新人オペレーターがデータ思考を素早く身に付けるための3つの方法と1つのケーススタディ

社内には業務と製品間のコミュニケーション、製品と技術間のコミュニケーションなど、多くのコミュニケーション問題がありますが、これらの問題を解決するための共通の「言語」はありません。しかし、ビッグデータ時代の到来により、データを通じて部門間でコミュニケーションをとることで、誰もが同じ次元から物事を見るようになり、立場やアイデンティティを捨て、客観的なデータのみを使用して問題を説明できることが分かりました。本日、Zhuge Jun は、初心者のオペレーション学生がデータ思考を迅速に構築し、日常業務でのコミュニケーション効率を向上させるのに役立つ、よく使用される 3 つのデータ分析方法と 1 つの成長計画を共有しました。

1. データ傾向分析

一般的に、トレンド分析は、クリックスルー率、GMV、アクティブユーザー数など、コア製品指標の長期追跡に適しています。単純なデータ傾向グラフを作成するだけでは、傾向分析とはみなされません。傾向分析では、データの変化をより明確にし、変化の理由を分析する必要があります。

傾向分析の場合、最適な出力は比率です。傾向を分析する際には、前月比、前年比、固定ベース比率など、いくつかの概念を明確にする必要があります。前月比や前年比は皆さんもよくご存知でしょう。固定基準比率とは、ある基準点との比較です。例えば、2016年1月を基準点とした場合、固定基準比率は2017年2月と2016年1月の比較となります。トレンド分析のもう一つの中心的な目的は、トレンドを説明することです。トレンド ラインの明らかな転換点については、外部の理由か内部の理由かを問わず、何が起こったかについて合理的な説明を与える必要があります。

データ分析の過程では、指標に影響を与える要因が多数あるため、チャネル、製品バージョン、ソース、キーワード、ネットワーク、地域、IP、システムブラウザとバージョンなど、さまざまな側面から指標を 1 つずつ調べることができます。

2. データの比較と分析

データの傾向の変化だけを見ても、実は多くの場合、問題を説明できません。例えば、ある会社の利益が 10% 増加したとしても、その会社が良いのか悪いのか判断できません。この会社と同じ業界の他の会社が全体的にマイナス成長であれば、5% は多いです。業界の他の会社の平均成長率が 50% であれば、これは非常に悪いデータです。比較分析は、孤立したデータには意味がないため、孤立したデータに対して合理的な参照システムを提供することです。

A/B テストを例にとると、最も重要なことは、2 つのグループ A/B が 1 つの変数のみを保持し、他の条件を一貫して維持することです。たとえば、ホームページの再設計の効果をテストするには、2 つのユーザー グループ A/B の品質を同じに保ち、オンライン時間を同じに保ち、ソース チャネルを同じに保つことなどが必要です。この方法でのみ、より説得力のあるデータを得ることができます。

3. データセグメンテーション分析

いくつかの予備的な結論が得られたら、それをさらに細分化する必要があります。これは、いくつかの包括的な指標を使用すると、いくつかの重要なデータの詳細が消えてしまうためであり、指標自体の変化についても、変化の理由を分析する必要があります。ここでのセグメンテーションは複数の次元で実行する必要があります。一般的な分割方法は次のとおりです。

タイムシェアリング: データが異なる期間に変化するかどうか。

チャネル別: さまざまなソースからのトラフィックや製品に変化があるかどうか。

ユーザー別: 新規登録ユーザーと既存ユーザーの間に違いはありますか? 常連ユーザーと初心者ユーザーの間に違いはありますか?

地域別: 異なる地域でデータに変化があるかどうか。

構成分割: たとえば、検索が検索語句で構成されている場合、異なる検索語句を分割することができます。

セグメント分析は非常に重要な手段です。より多くの「なぜ」を問うことが結論に至る鍵であり、段階的に分割することは「なぜ」を問い続けるプロセスです。

4. ビジネスシナリオの例

1 つのシナリオは、ユーザーの主要な行動プロセスを中心に、ユーザーの意思決定サイクルを高速化することです。電子商取引製品を例にとると、この主要な行動プロセスには、アクティビティを促進するためのクーポンの受信、登録を促進するための潜在顧客、注文を促進するための登録、リピート購入を促進するための習慣の洞察が含まれます。ユーザーの意思決定サイクルを高速化するということは、ユーザーが価値を認識し、懸念を払拭し、購入代金を支払うのを支援することを意味します。

