乾物に関する1万語の要約：運用データ指標の最も包括的な解釈

運用とデータ分析は切り離せないものです。ビジネスインサイトによってデータ分析結果の上限が決まり、データスキルはそれを近似するだけです。

すべての製品とオペレーションは、ビジネス指標に関する洞察を持つ必要があります。この記事が、初心者にビジネス指標を分析するための一般的なフレームワークを提供することを願っています。記事の内容は「広く」「一般的」な感じがします。新しいユーザーには役立ち、古いユーザーには笑い飛ばしてもらえることを願っています。

ユーザー獲得

ユーザー獲得は運用の始まりです。ユーザー獲得は、ユーザーとの接触、ユーザーの認知、ユーザーの関心、ユーザーのアクション/ダウンロードという線形思考、つまり固定されたプロセスに近いものです。各プロセスには複数のデータ インジケーターが関係します。

チャネルリーチ

一般的に露出と呼ばれ、商品のプロモーションページを閲覧したユーザーの数を指します。アプリストア、 WeChat Moments 、検索エンジンなど、トラフィックがある場所ならどこでも、露出のためのチャネルが見つかります。

露出というのは、かなりむなしい数字です。現代人が毎日どれだけの情報にさらされているか考えてみてください。そこにはいくつのプロモーションが含まれており、そのうちのどれだけが最終的にユーザーを引き付けることができるでしょうか?多くの場合、チャネル リーチはマーケティング プロモーションコストに結びついていますが、その結果は満足できるものではありません。

広告やマーケティングでは、プロモーションによってもたらされるブランド価値も​​考慮されます。ユーザーは製品をクリックしたり操作したりすることはありませんが、製品が存在することは知っており、それが将来の意思決定に微妙な影響を与えます。しかし、ブランド価値を定量化することは困難です。広告の計算では、システムはユーザーの行動を最新の広告露出にのみ関連付けます。

広告のクリック数をCTR （広告クリック数/広告表示数）と呼びます。広告以外にも、各種レコメンデーションシステムの評価にも使われます。

チャネルコンバージョン率

広告が表示されたら、ユーザーは行動を起こす必要があります。コンバージョン率は最も広く使用されている指標です。業界では、コンバージョン率とコストを組み合わせて、CPM、CPC、CPS、CPD、CPT などを導き出します。

• CPM（Cost Per Mille）とは、1000人あたりのコストを指します。広告を見た人数に応じて課金されるもので、従来のメディアでは採用される傾向があります。 CPM プロモーションの効果はインプレッション数に依存します。ユーザーは閲覧することも無視することもあるため、さまざまなポータルやトラフィックの多いプラットフォームでブランディングを表示するにはバナーを使用するのが適しています。
• CPC (クリック単価) は、クリックごとに計算されるユーザークリックあたりのコストを指します。広告主にとっては、これは CPM モデルよりもはるかに合理的です。また、CPC は不公平だと考える人も多くいます。ユーザーはクリックしないものの、露出によってブランドに目に見えない価値がもたらされ、広告スペースの提供者にとっては損失となります。
• CPA (Cost Per Action) とは、ユーザーの行動に基づいて計算されるアクションあたりのコストを指します。行動とは、ダウンロードや注文購入などです。 CPA は前の 2 つよりも高い収益性がありますが、リスクもはるかに大きくなります。需要側には有利ですが、供給側には不利です。

上記3つは一般的なプロモーション方法です。CPTは時間ベース、CPSはCPAの範囲内でカウントされます。チャンネルプロモーションはテクノロジーに依存する業界です。ユーザーポートレートが正確で、コンテンツがユーザーにマッチしているほど、収益を生み出しやすくなります。

また、eCPM（実効インプレッション単価）と呼ばれる指標もあり、これは1,000インプレッションあたりに得られる収益を計測します。これは、広告主が自社の収益を見積もるための指標です。

チャネルROI

ROI は、投資収益率を表す、広く適用可能な指標です。

マーケティングや業務活動はすべて企業の利益から始まり、利益/投資を通じて目標を定量化します。利益の計算には財務が関係し、多くの場合、より単純な収益が分子として使用されます。営業活動の ROI が 1 より大きい場合、その活動は成功しており、利益を上げることができることを意味します。

ROIは、収益に加えて他の指標にも拡張できます。ビジネスモデルが明確でなく、利益を上げることができない製品の場合、収益は他の定量的な指標に置き換えられます。例えば、顧客獲得コストとなる登録ユーザー数などです。

毎日のアプリダウンロード数

アプリをダウンロードする必要があり、これは中間状態です。このリンクに注意を払わないと、多くのユーザーを失うことになります。アプリストアの製品紹介やプロモーションコピーに影響します。数百メガバイトのサイズがある製品の中には、ダウンロード時間が長くてプレイヤーを失う恐れがあるため、さまざまなゲームなど、アプリケーションの初回起動時にインストールの一部をパッチの形で完了させることが多いものがあります。

サードパーティのプラットフォームは、ユーザー登録アプリをダウンロードします。このステップでは、主にユーザーが一致しないためにデータエラーが発生しやすくなります。固有のデバイス ID を介して技術的に照合されます。

1日あたりの新規ユーザー数

新規ユーザー数はユーザー獲得の中心的な指標です。

新規ユーザーは、さらに自然増加とプロモーション増加に分けられます。自然増加は、ユーザー招待、ユーザー検索などによってもたらされるユーザーであり、プロモーションは、運営者の強力な管理下でのユーザーの増加です。前者はスロークッキングの最適化であり、後者は揚げ物や炒め物のマーケティングである。

