データ分析を素早く理解するための 8 分 (書籍の推奨付き)

過去 2 年間でデータ分析が非常に普及しましたが、製品/運用プロバイダーがデータ分析を理解していない場合、特に需要と供給の市場が均衡している、または飽和状態にある場合に、どのようにして製品を際立たせ、ユーザー数の増加を達成できるでしょうか。業務活動をうまく遂行するにはどうすればよいでしょうか? … 最近、データ分析の手法をいくつか学んでいます。自分の経験も交えて、以下のようなデータ分析記事をまとめました。この記事を読むのにかかる時間は、約8〜10分です。 1. データ分析とは何ですか? データ分析とは、データの価値を最大化するために、収集されたデータを適切な統計的手法を使用して分析することを指します。データはお金と同様、それ自体にそれほど価値はありません。分析手法があるからこそ、一定の結論を導き出し、問題点を発見することができ、その大きな価値を引き出すことができるのです。 2. なぜデータ分析を行う必要があるのでしょうか? 多くの場合、 VC は投資の決定を下すためにデータを調べる必要があり、企業の製品や業務は繰り返し改善する必要があります... データのニーズはさまざまな側面から生じます。一般的に、データ分析には主に 4 つの理由があります。 1.製品の反復を促進するユーザー使用の実際の軌跡は何ですか?なぜ彼らはこのようなことをするのでしょうか。また、より良い意思決定を行うのに役立つ、よりシンプルなプロセスはあるのでしょうか。また、過去の製品データを分析して問題に対する洞察を得て、対象を絞った製品の反復を促進することもできます。 2. 詳細な需要分析:データを使用して、マズローのさまざまなレベルのユーザーのニーズをサポートし、データを使用してインタラクションのニーズを証明し、データを通じて企業レベルのニーズの合理性を検証します。 3.運用上の意思決定製品を推進する新機能の導入後の効果はどのようなものですか?新機能のユーザーアクティビティとユーザー維持率の変化は?プランAとプランBのどちらが良いでしょうか?このような質問の場合、問題が良いか悪いかを判断する最も信頼できる方法は、おそらくデータです。感情的な定義は、多くの場合、多くの不必要な論争を引き起こします。 4. 業務上の意思決定を推進し、ビジネスチャンスを評価するには、必要な需要調査と市場調査が特に重要です。新しい市場に参入する価値はあるでしょうか?新しいプロジェクトに投資する価値はあるでしょうか?会社等の買収は可能ですか？ 3. データ分析のやり方

ビリ.png 1. データ収集 原則1: サンプリングではなく全量 フロントエンド、バックエンド、ビジネスデータベースの包括的な収集を含む、複数のソースからデータを収集します。フロントエンドには Web ページと APP クライアントが含まれ、バックエンドの収集はフロントエンドの動作イベントで収集できないデータを補足するために使用されます。 原則2: 多次元セグメンテーション 顧客行動イベントに対して5W1Hの徹底的な洗練化を実現し、誰が、いつ、どこで、なぜ、何を、どのように行ったかという行動軌跡を余すところなく記録・洗練化します。誰が（who）は登録アカウント、性別、年齢、個人の成長段階などで細分化可能。時間が（when）は開始時間、終了時間などで細分化可能。どこで（where）はIP、位置情報、オペレータ、OS、機種、IMEI、ネットワークアクセス方法（2G/3G/4G/WIFI）などで細分化可能。理由（why）は趣味、需要レベルなどで細分化可能。事が（what）は件名、手順などで細分化可能。行動イベントとディメンションを組み合わせることで、ユーザーが注文した地域などの必要な指標を取得できます。現在、データ収集（埋設ポイント）には主に 3 つの方法があります。最初の方法: サードパーティの統計分析標準 SDK を使用してアプリケーションにアクセスします。 2 番目の方法: 非組み込み方式を使用します。 3 番目の方法: 自分で開発し、操作と製品の決定を改良します。 2. データ収集 データインジケーターモデルを構築する際には、次の 3 つの要素を考慮する必要があります。 a. 行動データとビジネスデータを統合する。b . 主要なデータ指標を回帰する。c. 複数の次元からデータの実現可能性を検討する 最初の主要指標法は、最初の主要な重要指標を見つけ、次に電子商取引の売上高などのサブ指標を導出します。売上を増やしたい場合は、購入者の数を増やすか、平均注文額を増やすかのいずれかになります。売上 = 購入者数 x 平均注文額売上 = トラフィック xコンバージョン率x 平均注文額商品詳細ページに到達すると、次のように導き出すこともできます:売上高 = ビジネス詳細 UV x 注文率 x 支払い率 x 顧客単価売上高 = アクティビティ表示 x アクティビティ変換率 x 注文率 x 支払い率 x 顧客単価各段階の指標は次の点に重点を置いています。

