新規ユーザーを既存ユーザーに変えるにはどうすればいいでしょうか?

オンライン教育も後半戦に入り、リテンションを中心としたオペレーションの洗練が教育機関や教育事業者の競争力向上の鍵となると予想されます。皆様の参考になれば幸いです。

製品の成長について語るとき、多くの人がトラフィックに注目しますが、実際には、リテンション率、つまりその時点での新規ユーザーに対する継続ユーザーの割合にもっと注意を払う必要があります。高いリテンション率があってこそ、製品は長期的かつ安定した成長、特にユーザー規模の成長を実現できるからです。

『シリコンバレー グロースハッカーの実践ノート』の著者であるQu Hui氏は、かつて同書の中で次のような例を挙げています。A社とB社がゼロからスタートし、A社の月間継続率は80%で、毎月500万人の新規ユーザーを獲得し、B社の月間継続率は95%で、毎月250万人の新規ユーザーを獲得したとします。 6 か月後、A 社は依然として B 社を上回っていますが、3 年後には B 社が A 社を追い抜くことになります。

これは保持の複利効果であり、開発において相対的に不利な立場にある側が追い越し、時間を空間と交換する機会を確保することになります。この戦略目標を達成するための前提条件は、保持率を高めることです。会社 A と会社 B が他の会社に置き換えられる場合も、同じ原則が適用されます。

したがって、リテンション率は、製品の成長のために注意を払う必要がある主要な指標の 1 つです。では、リテンション率を確保するにはどうすればよいでしょうか?ただ 1 つのことだけを理解してください。それは、新規ユーザーを既存ユーザーに変えること。

古いユーザーは必ずしも有料ユーザーというわけではなく、むしろ製品をより頻繁に、より長期間使用する、長期的にアクティブで粘り強いユーザーです。したがって、新規ユーザーを既存ユーザーに変えるには、まず利用頻度を増やし、利用時間を延ばすことから始める必要があります。

新規ユーザーに製品を頻繁に、そして長期間使用してもらいたい場合は、製品の中核的な価値と「アハ体験」を体験してもらう必要があります。これが、新規ユーザーを既存ユーザーに変える重要な原動力となります。なお、駆動方式は他にもいくつかあるが、著者は以下の3つにまとめている。

パーソナライズされた推奨事項

いわゆるパーソナライズされたレコメンデーションとは、ユーザーのニーズや興味に基づいて、各ユーザーが好むコンテンツや商品を継続的に提供することです。その動作の前提は、ユーザーのポートレートが十分に明確であり、ユーザーのニーズが十分に明確であることです。

ユーザーを深く理解したい場合、主に 2 つの方法があります。1 つはユーザーと 1 対 1 で深いコミュニケーションをとること、もう 1 つはユーザーの行動に関するビッグデータに基づいてアルゴリズム分析を実行することです。前者の方法は、主に高単価消費者層であるCエンドユーザーやBエンドユーザーの長期維持に用いられる。お互いの信頼関係が強く、ユーザーニーズの把握も比較的正確であるため、新商品を推奨した際に取引が成立する確率が高い。後者の方法は、Toutiao や Douyin のコンテンツ アルゴリズム推奨、Taobao や JD.com のショッピング カート製品アルゴリズム推奨など、コンテンツ ベースのアプリやトランザクション ベースのアプリの主な保持方法であり、いずれも正確なコンテンツと製品のプッシュを通じて、顧客が引き続き読み、注文するように促します。

次に、著者はコンテンツ アプリを例に、ユーザーから始めて、パーソナライズされた推奨を通じてリテンション レートを向上させるプロセスを簡単に分析します。

➢ コンテンツタブを選択

通常、アクティベーション段階では、システムはユーザーが興味のあるコンテンツ タグを選択するようにガイドします。これが、パーソナライズされた推奨事項の前提であり、データ記録の開始点です。たとえば、コンテンツ アプリのアカウントを登録し、歴史、コメディ、テクノロジーの 3 つのタグを選択すると、公式インターフェイスに入ると、これらの 3 つのタグに基づいていくつかの推奨コンテンツが表示され、そのほとんどは高品質です。この場合、目を引くタイトル、キーワードを含むタイトル、魅力的な写真はすべて、著者にコンテンツをクリックさせる重要な要素となります。

➢ 閲覧行動を記録する

ユーザーが記事をクリックして閲覧している限り、システムはユーザーの行動の記録を開始します。たとえば、ユーザーが記事を読む速度、ユーザーが関連記事をクリックする頻度、ユーザーがこれらの記事を「いいね！」、共有、コメント、または収集したかどうかなどが記録されます。

➢ 推奨モデルの最適化

システムはユーザーの行動を記録した後、それをデータに変換し、アルゴリズム モデルに入力します。同時に、ユーザーの行動が常に記録されるため、より多くの次元のデータによってアルゴリズムモデルが継続的に最適化され、ユーザーのニーズを満たすコンテンツがさらに多く出現し、ユーザーはより多くの時間を製品の使用に費やすことができます。

