データ分析に関して賢い人がよくやる6つの間違い！

データ分析に関して賢い人が犯す6つのよくある間違い:

ポーターフィールド氏は、多数の企業のデータ分析プロセスの整理を支援した後、企業が陥りがちな 6 つの迂回路をまとめました。

1. 歩くのが速すぎて振り返る時間がない。

スタートアップの人たちは、常に「速く行かないと死ぬ、速く行かないと死ぬ」と言われているようです。彼らは製品の開発に熱心すぎるあまり、ユーザーが製品をどのように使用するのか、どのようなシナリオで製品がどのように使用されるのか、製品のどの部分が使用されるのか、ユーザーが再び使用する主な理由は何なのかといった具体的な詳細について考えないことが多々あります。これらの質問はデータなしでは答えるのが難しいです。

2.十分なデータが記録されていません。

要約したデータをチームに提示するだけでは意味がありません。日単位、時間単位の詳細な変更がなければ、データの変更の背後にある見えざる手を分析することはできません。大まかで断続的な統計しかない場合、さまざまな微妙な要因が売上やユーザーの使用習慣に与える影響を解釈することはできません。

同時に、データストレージは安価になってきています。一度に大量の分析を行うことは、それほどリスクの高いことではありません。十分なスペースを購入すれば、システムがダウンするリスクはありません。したがって、できるだけ多くのデータを記録することは決して悪いことではありません。

量を恐れないでください。スタートアップにとって、ビッグデータはまだ比較的珍しいものです。スタートアップ段階にあり、（幸運にも）この問題に直面している場合、Porterfield 氏は Hadoop と呼ばれるプラットフォームの使用を推奨しています。

3. 実際、チームメンバーは暗闇の中で手探りしているように感じることがよくあります。

多くの企業は、Mixpanel、Kissmetrics、または Google Analytics にデータを投入するだけでよいと考えていますが、チームのどのメンバーがそのデータの根本的な意味を実際に解釈できるかを見落としていることがよくあります。チームメンバー全員に、データをより深く理解し、データに基づいて意思決定を行うよう頻繁に注意喚起する必要があります。 そうしないと、製品チームは盲目的に製品を開発し、ホットスポットに到達することを期待するだけで、最終的に成功するか失敗するか混乱することになります。

例えば。ある日、あなたは新しいユーザーを引き付けるために、市場で一般的に使用されているバイラル マーケティング手法を使用することにしました。ご要望通り、ユーザー数が飛躍的に増加しました。しかし、この時点で新たな混乱に遭遇することになります。このマーケティング手法が古いユーザーに与える影響を測定することはできないのです。人々は興味を持ち、新規ユーザーとして登録するかもしれませんが、その後飽きて使用をやめてしまうかもしれません。価値のないユーザーを大量に引き付けるために、多額の費用を支払っている可能性があります。そして、製品チームは、製品に損害を与えるこのマーケティング手法が成功していると考え、依然として満足している可能性があります。

このばかげた間違いはしょっちゅう起こります。しかし、会社が最初から誰もが自分で使用して、仕事で最も重要な質問に答えることができるデータ プラットフォームを構築すれば、上記のような悲劇を避けることができます。

4. データを不適切な場所に保存する。

まずは正しいデモンストレーションを見てみましょう。 Porerfield 氏は、彼のクライアントの 1 社が NoSQL、Redshift、Kitnesis、Looker のリソースを統合してデータ分析フレームワークを作成したと述べました。このフレームワークは、独自のデータを高レベルでキャプチャして保存できるだけでなく、毎月数百万回のクリックにも耐え、誰もが必要なデータを照会できるようにします。このシステムにより、SQL 言語を理解していない初心者ユーザーでも、データの意味を真に理解できるようになります。そして、データ分析の世界では、基本的に、SQL を知らないと困ったことになります。エンジニアがデータを実行するのを常に待たなければならない場合、トラブルに巻き込まれることになります。要件を理解せずにエンジニアが作成したアルゴリズムや購入したソフトウェアは、ユーザーにとって苦痛となることがよくあります。これは、データの使用が以前のレベルと同じではないことが多いためです。

