データ操作をうまく実行するにはどうすればよいでしょうか?ここに5つのヒントがあります!

今日のインターネット時代では、ほとんどすべての人がビッグデータの力を知っています。すべてのビジネスオーナーは、データを使って話す必要があることを強調し、ビジネスを行うすべての学生は、データが非常に有用であることを知っています。では、実際に行われているデータ操作とは何でしょうか?

これは、データに関する記事で最初に言及したいことでもあります。データは単なるアラビア数字ではなく、その背後にある「原因」と「結果」にその重要性があるのです。ですから、まず第一に論理的思考なのです。私たちがどのような「原因」を蒔くかによって、どのような「結果」が得られるか、どうすればわかるのでしょうか?これはデータによって異なります。データは「結果」であり、これまでの運用作業は「原因」です。「結果」を変えたいのであれば、「原因」を変えなければなりません。

まず、わかりやすい例を使ってデータ操作の手順を説明しましょう。

私たちは通常、定期的に健康診断を受けなければなりません。検査後、健康診断レポート（さまざまな指標とデータを含む）を受け取ります。データを確認した後、標準データと比較します。比較後、体の健康な部分と悪い部分を見つけます。次に、体の悪い部分に基づいて解決策を考えます。最終的に、悪い部分を調整または治癒することで、体全体の健康を達成できます。

上記の手順を分析してみましょう。

健康診断を受けると、データ操作が始まります。

各健康診断パッケージのデータ量は異なります。どのパッケージを選択しても、データ計画作業は完了です。

身体検査報告書を受け取ると、データ収集作業は完了です。

比較することで、自分の体の弱い部分を発見し、それを改善する方法を見つけ、データ分析作業を完了しました。

この方法を実施することで、最終的には全体的な体調が改善され、データ駆動型の運用が完成しました。

そして、その身体検査フォーム上のすべてのデータが私たちのデータモデルです。

データ操作の手順を確認するには、次の図をご覧ください。

この身体検査はどのように役立つのでしょうか?

現在の体の状態を直感的に教えてくれます。
どの点が良くて、どの点が悪いのかを教えてくれます。
それは私たちの体の臓器についてのより深い理解につながります。
それは改善方法を見つけるのに役立ちます。
それは最終的に私たちをより健康にします。

「本体」を「会社」に置き換えると、データ運用の役割がすぐに浮かび上がります。運用の現在の状態を伝え、運用の良し悪しを伝え、ユーザーをより深く理解し、結果を改善する方法を見つけるのに役立ち、最終的には会社がより良く発展できるようにします。ここで DataOps が登場します。

さて、本題に入りましょう。私たちは何をすべきでしょうか?

身体検査のケースを見てみましょう。身体検査をデータ操作として捉えると、完了するために必要な前提条件が 2 つあります。

どのようなデータが期待されるかを把握する。
それぞれのデータがあなたの体の状態について何を意味するのかを知ってください。

同様に、私たちの業務においては、まず次のことを知っておく必要があります。

どのようなデータを収集しますか?
各データは操作に関して何を意味しますか?

オペレーションに携わる学生の多く、特に初心者のオペレーターの中には、データが多すぎると感じている人もいます。すべてが役に立つように思えますが、同時に、始めることができないのです。実際のところ、データは私たちが考えるほど複雑ではありません。

データについて話す前に、まず 2 つの概念を理解しましょう。

データ分析は、あらゆる分野や職業で幅広く利用されている非常に大きなテーマであり、統計、データベース技術、プログラミング技術などが必要となります。ここで取り上げているのは、企業の業務システムの下でユーザーに対して実行されるデータ操作の一部です。
データ操作は下限のない仕事です。理論上は、データ量が増えて次元が細分化されていくと、無限に精緻化することができます。

たとえば、1 日あたりの新規ユーザーの数をカウントしました。これは普通の企業が収集するデータです。しかし、データの量が増えると、それを次元に細分化することができます。

たとえば、ディメンション地域を州、都市、地区、郡、地域に分割します...
たとえば、時間という次元は、時間、分、秒に分解されます...
たとえば、次元人口を性別、職業、年齢で分けます...
たとえば、Dimension Devices の場合、オペレーティングシステムに分解し、さらに携帯電話のモデルに分解します...

