テンセント元データディレクター：オペレーターが習得すべき基本的なAPPデータ分析システム

はじめに: インターネット企業では、アプリをオンラインにする前に、事前にデータ システムを計画する必要があります。データがあれば、より科学的に運用できます。そこで、この記事では、APP の基本的なデータインジケーター システムについて紹介します。

APPのデータ指標システムは、主にユーザー規模と品質、参加分析、チャネル分析、機能分析、ユーザー属性分析の5つの側面に分かれています。ユーザー規模と品質の次元では、主に製品評価の重要な指標となるユーザー規模の指標を分析します。エンゲージメント分析では、主にユーザーアクティビティを分析します。チャネル分析では、主にチャネルプロモーション効果を分析します。機能分析では、主に機能アクティビティ、ページアクセスパス、コンバージョン率を分析します。ユーザー属性分析では、主にユーザー特性を分析します。この記事では、これら 5 つの側面について詳しく説明します。

1. ユーザーの規模と質

ユーザーの規模と品質の分析には、アクティブ ユーザー、新規ユーザー、ユーザー構成、ユーザー維持率、ユーザーあたりのアクティブ日数の合計という 5 つの共通指標が含まれます。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。

1. アクティブユーザー指標

アクティブユーザーとは、一定の統計期間内にアプリケーション（APP）を起動したユーザーを指します。アクティブ ユーザーの数は、通常、デバイスのディメンション、つまり一定期間内にアクティブ化されたデバイス (携帯電話やタブレットなど) の数によってカウントされます。アクティブ ユーザーは、アプリケーションのユーザー規模を示す指標です。通常、製品が成功しているかどうかを判断するために 1 つの指標だけを見る場合、その指標はアクティブ ユーザーの数である必要があります。多くのインターネット企業は、アクティブユーザー数を製品マネージャーの KPI 評価指標として使用しています。アクティブ ユーザー数は、さまざまな統計期間に応じて、日次アクティブ ユーザー (DAU)、週次アクティブ ユーザー (WAU)、月間アクティブ ユーザー (MAU) に分けられます。ニュースアプリ、ソーシャルアプリ、音楽アプリなど、ユーザーが毎日開くことが予想されるアプリのほとんどには、製品のKPI評価指標があります。

1日あたりのアクティブユーザー数（DAU）です。なぜ？これらのアプリの評価指標が月間アクティブユーザー数だったらどうなるでしょうか?月間アクティブユーザーとは、ユーザーが月に 1 回アプリを起動するだけで、月間アクティブユーザーとしてカウントされるユーザーです。そのため、毎日起動するべきアプリを月間アクティブユーザー数を KPI として評価する場合、製品運用担当者は「怠惰」である可能性があります。製品マーケティング担当者は、ユーザーに月に 1 回アプリを起動してもらう方法を見つければよく、おそらく 2 つまたは 3 つのアクティビティをユーザーに押し付けることで実現できます。このような評価は、製品の魅力を低下させ、さらには不健全にします。デイリーアクティブユーザー数をプロダクトを評価するKPIとすると、プロダクト運用担当者は、ユーザーが毎日使いたくなるような機能を設計したり、ユーザーが毎日見たいコンテンツを更新したりして、ユーザーに使ってもらうようにするはずです。

2. ユーザーインジケーターを追加する

新規ユーザーとは、アプリをインストールした後に初めてアプリを起動するユーザーを指します。統計期間に応じて、新規ユーザーは日次、週次、月次に分類されます。新規ユーザー数という指標は、マーケティングプロモーションチャネルの有効性を測定する最も基本的な指標です。一方、新規ユーザーとアクティブユーザーの割合は、製品の健全性を測定するためにも使用できます。製品の新規ユーザーの割合が高すぎる場合、製品のアクティビティはプロモーションによって達成されていることを意味します。この状況、特にユーザー維持率は注目に値します。