1. 総合的なアプローチ: コアプロセスにおける意思決定を加速する

商品のセールスポイントに惹かれると、私たちの潜在意識はすぐに「感情に基づいて」決定を下します。私たちがその決定をすぐに実行しないのは、まだ自分自身を納得させ、その決定が合理的であると思わせる理由を探しているからです。

人間の欲望は無限です。多くの場合、人間の欲望は一貫した自己認識や行動規範を超えています。同時に、人間は非常に自己一貫性のある動物です。私たちの決定の意図が明らかに自己認識や行動規範と矛盾している場合、私たちは無意識のうちに、自分の決定が「合理的」に見えるようにするためのさらなる理由を探します。

例えば、気に入った口紅を見つけて、とてもワクワクします。そして、それを買いたい衝動にかられます。しかし、あなたはすでに口紅をたくさん持っていて、さらにもう1本買いだめするのは「あまり無駄にしない」という自意識に合わないので、商品の詳細ページを探し始めます。「星から来たあなたの色はもう人気がない」、「アンディと同じ絶妙でシルキーなスタイル」、「トムフォードのお手頃バージョン」などの情報を見ると、あなたの購入決定はこれらの理由で合理的に説明でき、最終的に購入を選択します。

合理化プロセスを完了するのに十分な理由をユーザーに提供する必要があります。これには、製品の機能、価格の優位性、または心理的なレベルでの合理的な説明などが含まれます。これらの理由は、ユーザーを引き付けて購入の衝動を喚起することを目的としたものではないため、特に目立つ必要はありません。欲求を持つユーザーは、自分自身を納得させ、安心させるために、「注文を合理化する」情報を自然に見つけます。

ある電子商取引製品を例に挙げると、登録成功後24時間以内に注文を作成しないユーザーにはテキストメッセージが届きます。テキストメッセージの内容は大まかに次のとおりです。128元の初心者向け赤い封筒を受け取れます。APPをダウンロードして割引をお楽しみください。小さな赤い封筒は、一部のユーザーの「ためらう」のを止め、注文を成功させます。 PS: 上図のデータは当社の顧客から得たものです。Zhuge io の正確なリーチに基づくと、68 人が支払いを正常に完了しました。つまり、このテキスト メッセージにより、コア ビジネスのコンバージョン(収益化) が実現しました。

2. ビジネスの好み: さまざまなニーズを持つユーザーを対象としたマーケティング

ユーザーを獲得した後は、関連データを分析し、行動習慣を把握して製品運用に役立てていきます。ユーザー行動モニタリングから得られたデータを分析することで、ユーザーの行動習慣をより詳細かつ明確に把握し、運用上の問題を発見することができます。これにより、アプリはコンバージョン率の高いページを発見し、マーケティングをより正確かつ効果的にし、ユーザーのコンバージョン率を向上させることができます。

たとえば、ユーザーが最もアクティブになるのはどの時間帯でしょうか。この時間帯にアクティビティを推進すれば、参加がより積極的になり、ユーザーの受容性も高まります。たとえば、20～30歳の女性が22:00～24:00の間に最もアクティブであることが分析でわかった場合、この時間帯にターゲットを絞ったプッシュで女性ユーザーにとってより価値のあるアクティビティを選択し、プッシュアクティビティ、時間ポイント、ユーザーグループを設定することで、ユーザーの活力を高め、ユーザーのライフサイクルを延長することができます。

3. サイレントアクティベーション：アクティブな機能に関する親密なリマインダー

サイレントユーザーの多くは関与度の低いユーザーです。それぞれのニーズをさらに細分化し、あるタイミングでニーズを満たすユーザーリーチやユーザーオペレーションを行うことは可能でしょうか？ユーザーが基本的な機能のみを使用している場合は、嫌がらせをしないでください。たとえば、1 か月間連絡を取ったのに応答がなく、これが数回連続して起こった場合、再度嫌がらせをしないでください。そうしないと、ユーザーは製品を使用しなくなります。このような長期間沈黙しているユーザーには、慎重に対処する必要があります。

つまり、傾向、比較、セグメンテーションはデータ分析における最も基本的な考え方です。データの検証であれ、データ分析であれ、最終的な効果的な結論を得るためには、常に傾向を探し、比較し、セグメンテーションを行う必要があります。

この記事の著者は@朱葛ioで、(Qinggua Media)が編集・出版しました。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、情報フロー広告、広告プラットフォーム