運用担当者はユーザーポートレートを理解する必要がある

ユーザー ポートレートは比較的新しい用語です。当初は、ビッグ データ業界で常に話題になる流行の概念でした。さて、運用におけるユーザーポートレートについてお話しすると、それは精密なマーケティングや洗練された運用にも直結します。この記事では、主に製品と運用の観点からユーザーポートレートについて説明します。これを読んでいただければ、ユーザー ポートレートに関するすべての疑問が解決されると思います。

ユーザーポートレートとは

ユーザーポートレートは、決して神秘的なものではありません。ユーザーがインターネット上に残したさまざまなデータに基づいて、能動的または受動的に収集され、最終的に一連のラベルに加工されます。たとえば、ユーザーが男性か女性か、出身地はどこか、収入はいくらか、交際中かどうか、好きなものは何なのか、買い物をする準備ができているかどうかなどを推測します。

多くの場合、ユーザー タグとユーザー ポートレートは同一視されます。ユーザーのポートレートに関する記事では、上記のような写真が登場し、使い古されてしまう傾向があります。ラベル付けは最も直感的な説明ですが、ユーザーのポートレートと同じではありません。

ユーザー ポートレートの正式名称は「ユーザー プロファイル」ですが、ユーザーペルソナと混同されることが多く、後者はユーザー ロールと呼ぶ方が適切です。これは製品設計とユーザー調査の方法です。製品、ニーズ、シナリオ、ユーザー エクスペリエンスについて議論する場合、特定のグループの人々に焦点を当てる必要があることがよくあります。ユーザー ペルソナは抽象的な方法であり、対象ユーザーの集合です。

ユーザー ロールは特定の人物を指すものではありません。 「彼女は211大学を卒業した25歳のホワイトカラーです。現在はインターネット業界でデザインの仕事に従事しており、北京に住んでいます。独身でロック音楽が大好きです。」この文は、製品の典型的なユーザーを説明するときによく使用されます。

この記事で説明するユーザー プロファイルは、操作とデータに密接に関連するプラットフォーム レベルのアプリケーションです。その本質は、あらゆるユーザーをラベルとデータで記述できることです。

ユーザーポートレートの応用

企業の成長と発展のプロセスにおいて重要な役割を果たします。主な用途は次のとおりです。

• プレシジョンマーケティング：最もよく知られている運用方法です。広範囲から精緻なものまで、ユーザーグループをより細かい粒度に分割し、SMS、プッシュ、電子メール、アクティビティなどの手段で補完し、ケア、回復、モチベーションなどの戦略を推進します。
• データアプリケーション: ユーザーポートレートは、よく知られている推奨システムや広告システムなど、多くのデータ製品の基礎となります。大手の広告配信システムを運用したことがある人なら、広告は性別、年齢、教育、興味の好み、携帯電話など、一連の人口統計関連のタグに基づいていることを知っているはずです。
• ユーザー分析: ペルソナとは異なりますが、ユーザーポートレートもユーザーを理解するために必要な補足となります。製品の初期段階では、PM はユーザー調査やインタビューを通じてユーザーを理解します。製品ユーザーの数が増えると調査の有効性が低下するため、ユーザーポートレートが調査の補助として使用されます。新規ユーザーの特徴は何か、コアユーザーの属性は変化したか、など。
• データ分析: これについてはこれ以上説明する必要はありません。ユーザー ポートレートはビジネス レベルのデータ ウェアハウスとして理解でき、さまざまなラベルは多次元分析の自然な要素です。データクエリプラットフォームはこれらのデータに接続されます。

ほとんどの製品では、ユーザー ポートレートに推奨システムは必要なく、パーソナライズされた推奨によって利益がそれほど増加することはありません。結局のところ、それをサポートするには多数のユーザーとデータが必要です。したがって、これらの製品は、ユーザーポートレートに基づいてビジネスを推進するのに適しています。

非常に多くの利点が挙げられていますが、私の知る限り、多くの企業がユーザー ポートレート システムの構築に多額の費用を費やし、多くの人を雇ったにもかかわらず、結局はそれを活用できていないのです。または、性別、ユーザーの所在地、ユーザーの消費量など、ユーザーのプロフィールに関するレポートを作成することもできます。非常に印象的で、読むのをやめてしまうでしょう。

