プロモーションデータ分析の3原則！

プロモーションと配信分析の考え方は比較的固定されており、主にユーザーの品質と顧客獲得の費用対効果に焦点を当てています。問題を分析した後、原因を見つけるには、プロモーションと配信のシナリオとさまざまな影響要因をより深く理解する必要があります。

分析が難しいのは、プロモーションと配信のシナリオが非常に奥深く複雑であるため、ほとんどの人がそのほんの一部しか知ることができないという点にあります。問題が発生すると、何が悪かったのかを推測することが難しいことがよくあります。

• 一方、分析の次元と方法に関しては、一般的にはユーザーの質と投資収益率に基づいていくつかの相互評価計画を立てます。
• 一方、データに異常が見つかった場合、どのように調査・分析すればよいのでしょうか。

まず、今日のプロモーション チャネルは非常に多様化しています。コンテンツ プラットフォームやアプリ ストアの一般的な広告スペースに加えて、たとえば近年ではモバイル ビデオ広告やプログラマティック広告が急速に成長しています。ただし、分析の観点から見ると、これらの新しい方法は単に特定のプロモーション方法の違いにすぎず、分析の目的には影響しません。したがって、変化に直面しても変わることはありません。

分析方法の観点から見ると、視覚的なレンダリングを使用して 4 次元で見ることができます。この視覚的なレンダリングは、情報を 4 次元で表現します。

まず、チャネルを見てみましょう。色付きのバブルはそれぞれトラフィック チャネルを表し、バブルのサイズはトラフィックの量を表します。各バブルの位置は、2 つの次元の情報の交差点です。縦軸は、低から高までの全体的なユーザー品質を表し、横軸は、このチャネルの全体的な投資収益率を低から高まで表します。

ユーザー品質は、効果的なユーザーの尺度です。特定の製品ビジネスの特性に基づいてユーザーの主要な行動を決定し、さまざまな行動のトリガー頻度にスコアを設定し、全体をモデル化して、最終的にチャネル ユーザーの全体的な品質をスコア化できます。投資額指標は、投資資産の利用効率を向上させることで、より高い収益を得ることを目指します。

チャネル獲得分析には、一般的に次の 3 つの基本原則があります。

• 1 つ目は目標を明確にすることです。当社の分析と測定プロセスは、判断を下すためだけのものではありません。実際、その核心はプロモーションの費用対効果を高めることです。評価後、その背後にある理由を分析する必要があります。チャネル ユーザーの特性に問題がある場合は、一方ではそのチャネル ユーザー向けに運用戦略を調整し、他方ではビジネス部門と協力してプロモーション チャネルと交渉し、プロモーションの価格を下げることができます。
• 2つ目は、どんなトラフィックエントリーも軽々しく捨てないことです。一方で、ユーザーは真に投資しており、収益率が極端に低く（マイナスになるほど低く）ない限り、ユーザーの蓄積自体に意味があります。一方、プロモーションの過程では、複数のチャネルがつながることもあります。例えば、ユーザーが知乎の広告をクリックし、h5に入って見てみたらつまらなかったのでダウンロードしなかったかもしれません。しかし、2週間後、会社の同僚がWeChat Momentsでそれを再生しているのを見て、同僚の招待で再びダウンロードし、優良ユーザーになります。このプロセスでは、Zhihu自体がウォームアップの役割を果たして顧客に良い印象を与えます。このチャネルのウォームアップがなければ、その後のユーザーの受け入れはそれほど高くない可能性があります。したがって、特定のチャネルを完全に拒否しないことをお勧めします。
• 3つ目は、より戦略的な調整を行い、継続的に最適化することです。特定のチャネルを削除する場合でも、まずは投資額を 25% ずつ段階的に減らして、他のチャネルへの影響が少ないかどうかを確認し、その後徐々に減らして最終的に削除することをお勧めします。その過程で、削減が他のチャネルに一定の影響を与えていることが判明した場合は、適時に調整を行い、全体的な評価を行う必要があります。

それでは、新規ユーザーに関するデータの異常の分析方法についてお話しします。データが変動または異常であることがわかった場合、次の 3 つの主要な手順で進めることができます。

