APPを例に、広告配置のデータのアイデアを共有しましょう

製品運用の3 つの中核指標は、新規顧客の獲得、アクティビティ、維持です。皆さんもご存知だと思います。

製品の段階によって運用戦略の重点は異なる場合がありますが、H5活動、広告、ソフトテキストの普及、チャネル交換など、さまざまな新規顧客獲得活動は確かによく知られています。

キャンペーン活動の各ラウンドでは ROI 比率を測定する必要があり、各アクティビティは完了後にレビューおよび議論される必要があります。反復キャンペーンの各ラウンドでは、いくつかの仮定が検証される場合があります。

私たちの目標は、合理的な入力コストでさまざまなチャネルを最適化することにより、出力効果を最大化することです。

しかし、実際の運用の配信では、さまざまな配信方法に遭遇することがよくあります。

このチャンネルでは、直接ジャンプダウンロードは実現できないと述べています。

そのチャンネルは、私たちはブランドであり、高い露出が私たちの強みであり、コンバージョンは私たちの仕事ではないと主張しました。

時には、1つのチャネルに3つの異なる場所x 3つの素材x 3つの方法でジャンプすることがあります。アプリマーケットにジャンプした後、アプリがダウンロードされたのか、開かれたのかわかりません。効果をどのように測定しますか？少しめまいがします...

しかし実際に私たちが気にしているのは、合理的な投資、最適化されたパス、そして最大化されたアウトプットという方向性です。つまり、私たちが気にするのは、入力と出力の比率です。

（さまざまなチャネルを通じて新規顧客を獲得する）

最大の入出力比率をどのように見つけるかは、新規ビジネスの誘致を担当するすべてのパートナーにとって頭痛の種です。

上図のプロセスから判断すると、製品が魅力的かどうか、チャネルが高品質かどうか、配信方法が効率的かどうか、効果が期待どおりかどうかなど、最適化できるリンクがいくつかあります。

ここでは、当面は製品の位置付けについては議論せず、さまざまなチャネル配信の有効性の最適化についてのみ議論します。

ショットを打つ方法は 100 通りあります。挑戦してみませんか?

ここでは、新規ユーザー獲得のための APP を例に、マルチチャネル効果データ分析システムについて説明しましたが、実際にはあらゆる製品に適用可能であり、APP 製品でなくても、または新規ユーザー獲得が APP ユーザーの増加を中心に行われていなくても、このデータ分析フレームワークを再利用できます。

期待を設定する

まず、どのキャンペーンでも、目標出力を定義する必要があります。明確な効果測定システムがある場合にのみ、チャネル データの比較が意味を持ち、複数のチャネルの ROI を比較できるようになります。

APP の新規ユーザー促進活動では、一般的に次のような結果が期待されます。

• アプリの認知度向上（広く普及させるため）
• APPユーザーになる（APPをダウンロードして有効化）
• アプリ内で特定のアクションを完了する（購入、本人確認、ギフトパックの受け取りなど）

一般的な新規ユーザー獲得である「アプリのダウンロードとアクティベーション」を例に、まずデータ ファネルを構築して、効果リンクで観察する必要があるデータを確認します。

上記内容の③の効果データをモニタリングしたい場合は、アクティベーション後に次の階層のファネルを追加し、ショッピングカートへの追加、注文確定、支払いなどのプロセスをカウントしていきます。

このようなファネル プロセスに基づいて、監視指標を構築できます。監視されたデータが理想的な統計指標を達成しない場合があり、他の監視指標を補足する必要がある場合があります。このような正確なデータ粒度は必要ない場合もあります。

最終的に監視したデータ指標は次のとおりです（表 1）。

パフォーマンス データについては、MTA の新しいレポートであるインストール ソース分析を通じて取得できます。

なぜここに「ダウンロードに使用されるネットワークの割合」が追加されるのですか?

その理由は、ダウンロード完了からインストールまで、これら2つのイベントはAPPアプリケーション市場のネイティブイベントであり、開発者が積極的に収集することができないからです。しかし、私たちは依然として変換ステップを気にしています。主な理由は、ユーザーのネットワーク環境が悪い場合、ダウンロード動作が終了する可能性があることを懸念しているためです。そのため、ここでは「ネットワーク使用率」などの補助フィールドデータが使用されます。

ここでの補助フィールドデータは、主に変換効果を最適化するために用意されています。目標を決定した後、2 番目のステップは配信プロセスのデータを記録することです。

配送プロセス記録

この部分のデータを記録する主な目的は、第一に、レビュー中の分析と比較を容易にすること、第二に、最適化と反復中により多くの指示を提供することです。

Eric Ries の「The Lean Startup 」によると、すべての実験の反復は、検証された認識を得るためのものである。

プロモーションおよび配信システムに適用する場合、各配信戦略の設計は、配信戦略の有効性を検証し、出力効果を向上させることを目的としています。

このリンクは複数のブランチで構成されているため、問題をより正確に特定するには、いくつかのバージョン レコードを作成する必要があります。プロセス図は次のとおりです。

記録プロセス表2は次のとおりです。

（表2 広告配信戦略実績）

※配信方法により収録方法が若干異なる場合がございます

**具体的な戦略情報は詳細表に記録できます

次に、表 1 の効果データを表 2 にマッピングして、キャンペーンの完全な記録を取得します。その後、データを使用して特定の配信戦略の有効性を検証できます。

ターゲットの配信戦略を検証するには、データ分析中に効果的な結論が得られるように、配信を開始する前にこれを計画する必要があります。

分析と最適化の結果

収集された大量の詳細なデータについては、結果に関するデータ分析を行うことができます。

まず、チャネル 1 のバナー 1 に対する配信素材の影響を確認する必要があります。次に、表 2 からチャネル 1 を取り出すと、次の表が得られます。

（表3. チャネル1のバナー1への配信素材の影響）

チャネル 1 のバナー ストリームとフィード ストリームの違いを比較する場合は、次のようになります。

また、異なるグループの人々へのターゲット配信の効果、異なる配信時間、さらにはチャネル効果の品質比較など、複数の側面でデータ分析を実行し、データを通じて戦略を検証し、入出力比率を最適化することもできます。

したがって、コンテンツを配信する方法は何千通りもあるにもかかわらず、効果の経路は常に同様です。

さまざまな配信戦略がある場合でも、不安になったりパニックになったりしないでください。パスを整理し、戦略バージョンを制御し、A/B テストを使用して検証と反復を高速化し、最終的に効果的な配信戦略と最大の ROI 効果を実現します。

上記は、配信効果のデータ指標システムの共有です。同様の分析アイデアは、オンラインおよびオフラインの運用活動を含むさまざまなニーズの配信計画で再利用できます。実際、このフレームワークも再利用できます。