結局、うまく使うのは難しいです。

多くのユーザーポートレートは善意から生まれたものですが、形式主義になってしまっています。

私の経験から例を挙げると、ある友人が会社内でユーザーポートレートを作成し、それを何百もの次元に分割しました。ユーザーの消費、属性、行動をカバーします。これはもともと良いアイデアだったのですが、オンラインになった後、運用チームはただ無力感に襲われてそれを見つめるだけでした。

質問には、ユーザーにはさまざまな側面がありますが、ラベルを合理的に選択するにはどうすればよいでしょうか? などが含まれます。ユーザーレベルを定義したいのですが、VIP ユーザーの累計消費量はどれくらいを超える必要がありますか?どの時間帯ですか?なぜこれらの標準を選択するのですか?今後どのように維持・監視していくべきでしょうか？ビジネスが変わったらこのラベルも変更すべきでしょうか?

ラベルを設定した後、ユーザーポートレートの有効性をどのように検証しますか?このシステムが成功していることをどうやって知ることができますか?効果が良くない場合はどうすればいいですか？他にも応用シナリオはありますか?

戦略の実行もまた難しい問題です。ジョブ実行の観点から、運用は KPI に対して責任を負います。月末にKPIが達成できなかった場合、本格的な運用と精緻な運用のどちらを選択するのが望ましいと思いますか？

多くの企業が同じような状況にあると思います。ユーザーポートレートを一定期間使用した後、それが単なるポートレートであることに気づき、徐々に使用しなくなるのです。

これは、ビジネス レベルでユーザー ポートレートが直面している長年の問題です。同社はユーザーポートレートを確立したと主張しているが、そのアプリケーションはまだかなり粗雑である。

ユーザーポートレートを深く理解する方法

それをうまく活用したいのであれば、まずはユーザーポートレートを深く理解する必要があります。

現在、運用部門では、新規ユーザー、アクティブユーザー、離脱ユーザーなど、ユーザーのライフサイクルに応じていくつかのラベルを設定しています。これらのラベルは確かに十分にセグメント化されています。しかし、それは本当に良いラベルなのでしょうか?いいえ。

これらはすべて遅れているからです。一般的な離脱ユーザーの定義としては、長期間にわたってユーザーからの反応やアクションがないことが多いのですが、数ヶ月間も反応がない場合は離脱ユーザーだとわかっていても意味がありません。価値はあるが、遅延が多すぎる。

スマートオペレーションでは、最後のアクティブユーザーからの日数を示す新しいラベルが設定されます。ユーザーが 6 か月間アクティブでない場合、日数は 180 になります。これは、単に失われたユーザーにラベルを付けるよりも優れており、今日から時間をさまざまな数字に分割し、30 日、90 日、180 日の時間ノードを設定するために使用できます。

今日からの日数もベストではありません。ユーザーはそれぞれ異なります。同じ 2 人のユーザー A と B の場合、非アクティブ日数が同じであっても、解約の可能性が同じであるとは想定できません。この問題は、低頻度のシナリオでより顕著になります。旅行アプリが半年間アクティビティがないのは普通ですが、今日ではそれだけでは十分ではありません。

失ったユーザーを振り返ると、ハイエンドなシステムを構築する目的で定義したわけではない。どの企業も、最初はユーザーを失うことをできるだけ少なくし、その後、ユーザーを維持する方法を検討することを望みます。このビジネス前提では、すでに失ったユーザーにラベルを付けるよりも、失ったユーザーを予防的に減らすことが重要です。

したがって、最適なラベルはユーザー離脱の確率です。

解約確率 > 消費からの日数 > 解約ラベル

肖像画の核心的な価値を無視して、完全なシステムを要約することを当然のことと考えないでください。ユーザーポートレートは、まず商業目的のユーザータグのコレクションである必要があります。

ユーザーが男性か女性か、出身地はどこか、収入はいくらか、交際中かどうか、好きなものは何なのか、買い物をする準備ができているかどうかを推測します。これらについて議論しても意味がありません。男性か女性かが消費の決定にどう影響するか、給与が消費能力にどう影響するか、交際中かどうかが新しいマーケティングシナリオを生み出すか、買い物の正確な推奨をどのように行うか、これらがユーザーポートレートの背後にあるロジックです。