ユーザー獲得コスト

ユーザー獲得には必然的にコストがかかりますが、これは初心者のオペレーターが最も見落としがちなことです。新規ユーザーの獲得: 事業者が知っておくべきこと

顧客獲得コストは、フィールドマーケティング費用や新規ユーザーへのギフトなど、新規ユーザーの財務に直接結びつく必要があります。ただし、製品全体の運用コストは含めないでください。顧客獲得コストで見ると、 WeChatファンは10～20元程度で、商品の価格はビジネスモデルによって大きく異なります。財務管理製品の場合、実効ユーザーあたりのコストは 4 桁を超えており、これは非常に誇張された数字です。しかし、業界全体の顧客獲得コストは依然として上昇傾向にあります。

1セッションあたりのユーザー数

1 セッション ユーザーとは、アプリをダウンロードし、製品を 1 回だけ開き、使用時間が 2 分未満の新規ユーザーを指します。このタイプのユーザーは、ブラックマーケターまたはロボットである可能性が高く、フリーライダーと見なすことすらできません。

これは商品プロモーションにおけるグレーゾーンであり、利益を得るためにトラフィックを増やし、偽のクリックを得るためにさまざまな手法が使われています。この指標はリスク管理指標であり、監視のために使用されます。

ユーザーアクティビティ

ユーザーアクティビティは運用の中核段階であり、モバイル、Web、WeChat のいずれであっても関連する指標があります。一方、データ分析は現在、ユーザーの行動にますます注目しており、洗練されつつある傾向にあります。

1日あたりのアクティブユーザー数/月間アクティブユーザー数

業界のデフォルトの活動基準は、ユーザーが製品を使用したことです。広い意味では、Webコンテンツの閲覧は「使用」に相当し、パブリックアカウントで注文を行うことも「使用」に相当し、APPを開くことに限定されません。この部分については、前回の記事「ユーザーオペレーション、アクティブユーザーのデータ分析のやり方」を参照してください。

アクティブ指標はユーザー操作の基準となるもので、さらにアクティブ率（一定期間内のユーザー総数におけるアクティブユーザーの割合）を計算することができます。時間軸では、日次アクティブ率 DAU、週次アクティブ率 WAU、月間アクティブ率 MAU があります。アクティブユーザー数は製品の市場規模を測る指標となり、アクティビティ率は製品の健全性を反映します。

しかし、製品を開封するだけでその製品の健全性を測ることができるのでしょうか?答えはノーです。成熟したオペレーティング システムでは、アクティブ ユーザーをさらに新規ユーザー、アクティブ ユーザー、ロイヤル ユーザー、非アクティブ ユーザー、離脱ユーザー、リピーター ユーザーなどに細分化します。解約ユーザーとは長期間非アクティブだったユーザー、忠実ユーザーとは長期間アクティブだったユーザー、リピーターユーザーとは一度非アクティブまたは解約したが、後に再び製品を開いたアクティブユーザーです。

製品ユーザーは、さまざまなアクティブ状態に基づいていくつかのグループに分けられ、異なるグループが製品のユーザー総数を構成します。健全な製品の場合、離脱ユーザーの割合は高すぎず、新規ユーザーの数は離脱ユーザーの数より多くなければなりません。

PVとUV

PV は、インターネットの Web サイトの初期の指標であり、Web ページ バージョンのアクティビティとしても理解できます。 PV（PageView）はページビュー数です。ユーザーのWebページへのアクセスリクエストをPVとみなすことができます。ユーザーが10ページを閲覧した場合、PVは10になります。

UV（ユニークビジター）とは、一定期間内にウェブページを訪れた人の数であり、正式名称は独立訪問者数です。ユーザーが同じ日にいくつの Web ページにアクセスしたとしても、ユニーク訪問者は 1 人としてのみカウントされます。ユーザーが同一人物であるかどうかを確認するにはどうすればいいですか?技術的には、Web ページのキャッシュ クッキーまたは IP によって決定されます。これら両方が変更された場合、ユーザーは新規訪問者としてカウントされます。

PVとUVは非常に古い概念ですが、データ分析では避けて通れません。製品に関するさまざまなページを閲覧するだけでなく、WeChatなどのサードパーティプラットフォームでは、さまざまなマーケティング活動はWebページを通じてのみ実行できるため、PVとUVが光る必要があります。

注意しなければならないのは、WeChatブラウザはクッキーを長期間保存せず、携帯電話のIPアドレスは常に変化するため、これに基づくUV統計には誤差が生じるということです（大きな問題ではありませんが、UVの新規訪問者の誤差は比較的大きいです）。ここでは、WeChat が提供する openid を使用して、Cookie を UV ベンチマークとして置き換えることができますが、追加の技術サポートが必要です。

ユーザーセッション数

ユーザー セッション (セッションとも呼ばれます) は、時間枠内のすべてのユーザー動作の集合です。ユーザーはアプリを開き、商品を検索し、商品を閲覧し、注文して支払いを行い、最後に終了します。このプロセス全体が 1 つのセッションとしてカウントされます。

セッションの時間枠に厳格な標準はありません。Web の従来の標準は 30 分です。ユーザーが 30 分以内に何をしても、それはセッションとみなされます。 30 分を超える場合は、食事に出かけてから戻って操作するか、もう一度開いて、2 回目のセッションとみなすこともできます。