上記の次元に分解すると、たとえば、特定の日、特定の時間に、特定の都市の特定のコミュニティで、 iPhone 7 携帯電話を持っている 25 歳の女性、教師がユーザーになったなど、非常に詳細なデータが得られる可能性があります。

オブジェクト指向の考え方を習得していれば、次元を分割することは難しくありません。現在の操作作業でどの次元を分割する必要があるかを判断するだけです。

私たちがよく話すビッグデータの「ビッグ」とは、実際には「ビッグ」なデータ量と「多くの」次元を指します。

次に、データの計画を開始する必要があります。業務にはコア指標がいくつありますか?

ステップ1: 最上位のコアデータ指標を見つける必要があります

いわゆるトップレベルのデータ指標は、実際には、すべての業務が 1 つの方向に前進するように導く指針です。それは企業全体の戦略的な方向性でもあり、欠かせないポイントです。では、トップレベルのデータ指標をどのように決定するのでしょうか? 「考える章 | オペレーションの専門家になる方法（パート 2）：オペレーションキューブ」を振り返ってみると、製品とは別に、ほとんどの企業にとって最も重要な指標は、ユーザー数と顧客あたりの利益（ AR PU（ユーザーあたりの平均収益）とも呼ばれる）であることがわかります。

前の章で皆さんご存知のとおり、新規顧客の獲得からコンバージョンまでを 1 つのステップで直接実行できる電子商取引を除き、ほとんどの場合、コンバージョンの前に維持と活性化の基盤を築く必要があります。そのため、ARPUを求める前に、リテンション率とアクティビティが非常に重要になります。したがって、リテンション率とアクティビティ（一般的には1日あたりのアクティブユーザー数を基準とし、DAUと呼ばれる）もトップレベルのコア指標となります。

明らかに、これらは私たちにとって最も重要なデータ指標の一部です。このようにして、上位レベルで最も一般的に使用される 4 つのコア指標、つまりユーザー数、維持率、アクティビティ (DAU)、およびユーザーあたりの平均収益 (ARPU) を特定しました。実際、上記の 4 つの指標は、新規顧客の誘致、既存顧客の維持、アクティベーションの促進、既存顧客の変換という 4 つのステップにも対応しています。

ステップ2: 最上位レベルのデータインジケータは1つだけ

ユーザー数、維持率、アクティビティ（DAU）、ユーザーあたりの平均収益（ARPU）の4つの指標はいずれも非常に重要であり、運用業務では同時に対処する必要がありますが、運用のさまざまな段階でこれら4つの中からリーダーを選択する必要もあります。これには明確な選定基準はなく、企業の実情（業種、モデル、その背後にある資本支援など）に応じて調整されます。一般的に言えば、初期段階ではユーザー数、中期段階では継続率とアクティビティ、後期段階ではユーザーあたりの平均収益が中心指標となります。スタートアップ企業が資金調達中で、その製品が A ラウンドにある場合、上記の指標はそれぞれ B ラウンド、C ラウンド、 IPOラウンドに対応する可能性があります。

ステップ3: 指標の分析を始める

ユーザー数、継続率、アクティビティ（DAU）、ユーザーあたりの平均収益（ARPU）の4つの指標が当社のコア指標であることはわかっていますが、この4つの指標だけを見ると偏りが生じる場合が多いため、この4つの周辺にも重要なコア指標がいくつかあります。

1. ユーザー数

以前の記事を読んだ方は、当社のユーザーベースがチャネルを通じて来ていること、そしてそのチャネルが当社独自の製品チャネル、外部の無料チャネル、外部の有料チャネルから来ていることをご存知でしょう。上記のいずれにせよ、私たちが行うことは、特定のコンテンツを特定のチャネルで公開し、特定のユーザーにそれを表示して、最終的にユーザーを獲得することです。

したがって、所有チャネルや無料チャネルなどのチャネルコストを考慮せずに、 UV（ユニーク訪問数）と新規ユーザーコンバージョン率という2 つのデータ指標に分解できます。新規ユーザーコンバージョン率＝今回の新規ユーザー数／UV（ユニーク訪問数）