ステージ ● MVP 段階（検証）：実現可能性と目標ユーザー維持率を検証し、定性分析を実施します。この段階自体には多くのデータはありません（データベース製品を除く）。 ● 成長段階（キャズムを超える）：ほとんどの企業はこの段階に到達できません。成長段階のデータ分析は、対応するデータ製品アナリストと適切に組み合わせるか、より詳細なデータツールを使用して対応する意思決定を行う必要があります。 2つのレベルに分けられる 1. 維持段階では、維持率（翌日維持率、7 日維持率、15 日維持率、30 日維持率など）が主な指標となります。2 . 紹介段階では、バイラル係数とバイラルサイクルが主に考慮されます。つまり、1 人のユーザーが平均して何人の新規ユーザーを呼び込むことができるかということです。したがって、バイラル係数が 1 より大きい場合、情報は広がり続け、情報を広める人の総数は分散します。逆に、バイラル係数が1未満の場合は、拡散している人の総数も収束しており、NPS（ネットプロモータースコア）も収束しています。 ● プラットフォーム段階（アクティベーションとコンバージョン）：専任のデータアナリストとエンジニアがおり、チームでより詳細なデータ分析を実施します。停滞期を乗り越えて次の成長期を迎えるために、プラットフォームユーザーのアクティビティとコンバージョン率に主眼が置かれています。 ● 収益化期間:収益コスト、ユーザーのアクティベーションとリコール、LTV、CAC、チャネル分析などの指標 3. データ分析 分析方法: 効果的なデータ分析方法により、データの価値を深く探ることができます。一般的なデータ分析方法とモデルには、ユーザーセグメンテーション、A/B テスト、多次元イベント分析、ファネル分析、A AR RR 分析などがあります。ここでは、ファネル分析、AARRR 分析モデル、A/B テスト、多次元イベント分析を例として主に使用します。 ● ファネル分析 潜在的なユーザーから最終的にコンバージョンしたユーザーまでのユーザー数の変化傾向を分析し、最適な最適化スペースを見つけます。この方法は、製品運用におけるさまざまな主要プロセスの分析に広く使用されています。ユーザーコンバージョンファネルとは何ですか? これは、ビジネスが段階的にユーザーを変換する方法を指します。例えば：アクティビティ: アクティビティ表示 -> 詳細をクリック ->女の子とデートするために変身: チャット -> デート -> 手をつなぐ -> ... それぞれのステージは、いくつかのサブステージに分けられます。どの段階でも、ユーザーの離脱と維持が発生します。各リンクのコンバージョン率を分析し最適化するために、ファネル内の各リンクでデータを正確に記録することが、データ駆動型運用のインフラストラクチャです。たとえば、e コマースアクティビティページのファネルモデルは次のようになります。

注文率アクティビティページの閲覧から詳細ページへのコンバージョン率は 50%、詳細ページでの注文率は 10%、注文から支払いまでの最終的なコンバージョン率は 40% です。このようなファネルを使用すると、各リンクが何を表しているか、どのように改善すればよいかを分析できます。アクティビティページ -> 詳細ページ UV: ページ上のコンテンツが目を引くかどうか、製品がユーザーに好まれているかどうか。クリック効果の低い製品は、ページのクリック状況に応じて適時に交換する必要があります。詳細ページの UV -> 注文数: 詳細ページが魅力的かどうか、ページの読み込み速度に影響するかどうか、製品を再注文する必要があるかどうか。注文人数 -> 支払い人数：支払い案内が悪いのか、支払いツールに不具合があるのか、業界平均より低いのか。さらに、同じシステム内で、今月と先月、今週と先週など、コンバージョン率を比較して、増加したか減少したかを確認する必要もあります。これにより、より正確な結論を導き出し、問題を発見することができます。 ● AARRRモデル AARRR (Acquisition、Activation、Retention、Revenue、Refer) は、2008 年にシリコンバレーのベンチャーキャピタリストである David McClure によって作成され、獲得、活性化、維持、収益、紹介を意味します。

あああ次の例では、チャネル A とチャネル B のどちらが優れていますか?