モバイル端末のデフォルトの時間枠は 5 分です。

ユーザー セッション数とアクティブ ユーザー数の組み合わせによって、ユーザーの粘着性を判断できます。 1 日のアクティブ ユーザー数が 100 で、1 日のセッション数が 120 の場合、ほとんどのユーザーが製品に 1 回しかアクセスせず、製品に粘着性がないことを意味します。

ユーザー セッションは、使用時点でのデータ収集に依存します。ユーザー操作を記録しなければ、ユーザーの行動がどこで始まり、どこで終わるのかを知ることは不可能です。一方、ユーザーセッションはユーザー行動分析の基礎となります。

ユーザーアクセス時間

名前が示すように、ユーザーの訪問期間はセッションの継続時間です。製品の種類によってアクセス時間は異なります。ソーシャル製品はツール製品よりも間違いなく長く、コンテンツ プラットフォームは財務管理製品よりも間違いなく長くなります。アナリストがコンテンツ製品のほとんどのユーザーが数秒しかアクセスしていないことに気付いた場合は、その理由を分析するのが最善です。

機能の活用

アクティビティに重点を置くことに加えて、運用およびデータ アナリストは製品の重要な機能にも重点を置く必要があります。コレクション、いいね、コメントなど。これらの機能は、製品の開発とユーザーの使用の深さに関連しています。毎日製品を開いても他に何もしないユーザーを誰も望んでいません。

機能使用率も非常に幅広い範囲を持っています。例えば、ユーザーが記事を閲覧した場合、何人のユーザーがコメントし、何人のユーザーがいいねするでしょうか。いいね率とコメント率を2つの指標として使用し、異なる記事のいいね率とコメント率に違いがあるかどうか、いいね率とコメント率がコンテンツ操作に役立つかどうかを確認できます。これらはすべて機能使用率に属します。たとえば、動画サイトの場合、コア機能の使用率は動画の再生音量と動画の再生時間になります。

WeChat パブリック アカウント指標については、個別に議論することも、製品機能の拡張として見ることもできます。画像・テキスト配信率、コンバージョンシェア率、二次コンバージョンシェア率、フォロワー増加数などは、本記事内の他の指標と一致しています。ただ、サードパーティのデータは不便であり、より多くの分析が推測に依存することになります。

ユーザー維持

アクティブ ユーザー数とアクティブ率が市場規模と製品の健全性を表すのであれば、ユーザー維持率は製品の持続可能な発展を表します。

定着率

一定期間製品を使用し、一定期間経過後も継続して使用し続けるユーザーを維持ユーザーと呼びます。維持率 = アプリをまだ使用しているユーザーの数 / その時点でのユーザー総数。

今日のインターネット業界では、新規ユーザーやアクティブメンションよりも、リテンションの方が重要な指標となっています。これは、モバイル人口のボーナスがなくなり、ユーザー獲得がますます困難になり、競争がますます激しくなっているためです。ユーザー獲得よりも、いかにユーザーを維持するかが重要です。

ある製品が 1 日に 1,000 人の新規ユーザーを獲得し、そのうち 350 人が翌日もアクティブである場合、翌日の維持率は 35% になります。7 日目も 100 人がアクティブである場合、7 日間の維持率は 10% になります。

Facebook には有名な 40-20-10 ルールがあり、新規ユーザーの翌日の維持率は 40%、7 日間の維持率は 20%、30 日間の維持率は 10% であるとされています。このパフォーマンスを持つ製品は、比較的良好なデータを持っています。

上記のケースはすべて新規ユーザーを中心としたものですが、別の種類の維持率、つまりアクティブユーザー維持率、または古いユーザーアクティビティ率、つまりある時点でアクティブだったユーザーがその後もアクティブであり続ける割合もあります。より多くの週次保持率と月次保持率のディメンションを使用します。

新規ユーザー維持率とアクティブユーザー維持率は異なります。新規ユーザー維持率は製品の初心者向けガイダンスやさまざまな特典に関連し、アクティブユーザー維持率は製品の雰囲気、運営戦略、マーケティング方法などに関連し、製品と運営のレベルに重点が置かれています。

ユーザー離脱率

ユーザーの離脱率と維持率は正反対です。製品の新規ユーザーの翌日維持率が 30% の場合、70% のユーザーが失われたことを意味します。

解約率は、ある程度、製品の発展を予測することができます。ある段階で製品のユーザーが 10 万人いて、月間解約率が 20% の場合、5 か月後には製品がすべてのユーザーを失うことが簡単に推測できます。このモデルは粗雑で、ユーザーの復帰や新規追加を考慮していませんが、製品の将来のライフサイクルが楽観的ではないことを反映しています。

ここで次の式を導き出すことができます: ライフサイクル = (1/解約率) * 解約率の時間次元。これは経験的な式であり、効果的ではない可能性があります。

製品の解約率が高すぎると問題になりますか?必ずしもそうではありません。製品の背景によって異なります。たとえば、製品が結婚式管理ツールに重点を置いている場合、ほとんどのユーザーは結婚後にその製品を使用しないため、その製品の維持率は間違いなく低くなります。しかし、このタイプの製品が生き残るためには論理がなければなりません。旅行アプリでも同じことが言えます。ユーザーは年に数回しかアプリを開きませんが、それでも成長する可能性があります。

離脱率

離脱率はウェブページの指標です。ウェブページは訪問の深さ、つまりユーザーが1回のセッションで何ページ閲覧したかを追求します。ユーザーがウェブページを閉じた場合は、ユーザーが「留まっていない」とみなすことができます。離脱率の計算式: このページから離脱したページ訪問数 / このページに入ったページ訪問数。商品ページが PV1000 に達し、直接ページを閉じる訪問数が 300 の場合、離脱率は 30% になります。

