運用ではデータ監視をどのように実行すればよいでしょうか?

前回の記事では、必要なデータ インジケーターを構築し、データ計画の最初のステップを完了しました。前回の記事で述べたことをもう一度確認してください。操作プロセスでは、まず次のことを知っておく必要があると述べました。

1. どのようなデータを収集しますか?
2. 各データは操作に関して何を意味しますか?

データ指標がわかったので、この記事では、それらが表す問題、その使用シナリオ、そしてそれをどのように分析して使用すべきかに焦点を当てます。

データは非常に多く、業務で活用するのは非常に面倒に思えますが、実は、私たちのデータ運用において、データの利用シナリオは、監視、予測、検出の3つのカテゴリにすぎません。これもデータ使用量の3回目のテストです。

これら 3 つのテストについて個別に説明しましょう。

データを使用する前に、「データの取得」という必要な手順もあります。これも前回の記事で紹介しましたが、主にポイントを埋め込む技術でデータを取得しています。一般的に、自社開発とサードパーティツールの2 つの方法があります。

自社で開発する場合、製品や技術担当者に企画データを提供する必要があります。前回の記事を読んだ方はご存知かと思いますが、できるだけオリジナルデータを提供する必要があります。対応するページに統計コードを追加し、バックグラウンド管理システムに必要な機能を追加してもらい、最終的に必要な処理データを取得します。当社が提供する生のデータが正確であればあるほど、当社の製品とテクノロジーはより効率的になります。

サードパーティツール（Baidu Statistics、 Google Statistics、 Umengなど）の場合は、サードパーティが提供するコードを当社のページコードに組み込むだけで、自分で開発することなく、ツールが提供するバックグラウンドを直接使用できます。埋め込みポイントを必要としない分析ツールも市販されているので、試してみるのもよいでしょう。

しかし、ツールは単なるツールに過ぎないことを誰もが理解する必要があります。ツールはデータ操作をより効率的にするだけです。まず最初に知っておく必要があるのは、データ操作の背後にあるロジックです。ロジックが明確になれば、たとえ紙とペンしか持っていなくても、大きな役割を果たすことができます。

次の 3 つのテストを続けましょう。

1. 監視とは何ですか? 監視とは、特定のデータを長期間にわたってリアルタイムで監視し、そのデータの変化を常に追跡することです。
2. 予測とは何でしょうか? 予測とは、現在のデータを有効活用し、合理的な方法を使用して将来を予測することです。
3. テストとは何ですか? テストとは、人、製品、またはイベントが良いか悪いかを判断するために合理的な手段を使用することです。

したがって、監視は過去と現在を調べることであり、予測は未来を調べることであり、テストは良い点と悪い点を調べることです。

1. 監視

予備的なデータ計画作業が完了すると、監視作業は簡単になります。まず、監視したいデータを選択します。ここではユーザー数を例に挙げます。

リアルタイムデータを見ることができます:

一定期間にわたってデータを比較することもできます。

ユーザーの分布も見ることができます。

一般的に、自分で開発したバックエンドであっても、サードパーティの分析ツールであっても、データを表示するためのさまざまなアイコンがあります。実際、どのアイコンが表示されるかは重要ではありません。最も重要なのは、なぜそれを見る必要があるのか​​を知り、それを解釈できることです。

実際の業務で監視によく使用するデータは、ユーザー数、毎日のアクティブ ユーザー数、注文数、取引額など、直感的にわかるデータがほとんどです。このすべてのデータをグラフ形式で 1 ​​つのページにまとめると、上司も気に入っているダッシュボードになります。次の図のようになります。

2. 予測

私たちの業務においては予測も非常に重要です。たとえば、作業計画を立てたり、活動の実現可能性分析を行ったり、パフォーマンス指標を設定したり、投資家と面会したりする必要があります。最も簡単な予測方法は、次のように時間に応じたデータの傾向チャートをリストすることです。

