル全体の分析に焦点を当て、ユーザー ライフサイクル全体の管理に重点を置くことができます。

新規ユーザーの増加と活性化

一般的に、新規ユーザーを増やして活性化させる方法は 2 つあります。1 つ目は、製品のバイラリティ係数を構築し、製品を自発的に成長させることです。書籍「Lean Operations Data Analysis」では、ユーザーのバイラリティに関する興味深いカテゴリがいくつか紹介されています。

ネイティブバイラリティ。アプリ独自の友達招待機能を通じて新規ユーザーを引き付ける方法です。

口コミによるバイラリティ、つまり口コミを通じて、ユーザーが検索エンジンを通じて積極的に新規ユーザーになる。

人工的なバイラリティとは、報酬付きの招待などのインセンティブなど、人工的な介入を通じて、ユーザーが他のユーザーを招待するように促すことを意味します。

ここで注目する指標は「バイラル係数」と呼ばれるものです。興味のある学生は自分で詳しく学ぶことができます。

新規ユーザーのダウンロード -> アクティベーション -> 「Aha Moments」 -> 製品が安定してアクティブ化

製品が自発的成長期に入り始めた後は、新規ユーザーからアクティブユーザー（リテンション後）、コアユーザーまでのユーザーライフサイクルに注目し、各プロセスの主要指標を洗練・詳細化する必要があります。

場合

前のフォーラムソーシャルアプリを例にとると、新しいユーザーが製品にアクセスすると、ウェルカムページが表示されます（左下の図を参照）。登録してログインすると、製品のホームページが表示されます（右下の図を参照）。ほとんどのアプリで同様のプロセスが採用されています。

新規ユーザーがアプリのウェルカムページにアクセスしてから最終的にコアユーザーになるまでのプロセスは、おおよそ次のようになります。新規ユーザー（製品の価値を探求し発見する）→観客（徐々に製品の価値を認識し、一定の参加意識を持つ）→プロデューサー（製品の価値を認識し、積極的に参加する）：

一般的な分類によると、製品ライフサイクル（PLC）は、立ち上げフェーズ、成長フェーズ、成熟フェーズ、衰退フェーズに分かれています。製品の各フェーズでは、データ分析の重みと焦点が異なります。フェーズとケーススタディごとに説明しましょう。

この時点で、各段階でのユーザー行動の指標は次のように分類されます。

新規ユーザーと発見者:

ウェルカムページの直帰率

新規ユーザー登録率

新規ユーザーオンボーディングプロセスのコンバージョン率

初期フィードページの直帰率

検索結果のコンバージョン率

プッシュ権限有効化率

通行人:

各ユーザーがフォローするセクションの平均数

各ユーザーがフォローしているユーザーの平均数

アクティブユーザーあたりの平均いいね数/シェア数

フィードカード表示数

フィードカードのクリック

· サブスクリプションコンテンツプッシュのクリックスルー率

コンテンツプロデューサー:

アクティブユーザーあたりの平均投稿数

各アクティブユーザーが投稿した写真と動画の平均数

各ユーザーがフォーラムに費やす平均時間

· フォーラムにおけるアクティブユーザーの行動分布

ユーザーライフサイクルの初期段階と中期段階における行動指標の細分化により、製品の急成長期に細部を継続的に改善し、新規ユーザーからコアユーザーまでユーザーエクスペリエンスを継続的に向上させることができます。同時に、各ノードのデータが改善され、安定した後、製品運用スタッフは規模を拡大し、市場を占有するためにさまざまなプロモーションや宣伝キャンペーンを開始します。

3. 成熟

ユーザーの急速な増加と製品の継続的な改善により、製品が成熟段階に入る頃には、データ運用の重点はユーザーライフサイクルの前半（誘致、活性化、維持）から後半（解約、復帰）へと移り始めます。

成長段階と成熟段階で使用されるデータ テンプレート Daily Net Change (John Egan@Pinterest から適用) を紹介します。DAU と MAU データのみに注目するのとは異なり、アクティブ ユーザー数の増減のみに注目すると、多くの場合、単に満足するだけです。このモデルを使用すると、ユーザーの成長やユーザー ベースの変化を促進する要因を直感的に観察し、グラフを使用して製品の新規追加、リターン トラフィック、および保持を表示できます。

純増減 = 新規ユーザー + リピーターユーザー - 離脱ユーザー。

新規ユーザーとは、その日に新規で参加したユーザーの数を意味します。

リピーターユーザーとは、28日間連続でアプリを使用していなかったが、今日再び使用を開始した古いユーザーの数を指します。

離脱したユーザーとは、28 日前にアプリを最後に使用した既存ユーザーの数を指します。

損失とリターン

離脱と復帰に注目する過程で、データから現在のユーザーベースの変化が明らかになります。離脱の理由の具体的な分析については、次のプロセスを参照してください。

核となる考え方は、定性的なフォローアップ+データ検証を主な手段として、ユーザー離脱の原因を特定し、製品運用戦略を変更してユーザー離脱を防止、またはユーザーを呼び戻し、復帰を促進することです。

さらに、一部の安定した配信チャネルでは、一般的な改善方法ではコンバージョンの向上に効果が限られる場合があります。この場合、より洗練されたチャネル分析を実行して、ROI を最適化および改善できます。

例:

ROIの向上

4. 不況

最終的に、製品は衰退段階に入ります。一般的に、衰退段階に入る前にこれを行う方法は 2 つあります。

1. スケール

これは小売業界でよく起こることです。例えば、マッサージとヘルスケアの店をオープンし、一定の範囲内で肯定的なレビューを獲得した場合、製品が成熟したときにチェーンフランチャイズモデルを開始できます。市場を迅速かつ広く拡大することで、ブランド効果が形成され、障壁が形成され、不況のリスクに抵抗することができます。

2. エコロジカル

製品が成長中または完成に近づいている場合、単一の製品では、需要が垂直的になりすぎてユーザーが依存関係を形成できないという問題が起こりやすくなります。相乗効果のある新製品を開発して完全な製品エコシステムを構築することで、現在の製品に満足できないユーザーや興味を失ったユーザーを新製品に誘導し、新製品の新規ユーザーになることができます。同時に、新製品のユーザーを新製品から旧製品に誘導することで、製品間の相互依存の連鎖を形成し、最終的にユーザーが効果的に循環してエコシステムを形成できます。

この記事の著者@黄岳浩は(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