例えば、ゲームの各ステージにおける指標AARRR 1.A (ユーザーはどうやって当社を見つけるのか？) DNU (新規登録およびログインしたユーザーの日別数)、プロモーションチャネルのモニタリング (コスト、トラフィック) 2.A (ユーザーは素晴らしい初回体験をしているか？) DAU (毎日ゲームにログインするユーザー数)、1日の平均使用時間、アイテム関連分析モデル 3.R（ユーザーは戻ってくるか？）リテンション率（翌日リテンション、7日間リテンション、21日間リテンション、30日間リテンション）、解約率、解約警告分析モデル 4. R（どうやって収益を上げているか） PR（支払い率）、ARPU（ユーザーあたりの平均収益）、ARPPU（有料ユーザーあたりの平均収益）、LTV（生涯価値） 5.R (ユーザーは他の人に伝えているか?) K 係数、NPS など ● A/Bテスト A/B テストは、データサポートを使用して、さまざまなチャネルとさまざまな人々のグループを通じて最終的なソリューションを選択することです。 A/B テストでは、さまざまなチャネルのターゲティング、ユーザーグループのリリース、グレースケールのリリースなど、適切なソリューションを見つけるための高い精度と効率性を備えたフレームワークを確立するための特定のデータサポートが必要ですが、ここでは詳しく説明しません。

ABテスト ● 多次元イベント分析 多次元イベント分析では、データを複数の角度から分析し、データ変更の具体的な理由を発見します。行動イベントとディメンションを組み合わせることで、電子商取引アプリケーションなどのデータインジケーターを生成できます。 行動イベント（1H）：商品の検索、商品詳細のクリック、注文の送信、注文の支払い、アフターサービスなどはすべて一連のイベントです。 ディメンション (5W):誰 (who) は、名前、性別、年齢で分類できます。いつ (when) は、滞在時間、注文イベント、支払いイベント、到着時間で分類できます。どこ (where) は、IP、都市、オペレーター、OS、モデル、IMEI、ネットワークアクセス方法 (2G/3G/4G/WIFI) で分類できます。なぜ (why) は、趣味、需要レベルなどで分類できます。何 (what) は、件名、手順などで分類できます。これら2つを組み合わせることで、ユーザーが注文した地域、注文元のチャネル、過去の期間に注文金額がいくら支払われたかなど、多次元の指標を作成できます。4. データは万能ではありません データは必要不可欠ですが、万能ではありません。例えば、製品イノベーションの方向へ推進力を得るのは難しいですし、長期的なユーザーフィードバックを判断するのに十分なデータを得ることも困難です。では、どのような方法であれば、本当に製品のユーザー数を急速に増やすことができるのでしょうか。

確認する – 本当に意味のある製品を作る 市場に出回っている製品の多くは、特にこの飽和市場では意味がありません。急速なユーザー増加を実現するには、製品の核心に立ち返り、真に価値のあるものを作り、それをデータ駆動型の開発でサポートする必要があります。このような組み合わせが、より大きな成長につながる可能性があります。 – ブランド価値の構築 特に、コアユーザー向けのブランドコンセプトの形成に注力することが重要です。伝統的な業界では、多くの企業がインターネット業界よりもブランディングに気を配っていますが、インターネットでは真剣に受け止められていないことが多く、それが自身の人気に大きく関係しています。フィットネスアプリKeepのスローガンとブランド構築の事例から、より多くのことを学べるかもしれません。 – グロースハッキング技術を活用する 書籍『グロースハッカー』では、低コストでユーザー成長を実現する方法など、グロースハック技術による成長事例が多数解説されています。 5. 最後に、データ分析に関する本をいくつかお勧めします • 「ヘッドファースト統計」：シンプルな用語で統計• 「無駄のないデータ分析」 • 「データの魔法 - オープンソースツールに基づくデータ分析」 • 「データマイニング -マーケティング、販売、顧客関係管理への応用」 • 「R言語の実践」

モバイルアプリケーション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清瓜メディア情報フロー

この記事の著者@冯海平は（APP Top Promotion）によって編集および公開されています。転載する場合は著者情報と出典を明記してください。

<<: ホリデーマーケティングを最も効果的に行うにはどうすればよいでしょうか?

>>: ユーザーの「NO」を「YES」に変える4つのコピーライティングスキル！