次に、予測したい時点に基づいて推定値を作成できます。

もちろん、条件が許せば、より正確にすることができます。これは、次元分割 -> サンプリング -> 推定 -> 重ね合わせの4 つのステップで実現できます。たとえば、来月のユーザー数の増加を予測するとします。

1. ユーザーの増加は、自然増加とイベント増加に分けられます。いわゆるイベント増加とは、一時的な活動を通じて獲得した追加のユーザー数を指します。
2. 次に、自然増加をサンプリングし、過去数か月または同じ月の自然増加をサンプル分析用に取り出して平均値を取得するか、最高値と最低値の 2 つのデータを除去して平均値を取得します。
3. 同時に、イベント成長量をサンプリングし、過去に実施したいくつかのアクティビティのデータをサンプル分析して、イベント成長量の数値を取得します。そして、来月行う予定のアクティビティと組み合わせて、来月のイベント成長量を予測します。
4. 最後に、2 つのディメンションを合計すると、来月の予測ユーザー数の増加がわかります。

上記のシンプルな4段階の予測方法は、私たちの仕事でよく使われています。オペレーターとして習得しなければならないスキルです。もちろん、より正確なビッグデータマイニングやビッグデータ予測が必要な場合は、人工知能や機械学習などのよりハイテクな技術に頼らなければなりません。

上記は、過去と現在のデータを使用して将来のデータを予測する方法についての説明です。ただし、予測にはもう 1 つの非常に重要な使用シナリオがあります。それは、「過去と現在のデータを使用して将来のユーザー行動を予測する方法」です。これは、ユーザー行動分析と呼ばれることもあります。次の方法で実行できます。

（１）このユーザー行動を頻繁に行うユーザーの属性を調べる。例えば、あるユーザーが自社の商品 A を購入するかどうかを予測したい場合、まずは性別、年齢、地域、職業など、これまでに自社の商品を購入したすべてのユーザーのデータを整理します。

（２）このユーザーの行動の先行する行動を調べる。たとえば、ユーザーがTaobaoで商品 A を購入する場合、商品ページで過ごす時間、ショッピングカートに追加するかどうか、受け取るかどうか、相談するかどうかなど、いくつかの事前アクションが存在します。

（３）このユーザー行動に関連する行動を見つけます。例えば、Aはお茶で、Bは茶器です。商品Aを購入する行為は、商品Bを購入する行為と結びつきます。そして、B が購入されたかどうかに関するデータも予測に使用するデータになります。

（４）次に、上記のユーザ属性、行動が行われたか否か、行動が行われた回数などを変数に設定し、これらの変数のデータを記録する。ユーザーの実際のデータとそれらの変数のデータを通じて、ユーザーが製品 A を購入する確率を予測できます。

これは実は私たちの生活の中で非常によくあることです。例えば、私たちの検索行動、閲覧行動、相談行動などに基づいて、Baidu はターゲット広告をプッシュします。Toutiaoはあなたが好きなニューストピックをプッシュし、 Tmall とTaobao はあなたが興味を持っているアイテムをプッシュします。テクノロジーの進歩により、ユーザーの行動を予測するデータはますます正確になると思います。

特に伝統的な企業では、実際の業務をサポートするようなテクノロジーがない場合、どうすればいいのかと疑問に思うかもしれません。実のところ、何も問題はありません。上記の変数を少なく設定し、コアとなる変数に集中するだけです。精度はそれほど高くありませんが、効果はあります。

上記はミクロデータの観点からのものですが、マクロの観点からユーザー行動を予測する方法について話したらどうなるでしょうか？実際、世の中のあらゆるものはバランスを必要としており、同時に成長と衰退をしています。同時に、お互いを養い、制限し合っています。私たちはオンライン ショッピングに費やす時間が増え、実際に買い物をする時間が減りました。運転に費やす時間が増え、歩く時間が減りました。仕事に費やす時間が減り、娯楽に費やす時間が増えました。PC で遊ぶ時間が減り、携帯電話で遊ぶ時間が増えました。 ...マクロレベルでの行動の増加は、インターネット業界では一般的に「トレンド」と呼ばれています。