3. ユーザー構成指標

ユーザー構成は、週次アクティブ ユーザーまたは月間アクティブ ユーザーの構成を分析したものです。これにより、新規ユーザーと既存ユーザーの構造を通じてアクティブ ユーザーの健全性を把握できます。週間アクティブ ユーザーを例にとると、週間アクティブ ユーザーには、今週戻ってきたユーザー、n 週間連続でアクティブなユーザー、ロイヤル ユーザー、継続的にアクティブなユーザーなど、次のカテゴリのユーザーが含まれます。今週のリピーターとは、先週末にアプリを起動し、今週もアプリを起動したユーザーを指します。n 週間連続でアクティブなユーザーとは、n 週間連続で週に 1 回以上アプリを起動したアクティブ ユーザーを指します。ロイヤル ユーザーとは、5 週間以上連続してアクティブなユーザーを指します。継続的アクティブ ユーザーとは、2 週間以上連続してアクティブなユーザーを指します。最近離脱したユーザーとは、n 週間連続して (1 週間以上 4 週間以下) アプリを起動していないユーザーを指します。

4. ユーザー維持率指標

ユーザー維持率とは、統計期間中に新規ユーザーのうち、一定期間経過後に引き続きアプリを起動するユーザーの割合を指します。ユーザー維持率は、翌日、7 日間、14 日間、30 日間の維持率に焦点を当てることができます。翌日のリテンション率とは、特定の統計期間（今日など）に新規ユーザーのうち、2 日目（明日など）に再度アプリを起動するユーザーの割合を指します。7 日間のリテンション率とは、特定の統計期間（今日など）に新規ユーザーのうち、7 日目に再度アプリを起動するユーザーの割合を指します。14 日間と 30 日間のリテンション率はほぼ同じです。ユーザー維持率は、製品のユーザーの魅力を検証するための重要な指標です。通常、ユーザー維持率を使用して、同じカテゴリ内のさまざまなアプリのユーザーの魅力を比較できます。あるアプリケーションにおいて、比較的成熟したバージョンでユーザー維持率が大幅に変化した場合、それはユーザーの質が大幅に変化したことを意味し、これはプロモーション チャネルの質の変化によって生じたものと考えられます。

5. ユーザーあたりのアクティブ日数の合計指標

ユーザーあたりの合計アクティブ日数 (TAD) メトリックは、統計期間中に各ユーザーがアプリでアクティブであった平均日数です。統計期間が1年以上など比較的長い場合、各ユーザーのアクティブ日数の合計は、基本的にユーザーが離脱する前にアプリで過ごした日数を反映できます。これは、ユーザーの質、特にユーザーのアクティビティを反映する非常に重要な指標です。ユーザー属性分析は、主にユーザーが利用するデバイス端末、ネットワークやオペレータの分析、ユーザーポートレートの観点から行われます。

2. 参加分析

一般的なエンゲージメント分析には、起動回数分析、使用期間分析、ページ訪問分析、使用時間間隔分析が含まれます。エンゲージメント分析では、主にユーザーのアクティビティを分析します。

1. 起動時間インジケーター

起動回数とは、一定の統計期間内にユーザーがアプリケーションを起動した回数を指します。データ分析を行う際には、一方では起動回数の全体的な傾向に注目する必要があり、他方では、一人当たりの平均起動回数、つまり、同じ統計期間における起動回数とアクティブユーザー数の比率に注目する必要があります。たとえば、一人当たりの1日あたりの平均起動回数は、1日あたりの起動回数と1日あたりのアクティブユーザー数の比率であり、ユーザー1人あたりの1日あたりの平均起動回数を反映しています。通常、1人あたりの平均起動回数と1人あたりの平均使用時間を合わせて分析できます。