チャネルコストを検討する際には、別の指標である新規ユーザー獲得コストを考慮する必要があります。

例えば：

チャネルA：10,000元を投資し、5,000のトラフィックをもたらし、1,000人のユーザーにコンバージョンし、コンバージョン率は20％です。
チャネル B: 2,000 元を投資し、3,000 のトラフィックを獲得し、450 人のユーザーにコンバージョンし、コンバージョン率は 15% でした。

上記のデータから判断すると、トラフィックとコンバージョン率の点ではチャネル B はチャネル A よりも低いです。新規ユーザー獲得コストが比較的低いため、チャネル B を優先します。

もちろん、新規ユーザー獲得コストだけでチャネルの質を判断することはできません。獲得したユーザーのその後の維持や活動も総合的に考慮する必要があります。そうしないと、ウール党の手中に落ちてしまいます。

このように、このリンクには、UV (ユニーク訪問者数)、新規ユーザーコンバージョン率、新規ユーザー獲得コストという 3 つのコア指標が追加されました。

2.定着率

維持率は比較的理解しやすいもので、一定期間後に残る新規ユーザーの割合を指します。維持率は線形概念であるため、通常は時間の次元から分解します。より一般的に使用されるコア指標は、日次維持率、週次維持率、月次維持率の 3 つです。一般的には、月間リテンションを主に確認しますが、使用頻度の高い一部の製品では、日次リテンションと週次リテンションが非常に重要です。

3.アクティビティ（DAU）

実際のところ、企業や製品によって「アクティビティ」の明確な定義は存在しません。特に、旅行アプリなどの一部の低周波製品の場合、ほとんどの人は旅行したいときにのみ開きます。このとき、それらをサポートするには、いくつかの高周波補助出力が必要です。「構造 | オペレーションエキスパートになる方法 (IV): オペレーションの全体像」を参照してください。

デイリーアクティブユーザー数も線形概念ですが、単独では見ることができません。デイリーアクティブユーザー数の増加と組み合わせて考慮する必要があります。その理由の例を以下に示します。

ある商品の初日のデイリーアクティブユーザーは10,000人、2日目のデイリーアクティブユーザーは11,000人でした。表面的には、データは良好に見えます。

しかし実際には、初日には 2,000 人の新規追加アクティブユーザー (DNU) がおり、2 日目にも 2,000 人の新規追加アクティブユーザーがありました。したがって、初日の 1 日あたりのアクティブユーザー数の増加は 2000/10000 = 20%、2 日目の 1 日あたりのアクティブユーザー数の増加は 2000/11000 = 18.2% となります。つまり、毎日のアクティブユーザー数は確かに増加しているものの、成長率は鈍化しているということです。

物理学の知識から、加速が非常に重要であることは誰もが知っています。加速度が減少し始めると、速度はまだ増加しているものの、減少傾向を示しているため、注意が必要です。ある日の 1 日あたりのアクティブユーザー数の増加が 0 の場合、新しいアクティブユーザーがいないことを意味します。フェイスブックのマーク・ザッカーバーグ氏が投資家らと面会した際、同氏が示したデータは、1日当たりのアクティブユーザー数の増加という1点を除いて、当時のライバル企業であるマイスペースのデータよりも低かった。このデータに基づいて、投資家たちはFacebook が 1 年以内に Myspace を追い抜くだろうと考えており、実際にその通りになりました。したがって、毎日のアクティブユーザーの増加も当社の主要なデータ指標の 1 つとなります。

ここでは、さらに2つのコアデータ指標があります。その日の新規およびアクティブDNUと、毎日のアクティブ成長（DNU / DAU）です。

4. ユーザーあたりの平均収益（ARPU）

ARPU は時間制限のある値であり、通常は月単位で測定されます。これは一般的に、各有料ユーザーの平均月収として理解されており、計算式は「月間総収入÷月間有料ユーザー数」となります。したがって、ARPU は有料ユーザー数と合わせて考える必要があります。例えば：