直帰率は、ユーザーが 1 ページのみ閲覧した後に離脱した回数 / 訪問回数である離脱率の特殊な形式です。1 ページのみ閲覧するということは、ユーザーが Web サイトにアクセスする最初のページ (一般にランディング ページと呼ばれる) であることを意味します。

離脱率は、Web ページ構造の最適化とコンテンツの最適化に使用されます。直帰率はプロモーションや運用活動の分析でよく使用されますが、この 2 つは混同されやすいです。

マーケティング

マーケティングにも独自のデータ システムがあり、インターネットのデータ システムはそこから派生してAARRRフレームワークが開発されました。製品開発モデルには 2 つあります。短期間で何百万人ものユーザーを獲得できる製品の場合は、A AR RR フレームワークの方が適しています。製品が最初のユーザーから明確なビジネス モデルを持っている場合は、マーケティングの概念を適用することもできます。

ユーザーライフサイクル

ユーザー ライフ サイクルはマーケティング理論に由来し、以前は顧客ライフ サイクルと呼ばれていました。

これには 2 つの意味があります。1 つは、個々のユーザー/グループに対するマーケティングの存続期間です。ユーザーは時間の経過とともに変化し、この変化は無数のマーケティングの機会をもたらし、それは市場と企業にとってのチャンスとなります。妊娠期間が10か月であるように、これは10か月のライフサイクルを持つマーケティング期間です。企業はこの期間にユーザーを中心にした具体的なマーケティングを展開します。引越し、大学卒業、住宅購入などはすべて典型的な周期的特徴を持っています。

もう 1 つは、運用担当者にとってより重要な、ユーザー リレーションシップ管理レベルでのライフ サイクルです。製品とそのユーザー間のビジネス関係は時間の経過とともに変化します。従来のマーケティングでは、顧客は潜在的ユーザー、関心のあるユーザー、新規顧客、古い/成熟した顧客、失われた顧客に分類されます。これらの進行段階は、ユーザーのアクティビティと非常によく似ています。

母子向け製品の場合、マーケティング生存期間、つまり妊娠何ヶ月かを知る必要があります。妊娠初期と後期ではマーケティングの焦点が異なり、妊娠直後の期間が最も適切であることは間違いありません。また、この母親が新規顧客なのか、以前にアプリを使用したことがあるが興味を失ってしまったのかなど、ユーザーと製品の関係性も把握する必要があります。

マーケティングデータ分析において最も重要なリンクは、新規顧客から離脱顧客までの段階です。ユーザーが製品をどれだけ長く使用できるかによって、製品の活力が決まります。これはリテンションと非常によく似ています。上記のライフサイクルの計算式はマーケティングから派生したものです。

ユーザー生涯価値

生涯価値とは、ユーザーが生涯にわたって企業に提供できる利益のことで、財務的な定義が必要です。インターネット業界では、ライフサイクル値よりもライフサイクルについて言及することが多いです。これは、インターネットのビジネス モデルが従来のマーケティングでの売買ほど単純で明確ではないためです。

たとえば、WeChat ユーザーの生涯価値を計算することはできますか?いいえ、 GuangDianTongであれ、ゲームであれ、WeChat Finance であれ、一般化されたモデルを導き出すことは不可能です。ただし、金融や電子商取引などの一部の製品については、生涯価値を計算できます。

インターネット金融を例にとると、アプリは財務管理と現金ローンの2つの事業を提供しています。この2つの事業からの会社の収益は通常比較的安定した比率であり、ユーザーあたりのコスト支出も一定です。したがって、収益はユーザーの財務管理とローンの金額、およびライフサイクルの長さになります。どちらも評価に値する。

企業が生き残るためには、ユーザーが製品をどれだけ長く使用するかではなく、より多くの収益を上げなければならないため、生涯価値はライフサイクルよりも重要です。詳細については、「操作のビジネス ロジックに関する簡単な説明: CAC と CLV」を参照してください。

顧客/ユーザーロイヤルティ指数

ロイヤルティ指数は、アクティブな維持を再定量化したものです。アクティビティとは、製品が使用されたかどうかのみを指します。ユーザー A とユーザー B はどちらも毎日アプリを開きますが、B が購入するため、B の方が A よりも忠実です。データでは、ユーザーを説明するためにより多くの商業的指標が必要になることが多く、ユーザーが消費するかどうかは適切な指標となります。

これを簡略化したモデルで表現すると次のようになります。

t は時間ウィンドウ、s は消費回数、一定期間内の消費回数を表します。時間ウィンドウを月として選択した場合、t=1 は現在から 1 か月以内の消費数、t=2 は現在から 2 か月以内の消費数です。データは次のようにリストされます。

消費回数をs/(s+1)に代入し、データを変換します。目的は収束させることです。忠誠度の観点から見ると、10倍消費と100倍消費の間には大きな違いはありません。どちらも失われにくい忠誠度の高いユーザーです。10/11と100/101の関係は似ており、極端な値は効果的に回避されます。 0、1、2 回消費するユーザーの場合、対応する値は 0、0.5、0.66 となり、これもビジネス用語で説明可能です。

月ごとのデータを集計して得られる指数は、ユーザーの消費に対する忠誠心を反映することができます。凡例は単なる説明です。実際の適用では、正規化して時間的重みを考慮する必要があります。つまり、消費が最近であればあるほど、消費者の忠誠度が高くなります。上記のモデルはシンプルで、さまざまなビジネス モデルの初期分析に適しています。たとえば、金融投資では、四半期ごとにユーザーが行った投資の数を計算できます。

