製品や運用では、コンバージョン分析にビッグデータをどのように活用すればよいでしょうか?

2017 年に発生した多くのマーケティングコピースクリーン スイープ事件で、製品および運用担当者はトラフィック≠コンバージョンであることにますます気づきました。コンバージョン率は、製品やアクティビティを測定するための最も中核的で重要なデータです。したがって、コンバージョン率は、ウェブサイトが最終的に利益をあげられるかどうかの核心であり、ウェブサイトのコンバージョン率を向上させ、売上を増やすことが鍵となります。

今日は、プロダクトとオペレーションの観点から、ビッグデータを通じたコンバージョン分析をどのように行うかについてお話しします。

まず、コンバージョン率とは何かを明確にする必要があります。直接影響を与えるデータは何ですか?これらのデータに影響を与える要因は何ですか?

コンバージョン率とは、統計期間内のプロモーション情報の合計クリック数に対する、完了したコンバージョン行動の数の比率を指します。簡単に言えば、次の式になります。

電子商取引プラットフォームでのショッピングを例にとると、総トラフィックが一定の場合、購入する人が増えるほど、コンバージョン率が高くなります。

ユーザーの正常な購入行動には、検索（露出）、閲覧、ショッピングカートへの追加、チェックアウト、支払いなど、複数のステップが含まれます。いずれかのステップでエラーが発生すると、ユーザーはすぐに購入を断念する可能性があります。関連データによると、ほとんどの電子商取引企業のコンバージョン率はわずか0.5％程度であり、トラフィックの99.5％が無駄になっていることを意味します。 （それを聞くと辛いです）

では、購入者の数を増やすにはどうしたらいいのでしょうか?製品とオペレーションをどのように活用して製品の売上を伸ばすことができるでしょうか?

1基本分析: コンバージョンニーズデザインに直接影響を与える要因

コンバージョン分析の基本的な段階では、主にコンバージョン ステップの分析とコンバージョン率の傾向の監視が行われます。

ご存知のとおり、トラフィックはファネルの形をしており、トラフィックを消費者に変えるには約 5 つのステップが必要です。これら 5 つのステップで、潜在的なユーザーの 99.5% を除外できます。また、統計によると、いくつかの大規模なB2Cウェブサイトでは、トラフィック データは増加しているものの、顧客がウェブサイトに滞在する時間は減少しています。アイボール エコノミーと呼ばれる時代において、各インターネット ユーザーは電子商取引ウェブサイトに約 17 分間滞在します。

この分析フェーズで、 Web サイトの運用担当者と製品担当者はどのようなデータを知っておく必要がありますか?

この段階では、ウェブサイトプラットフォームが直接取得できるデータは膨大かつ複雑です。データを収集した後、オペレーターはデータを分類して整理します。一般的に、データは人口統計属性、社会的属性、行動習慣、興味の好みなどのカテゴリに分類されます。

年齢、性別、身長、地域、教育水準、収入、学歴などの人口統計的属性

社会的地位、婚姻状況、住居や乗り物、社会的関係などを含む社会的属性。

スポーツ、レジャー旅行、ホテル宿泊、食事、日常生活の好みを含む行動習慣

ショッピング、ゲーム、スポーツ、文化などの興味や好み。

この段階での収集と分析は、ユーザーポートレートの基礎となります。後続の運用計画、コピーライティング計画、チャネル計画などのための特定のデータサポートを提供します。

2.中間分析: さまざまな次元からの変換を分析する

かつては、データは企業にとってのリソースであると考えられていました。しかし実際には、データは販売に価値を生み出すことができる資産なのです。コンバージョン率をさらに向上させるには、さまざまな次元の要素を考慮する必要があり、これは前段階のデータのセグメント化でもあります。例: アクセス元、オペレーティング プラットフォーム、ジャンプ ページ、オペレーティング システム、ブラウザーの種類など。

この段階では、まずどの顧客がウェブサイトを閲覧しているのか、どの顧客が何かを購入するために間違いなく来ているのか、どの顧客がただ閲覧しているのか、どの入り口から入ってくるのかを理解する必要があります。

次に、購入しなかったユーザーが何ページ商品を閲覧したか、何人がショッピングカートに商品を入れたが支払いをしなかったか、そして何人が商品ページを1ページも閲覧しなかったか。

3番目は、何人の顧客が購入したかです。

4番目に、顧客がウェブサイトのホームページにログインした後、40％のポップアップ率に加えて、残りの60％のユーザーがどのチャネルを通じて製品ページに入るか、これらのチャネルを通じて入った後の支払いの割合はどれくらいかを知ることが非常に重要です。

最後に、この商品をカートに追加した人は何人いますか？また、リコールの可能性はありますか？

ウェブサイト プラットフォームの膨大なデータベースをセグメント化して整理することによってのみ、その背後にある隠れたユーザー行動ロジックを発見することができ、製品担当者は製品の観点から最適化することができ、運用担当者はアクティビティ、特別なトピック、製品の詳細ページなどの最適化を担当することができます。

たとえば、以前私が担当したユーザーの場合、バックグラウンド データを見ると、多くの人が特定の商品をショッピング カートに追加したものの、誰も代金を支払わなかったことがわかりました。これらの顧客を呼び戻すために、ウェブサイトはすぐにクーポンを配布し、最終的に注文の 30% を呼び戻しました。

3.高レベル分析：多次元クロス分析、継続的な最適化と製品の反復

インターネット業界の製品にはすべて、小さなステップを踏み、速く実行し、素早く反復するという共通認識があります。そうすることで初めて、ユーザーに愛される製品を生み出すことができるのです。

最後の 2 つの段落のデータ収集と分析を通じて、Web サイトのスタッフはすでに Web サイトの強みと問題点を把握しています。この段階では、落ち着いて具体的な次元やポイントから分析し、修正する必要があります。この段階では、データが製品と運用の意思決定を推進していると言えます。

例えば、

どの広告チャネルのトラフィックが優れているでしょうか?どのようなブランドコンテンツが消費者に広まりやすいのでしょうか?

訪問者の個別のニーズをより適切に満たすために Web ページのコンテンツを整理および配置する方法。

既存の顧客がウェブサイトに戻ってきて繰り返し商品を購入するにはどうすればよいでしょうか?

支払いに失敗した注文の数を減らすにはどうすればいいですか?

この記事の著者は@ 99clickで、(Qinggua Media)が編集・出版したものです。転載の際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