2. 使用期間

総使用時間とは、一定の統計期間内におけるアプリの使用開始から使用終了までの合計期間を指します。利用時間は、一人当たりの平均利用時間や一回の利用時間の観点からも分析できます。 1 人あたりの平均使用時間は、同じ統計期間における合計使用時間とアクティブ ユーザー数の比率です。単一使用時間は、同じ統計期間における合計使用時間と起動回数の比率です。使用時間に関する指標も、製品のアクティビティと製品の品質を測定するための重要な指標です。理由は簡単です。ユーザーの毎日の時間は限られており、貴重だからです。ユーザーが製品にもっと時間を費やす意思がある場合、それはそのアプリケーションがユーザーにとって重要であることを証明します。起動回数と使用時間を合わせて分析できます。ユーザーの起動回数が多く、使用時間が長い場合、そのアプリは人気のソーシャルアプリのように、ユーザー品質が非常に高く、ユーザーの定着率も高いアプリです。

3. ページにアクセスする

訪問ページ数とは、ユーザーが一度にアクセスするページの数を指します。通常、訪問ページ数の分布を分析する必要があります。つまり、1～2 ページを訪問したアクティブ ユーザー数、3～5 ページを訪問したアクティブ ユーザー数、6～9 ページを訪問したアクティブ ユーザー数、10～29 ページを訪問したアクティブ ユーザー数、30～50 ページを訪問したアクティブ ユーザー数、50 ページ以上を訪問したアクティブ ユーザー数など、一定期間 (1 日、7 日、30 日など) 内のアプリケーションの訪問ページ数のアクティブ ユーザー数の分布をカウントする必要があります。同時に、異なる統計期間（ただし、7 日間など、同じ統計期間）における訪問ページの分布の違いを調べることで、ユーザー エクスペリエンスの問題を発見できます。

4. 時間間隔を使用する

使用時間間隔とは、同じユーザーによる 2 回の連続した起動間の時間間隔を指します。通常、使用時間間隔の分布を分析する必要があります。一般的には、1 日、1 日、2 日...7 日、8 ～ 14 日、15 ～ 30 日のアクティブ ユーザーの分布など、1 か月以内のアプリケーションのアクティブ ユーザー数をカウントします。同時に、異なる統計期間（ただし、30 日間などの同じ統計期間）における使用時間間隔の分布の違いを分析することで、ユーザー エクスペリエンスの問題を発見できます。

3. チャネル分析

チャネル分析は、主に各チャネルの変化と傾向を関連するチャネル品質の観点から分析し、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。チャネル分析は、チャネルのプロモーション担当者が重点的に行う必要があります。特に、現在のモバイルアプリケーション市場ではチャネル不正が蔓延しています。チャネル プロモーションの分析では、チャネル不正の分析に特に重点を置く必要があります。

チャネル分析には、新規ユーザー、アクティブ ユーザー、起動数、単一使用期間、維持率などの指標が含まれます。これらの指標については上で説明済みなので、ここでは繰り返しません。上記は、チャネル品質評価の予備的な側面に過ぎません。チャネル、特にチャネルの不正防止レベルについてさらに調査する必要がある場合は、ユーザーの使用行動が正常かどうかを判断する指標（キー操作アクティビティと総アクティビティの比率、ユーザーがアプリをアクティブ化する時間が正常かどうかなど）や、モデルやオペレーティングシステムの集中度の分析など、ユーザーのデバイスが本物かどうかを判断する指標など、より多くの指標が必要です。

つまり、チャネル不正行為について徹底的に研究したい場合、アルゴリズムの核心となる考え方は、プロモーションチャネルによってもたらされたユーザーが実際に使用している「人」であるかどうかを研究し、この方向から関連する評価指標とアルゴリズムを設計することです。たとえば、あるチャネルによってもたらされたユーザーのほとんどが午前2時にAPPを使用している場合、このチャネルによってもたらされたユーザーはおそらく普通の人ではなく、機械が不正行為をしていると考えられます。

4. 機能分析

機能分析では、主に機能アクティビティ、ページアクセスパス、コンバージョン率を分析します。これらの指標には、機能運用を担当する製品マネージャーの特別な注意が必要です。

1. 機能活動指標

機能アクティビティ指標は、主に特定機能のアクティブユーザー数、特定機能の新規ユーザー数、特定機能のユーザー構成、特定機能のユーザー維持率に焦点を当てています。これらの指標の定義は、この記事の前半の「ユーザーの規模と品質」指標の定義と同様です。ただし、このセクションでは、APP 全体ではなく、特定の機能モジュールに焦点を当てます。

