オペレーターに必須の7つのスキル：データ分析能力が将来の運用の分岐点となる

交通中心の野蛮な運用の時代は終わり、次は科学的データに基づき、ユーザー中心の洗練された運用の時代です。

データドリブンなオペレーションは、これからのオペレーションのトレンドであり、私たちオペレーターにとっての分岐点です。焼き畑オペレーションの時代が衰退する中、精緻なオペレーションが特に重要になってきています。データドリブンな意思決定は、私たちオペレーターが向き合わなければならない課題であり、無意識のうちに習得しなければならないスキルです。

しかし、データ分析方法、方法論、論理的分析機能、およびいくつかのツールの使用が関係するため、運用分野に入ったばかりの多くの新人にとっては頭痛の種でもあります。また、大量のデータは、多くの運用担当者が直面することを嫌がるものでもあります。この章では、データの取得方法、データの分析方法、製品がどのデータ次元に重点を置いているかについて説明します。

1. データはどこで入手できますか?

データを分析する前に、分析用のデータが必要なので、データを取得する必要があります。どうやってデータを取得するのでしょうか?

データの主なソースは 2 つあります。

• 独自のデータ分析システム- 同社独自のデータは最も定性的なデータであり、最も信頼性が高く、包括的です。一般的に、条件が許せば内部データが基準として使用されます。
• 外部ツールを使用してデータを取得するサードパーティのデータ分析ツール。

主なデータ分析ツールは次の 5 つです。

1.ウメン

iOSおよびAndroidアプリケーションデータの統計分析をサポート

2.成長する

growingio の強みは、ポイントを埋め込むことなく包括的かつリアルタイムのユーザー行動データを取得・分析し、製品エクスペリエンスを最適化して無駄のない運用を実現できることです。

3. アプリケーションレーダー

iOS のみ、App Store の全体およびカテゴリのランキングを表示します。 ASO の効果を判断する基準の 1 つである、App Store での製品の検索スコアを確認します。

4. 百度モバイル統計

iOS および Android プラットフォームをサポートします。さらに、統計 SDK を組み込むことで、開発者はユーザー行動、ユーザー属性、地理的分布、端末分析など、自社製品のより包括的な監視を実施できるようになります。

5. クールなトランスミッション

Android プラットフォームのアプリケーション監視のみをサポートします。開発者は、主流市場でのアプリのダウンロード数、ランキング、評価やコメント、キーワードランキングなどのデータを閲覧できるほか、類似の競合製品とデータを体系的に比較することもできます。

もちろん、データ分析ツールは5つ以上あります。他のツールを使っている場合でも問題ありません。分析ツールを使用すると、次の結果が得られます。

ウェブサイトとやり取りしない情報を含むクリック情報を記録し、リンクの割合、クリック分布マップ、ヒートマップを直接生成し、ユーザーのホバーをカウントし、ユーザーの潜在的な行動を視覚化できます。

実際には、データを取得する方法はたくさんあります。重要なのは、オペレーターとして、どのようなデータが重要か、またそれらのデータ間の関係性を理解しなければならないということです。これは単一の動作ではなく、相互に関連したプロセスです。

これらのデータが手に入ったので、どのように分析すればよいでしょうか?どれが利用できるか、どれが排除できるか。

2. 既存データの分析方法

サードパーティのデータ分析ツールまたは独自の分析バックエンドからこのデータを取得した後、どのように分析すればよいでしょうか?多くのオペレーターは、データを取得するときにあまりよくわからないと思います。一度にすべてをやろうとすると、どこから始めればいいのかわからなくなってしまいます。これらはすべて分析的思考の欠如の現れであり、マクロ方法論とミクロ方法論の両方からの指導が必要です。

前回の記事、Yilin Xiaoyu の「『ポストプロダクト時代の運用方法』におけるデータ分析の方法論」では、私たちがデータ分析を行う際によく使用される方法論がリストアップされています。これらの方法論は、データ分析を行う際にマクロガイダンスの役割を果たします。したがって、データ分析を行う際には、まずは自分に合った方法論を見つけて、それを指針とする必要があります。使用される主な方法論は次のとおりです。

1. PEST 分析手法:政治、経済、社会、技術の側面を含むマクロ環境を分析するために使用されます。
2. 5W2H分析手法：なぜ、何を、誰が、いつ、どこで、どのように、どのくらい。
3. 論理ツリー分析法:問題のすべてのサブ問題をレイヤーにリストします。
4. 4Pマーケティング理論:製品、価格、チャネル、プロモーションという 4 つの主要要素を含む、会社の全体的な業務を分析します。
5. ユーザー行動理論:主にウェブサイトのトラフィック分析に使用され、リピーター、新規訪問者、離脱率など、多数の中から適用可能な指標を選択します。
6. AR RR (Pirate's Rule of Growth Hacker):獲得、活性化、維持、収益、紹介の 5 つのリンクからの成長を実現する、リーンアントレプレナーシップの重要なフレームワーク。

データ分析には多くの方法論があり、ここで一つ一つ列挙することはできません。最良の方法論はなく、最も適した方法論があるだけです。以下では、AARRR 方法論について詳しく紹介します。この方法論は、リーンオペレーションやビジネスの成長などの問題に非常に適しています。