顧客/ユーザー離脱指数

解約指数は解約を再定量化したものであって、ロイヤルティ指数の反対です。解約率はすべてのユーザーを測定しますが、異なるユーザー間の微妙な違いを区別するためには、解約指数が必要です。初期段階では、解約指数 = 1 - ロイヤルティ指数です。

解約指数とロイヤルティ指数の具体的な定義は、ビジネスニーズに応じて調整できます。たとえば、説明が妥当である限り、ロイヤルティは消費があるかどうかに基づき、解約はユーザーがオープンでアクティブであるかどうかに基づきます。

十分な行動データが得られたら、回帰を使用して解約の確率を予測し、[0,1]の間の値を出力できます。このとき、解約の確率が解約指数となります。

顧客/ユーザー価値指数

ユーザー価値指標は、ユーザーが過去から現在まで（ライフサイクル価値は将来も含めたサイクル全体）貢献してきた利益を測定し、洗練された運用の前提としています。異なる価値を持つユーザーに対しては異なる戦略を採用し、効果を最大化します。

ユーザー価値指数の算出方法は、主に2つあります。1つは、R（直近の消費時期）、M（総消費額）、F（消費頻度）を用いてユーザーを複数のグループに分けるRMFモデルです。異なるグループは異なる値のインデックスを表します。

2 つ目は主成分分析 (PCA) です。これは、複数の指標をいくつかの包括的な指標 (つまり、主成分) に変換します。各指標は元の変数のほとんどの情報を反映でき、含まれる情報は重複しません。

旅行ガイドのウェブサイトがあるとします。高品質なコンテンツの投稿者をどのように定義しますか?ユーザーはいくつの記事を公開していますか?この記事はいくつの「いいね！」を獲得しましたか？ユーザーには何人のフォロワーがいますか?この記事には肯定的なレビューがいくつありますか?記事はどのくらいの頻度で更新されますか?各指標は非常に重要です。主成分分析では、上記の指標をすべて含めて、2 つまたは 3 つの指標に処理できます (通常、線形に関連する指標は結合されます)。この時点で、それを値インデックスに処理することは難しくありません。

上記の指標はいずれもユーザーマーケティングのための詳細なデータです。どうやって応用するのですか？最も古典的なのは、ユーザー価値指数やユーザー離脱指数などの指標を複数の象限に分割するマトリックス方式です。

ユーザー価値が高く、離脱率が高いユーザーには、アクティブリコール戦略を採用し、ユーザー価値が低く、離脱率が高いユーザーには、コストバランスを考慮した適切な運用を行う…これは洗練された運用の一例であり、長年のマーケティングでまとめられた効果的な方法でもあります。

コミュニケーション/活動

コミュニケーションと活動を合わせると、それらは同じコインの裏表になります。

K係数

海外で広く使われている概念：各ユーザーが平均して何人のユーザーを招待し、その招待がどれだけの有効コンバージョン率を持っているか、つまり、各ユーザーがどれだけの新規ユーザーを連れてくることができるか。K係数が1より大きい場合、各ユーザーは少なくとも1人の新規ユーザーを連れてくることができ、ユーザー数は雪だるま式に増え、最終的に自己増殖を達成します。 K 係数が十分に大きい場合、口コミによるバイラル マーケティングになります。

国内招待の発信の主なチャネルは当然WeChat Momentsです。 WeChat の共​​有機能と Web ページはどちらもパラメータ統計を増やすことができますが、これを定量化するのは難しくありません。

ウイルス感染サイクル

活動、広告、マーケティングなど、あらゆる形式のコミュニケーションにはコミュニケーション サイクルがあります。バイラル マーケティングは強力かもしれませんが、フォローアップがなければ、そのピークは 2 ～ 3 日しか続かないことがよくあります。これは新規顧客を獲得するための黄金期でもあります。

もう 1 つの普及サイクルは、製品をめぐる招待メカニズムです。これは、シード ユーザーが一定期間後に招待できるユーザーを指します。ほとんどのユーザーは他のユーザーを招待した後、再度招待する意欲を失うため、伝播サイクルは次のように大幅に簡略化できます。1,000 人のシード ユーザーが 10 日間で 1,500 人のユーザーを招待すると仮定すると、伝播サイクルは 10 日、K 係数は 1.5、これらの 1,500 人のユーザーは次の 10 日間でさらに 2,250 人のユーザーを招待します。

理論的には、K 係数とコミュニケーション サイクルを使用して、コミュニケーションによってもたらされるユーザー数を予測できますが、これは実用的な意味はほとんどなく、さまざまなアクティビティや運用レポートの解釈と分析に使用されます。

ユーザー共有率

現在、すべての製品には共有機能が組み込まれています。コンテンツベースのプラットフォームや普及に依存する製品の場合、共有率はより重要な指標です。さらに、WeChat友達/グループ、WeChatモーメンツ、Weiboなどのチャネルに分けることができます。

注目すべき点は、データにはユーザーがメッセージを転送したかどうかしか表示されず、メッセージが誰に転送されたかを追跡することは不可能であるということです。したがって、製品がユーザーに共有を促す物質的なインセンティブを使用する場合は、だまされないよう注意してください。とにかく、「ファイル転送アシスタント」に転送しました...