すべてのデータを 1 か所に保存する必要があります。これが最も重要な原則です。

上で述べた架空の会社に戻りましょう。彼らは次々とバイラルキャンペーンを実施しましたが、ユーザーキャンペーンデータを同じフレームワークに組み込んでいなかったため、キャンペーン同士がどのようにつながっているかを分析できませんでした。また、日常業務やイベント中のデータの比較分析も実行できません。

多くの企業は、データを保管するためにアウトソーシング業者に送信し、その後は何もせずに放置しています。しかし、これらのデータはアウトソーシング会社の手に渡ると別の形式になることが多く、元に戻すには多くのプロセスが必要になります。これらのデータは、多くの場合、特定のプロモーション活動中の Web サイトまたは製品に関連しています。日々の運用データと組み合わせることで、どのアクティビティがユーザーのコンバージョンにつながるかを調べることができます。ユーザーの使用履歴を分析するには、日々の運用データを組み合わせることが重要です。しかし驚くべきことに、あらゆる運用データが常に極めて重要であるにもかかわらず、多くの企業はいまだにそれを収集して記録することを怠っています。ポーターフィールドが確認した企業の約半数は、日々の運用データとアクティビティ データを別々に持っています。これは、企業の正しい理解と意思決定を著しく妨げます。

5. 近視眼的。

優れたデータ分析フレームワークは、設計の最初から長期使用のニーズを満たす必要があります。もちろん、フレームはいつでも微調整できます。しかし、蓄積するデータが増えるほど、調整にかかるコストも大きくなります。また、調整を行った後は、データが失われないように、古いシステムと新しいシステムの両方を記録する必要があることがよくあります。

したがって、初日にフレームワークを設計するのが最適です。最も単純かつ大まかで効果的な方法の 1 つは、利用可能なすべてのデータを同じスケーラブルなプラットフォームに配置することです。最適なソリューションを選択するのに時間を無駄にする必要はありません。プラットフォームが将来使用される可能性のあるすべてのデータに対応でき、プラットフォーム間で実行できることを確認するだけです。一般的に言えば、このような独自のプラットフォームは少なくとも 1 ～ 2 年は持続します。

6. 要約しすぎる

この問題はビッグデータ分析チームを持つ企業ではより一般的ですが、スタートアップでも回避することをお勧めします。考えてみてください。1 分あたりの具体的な売上額ではなく、1 分あたりの平均売上額のみを記録している企業がいくつあるでしょうか?これまでは、計算能力が限られていたため、膨大な量のデータをいくつかのポイントに要約することしかできませんでした。しかし、現在では計算能力の量は全く問題にならず、誰でも分単位で正確に運用データを記録することができます。そして、これらの正確な記録から、コンバージョン率が上昇または下降している理由など、大量の情報が得られます。

多くの人は、美しいアイコンや PPT をいくつか作成することに夢中になります。これらの要約文は興味深いように思えるかもしれませんが、これらの美しい要約文は問題の本質を真に反映していないため、表面的な要約に基づいて決定を下すべきではありません。代わりに、外れ値にもっと注意を払う必要があります。

これらの間違いを避ける最も簡単な方法3つ

迂回を避けるための3つの簡単な保護対策

ミスを少なくすることは、あなたが思っている以上に重要です。なぜなら、一度ミスが発生すると、それを修正するために多くのエンジニアリングの時間とリソースを費やすことになるからです。注意しないと、エンジニアが営業チームのためにデータを解読するのに貴重な時間を費やし、貴重なマーケティングの機会を数え切れないほど逃してしまう可能性があります。データの使用や理解が難しくなると、チームの意思決定のスピードが遅くなり、ビジネスの進捗に支障をきたします。

幸いなことに、ユーザー生活の最初から次の 3 つの簡単な保護対策を採用すれば、多くの迂回を確実に回避できます。

1. チーフビジネスデータエンジニアを任命する

チーム内にデータ分析に真剣に興味を持っているエンジニアがいれば、そのエンジニアにすべてのデータの記録と管理を任せることができます。これにより、チーム全体の時間が大幅に節約されます。ポーターフィールド氏は、Looker では、ビジネス データ リード エンジニアが、すべてのデータを記録できるスクリプトの作成を担当しており、誰もが必要な情報を常に同じデータベースで入手できるようにしていると述べました。これはチームの作業効率を大幅に向上させるシンプルで効果的な方法であることがわかりました。