インターネット製品の場合、ユーザーには明らかなライフサイクル特性があります。これをアプリを例に説明します。

まず、さまざまなオンラインおよびオフライン チャネルを通じて新規ユーザーを獲得し、アプリをダウンロードしてインストールしてもらいます。アプリをインストールした後、ユーザーは初回注文無料、バウチャー、赤い封筒などの操作手段を通じてアクティブ化されます。一連の操作を通じて、一部のユーザーが維持され、会社に収益をもたらします。このプロセスの中で、ユーザーが製品を良いと思った場合、周囲の人に推奨したり、紅包などのインセンティブを通じて友人グループへの共有を促したりすることがあります。なお、これら 5 つのステップは必ずしも上記の順序である必要はなく、業務ニーズに応じて柔軟に適用できます。 AARRR の 5 つのリンクはすべて、データ指標を通じて測定および分析でき、無駄のない運用の目標を達成できます。各リンクを改善することで、ビジネスを効果的に成長させることができます。

これらのデータ分析方法を使用する場合は、その役割を明確にすることが重要です。

• 分析のアイデアを整理し、データ分析構造が体系的であることを確認します。
• 問題を関連する部分に分解し、それらの間の関係を示します。
• その後のデータ分析のためのガイダンスを提供します。
• 分析結果の妥当性と正確性を確認します。

たとえば、APP のデータ ディメンションを分析する場合、傾向分析を使用します。傾向分析は、最も単純で、最も基本的で、最も一般的なデータ監視およびデータ分析方法だからです。通常、データ分析製品ではデータ指標の折れ線グラフや棒グラフを作成し、外れ値に注目して観察を続けます。このプロセスでは、最初の重要な指標を選択し、虚栄心の指標に惑わされないようにする必要があります。

分析するアプリのダウンロード量を最初の重要な指標とすると、誤った方向に進んでしまう可能性があります。ユーザーがアプリをダウンロードしたからといって、必ずしも製品を使用しているわけではないからです。この場合、1 日あたりのアクティブ ユーザーを最初の主要指標として使用し、特定の操作を開始して実行したユーザーのみをカウントすることをお勧めします。このような指標は実用的な重要性があり、運用担当者はこのような指標に重点を置く必要があります。

3. 製品はどのようなデータ次元に重点を置いていますか?

オペレーターが毎日さまざまな種類のデータを扱っていることは、誰もが知っています。では、製品のどのようなデータディメンションを頻繁に分析するのでしょうか?

製品（特にAPP）のデータ指標システムは、一般的に、ユーザー規模と品質、チャネル分析、参加分析、機能分析、ユーザー属性分析に分けられます。

1. ユーザー規模と質の分析：ユーザー総数、新規ユーザー数、維持ユーザー数、コンバージョン率など。ユーザーの規模と品質は、APP 分析の最も重要な側面であり、その指標は他の側面と最もよく比較されます。製品マネージャーは、この側面の指標に重点を置く必要があります。

2. チャネル分析は、主に各チャネルの関連チャネル品質の変化と傾向を分析し、チャネル品質を科学的に評価し、チャネルプロモーション戦略を最適化します。モバイルアプリケーション市場での不正行為は業界では公然の秘密であるため、チャネル分析には特別な注意を払う必要があります。チャネル分析では、さまざまなチャネルの効果を複数の次元のデータから比較できます。たとえば、さまざまなソースのユーザーを、新規ユーザー、アクティブユーザー、翌日のリテンション率、単回使用期間などの観点から比較できます。これにより、データに基づいて最適なチャネルを見つけ、最高のプロモーション効果を実現できます。

3. エンゲージメント分析は主にユーザーのアクティビティを分析します。分析ディメンションには主に、起動時間分析、使用時間分析、ページ訪問分析、使用時間間隔分析が含まれます。

4. 機能分析には主に以下が含まれます。

• 機能活動指標：特定の機能のアクティブユーザーと使用方法、機能検証、機能選択の合理性を確保するための製品機能のデータ分析。
• ページ アクセス パス:ユーザーがアプリケーションを開いてから終了するまでのプロセス全体における各ステップのページ アクセスとジャンプの状態。ページ アクセス パスは完全な統計です。パス分析を通じて、ユーザータイプの多様性と製品の使用目的の多様性を把握し、ユーザーの目的を復元できます。また、パス分析を通じてユーザーをセグメント化でき、ユーザーセグメント化を通じて製品の反復に戻ることができます。
• ファネル モデル:製品内の主要パスのコンバージョン率を分析して、製品プロセスの設計が妥当かどうかを判断し、ユーザー エクスペリエンスの問題を分析するために使用されます。ユーザーコンバージョン率の分析では、ファネルの各レベルでの損失の理由を分析することに重点を置いています。カスタム イベントとファネルを設定して、アプリ内の各ステップのコンバージョン率とそれが収益レベルに与える影響に焦点を当てます。イベントとファネルのデータを分析することで、コンバージョン率の低いステップをターゲットに最適化し、全体的なコンバージョンレベルを効果的に向上させることができます。

5. ユーザー属性分析 製品発売の初期段階でも、戦略の調整段階でも、ユーザー ポートレートの分析は非常に重要です。たとえば、製品を設計する前に、設計、開発、運用を導くためのユーザーポートレートを構築する必要があります。製品の反復プロセスでは、ユーザー行動分析を容易にし、それをビジネスモデルにリンクするためにユーザーデータを収集する必要があります。

ユーザー属性には通常、性別、年齢、職業、場所、携帯電話のモデル、ネットワークの使用状況が含まれます。ユーザーの他の属性に興味がある場合は、自分のWeChatパブリック アカウントの背景、または Toutiao、UC などの他の背景に移動して、ユーザー属性にどのような次元が含まれているかを確認できます。

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@艺林小宇は（Qinggua Media）によって編集および出版されています。転載する場合は著者情報と出典を明記してください。