アクティビティの露出/視聴回数

コミュニケーションとオンライン活動は密接に関連しており、両者の間に大きな違いはありません。成功するイベントを運営するには、イベントの視聴回数を知るだけでは不十分です。良いイベントはデータ分析の結果でなければなりません。友人間で最も一般的な赤い封筒のマーケティングを例に挙げてみましょう。 Web ページのパラメータを次のように分析します。

aaa.com/activity/bigsales/?source=weixin&content=h9j76g&inviter=00001&timestamp=1495286598

疑問符の後の部分はWebページのパラメータです。source=weixinはWebページがWeChatに共有されていることを意味します。 content=h9j76g はページの具体的な内容であり、マーケティング用の赤い封筒の種類です。 invester=00001 はどのユーザーがメッセージを共有したかを示し、timestamp は共有の具体的なタイムスタンプです。異なるユーザーの共有ページには異なるパラメーターがあり、それに応じて区別されます。

これらのページがユーザーによって Moments に共有されると、データ収集システムは開かれ閲覧されたすべてのページを記録します。ページ パラメータは、アクティビティの詳細な分析の前提条件です。出典=weixinを通じて、データ分析者はWeChatでの紅包活動の閲覧数を知り、対応する数字はQQとWeiboにもある。コンテンツでは、ユーザーが好む紅包の種類、最も多く受け取られる紅包の種類、およびその価格などを表示できます。招待者は、各共有者の共有ページが平均してどのくらいの閲覧数をもたらすかを確認できます。

パラメータの数が多いほど、分析の次元を細かく設定でき、アクティビティの最適化の余地が大きくなります。興味があれば、友人のサークル内のさまざまな活動（Webページを含む）のWebページパラメータを見て、他の製品の分析次元を観察してください。他の人の経験から学ぶことは良い習慣です。

活動参加率

アクティビティ参加率はアクティビティの全体的な状況を測定するもので、ユーザーアクティビティの分析指標に適用できます。

このアクティビティに参加した人数（アクティブ人数）は何人ですか？このアクティビティに参加した古いユーザーは何人ですか?このアクティビティによって何人の新規ユーザーが来ましたか? コミュニケーションアクティビティの共有データは何ですか?アクティビティ内のさまざまなプロセスはどのように変換されますか?アクティビティによってもたらされた新規注文の数。実際、業務活動はライフサイクルの短い製品とみなすことができ、すべての製品指標を適用できます。

良いイベントは制度化され、製品の機能メカニズムに組み込まれるべきです。例えば、滴滴タクシーの紅包や、美図やEle.meの紅包は、イベントから遊び方、人を引き付ける手段へと徐々に進化してきました。初期のさまざまなオンラインゲームもアクティビティを通じて宣伝され、現在では標準化されたゲーム機能となっています。

アクティビティのメカニズムとは、データを分析してアクティビティ指標を分析し、改善の利点を特定し、それらをレポートに正規化する必要があることを意味します。たとえば、今日使用された赤い封筒の数、アクティビティにより今日追加されたユーザー数などです。

収益

製品、運用、マーケティング担当者は、活動や維持について責任を負うことはなく、むしろ、企業の基本的な財務であるビジネスについて責任を負います。データ分析は、アクティビティやリテンションを高めることを目的としているのではなく、最終的にビジネスを推進する巨大なファネルのように機能すること、つまりビジネスの本質に戻ることを目的としています。

アクティブな取引ユーザーの数

製品の露出からユーザーのダウンロード、アクティブなオープンから収益の創出まで、製品指標は段階的に商業化に近づいており、アクティブな取引ユーザーがその中核となる指標です。プロセス全体は漏斗型です。

ここでの取引は、買い手の消費と売り手の供給の両方を指します。プラットフォームに B エンドと C エンドが含まれる場合、両方のエンドは同等に重要であり、データ システムに含める必要があります。

アクティブユーザーと同様に、アクティブトランザクションユーザーも、初回ユーザー（初回消費）、ロイヤルティの高い消費者ユーザー、解約した消費者ユーザーなどに分類できます。取引データや指標を細分化することは、商品の商品化の進捗に関係するため必要です。実際、この段階では、さまざまな指標がレポート統計よりもユーザーのポートレートに傾いています。

アクティブユーザートランザクション比率。アクティブユーザーのうちトランザクションユーザーの割合をカウントします。製品のアクティブ ユーザーは十分でも、取引ユーザーが少ない場合、商品化に問題が生じます。これは一般に収益化の難しさとして知られています。多くの企業がこの段階で失敗します。

総流通総額

ユーザーが実際に商品を購入したかどうかに関係なく、ユーザーが注文して注文番号を生成している限り、合計取引金額を GMV にカウントできます。インターネット電子商取引ではこの指標が好まれます。

取引金額は実際のキャッシュフロー、つまり購入後のユーザーの消費金額に相当します。売上収益は取引額から払い戻し額を差し引いたものです。利益や純利益率に関しては、財務コストがかかり、データ分析で入手することが難しいため、あまり利用されていません。

上記の3つの指標をユーザーの支払いの動的なリンクと見なすと、2つの新しい指標を生成することができ、これもデータ分析の考え方の1つです。取引額とGMVの比率は、実際には注文の支払い率に変換できます。売上高と取引額には返金率も含まれます。分析が行き詰まった場合は、この2つの指標を観察すると役立つ場合があります。

平均注文額

従来の業界では、平均注文額は、消費者がサイトにアクセスするたびに費やす平均金額です。インターネットでは、各ユーザーの注文からの収益、総収益/注文数です。

多くのゲームやライブストリーミング プラットフォームは、業界の性質上、ユーザーがもたらす直接的な価値を重視しているため、平均注文額には重点を置いていません。スーパーマーケットでの買い物では、ユーザーの購入は長期にわたるため、平均注文額はスーパーマーケットのビジネス戦略の調整に使用できます。ただし、ゲームなどの業界では、ユーザーの離脱率が非常に高く、オペレーターはARPU指標である平均ユーザー支払額、つまり総収益/ユーザー数を気にしています。