会社 A: 月間収益は 10,000 で、無料ユーザーは 990 人、有料ユーザーは 10 人、月間 ARPU 値は 1,000 です。
会社 B: 月間収益は 50,000 で、無料ユーザーは 500 人、有料ユーザーは 500 人、月間 ARPU 値は 100 です。

この例から、会社 A の ARPU 値は会社 B よりもはるかに高いものの、有料ユーザーのコンバージョン率が会社 B ほど高くないため、会社 B ほど優れているとは言えないことがわかります。したがって、ここでは有料ユーザーのコンバージョン率というもう 1 つの主要な指標があります。

さらに、私たちは、すべての製品にはライフサイクルがあり、長いものもあれば短いものもあるという概念を知っています。例：

製品 A: ライフサイクルは 3 か月で、ARPU は 1,000 元/月です。
製品 B: ライフサイクルは 1 年で、ARPU は 800 元/月です。

明らかに、製品 B は製品 A よりも魅力的なので、ユーザー生涯価値 (LTV) という別の指標を導入する必要があります。つまり、製品のライフサイクル全体を通じてユーザーが貢献した価値です。たとえば、上記の例では、A は 3,000 元、B は 9,600 元です。

収益について話すときはいつでも、コストについて考える必要があります。当社の事業構造のボックスを覚えていますか? そこには入口と出口があります。したがって、投資収益率 (ROI)も、把握しなければならない主要な指標です。

さて、ここまでは、運用全体の中で最も重要な中核指標をリストアップしました。もちろん、続けることもできます:

ステップ4: 実際のニーズに応じて分割を続ける

最初の 3 つのステップのデータ指標は、ほぼすべての企業に必要なコア指標です。このステップから始まる標準は基本的にありません。さまざまな業界、さまざまな企業、さまざまな段階で、無制限に改良を続けることができます。例えば：

登録が必要な新規ユーザーの場合、ガイドページのコンバージョン率、登録ページのコンバージョン率、完了ページのコンバージョン率などに分類できます。

チャネルは、チャネルの種類（CPM、CPC、CPA）に応じて、さらにリーチ、クリックスルー率などに分類できます。

解約率は、前払い解約率、後払い解約率などに分けられます。

活動に関しては、設定された活動基準に応じて、軽活動率、中活動率、重活動率などに分類できます。

トランザクションは、コレクション変換率、注文変換率、トランザクション変換率などに分類できます。

また、時間ディメンション、地域ディメンション、デバイスディメンション、ユーザーディメンションなど、上記のディメンションに基づいてさらに絞り込むこともできます。

科学技術の進歩は、ある意味ではデータの継続的な改良も意味します。おそらくこれが人工知能の未来なのでしょう。

さて、この時点で、以下に示すように、必要なすべてのコアデータインジケーターをリストしました。

上記の各データ指標を他のデータの説明ではなく個別に説明する理由は、上記の指標が企業の存続に直接関係し、当社の運営システムにおいて最も重要な中核指標であるためです。当社のオペレーティングシステムでは、これらのインジケーターは 3 次元空間インジケーターに属し、その他は 2 次元空間または 1 次元空間インジケーターに属します。運用指標の4次元空間については、次回の記事で分析手法と組み合わせて解説しますので、お楽しみに。

次に、小さな質問でこれについて考えてみましょう。

タイトル：現在、製品を運用しており、その運用データは次のとおりです。

製品の新規ユーザーの日次、週次、月次維持率はそれぞれ80%、40%、20%で、その後20%で安定します。

維持ユーザーの上位 20% をアクティブユーザーと定義します。

1回の取引につき10元の利益をもたらす有料商品があります

この製品のライフサイクルは1年です

すべてのアクティブユーザーは平均2日に1回ログインし、3回に1回のトランザクションが生成されます。

非アクティブユーザーは平均6日に1回ログインし、5回に1回のトランザクションを生成します。

製品の3ヶ月目の初めに、ソフト記事のリリースを準備しました。慣例によると、このソフト記事の登録転換率は5％で、今回の投資額は10万元です。

質問：

このソフト記事の読者数が一定数に達したら、基本的に投資額は回収できると考えていいのでしょうか？
別のチャネルが 1 回あたり 1 元の CPC 価格を提示していると仮定すると、このチャネルでの推定 ROI はいくらでしょうか?