2. オープンプラットフォームにデータを置く

Porterfield は、Snowplow のようなオープン ソース プラットフォームを使用して、すべての製品関連のアクティビティ イベント データをリアルタイムで記録することを強くお勧めします。使いやすく、技術サポートも充実しており、大量に使用できます。そして最も良い点は、それが他のデータ構造とうまく連携することです。

3. できるだけ早くデータをAWS Redshiftまたはその他の超並列処理（MPP）データベースに移行する

初期段階の企業にとって、Redshift のようなクラウドベースの MPP が最適な選択肢となることがよくあります。安価で、導入と管理が簡単で、拡張性が高いためです。理想的には、会社の設立当初から、イベントや操作に関するデータを Amazon Redshift に書き込む必要があります。 「Redshift を使用する利点は、プラットフォームが安価で高速かつアクセスしやすいことです」とポーターフィールド氏は言います。また、すでに AWS サービスを使用している場合は、Redshift を使用して既存のアーキテクチャにシームレスに統合できます。データ チャネルを簡単に構築して、データをこのシステムに直接転送し、分析および処理することができます。 「Redshift は、トリガーされるイベントの数など、予測が難しいパラメータに基づいて課金されることなく、大量の詳細なデータを書き込む柔軟性を提供します」と彼は述べています。 「他のサービスでは、保存するイベントの数に基づいて料金を請求します。そのため、製品を使用する人が増えると、記録される運用データも増え、最終的な料金が急上昇することになります。」

データ分析を活用して市場機会をつかむにはどうすればよいでしょうか?

データ分析の価値は、それが市場機会の獲得にどのように役立つかによって決まります。スタートアップ企業の場合、このすべてのデータを活用して、会社のさまざまな段階に設定する目標を決定する必要があります。

例えば。宅配会社は通常、各荷物の平均配達時間を測定します。これは重要なデータのように思えるかもしれませんが、十分なコンテキストがなければ意味がありません (結局のところ、受信者はわずか 1 ブロック離れている可能性もあれば、数百キロメートル離れている可能性もあります)。一方、平均配達時間は、受取人の全体的な満足度ほど重要ではありません。したがって、分析に正しいデータが含まれていることを確認する必要があります。

必要な結果をリストアップし、数値化してください。顧客体験をどのようにしたいですか?一般的な成功データ分析は、売上またはユーザーのコンバージョン率（つまり、顧客が X のことを行うと、購入するかユーザーになるか）、コンバージョンに必要な時間、否定的な体験をした顧客の割合に基づいています。最初の比率は高く、後の 2 つは低くする必要があります。

通常、メディア サイトはページ ビューのみでパフォーマンスを測定します。しかし現在では、「注目期間」と呼ばれる指標にも注目が集まり始めています。これは、ユーザーが特定のページにどれだけ長く集中しているか、特定の単語に注意を払っているか、ページを上下にスクロールしているか、ビデオを視聴しているか、などを示す指標です。ユーザーがページに滞在する時間を確認するだけでなく、ユーザーがページのどの部分に惹かれ、積極的かつ注意深く閲覧するのにどのくらいの時間を費やしているかを知る必要があります。これにより、メディア サイトは新しい見出し、ページ デザイン、コンテンツの選択を設計して、注目の持続時間を延長できるようになります。こうすることで、ウェブサイトのデザイン方法を革新し、視聴者にさらに良い印象を与えることができます。

もう一つの重要な焦点は、維持されたユーザーを監視することです。データ分析を成功させるには、日々の運用データとアクティビティ データの両方をカバーし、横断的な分析を実行する必要があります。日々の運用データを見るだけで、どのユーザーがウェブサイトに戻ってくるか、どのユーザーがリピート購入を達成できるかがわかります。しかし、サイトに戻ってきても再購入しない人が誰なのかも理解する必要があります。なぜ彼らは再度購入することに消極的なのでしょうか。このような質問には、運用データとアクティビティ データを分析することで答えることができます。アクティビティ データを見ると、購入しなかった顧客がどのような順序でサイトを閲覧したか、何に気付いたか、何をクリックしたか、サイトを離れる前に何をしたかがわかります。この経路を追跡すると、この行動をどのように修正すれば、次回の訪問時に購入する可能性が高まるかを理解できます。