実際、今日頭条と抖音の台頭はパーソナライズされた推奨がもたらした成長効果によるもので、特に抖音はわずか数年でインターネットの大規模トラフィックプールの1つとなり、激戦区となっている。

初めてTikTokに触れたとき、システムが推奨するクールな特殊効果付きの動画に一瞬で魅了されました。その後、そのような動画をよく閲覧していたため、システムは同様の動画を推奨し続け、TikTokを開くたびに数時間閲覧するようになりました。同じような気持ちになった友人はたくさんいると思います。アルゴリズムのパーソナライズされた推奨事項により、ユーザーは製品に十分な時間を費やすことができ、必然的にリテンション率の向上が促進され、収益化の可能性がもたらされることがわかります。

洗練されたリコール

洗練された想起は、記憶保持率を向上させる最も基本的かつ信頼性の高い手段の 1 つです。ユーザーセグメンテーションを行う際には、ユーザーセグメンテーションモデルに頼ることが多いです。よく使われるユーザーセグメンテーションモデルは以下のとおりです。

• クラスタリング モデル: 登録ユーザーを学年別または地域別にグループ化するなど、特定のディメンションに従って特定の層のユーザーを分割します。また、多くの場合 2 つのディメンションに基づいて複数のディメンションに従ってグループ化し、4 つの象限を描画してから、各象限のユーザー属性を定義することもできます。

• ピラミッド モデル: ユーザーは、ビジネス プロセスや参加などの指標に従って階層化されます。階層化後、ユーザーの全体的な分布はピラミッド型になります。例えば、「ダウンロード→登録→支払い→リピート購入」というモデルによって、ユーザーを新規ユーザー、興味を持ったユーザー、有料ユーザー、忠実なユーザーなどに分類することができます。

• RFM モデル: 最新のユーザー行動の時間 (Recency)、ユーザー行動の頻度 (Frequency)、ユーザー行動によってもたらされる「総利益」(Monetary) を考慮し、これら 3 つの次元に基づいてユーザー レベルを分割し、それに応じて分類して運用指標を設定します。

• ライフサイクルモデル: ユーザーのライフサイクルは、初心者段階、成長段階、成熟段階、衰退段階、離脱段階の 5 つの段階に分かれています。各段階の特性に応じて、さまざまな段階のユーザーに対して運用目標と戦略を設計できます。

上記は、リテンション率の向上に適した一般的なユーザー層別モデルです。次に、ユーザー層別モデルを使用してリコールを洗練させ、リテンション率を向上させる方法に焦点を当てます。

洗練された想起とは、ユーザー層別化とプロセスに対して詳細な操作を実行し、全体的な想起効果を確保することです。そのロジックは非常にシンプルで、目標の設定 → ユーザーの分割 → 問題の発見 → 戦略の決定 → プロセスの反復です。

次に、アクティビティインセンティブをリコール戦略として活用し、読書アプリのリテンション率向上を例に、このロジックに基づいた洗練された運用の進め方を説明します。

• 目標を設定する: 読書製品の DAU を増やすことを目標に、読書製品の既存ユーザーがプロセスに従ってアクティビティに参加し、想起を達成できるようにガイドします。

• ユーザーを分割する: ライフサイクル モデルを通じてユーザーを分析し、製品の使用期間に基づいて 5 つの有効なユーザー レベルを取得し、データに基づいてユーザーにラベルを付けて管理するなど、上記のユーザー階層化モデルを選択して階層化を行います。

• 問題を見つける: さまざまなレベルのユーザーの数とラベルを観察し、各レベルのユーザーの実際のニーズと特性を分析します。たとえば、初心者のユーザーは製品の読み方に慣れておらず、粘着性が低くなります。

• 戦略を設定する: 成長段階のユーザーには通常のプロモーション戦略を使用し、成熟段階のユーザーには「小規模な割引 + 新刊書籍掲載のお知らせ」の割引戦略を使用し、解約したユーザーには「大規模なプロモーション + 高頻度のプッシュリコール」戦略を使用するなど、さまざまなレベルのユーザーを対象にしたアクティビティを設定します。

• 反復プロセス: 戦略に基づいて具体的なリコールプロセスを設計し、データ追跡を使用して、特にノード、コピーライティング、レイアウト、パスなどのアクティビティインセンティブの有効性を検証し、データ結果に基づいてタイムリーな調整と最適化を行います。

ユーザー層別モデルに関係なく、このロジックを使用して、製品の保持率を向上させるための特定の洗練されたリコール戦略を設計できます。

設計タスクシステム

パーソナライズされた推奨と洗練された想起に加えて、ユーザーの粘着性を向上させることができる保持戦略として、タスク システムを設計する方法もあります。

その原理は実は非常にシンプルで、関連するすべてのステップを複数の小さなタスクに分割することです。ユーザーが小さなタスクを完了するたびに、累積的な仮想報酬を獲得できます。これにより、ユーザーは習慣が形成されるまでタスクを完了し続けるよう促され、その結果、製品の使用頻度が増加し、ユーザーが製品に投資する時間が延長されます。

