P2P プラットフォームのデータ操作システムを構築するにはどうすればよいでしょうか?

2014年にP2P業界で働き始めてから3年以上が経ちました。私は、年末と翌年の初めに、過去 1 年間の勉強、仕事、生活などのまとめを作成することに慣れています。以前のまとめは、かなり散漫なものでした。今回は、枠組みから詳細まで、段階的にまとめを作成したいと思います。

私はP2P業界で合計3つのプラットフォームに携わっており、その責任範囲はプロモーションから運用、運用から製品、そして製品から再び運用まで多岐にわたります。 P2P プラットフォームの運用中に、運用データのマイニングと分析が実際に非常に詳細に実行できることがわかりました。ここでは、データ操作の観点から、P2P プラットフォームのデータ操作を方法論の観点から分解し、完全なデータ操作システムを構築します。

なぜデータ操作を行うのですか?

データ操作の目的は、特定の特性を持つユーザー、またはプラットフォーム上の特定のユーザーのすべての操作行動を正確に分析し、その操作行動を研究・分析して行動予測を行い、ターゲットを絞った操作戦略を調整して、洗練された操作の目標を達成することです。

データ操作の分解手順

下の図のように、データ操作の手順を8つのステップに分解し、1つずつ説明しました。

ビジネスプロセス

P2P のビジネス プロセスを理解していない人は、P2P 実践者になる資格がありません。

運用プロセス

基本的な操作プロセス、つまりユーザーの操作プロセスは、各プラットフォームで類似していますが、主な違いは、各プラットフォームがユーザー操作の機能設計やデータ取得ソースが異なることです。ここでは、ユーザー操作のプロセスを簡単に説明します。

運営には原則としてプラットフォーム上のユーザーの操作記録がすべて必要となります。簡単に言えば、誰がいつどこで何をしたか、そしてそれは何だったのかということです。したがって、最初のステップは、分解手順に従ってユーザーの操作記録を取得することです。これが最も独創的で基本的なデータ要件です。

プロセス要件

基本的なデータ要件に加えて、運用プロセス全体の対応する部門や役職によってどのような作業要件が生成されますか?検討すべき点はこれです。一般的なプラットフォームアーキテクチャでは、運用部門は大きく分けて以下の7つの部門に分かれており、それに関わる基本的なフレームワーク要件が挙げられます。

前のプロセス要件で説明したデータ要件の一部について、以下に簡単に説明します。次の表を参照してください。

プロセス要件に関しては、一つ一つ列挙することはしません。上記は、基本的なフレームワーク要件のリストにすぎません。フレームワークの下で改良できるデータ モデルは数多くあります。

ユーザー評価

オペレーションシステムにおけるユーザーのさまざまなステータスは、主に上記のユーザーステータスに応じて、さまざまなレベルで定義できます。

閲覧/登録/口座開設/チャージ/投資/再投資/払戻し/継続投資/出金/回収

ユーザーを分類した後、分類からステータスを抽出し、グラフィカルな統計を作成して、ユーザーのライフサイクルモデルを取得できます。以下に示すように、データ サンプルを抽出してデータ グラフを作成しました。

上の図のサンプル データからわかるように、ユーザーのライフ サイクルを暫定的に 90 日に設定しました。これは、P2P プラットフォーム上の新規ユーザーの現在の定義 (新規ユーザーとは、登録後 90 日以内のユーザー) でもあります。これにより、ユーザーのライフ サイクルを分析できます。図に示すように、Y/X軸を資本軸と時間軸に分割しました。ユーザー登録以来、このようなデータが利用可能になっています。データをソフトウェアにインポートすると、結果は図のようになります。

サンプルグラフのデータから、次のような結論を導き出します。

• 期間はユーザーの登録時から始まり、最初のチャージ時に終了します。ユーザーは決定を下すのに約 10 日かかりました。
• 最初の再チャージ時から最初の投資の終了時まで、ユーザーには約 5 日間の決定期間があります。
• ユーザーは最初の入金以降、時系列順に出金操作と継続投資操作を行ってきました。これは、ユーザーがプラットフォームの引き出し期限を経験した後も投資を継続したことを示します。
• ユーザーのリチャージから投資決定までの時間（タイムライン）の間隔が短いほど、対応する資金が高くなり、ユーザーが徐々に沈殿期間に入っていることを意味します。