ユーザーのポートレートがあるからといって、ビジネスを推進したり改善したりできるわけではありません。ビジネスを推進し、改善するには、ユーザーポートレートが必要です。これは簡単に犯してしまう間違いです。

ユーザー ポートレート ラベルは通常、既存のデータに基づく形式と、損失ラベルや今日からの日数などの特定のルールに従って処理された形式の 2 つの形式で取得されます。もう1つは、機械学習とデータマイニングを使用して、既存のデータに基づいて確率モデルを計算する方法です。

確率は 0 から 1 の間の値です。性別を例に挙げてみましょう。ユーザーのID情報を直接取得できない限り、ユーザーが自分の性別を入力することはほとんどありません。入力された性別は正確ではない可能性があります。オンラインゲームにはプレイが下手な女性男性がたくさんいます。

ここで、ユーザーの本当の性別を推測するアルゴリズムを追加する必要があります。中国人の性別と名前には強い相関関係があります。例えば、「建国」、「建軍」、「翠花・翠蘭」など、簡単に判断できます。ベイジアンは、既存の名前と性別のデータベースを通じて新しく追加されたユーザーの性別を予測するアルゴリズムでよく使用されます。

特別な場合、多くの名前は中性的なものであり、男性と女性の区別ができません。男性にも女性にもなり得る Xiaojing のように。さらに特殊なケースでは、男性の名前のように見える名前が女性の名前であることもあります。私の中学校の先生の名前は建軍でしたが、とても愛想の良い若い女性でした。

特別な状況は特別な確率を意味するため、二者択一の二分法を使用することはできません。いわゆる確率は、モデル推論を通じて、Jianjun が男性の名前である可能性は 95% で、0.95 と表現され、Xiaojing が男性である可能性は 55% で、0.55 と表現されることを伝えることに慣れています。

ただし、便宜上、モデルでは、50% を超える確率は男性、50% 未満の確率は女性であると想定してしきい値を設定します。しかし、ビジネス学部の学生は、ユーザー ラベルの本質は 0 から 1 の間の確率であることが多いことを認識する必要があります。

確率的なラベルは検証が困難です。ユーザーが学生としてラベル付けされている場合、実際に騙して学生証をアップロードさせない限り、そのユーザーが本当に学生であるかどうかを知ることは困難です。このようなブラックボックスの状況では、学生ユーザーを対象としたマーケティング活動の有効性は、ラベルの正確さによって影響を受けます。広告、推奨、精密マーケティングはすべてこの問題に遭遇します。

確率は間違いなく高かったり低かったりします。離脱確率90%のユーザーと離脱確率30%のユーザーはモデルが構築した予測値であり現実のものではありませんが、それでも前者の方が離脱する可能性が高いと考え、これをもとに運用戦略を立てています。

これにより、新たな疑問が生じます。確率のしきい値をどのように選択するか?

失ったユーザーを取り戻したい場合、確率が 80% を超えるグループを選択すべきでしょうか、それとも 60% を超えるグループを選択すべきでしょうか?答えは出ています。ビジネスを考慮する必要があります。失ったユーザーを取り戻すことは手段であり、目的ではありません。実際の目標は、失ったユーザーを取り戻すことで利益を増やすことなので、閾値の選択は簡単に解決できます。さまざまなしきい値の下でユーザーを回復するための収益とコストを計算し、最適なソリューションを選択します。

拡張すると、推奨システムであれ広告システムであれ、それらはより複雑な次元、ラベル、機能を持ち、その本質はユーザーが最近車を購入したいのか、旅行したいのかを知ることです。最も適切な情報を最も適切なタイミングでユーザーにプッシュし、最大の利益を獲得します。

私が挙げた事例は簡略化したものです。名前と同様に、電子商取引や消費財業界では、生物学的性別に加えて、消費モデルにも性別ラベルが確立されています。男性であるにもかかわらず、その買い物行動は女性のものであり、区別する必要があります。

これを見ても怖がらないでください。優れたユーザー ポートレートを作成するのは簡単でも難しくもありません。

適切なユーザーペルソナを作成する方法

ユーザーポートレートは、まずビジネスモデルに基づいて作成されます。ビジネス部門はビジネスモデルさえ理解していないので、データ部門は何もできません。データ部門は閉じこもって車の開発をすべきではありません。これは製品を作るのと同じです。ユーザーのニーズを徹底的に理解することすらなく、急いでアプリをリリースしますが、誰も興味を持ちません。