ARPU はさらに細分化できます。一般ユーザーの割合が大きすぎる場合は、有料ユーザーあたりの平均収益 (ARPPU)、つまり総収益 / 有料ユーザー数が使用されることがよくあります。

買戻し率

再購入率は収益の世界では維持率であると言われれば、それがいかに重要であるかがわかるでしょう。新規ユーザーを追加する場合と同様に、新規の有料顧客を獲得するコストは、既存の顧客を維持するコストよりもすでに高くなっています。

多くの分析シナリオでは、初回ユーザーはラベルとして区別され、2 回以上購入したユーザーは常連顧客と見なされます。これを行う理由は、1 人から 2 人になることの意味が、単に 1 人を追加することよりもはるかに大きいためです。

ユーザーが初めて購入する場合は、製品を体験するため、割引を受けるため、または運営側からの強力なプロモーションによるものなど、さまざまな要因が最初の注文に影響します。この時点での消費は、ユーザーの製品に対する信頼、モデルに対する好み、または習慣の形成に徐々に左右されるため、2 回目の消費の割合は大幅に低下します (翌日の維持率の低下に対応)。

多くの場合、投資や旅行などでは、ユーザーが意思決定するまでに時間がかかるほど、平均注文額が高くなります。現時点では、一次買戻し率はより多くの利益を意味するため、より注目する必要がある指標です。

再購入率は、繰り返し購入の全体的な統計でよく使用されます。つまり、単位時間内に 2 回以上消費するユーザーの数が、購入するユーザーの総数を占めます。

再購入率は別の指標であり、前の期間に取引を行い、次の期間でも引き続き消費するユーザーの割合を示します。たとえば、ある電子商取引会社が 4 月に 1,000 人の消費者を抱え、そのうち 600 人が 5 月も引き続き購入した場合、再購入率は 60% になります。 600 人の顧客のうち 300 人が 2 回以上購入した場合、再購入率は 50% になります。

返品率

返品率はリスク指標です。返品率は低いほど良いです。財務レベルを直接反映するだけでなく、ユーザーエクスペリエンスやユーザー関係の維持にも影響します。

商品

ここでは主にコモディティをベースにしたデータ分析について議論します。コモディティは小売業に限定されません。知識市場、仮想サービス、付加価値サービスはすべてコモディティの一種です。ショッピングカート、購入、販売など、一般的な分析テンプレートが多数あります。

ショッピングカート分析

ショッピング バスケット分析は、電子商取引分析に限定されるのではなく、ユーザーの消費行動分析も行う必要があります。

相関率はショッピングバスケット分析の指標であり、具体的には販売数と取引数の比率です。大規模ショッピングモールやショッピングセンターでは共同消費が事業運営の中核となっており、利用者による複数回の購入も共同消費とみなされます。電子商取引では、一回の消費から得られる利益を増やすための前提条件は、ショッピングの深さです。

製品の人気度を迅速かつ効果的に分析します。製品は、最も人気のある製品トップ20、最も収益性の高い製品トップ20などに分類できます。利益のてこを見つけるには、80/20ルールに依存します。多くのマーケティングでは、これをリンク率と組み合わせます。たとえば、電子商取引は、トラフィックをもたらすことができる複数の人気製品のプロモーションに重点を置いています。人気製品はお金を稼ぐのではなく、他の収益性の高い製品との共同販売に依存しています。トラフィック製品と収益製品を組み合わせるこの戦略は珍しいことではありません。

ショッピング バスケット分析の最もよく知られている側面はおそらく関連性です。これは、特定の種類の製品を購入したユーザーが他にどのようなものを購入する可能性が高いか、と簡単に理解できます。ビールとおむつはおそらく最も有名な例であり、これは間違っているものの、製品間に確かにつながりがあることを明らかにしています。

関連性分析には、信頼度とサポートという 2 つの主要な指標があります。支持度は、ある商品Aとある商品Bが同時に買い物かごに入っている割合を示し、信頼度は、商品Aを購入した人が何人Bも購入したかをA→Bで表します。老王さんはいつも市場に野菜を買いに行く時、玉ねぎをたくさん買うのが好きです。老王さんの野菜かご（買い物かご）を分析すると、玉ねぎと他の野菜の支持率が高いです。でも、それは老王さんが玉ねぎを買った後、必ず他の野菜も買う（玉ねぎ→他の野菜）という意味でしょうか？いいえ、野菜を買った後、老王さんは玉ねぎ（他の野菜→玉ねぎ）を買うとしか言えません。さらに、改善もあります。 最も有名なのは、A prioriアルゴリズムです。

関連性分析はショッピングカートに適用できるだけでなく、アップセルやクロスセルの多くのマーケティングシナリオでも使用されます。よくあるものとしては、大量消費＋現金ローン、医療＋保険などがあり、目的は収益を増やすことです。

購入、販売、在庫

購買、販売、在庫管理は、伝統的な小売業界における典型的な管理モデルです。企業の商品業務を購買、倉庫保管、販売の 3 つのリンクに分割し、フルリンク データ システムを構築します。実際のビジネスでは、多くのシナリオが購買、販売、在庫と密接に関連しています。