2.1. 予備審査

このとき、まずはデータ傾向の変動の転換点を確認し、どの時点でデータが異常であるか（たとえば、増加または減少しているか）を確認し、次に分単位の時間ディメンションに絞り込む必要があります。同時に、製品運用とマーケティングプロモーションに関連するいくつかのアクションを確認し、その時点からビジネス関連付けを行って原因を突き止める必要があります。

もうひとつの側面として、ユーザーの地方都市では異常が発生しやすいということがあります。割合でいうと、最初のステップで最初にスクリーニングしたデータの中で、異常が発生しやすい場所を確認することをお勧めします。この段階では、データの異常に関する手がかりがいくつか見つかり、分析の範囲を絞り込むのに役立ちます。

2.2. セグメント化された事業スクリーニング

次に、スクリーニングのためにビジネスをセグメント化する 2 番目のステップに進みます。簡単に言うと、最初のステップで分析したディメンションに基づいて、さまざまなチャネル、プロモーション活動のソース、製品バージョンのソース、およびユーザー品質に関連するデータを確認することです。たとえば、ユーザーの滞在時間、主要なビジネス行動のアクティブ率、翌日/7日間のリテンションデータはすべて比較する重要なポイントです。これらのディメンションを分析し、過去のデータと比較することで、一般的にデータ変動の理由を見つけることができます。これには実際には2つの理由があります。

• 一方では、製品自体に問題があり、それがトラフィック データの異常につながり、それがアプリ バージョン間のデータの違いに反映されることがよくあります。
• 一方、特定のチャネルではユーザーの質に変動があり、データの変動はこれら 2 つの理由によるものかという別の疑問が生じます。例えば、バージョン間のデータの違いにより製品の設計に問題があると仮定した場合、これは本当に許容されるのでしょうか?パッケージ版に、トラフィックの品質に問題があるなど、問題があるのでしょうか。それとも、チャンネル自体はこのようになっているが、チャンネル側が何らかの理由やアクティビティなどの定期的な理由により、私たちにインポートするトラフィックの方が正確になっているのでしょうか。

2.3. 自然トラフィックとの比較

この時点で、セグメント化されたチャネルのデータと、同じ期間の自然トラフィックのデータを比較することをお勧めします。これが、3 番目のステップにつながります。自然なトラフィックと比較した場合、差が小さく、異常期間中に製品の反復処理が行われていない場合は、基本的にトラフィックの品質の問題です。差異が比較的大きく、製品の反復がある場合、影響のほとんどは製品の改訂によって発生します。

この時点で、自然トラフィックと比較すると、ビジネスセグメンテーションの段階でどのような違いが見つかったとしても、比較的客観的な評価を行うことができます。

2.4. トラフィックは不正ですか?

最後に、顧客獲得の段階では、一部のチャネルがボリュームを水増ししたり不正行為を行ったりしている状況をどのように特定するかという、比較的独特なシナリオがあります。

この点に関してデータに疑問がある場合は、まず新規ユーザーの行動軌跡を分析することができます。基本的に、80％のケースで不正チャネルを見つけることができます。一般的に、新規ユーザーはいかなる行動も引き起こさないか、いくつかの固定された行動のみを引き起こします。行動軌跡パターンは比較的正常で、ユーザーにとって非常に単純です。簡単な要約分析により、結局のところ、ブラッシングの大部分はテクノロジーを通じて行われ、一般的には起動行動といくつかの固定されたブラウジング行動をシミュレートしていることがわかるかもしれません。実際のユーザー行動と同じランダム効果を達成することは困難です。これが、ビジネスに基づいた当社のスクリーニングです。一方、技術的なスクリーニングの観点では、IP デバイスのモデルと画面解像度に基づいて 1 つずつクエリを実行できます。基本的に、ほとんどのシナリオ、特に画面解像度をカバーできます。結局のところ、IPとデバイスモデルはシミュレーション手段を通じて変更できますが、画面解像度も本質的に変更できますが、デバイスをフラッシュする人はそれを無視することがよくあります。これは非常に明白な機能でもあります。誰もがこの側面に注意を払うことをお勧めします。

この顧客獲得シナリオは、設計から納品まで、実際の予算がかかり、業界が非常に複雑なため、この部分はすべての人にとって出発点としか考えられません。

著者: 諸葛鈞

出典: Zhugeio