(注意: 計算時間が 5 分を超える場合は、おそらく間違った方法を使用しています。)

しばらく考えていただければ、この記事の最後で答えを発表します。

この記事の内容を続けましょう。上の図は私たちの運用データシステムと見なすことができますか?

いいえ、まだです。多くの次元を洗練したとしても、それは単なるデータモデルであり、データシステムの要件を満たすことはできません。上記のデータは処理されたデータであり、プレゼンテーション層にあるためです。

それはどういう意味ですか？先ほどのコンバージョン率、リテンション率、アクティビティ率などのデータを見てみましょう。これらは直接得られるデータではなく、実際に私たちが主観的に欲しいデータです。つまり、必要なのは処理済みのデータであり、このデータを取得するには、アクセス層に元のデータが必要です。

例を見てみましょう:

チャンネルAに開設したガイドページと登録ページの2つのページでイベントを開催しました。ここで、チャネル A でのこのアクティビティの新規ユーザーコンバージョン率を知りたいと思います。

私たちが求める新規ユーザーのコンバージョン率は処理されたデータであり、元のデータでは直接伝えられません。したがって、処理されたデータに基づいて元のデータを設計する必要があります。以下のように表示されます。

この表から、チャネル A には 4 人が来ていることがわかります。行動記録から、そのうち 1 人が最終的に登録を完了し、新規ユーザーのコンバージョン率が 25% であることがわかります。ここで、ユーザーソース、ユーザー、行動、時間は生データであり、最終的な新規ユーザーコンバージョン率は処理済みデータです。

元のデータは通常、次の側面から取得されます。

（１）ユーザー属性・行動による設定

たとえば、ユーザーの年齢、性別、ユーザーが実行したアクションなどです。

（２）製品機能別セグメンテーションの設定

これは主にAPPなど一部のインターネット製品を対象としています。コレクション、コメント、クーポン収集など、製品プロセス全体における各細分化された機能のデータも当社のオリジナルデータです。

（３）外部データの呼び出し

一般的には、外部製品の API インターフェースを呼び出すことです。たとえば、 WeChatインターフェースを呼び出すことで、WeChat 上のさまざまなデータを取得できます。レポートをエクスポートおよびインポートすることで、より大まかな方法を実現することもできます。

最終的なデータシステムを構築するには、まず処理済みデータを決定し、次にこれらの処理済みデータに基づいてその背後にある元のデータを構築する必要があります。この方法でのみ、データ計画を真に完了することができます。

最後に、この写真を見てみましょう。

アクセス層から生データを収集し、処理して、処理済みデータを生成し、提示し、分析手段を通じて分析して問題を特定し、効果的な運用ソリューションを形成し、それを実装して新しいラウンドの生データを生成します。これはデータ駆動型のクローズドループです。

さて、これでデータ運用の初期段階におけるデータ計画作業がすべて完了しました。ただし、データ計画は 1 つのステップで完了することはできず、実際には 1 つのステップで完了することは困難であることに注意してください。できるだけ早く、できる限り完璧なデータシステムを構築し、運用プロセスの中で継続的に改善し、最適化する必要があります。この記事が、皆さん自身のデータ計画の完成にも役立つことを願っています。

最後に、上記の小さな質問に対する解決策を使用して、この記事を完成させましょう。

まず、ここでの日次保持と週次保持が落とし穴であることを認識する必要があります。
LTVを計算する:
1. 新規ユーザーが 100 人いると仮定すると、保持ユーザーは 20 人となり、そのうち 4 人がアクティブで 16 人が非アクティブになります。
2. アクティブユーザーの平均出力は1トランザクション/6日、つまり5トランザクション/月= 50元/月です。製品のライフサイクルはまだ10か月あるため、出力は1人あたり500元、4人の場合は2,000元になります。
3. 非アクティブユーザーの平均出力は1トランザクション/30日、つまり1トランザクション/月= 10元/月です。製品のライフサイクルはまだ10か月あるため、出力は100元/人、16人の場合は1,600元になります。
4. 合計金額は3,600元で、100で割ると、LTVは36元/人になります。