消費者の意思決定を理解し、ビジネス シナリオを検討し、ビジネス モデルを検討し、ビジネス部門のニーズを考慮する... これらの概念は抽象的に聞こえますが、優れたユーザー ポートレートはこれらから切り離すことはできません。この記事では、データ、モデル、アルゴリズムについては触れません。これらは技術的なレベルよりも重要であると考えているからです。

まずはストーリーのあるユーザーペルソナを構築することから始めましょう。

Lao Wang はインターネット スタートアップ企業の中核メンバーです。同社の主力製品はグリーンでヘルシーなサラダです。Lao Wang とグリーンは相性抜群です。同社はさまざまなサラダを販売するアプリを立ち上げており、現在は運営をガイドするためのユーザーポートレートを作成する必要がある。

現在のビジネスレベルでは、同社はマーケティングと販売、つまりサラダをより良く販売する方法に重点を置いています。下の図は、Lao Wang による操作プロセスを簡単にまとめたものです。

Lao Wang は、顧客が以前にサラダを購入したかどうかに基づいて、顧客を潜在的ユーザーと新規顧客に分類します。潜在的ユーザーとは、アプリに登録しているがまだ注文していないユーザーです。新規顧客とは、サラダを一度しか購入したことがないユーザーです。さらに、2回以上消費したことがある古い顧客もいます。

誰もが理解しやすいように、JSON 形式を使用してシンプルなユーザー ポートレートを表します。

新しい顧客タグを別途作成するのはなぜですか?老王サラダは未消費者に新しい赤い封筒を与えて消費を誘導するため、最初はすべてが難しいです。これにより、新規顧客が最初の訪問後に再度消費しない可能性があるという問題も発生するため、顧客を潜在顧客、新規顧客、既存顧客に分類する必要があります。

意欲的なオペレーターとしては、古い顧客を分類するだけでは不十分なので、ユーザーの階層化を継続していきます。

従来の階層化は、RFM の 3 つの次元を使用して測定されます。サラダに対する顧客の平均支出は比較的一定であるため、F と M のいずれかで十分です。 Lao Wang は現在、異なる消費レベルにおけるユーザー維持率の差を計算しています。たとえば、ある期間に XX 元を費やしたユーザーが、将来も消費を続けるかどうかなどです。

サラダなどの食品は高頻度に消費されます。XX はより狭い期間を選択する必要があります。365 日以内の消費に関する統計はあまり意味がありません。また、サラダの販売量は季節によっても異なる点も注目したい。冬は夏ほど売れないのは間違いないので、消費の分布を総合的に考える必要がある。

ここでは、30日以内に200元以上を費やすユーザーをVIPユーザーと定義します。老王のビジネスが特に好調であれば、彼はそれを超VIPに分配し続けることができます。この種のラベルは、ビジネスに関連して使用されることが多く、たとえば、VIP には無料のドリンクや優先配達の権利があります。非 VIP の人も VIP になるためのインセンティブが必要です。

Lao Wang は、肖像画の人口統計学的属性を決定するために、ユーザーが注文時に受取人の名前を記入することに依存しています。サラダビジネスでは、産地や年齢はあまり役に立ちません。四川ユーザー向けに、辛いサラダの種類を増やした方が良いでしょうか？

配信先アドレスにルールを設定することで、ユーザーのアドレスを判別することができます。例えば、あるアドレスが X 回出現した場合、そのアドレスはよく使用されるアドレスであると判断できます。配達場所がオフィスビルか学校かによって、ユーザーがホワイトカラーか学生かを推測できます。

Lao Wang は、さまざまな属性を持つ人々のために特別な運用戦略を採用しています。例えば、学生グループの場合、7月と8月は夏休みなので、キャンパスエリアでの売上が減少するとLao Wang氏は事前に予測しました。 9月に新学期が始まると、生徒は学校に戻るよう呼び戻されることがあります。

ホワイトカラー労働者は消費体験をより重視しており、価格に対する敏感さは二の次です。プラットフォーム上で女性ユーザーの消費割合が高い場合、老王はダイエット機能のあるサラダに注力し、月額パッケージの形で販売を増やす予定です。