同様に、当社の業務プロセスでは、新規データの獲得に成功すれば、保持行動はますます増えます。保持データが良ければ、能動行動はますます増えます。能動データが良ければ、変換行動はますます増えます。変換データが良く、資金があれば、製品の品質を向上させる行動がますます増えます。製品の品質が良ければ、新規顧客を引き付ける行動がますます増えます。これは基本的に易経や「陰陽五行」でよく言われていることです。

3. 検出

検出はおそらく、私たちの業務で最もよく使用されるシナリオです。上で述べたように、テストによって何が良いか、何が悪いかがわかります。

では、操作中に何をテストすればよいのでしょうか?構造のセクションで何を言ったか覚えていますか? オペレーションの基本構造は、人 (ユーザー)、商品 (製品)、シナリオ (表示方法や取引方法) の 3 つだけで構成されています。これが、私たちがテストしたいものです。 （「構造｜オペレーションエキスパートになる方法（I）：オペレーションの基本構造」を参照）

ご存知のとおり、私たちは三次元の世界に住んでおり、時間の次元を加えると四次元空間になります。

同様に、私たちの事業の世界では、ユーザー、製品、表示または取引のシナリオが3 次元空間を形成します。

これら 1 つだけを見ると、それは 2 次元空間です。

項目の 1 つをさらに分割し、その中の特定の点のみを見ると、それは 1 次元空間です。

すべてのものに時間を加えると、4次元空間が得られます。

データの品質を検出する最良の方法は、同じ次元での比較と、より低い次元での分解の 2 つです。

1.同じ次元の比較

同じ次元での比較とは、あるオブジェクトをテストする場合、他のオブジェクトをできるだけ同じレベルに保ち、そのオブジェクトの違いによって生じる最終結果の違いのみに基づいて判断することを意味します。

たとえば、実際の仕事では、次のような状況に遭遇することがよくあります。

• コンテンツ A と B を作成した後、どちらのコンテンツがより効果的かを知りたいと思います。
• A と B の 2 つのアクティビティを実行した後、どちらのアクティビティのユーザー反応が強かったかを知りたいと思います。
• A と B という 2 つのチャネルを見つけましたが、どちらのチャネルがより質の高いユーザーを呼び込むのかを知りたいのです。
• A という競合他社がいますが、当社と比較したこの競合他社のメリットとデメリットは何か知りたいです。
• …

上記の比較では、一般的にトレンドライン比較法と左右のバー比較法を使用します。チャネル検出の例を見てみましょう。

1) まず、同じ期間におけるチャネル A と B の保持数を取得しました。

2) 上記のデータに基づいて、次のトレンドライン比較チャートを作成します。

3) 上記のトレンド チャートから、この期間中、チャネル B の品質がチャネル A の品質よりもわずかに優れていることがわかります。

競合製品分析の別の例を見てみましょう。

競合分析を行う上での難しさは、分析自体にあるのではなく、競合データ、特に内部運用データの取得にあります。競合データを取得することは基本的に不可能です。通常、競合他社が市場で収集できる外部データを収集し、分析用の左右の棒グラフ比較チャートを作成できます。

たとえば、データ収集を通じて、過去 3 か月間に競合他社 A について次のデータを取得しました。20 のチャネルで広告が行われ、5 つの有料チャネルがあり、50 枚のWeChat画像とテキストが送信され、合計約 80,000 回の閲覧、4 つのニュースリリース、3 つのイベント、2 つの新しい有料製品が発売され、1 つの古い製品が棚から取り除かれ、アプリ製品が 7 回反復され、4 つの新機能が追加されました。