最適なデータ バスケットを設計するには、次の 3 つの提案を参考にしてください。

1. 適切なユーザー行動を見つける
2. 視聴者の何パーセントがこのタイプのユーザー行動をとるかを計算する
3. このタイプのユーザー行動に重要な情報が含まれているかどうかをテストする

場合によっては、新しいデータ レコードのバスケットを発明することで、企業に大きな変化をもたらすことができます。

Venmo を例に挙げてみましょう。同社の決済アプリチームはしばらくの間、「送金依頼」ボタンと「送金支払い」ボタンが一緒に配置されており、間違ったボタンを押しやすいため、友人に送金を依頼したいユーザーが誤って友人に送金してしまうケースが多いと聞いていた。しかし、同社はこの問題がどの程度広範囲に及んでいるのか、またユーザーインターフェースの再設計が必要かどうかは把握していない。より適切な判断を下すために、彼らはこのリクエスト/支払いエラーがどの程度頻繁に発生するかを検出する新しいデータ システムを設計しました。彼らは、「A が B に支払い、その後すぐに B が A に 2 倍の金額を支払った」といった奇妙な支払い行動をすべて発見しました。結果は、これが頻繁に起こることを示しています。そこで、次の製品アップデートでこの問題は修正されました。

データを共有可能にします。

多くの場合、チームがデータを簡単に共有できない最大の原因は、データの定義です。したがって、最初からデータを完全に定義することが最善です。誰もが理解しやすいように、中心的な用語集 Wiki ページを作成することを検討してください。ポーターフィールド氏は、人々はデータを説明するのに奇妙な言葉を使いたがると指摘しています。たとえば、「比率」という言葉は、名前をつけるときに分子と分母を明確にしないことが多いため、よく乱用されます。

データは、ほとんどの成功している企業にとって生命線です。適切なデータ共有は、企業の透明性を高めるだけでなく、さまざまな部門間の連携を強化することもできます。たとえば、多くの企業では、同じ質問に答えるために、さまざまな部門がさまざまなデータを生成するエンジニアを雇うことがよくあります。優れたデータ共有プラットフォームがあれば、このような時間と労力の無駄を避けることができます。

さらに、データの視覚化も、優れたプラットフォームであれば簡単に実行できます。詳細なデータをグラフとして視覚化することで、チームのすべてのメンバーがデータをより適切に解釈できるようになります。ほとんどの人にとって、表よりもグラフの方が理解しやすいため、データを視覚化するとコミュニケーションがよりスムーズに進むようになります。

不適切なデータ分析フレームワークは人々の自信を損なうだけです。それは目に見えない形で会社を2つの派閥、つまりデータを理解する専門家とデータを理解しない愚か者とに分割するでしょう。これはよくある危険な間違いです。社内の最もデータに詳しくないユーザーでも、必要なグラフを簡単に生成し、理解できるようにする必要があります。これはデータ プラットフォームを選択するための基本原則です。

ポターフィールド氏は次のように結論付けました。「優れたデータ分析は、人々がより準備を整えて会議に臨むのに役立ち、営業チームがより適切な質問をするのに役立ち、不必要な推測を排除するのに役立ちます。」ユーザーが何を探しているのか、なぜ販売が成立するのか、なぜ戻ってこないのかを推測する必要がなくなりました。他のチームの同僚が何を知っているか、何を知らないかを推測する必要がなくなりました。これらはすべて、最初からデータ フレームワークを適切に設計したおかげです。

APP Top Promotion （www.opp2.com）は、モバイルアプリプロモーションの運用方法、経験とスキル、チャネルASO最適化ランキング、アプリマーケティング情報の共有に重点を置いた、中国トップのモバイルアプリプロモーションプラットフォームです。公式WeChatパブリックアカウント：appganhuoのフォローを歓迎します。

[トップAPPプロモーションWeChat QRコードをスキャンして、より多くの乾物と爆発物を入手してください]

この記事は、@董老师による（APP Top Promotion）によって編集および公開されました。この記事を転載するには、 Top Promotionの同意が必要であり、この記事へのリンクを添付してください。