サラダショップとしては、Lao Wang のユーザー ポートレートはすでに良好でしたが、ユーザー離脱率が上昇し始めたため、彼はまだ心配していました。ユーザー離脱の理由はさまざまです。ライバルである老李サラダとの競争、サラダの味、ユーザーが価格性能比が高くないと感じていること、老王が十分にハンサムではないことなどです。

解約は予測するのが難しい問題です。 Lao Wang 氏は、離脱ユーザーを 30 日間購入を行っていないユーザーと定義しています。正確な予測を行うには、機械学習モデリングを試す必要があります。ここでは技術的な側面については省略します。いわゆるモデリングとは、ユーザーが消費をやめ始める前に、行動や属性などの主要な要因を見つけることです。

ユーザーの履歴ウィンドウで消費した金額が少ない場合、損失の可能性があります。ユーザーの履歴ウィンドウで消費頻度が低い場合、損失の可能性があります。履歴ウィンドウでユーザーがアプリを開いた回数が少ない場合、損失の可能性があります。ユーザーが悪いレビューを与えた場合、損失の可能性があります。ユーザーが食事を待つ時間が長い場合、損失の可能性があります。ユーザーに性別の違いがある場合、損失の可能性があります。レストランに季節要因がある場合、損失の可能性があります...

Lao Wang は、ビジネスに基づいてビジネスに影響を与える可能性のある機能を選択し、それをデータ グループに送信して解約の予測を試みました。これらのユーザーの行動は実際の状況を反映するものではないことに注意する必要があります。次のことを考えてみてください。離脱したユーザーの行動は動的な変化のプロセスなのでしょうか?

以前は何度も利用していたのですが、急に飽きてしまい、利用回数を減らし、さらに利用回数を減らして、結局は辞めてしまいました。単位時間内の消費者ロイヤルティは段階的に減少します。変化のプロセスをより適切に説明するために、時間枠は複数の等間隔のセグメントに分割されます。最初の 30 日から 20 日以内、最初の 20 日から 10 日以内、最初の 10 日以内のこのセグメンテーションにより、最初の 30 日以内よりも下降傾向をより適切に表現し、解約をより正確に予測できます。

Lao Wang の観点から見ると、いわゆるチャーンはユーザー行動の詳細を通じて予測できます。機械学習モデリングは統計的手法に依存していますが、ビジネス洞察とも切り離せません。これは、ユーザー ポートレートがビジネス モデルに基づいて構築されることを再び証明しています。

解約確率は、早期検出を通じて解約ユーザーを減らすことで、Lao Wang の悩みを解決します。一定期間、失われたユーザーを回復するポリシーを実施した後、Lao Wang は、失われたユーザー数は減少したものの、ユーザーを回復するには費用がかかるため、コストが増加することを発見しました。損をするわけにはいかなかったので、Lao Wang は別の計画を思いつきました。彼が望んだのは、価値あるユーザーを維持することだけでした。紅包を受け取って初めて購入するユーザーを望んでいなかったのです。ラオ・ワンが求めているのは真のファンだ。そこで彼は、顧客の消費レベルに応じて異なる対応をしました。失ったユーザーの数はうまくコントロールできませんでしたが、利益は増加しました。

上記のユーザーポートレートでは、ラベルとビジネスは分離されていません。ビジネスシナリオに基づいて、ユーザーポートレートを活用するさまざまな方法も考えられます。サラダには野菜、フルーツ、チキン、シーフードなどさまざまな味があります。ユーザーの嗜好は、行列分解、ファジークラスタリング、または多重分類問題を使用して計算でき、嗜好の度合いも 0 から 1 の間の数値で表されます。同様に、価格の嗜好、つまり価格感度もあります。

ビジネス シナリオについて、さらに深く考えてみましょう。あるオフィスに、毎日、さまざまな時間帯のさまざまな顧客から 5 ～ 6 件の注文があるとすると、配達員は 5 ～ 6 回配達しなければなりません。これは人件費の無駄です。オペレーションはバックグラウンドで関連データを分析し、共同購入やグループ購入の形で注文の統合を容易にすることができます。販売利益は減少する可能性がありますが、食品配達の人件費も節約されます。これは、ポートレートをデータ分析に使用するための基礎でもあります。