上記の情報市場データは、一般的にサードパーティの世論監視ツールを通じて取得できますが、製品データについては、業務において注意を払う必要があります。次に、データに基づいて次のグラフを作成しました。

この左と右の棒の比較チャートにより、当社と競合他社との間のギャップや利点、欠点が一目でわかります。

2.下方向への分解

この分析方法は、比較するものがない場合によく使用されます。何かが良いか悪いかは分かっていますが、具体的な理由は分かりません。現時点では、本当の理由が見つかるまで次元を分解し続ける必要があります。現時点では、一般的にファネル分析法を使用することができます。

たとえば、新規ユーザー獲得活動 A を実施しました。その目的は、新規ユーザーにアプリをダウンロードしてもらい、ユーザー登録してもらうことでした。しかし、チャネルが非常に安定していたため、この活動による新規ユーザー獲得効果は期待したほどではありませんでした。その理由を突き止める方法を見つける必要があります。

前回の構造記事を読んだ方は、アクティビティのプロセス構造を覚えているはずです。次に、アクティビティのプロセス構造と製品ページに基づいて、次のデータ ノードを選択しました。

• 活動内容：競技前、ウォーミングアップ、公式競技、余熱、競技後
• 製品：ガイドページ、登録ページ、登録成功ページ

データを収集した後、次のファネル分析チャートが得られました。

イベント期間中、初期段階でのパフォーマンスは非常に良好でしたが、残暑期間中にダウンロードコンバージョンがわずか15％と大幅に低下し、登録時にはガイドページのコンバージョン率が50％とあまり理想的ではありませんでした。したがって、これら 2 つのファネル チャートから、アクティビティのウォームアップ部分とユーザー登録ガイド ページに問題がある可能性が高いことがわかります。

上記の例は比較的単純なもので、実際の作業ではもっと複雑になることもありますが、使用シナリオと分析方法を習得しておけば、それをさらに洗練させるだけで本質的には同じです。

ここまでで、データ使用の検出についての説明は終わりです。データ操作検出の 4 次元空間を通じて、次の結論を導き出すことができます。

（１）次元が低いほど検出が容易になる

これは、上司が「今年はなぜ儲からなかったのか調べてください」（4 次元空間）と「なぜ誰もこのボタンをクリックしないのか調べてください」（1 次元空間）と言っているようなものです。これら 2 つのタスクの難しさはまったく異なりますが、データを計画するときに、次元を低く分割するほど、将来の作業に役立つことも示しています。

（２）高次元検出には低次元への分割が必要

同じ次元の比較が見つからない場合は、より低い次元に分割することしかできません。

（３）検出方法は、まず分割し、次に左側と右側を比較することです。

比較メソッドを使って比較できる同じ次元のベンチマークオブジェクトに分割する場合や、メリットとデメリットが明確にわかる場合は、分割する必要はありません。

（４）テスト結果の正しさを判断するには、低次元から高次元に戻る必要がある。

最終的な判断基準は、低次元から高次元に戻り、高次元のデータ指標を確認することです。

このプロセスについてよくご存知ですか? 実際、その中核となる考え方は、このシリーズの最初の記事「オペレーションのエキスパートになる方法 - 考え方 (I): 上から下まで考え、下から上まで実行する」です。

さて、これでデータ セクションは終了です。前回の記事で述べたように、データには下方向の制限がないため、この 2 つの記事では、トップレベルのデータと、よく使用されるシナリオおよび分析方法についてのみ説明します。データのより詳細な内容は、私たちの研究で探求されるのを待っています。

まとめ

データは業務を推進し、データを習得することは業務の戦略的方向性を習得することを意味します。しかし、運用戦略を実行する過程で、半分の労力で 2 倍の結果を達成する方法はあるのでしょうか?これらの方法はどの段階でどのような役割を果たすのでしょうか?次に、「方法」セクションに入ります。

この記事の著者@志远は（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、情報フロー広告、広告プラットフォーム