対応するユーザーの意思決定行動は、ブランドイベント、マーケティング活動、顧客サービスのフォローアップ開発など、多くの外部要因の影響を受けます。

戦略調整

ユーザー分類データを抽出し、分析後に運用戦略を調整します。

ここでは、説明のために 2 つの一般的なデータ アプリケーションを示します。

1. 一般的なトラフィック促進チャネルにおいて、一定の同等の条件下で、どの新規ユーザーが相対的に開発に価値があるかを判断および分析する方法。

• ユーザーの意思決定の難易度が高ければ高いほど、開発価値は高まります。例えば、登録手続きは比較的簡単ですが、実名で銀行口座を開設するのははるかに難しく、ユーザーはID番号や銀行カード情報などの非常にプライベートな情報を入力する必要があり、ユーザーの意思決定が非常に難しくなります。次に、最初の請求と最初の投資が続きます。
• 登録から口座開設までの決定時間、および登録または口座開設から初回入金および初回投資までの決定時間。高精度な不正防止（ユーザーの偽アカウント）機能が登場する前は、意思決定時間が短いこれら 2 種類のユーザーは、マーケティング活動やチャネルをターゲットにした CPS 活動に導かれて意思決定を行っていた可能性が高いです。相対的に言えば、これら 2 種類の決定にかかる時間が長ければ長いほど、ユーザーがある程度本物であり、プラットフォームに対して一定の観察期間を持ち、慎重に検討した上で決定を下していることを示しています。
• CPS プロモーション チャネルでは、特定の報酬リターンに惹かれたユーザーの場合、ほとんどのコンバージョン ユーザーの初期投資額は、CPS プロモーション チャネルのアクティビティしきい値から得られます。このチャネルからのユーザーの初期投資額がチャネルアクティビティしきい値より大きい場合、これらのユーザーは開発する価値が比較的高いことを意味します。また、初期投資額や期間が長いほど開発価値は高まります。
• 沈殿期間に入る前に、ユーザーには一定の試用体験期間が与えられます。この期間の意思決定期間中、支払いを受けずに再投資するユーザーは、支払いを受けた後も投資を継続するユーザーよりも開発価値が高くなります。また、再投資や更新投資の金額や期間が長いほど、開発価値は高まります。
• ユーザーの未払い支払いがゼロであり、ユーザーのエスクロー アカウントの残高も式に従ってゼロになる可能性があるという前提では、依然としてログインしてアカウントにアクセスするユーザーは開発にとって比較的価値があります。アクセス頻度と閲覧時間が長いほど、ユーザーを育成する価値が高まります。

そして、さまざまな側面から得られたデータ情報の中から、開発にとって相対的に価値の高いユーザーを徐々に分析していきます。これにより、特定のグループや戦略をターゲットにするために、カスタマー サービス部門とプロモーション部門の作業を調整できるようになります。

2. 非活動期間と活動期間中、他の外部要因の影響を除いて、異なる投資能力を持つユーザーは、引き出しまたは再投資を決定する前に、返還された資金の期待値に到達する必要があります。

データサンプルに示されているように、ユーザーが15日間連続して支払いを受け取り、1日あたりの平均支払い額が759.9元以上に達すると、支払い更新操作が実行されます。累積支払いが518.17元に達すると、最小支払い更新操作が実行されます。したがって、データに基づいてユーザーの再投資の決定を予備的に推測することができます。決定の期待値では、操作が実行される前の返済額が518.17元以上である必要があります。

利用者の返済額のうち、973.76元の返済があり、投資操作が行われる前に同日に50元の再チャージが行われた。これは、私たちの多くが持っている切り上げ精神とまったく同じ、非常に奇妙な行動です。切り上げの心理学は、一部の電子商取引会社のマーケティング手法では一般的です。行動心理学を研究した友人がいれば、「切り上げ」の心理学に関する情報を提供してください。

次に、参考までに、データに基づいて次の仮説的な質問を作成します。

まず次の図を見てください。

• ここでは、ユーザーの投資能力レベルが（前述のように）5段階に設定されており、前の例のユーザーは投資能力レベルが低いと想定します。データ モデルに従ってすべてのユーザーを分析すると、さまざまなレベルのユーザーが更新の決定を行うときに、予想される決定値を大まかに推定できることがわかります。この推定データをカスタマー サービス部門がより正確に使用して、顧客への訪問を追跡および再訪問することはできますか?
• 同様に、ユーザーが引き出しを決定する場合、さまざまなレベルのユーザーにとって、返還された資金が期待値に達したときに、ユーザーは引き出し操作を実行するでしょうか?
• プラットフォーム（一般にウェアハウスと呼ばれる）上の各ユーザーの総投資額をデータモデルを通じて分析し、プラットフォームの総合的な能力を測定できますか？プラットフォーム上でポジションを構築するユーザーの心理的期待の範囲はどのくらいですか？

上記の問題は、大量のデータと、データ収集の問題を解決できる一定の技術的能力を持つプラットフォーム運営者に任せるべきです。

ガイダンス

各操作リンク（つまり、ユーザー分類誘導リンク）をコンテンツ、インタラクション、視覚の側面から誘導し、誘導効果を観察します。

この側面のデータには、ページ訪問データ（訪問回数、再訪問、訪問深度）、情報到着データ、コンバージョンデータ（活性化、覚醒、コンバージョン）などが含まれます。基本的にカスタマーサービス部門、プロモーション部門、運用部門に適用されます。応募対象：イベント企画職、コピーライティング職、プロダクト職、デザイン職。

多次元のトレードオフ

運用戦略の調整ごとに、多次元の詳細なデータを掘り下げ、データの正確性を評価します。

おそらくここでのデータの需要は、イベント参加、ユーザーアクティビティ、情報到達率、アクティベーションコンバージョン率、意思決定行動の増加など、イベント企画やカスタマーサービス職種においてより多くなります。

変数の影響

各運用データ変数について、データ変数に関係する多次元の影響値を分析することに重点を置きます。

この部分には主に、ユーザーの離脱行動、異常なユーザーの操作行動、異常なユーザーのアクティビティ、異常なユーザーの意思決定習慣などが含まれます。主にリスク警告や行動予測に使用され、主なデータはカスタマーサービス部門、ブランド部門、運用部門に適しています。適用対象: 顧客サービス職、ネガティブ情報監視職、イベント企画職、取引管理職。

さて、この話はここまでにしましょう。確かに、こんなに寒いと頭が働かず、書くのも大変です。この共有では詳しく説明されていない内容がいくつかあります。後ほど段階的に共有します。あるいは、さらに実証した後で、現在のデータ モデリングのアイデアを共有する予定です。現在、データ モデルのセットを整理していますが、その数は 100 程度になるかもしれません。

この記事の著者@Mr路人丁は(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 Century