Lao Wang の運用ストーリーが終わったので、ユーザー ポートレートの構築方法についていくつかのアイデアが得られるはずです。

ユーザーポートレートアーキテクチャ

さまざまなビジネスの肖像画ラベル付けシステムは一貫していないため、データと運用目的の改良が必要です。

ユーザーポートレートは通常、ビジネス属性に応じて複数のカテゴリ モジュールに分割されます。共通の人口統計学的および社会的属性に加えて。ユーザーの消費ポートレート、ユーザーの行動ポートレート、ユーザーの興味ポートレートなどもあります。具体的なリスクポートレートは商品形態によって異なります。金融分野では、信用報告、債務不履行、マネーロンダリング、返済能力、保険ブラックリストなどのリスクポートレートも存在します。電子商取引の分野では、商品カテゴリの好み、商品カテゴリの好み、ブランドの好みなどが存在します。

上の図は私が適当に描いた例です。アーキテクチャを描くのは難しくありませんが、各ラベルの背後にあるビジネスロジックや実装方法を理解するのは難しいです。アルゴリズムについては、別の記事で詳しく説明できます。

データフローと処理の観点から見ると、ユーザーポートレートには上司と部下の間の進歩的な関係が含まれています。

上記の解約係数を例に挙げてみましょう。これは、ユーザーの過去の行動履歴に基づいてモデル化されます。ユーザーの過去 10 日間の消費量、消費回数、ログイン回数などの初期の履歴行動自体がラベルであり、元の詳細データを通じて取得されます。

上の図はラベル処理と計算のプロセスをわかりやすく示しています。最上位のポリシータグは業務実装用です。運用担当者は複数のタグを組み合わせてユーザーグループを形成し、簡単に実行できます。

会社が大きくなるほど、ユーザー プロファイルは複雑になります。コンテンツ配信を主力とする企業が新たに動画分野に参入し、現在は2つのアプリを運営しているため、ユーザー像の構造も変化する必要がある。コンテンツ関連のタグとビデオ関連のタグがあり、それらは並行して関連しています。

たとえば、ユーザー A はコンテンツ タグではヘビー ユーザーですが、ビデオ タグではライト ユーザーです。たとえば、ユーザー B はコンテンツ アプリを長期間開いていないため、離脱のリスクがありますが、ビデオ アプリの使用時間の長さから判断すると、非常に忠実なユーザーです。これらすべては柔軟なアプリケーションに依存します。もちろん、名前や性別などの人口統計ラベルは普遍的です。

ユーザー ポートレートはプラットフォーム レベルのアプリケーションであり、多くの運用戦略とツールはその基盤上に構築されます。

マーケティングや消費に関するラベルに基づいて、新規顧客、既存顧客、ユーザーの離脱や忠誠度、ユーザーの消費レベルや頻度など、すべてが CRM (顧客関係管理) の基礎です。おそらく、ユーザー/会員管理および運用プラットフォームと呼ぶ方が皆さん慣れているでしょう。

その機能は、データベースのラベルを製品運用戦略に変換することです。異なるラベルは、異なるユーザー グループと異なるマーケティング方法に対応します。 CRM 構造には、SMS、電子メール、プッシュなど、ユーザーに連絡を取るためのさまざまな一般的なチャネルが含まれます。また、CMS (コンテンツ管理システム) も含まれており、これを通じて経営者はアクティビティ ページ、アクティビティ チャネル、クーポンなどを迅速に構成し、マーケティング活動を通じてデータを駆動することができます。

老王のサラダ事業が成長すれば、図のような構造で運営プラットフォームが構築されることになる。 Lao Wang は CRM でタグを組み合わせ、BI を活用して新規顧客、既存顧客、失った顧客のデータを監視し、CMS システムを通じて紅包やクーポンなどを設定し、ショートメッセージやプッシュを通じてアプローチします。

優れたユーザーポートレートシステムは、データエコシステムだけでなく、ビジネスと運用のエコシステムでもあり、複雑な分野横断型です。スペースの制限により、アルゴリズムとデータ製品については詳しく説明しません。機会があれば、またお話しします。皆さんに核となる考え方を理解していただければ幸いです。ご意見やご質問がございましたら、メッセージを残してください。

何千もの用途を、すべてひとつの心で。