タスク システムはなぜユーザーの習慣形成に役立つのでしょうか?これは主に、トリガー → アクション → 可変報酬 → 投資という古典的な製品運用モデルに基づいています。

➢ トリガー

いわゆるトリガーはユーザーに製品を使ってもらうためのものですが、トリガーには誘導が必要であり、それがユーザーに製品を使ってもらうための主な原動力となります。トリガーには、視覚的なものも聴覚的なものも、外部的なものも内部的なものも含め、さまざまな種類があります。

外的要因によって発生するトリガーを外部トリガー、内的要因によって発生するトリガーを内部トリガーと呼びます。多くの場合、ユーザーの使用行動は外部トリガーによって「アクティブ化」されます。たとえば、友達の輪の中で目を引くポスターを見かけました。ポスターのテキストには「1 時間で PPT レイアウト デザインを学ぶ」と書かれていました。このとき、PPT のデザインの問題が心配だったので、外部トリガーの下でコードをスキャンして特定のコンテンツを表示し、使用動作を「開始」しました。

タスク システムでは、SMS、アプリ プッシュ メッセージ、パブリック アカウント テンプレート メッセージなどを通じてリコール情報を送信することが、最も一般的な外部トリガー方法です。ユーザーは、これらのチャネルから送信されたタスク情報を見ると、好奇心からクリックすることが多く、重要な動作を実行する段階に入ります。

➢ アクション

アクションはモデルの 2 番目のステップです。いわゆるアクションとは、ユーザーが特定の期待に基づいて行う動作や動きのことで、この動きは多くの場合、キー動作の指示に従って発生します。友人の輪の中のポスターを例にとると、コードをスキャンして特定のコンテンツを表示することが、トリガーされた後にユーザーが実行するアクションです。

タスク システムの設計に関しては、サインイン、共有、読み取り、回答など、ユーザーが完了する特定のタスクはそれぞれモデルのアクション リンクです。その中で、タスクで指定された動作には、簡単な指示、ガイダンス、またはジャンプが必要です。これは、主に 2 つの理由でユーザーが喜んで行動を起こすためです。1 つは動作が単純で、操作が簡単で、高い学習コストを必要としないこと、もう 1 つはユーザーが主観的に行動を起こす意欲があることです。この 2 つの動機が侵害されると、タスク システムは効果を失います。

➢ 変動報酬

前述したように、ユーザーはアクションを起こすときに期待を抱いています。つまり、対応するリンクでこの期待に応える必要があります。つまり、ユーザーの行動に対して一定のフィードバック、つまり報酬を与える必要があります。

まず、報酬は変動します。この特徴は、ユーザーがアクションを起こすプロセスに反映され、ユーザーには常に驚きがあるように感じさせます。たとえば、コードをスキャンしてコースの内容を表示すると、アウトラインに記載されている内容が自分のニーズと非常に一致していることがわかりますが、これまでに見たほとんどのアウトラインと似ていると予想しています。これは変動報酬です。

タスク システムでは、ユーザーはタスクを完了すると次のようなさまざまな報酬を得ることができます。

• たまたま質の高い記事を読むことが、第一の報酬となります。

• タスクを完了すると、システムは 2 番目の種類の報酬である 50 ポイントなどの対応する仮想報酬を付与します。

• ポイント報酬を確認すると、貯まったポイントを使って賞品と引き換えたり、抽選に参加したりできることがわかります。これが 3 番目の報酬タイプです。

これら 3 つの報酬を組み合わせた刺激を受けた後、ユーザーはすべての主要な動作が完了するまで次のタスクに進む意欲が高まります。したがって、タスク システムを設計する場合、報酬の形式はユーザーの次のアクションとその後の製品の使用を決定するため、非常に重要です。

➢ 投資

投資はモデルの最後のリンクであり、ユーザーに何らかの支払いをさせることを意味します。ユーザーに製品に対して何らかの支払いをさせることによってのみ、次のトリガー、アクション、報酬が開始され、モデルがサイクルを完了できるようになります。

典型的な投資形態としては、無料コース、有料注文、仮想リチャージ、賞品引き換え、記事収集などがあります。

タスクシステムを設計する際には、ポイントシステムをモールの交換、現金の再チャージなどのプロセスと接続したり、タスク完了後に商品関連の報酬や権利を付与したりすることが、ユーザーに投資を促す効果的な手段となります。

このモデルのフレームワークを使用して分析することで、タスク システムが製品のリテンション レートの向上にどのように役立つかという根本的なロジックを発見できます。「トリガー」から「投資」までの重要なポイントを把握すれば、リテンション レートを効果的に向上できます。

上記は、リテンションフェーズで新規ユーザーを既存ユーザーに変える基本的なロジックと関連戦略です。さまざまな種類の製品を運用する際には、関連コンテンツを参照して、より効果的な戦略を設計することができます。

著者: ワイルドオペレーションコミュニティ

出典: Wild Operation コミュニティ (dugu9bubai)