電子商取引には、製品、SKU、SPU といったいくつかの基本的な概念があります。商品とは、消費者が理解する単一の製品です。主流の電子商取引 Web サイトでは、製品詳細ページは 1 つの商品に対応しており、SPU とも呼ばれます。商品の詳細ページには、サイズ、色、スタイルのオプションもあります。これらの属性は、在庫の最小単位である SKU を形成します。各属性は異なる SKU に対応します。たとえば、衣服に SML の 3 つのサイズがある場合、この衣服は SPU であり、3 つのサイズは 3 つの SKU に対応します。

製品管理は私たちが考えるほど単純ではありません。ローズゴールドの iPhone を好むユーザーもいれば、128G の iPhone を好むユーザーもいます。これらの製品をより良く販売する方法は、調達段階から始まります。

調達には、幅、広さ、深さという 3 つの側面が含まれます。幅広さとは、商品カテゴリーのことです。カテゴリーが豊富であればあるほど、消費者のニーズを満たすことができます。しかし、管理や販売が難しくなるというデメリットもあります。携帯電話には50のカテゴリがあり、ある携帯電話ショップではそのうち30のカテゴリを販売しており、カテゴリ比率は60％です。

調達幅とは、商品選択の豊富さを表すSKU比率です。 iPhone には、ブラック、シルバー、ローズゴールドの 3 色と、16G、64G、128G の 3 種類の容量があり、合計 9 つの SKU があります。携帯電話ショップがローズゴールドのみを販売している場合、SKU 比率は 0.33 になります。調達深度は、SKU あたりのアイテムの平均数です。

在庫は中間状態であり、購買は入力であり、販売は出力です。在庫は動的かつ継続的に変化するプロセスです。既存の在庫の消費量を測定するために、過去の期間内の在庫消費率を使用することがよくあります。あるショッピングモールでは、4月に毎日1,000個の在庫を消費し、4月末の在庫は50,000個です。この50,000個を消費するには50日かかります。この50日を在庫日数といいます。この計算式は理想的な状況ですが、在庫切れ状況の判断に使用しても問題ありません。

販売リンクは誰もがよく知っているもので、指標は販売速度と販売品質という 2 つの側面に焦点を当てています。販売速度は、多くの場合、売り切れ率として表現されます。売り切れ率は、時間枠内の販売数量/時間枠内の在庫数量として表現されます。これは比率であるため、累積売り切れ率を使用できます。ある商品の累計完売率は3月が50%、4月が60%、5月が80%でした。これは、商品が徐々に完売しており、補充する必要があることを意味します。逆に、完売率が低いままであれば、プロモーションを実施するか、仕入れを減らす必要があります。

売上の質は割引率、つまり実際に回収された金額と標準金額の比率に関係しています。中国では紅包割引プロモーションが多数あるため、割引率の統計学者が非常に必要です。割引率の典型的な応用例は、価格弾力性指数、つまり価格が 1% 変化した場合の製品売上の変化率です。この指標は利益に直接影響します。

購買、売上、在庫分析の内容が多いため、リテンションやアクティビティ分析に慣れている人にとっては少し違和感があるかもしれません。しかし、インターネット収益化の主流モデルは電子商取引またはその派生であり、この分野に関する知識は不可欠です。インターネット金融を例にとると、投資対象には典型的な購買と在庫の特性があり、投資対象の投資額、リスクレベルとタイプ、投資対象の残量、推定在庫日数はすべて、購買、販売、在庫指標に直接適用できます。アナリストが金融商品の在庫日数が長すぎることに気付いた場合、SKU が多すぎるのか、成長が弱いのかなど、その理由を分析する必要があります。

やっと

この時点で、誰もが目まいがするはずです。ビジネスは複雑なシステムであり、データ分析は決して単純ではありません。この 2 つを組み合わせると、課題が山積します。私のコンテンツは、すべてを網羅しているわけではありません。たとえば、eコマースにも検索の有効性を示す指標があります。ユーザーが検索ボックスで検索するとき、空の検索はどれくらいあるでしょうか。空でない検索のうち、クリックを生成する有効な検索はいくつありますか?小さな検索ボックスにも多くの隠された意味がある場合があります。

さらに重要な能力は洞察力と発見力です。この記事にある指標はすべて私が考案したものではありません。マーケティングやデータ分析の先人たちがまとめたものです。しかし、私自身の学習では、それらを鵜呑みにすることはありませんでした。指標ごとに立ち止まって、どのように使うかを考えました。彼はどのような過去の経験に共感できるでしょうか?データ分析は、短期間でビジネス経験を積むのに役立つわけではありませんが、より深く考えることは習得しやすいスキルです。

もちろん、分析にはそれほど多くの指標は必要ありません。多くの場合、2 つまたは 3 つの主要な指標で十分です。ビジネスの観点からは、これらの指標は必ずしも仕事の一部ではないため、KPI にプレッシャーを感じる必要はありません。より良い推進と分析の方法は、収益などの部門の大きな目標を設定し、収益を 2 つまたは 3 つの論理的に関連する二次指標に分割することです。たとえば、有料ユーザーが増えると収益が上がり、ライフサイクルが長くなると収益が上がり、平均注文額が高くなると収益が上がります。二次指標は、複数の小グループに割り当てたり、時間に応じてスケジュールしたりすることで、3 つのレベルに分けることができます。

モバイルアプリケーション製品プロモーションサービス： APPプロモーションサービス青瓜メディア広告

この記事の著者は@秦路で、編集・出版は(Qinggua Media)です。転載の際は著者情報と出典を明記してください。サイトマップ