2. ページアクセスパス分析

APP ページ アクセス パスは、アプリケーションを開いてからアプリケーションを終了するまでの各ステップで、ユーザーのページ アクセスとジャンプのステータスを統計します。ページ アクセス パス分析の目的は、APP ユーザーが APP のビジネス目標を達成しながら、APP の使用のさまざまな段階でタスクを完了できるようにし、タスク完了の効率を向上させることです。 APP ページのアクセス パスを分析する際には、次の 3 つの側面を考慮する必要があります。

（a）APPユーザーIDの多様性。ユーザーは、あなたの会員、潜在的な会員、同僚、競合他社などである可能性があります。

(b) APP ユーザーの目的の多様性。ユーザーによって APP を使用する目的は異なります。(c) APP ユーザーのアクセス パスの多様性。ユーザーの ID と使用目的が類似している場合でも、アクセス パスは異なる可能性があります。したがって、APP ページ アクセス パスを分析する場合は、APP ユーザーをセグメント化してから、APP ページ アクセス パス分析を実行する必要があります。最も一般的に使用されるセグメンテーション方法は、アプリの使用目的に応じてユーザーを分類することです。たとえば、自動車アプリのユーザーは、注目型、意図型、購入型のユーザーに分けられ、異なるアクセスタスクに基づいて各タイプのユーザーに対してパス分析が実行されます。たとえば、意図型のユーザーの場合、さまざまな車種を比較するためにどのようなパスをたどり、どのような問題に遭遇するのでしょうか。もう 1 つの方法は、アルゴリズムを使用してすべてのユーザー アクセス パスに基づいてクラスター分析を実行し、アクセス パスの類似性に基づいてユーザーを分類し、各タイプのユーザーを分析することです。

3. ファネルモデル

ファネル モデルは、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。コンバージョン率とは、現在のページにアクセスした人数（またはページビュー数）に対する次のページにアクセスした人数（またはページビュー数）の比率を指します。ユーザーが商品にアクセスし、主要なタスク（ショッピングなど）を完了すると、異なるステップ間でのコンバージョンが失われます。たとえば、ユーザーが電子商取引のWeb サイトにアクセスし、商品を閲覧し、商品をショッピングカートに入れて、最終的に支払いを行うと、各ステップで多くのユーザー離脱が発生します。コンバージョン率を分析することで、ユーザーが製品を使用する際にたどるさまざまな経路に問題があるかどうかをすぐに特定できます。もちろん、プロダクトマネージャーは毎日コンバージョン率レポートを見る必要はありません。毎日のコンバージョン率を継続的に監視できます。コンバージョン率が大幅に変動すると、対応するプロダクトマネージャーにアラートメールを送信し、タイムリーに製品の問題を検出します。

4. ユーザー属性分析

ユーザー属性分析は、主にユーザーが利用するデバイス端末、ネットワークやオペレータの分析、ユーザーポートレートの観点から分析します。

1. 機器端末解析

デバイス端末の分析次元には、モデル分析、解像度分析、オペレーティングシステム分析が含まれます。分析中は、これらのオブジェクトのアクティブユーザー、新規ユーザー数、起動回数の分析に重点が置かれます。つまり、異なるモデルのアクティブユーザー数、新規ユーザー数、起動時間を分析し、異なる解像度のデバイスのアクティブユーザー数、新規ユーザー数、起動時間を分析し、異なるオペレーティングシステムのデバイスのアクティブユーザー数、新規ユーザー数、起動時間を分析します。

2. ネットワークとオペレータの分析

ネットワークとオペレータは、主にユーザーのインターネット アクセス方法と使用されている通信事業者を分析し、これらのオブジェクトをアクティブ ユーザー、新規ユーザー数、スタートアップ数の観点から主に分析します。つまり、インターネットアクセス方法（Wi-Fi、2G、3G、4Gを含む）のアクティブユーザー数、新規ユーザー数、起動時間を分析し、異なるオペレータ（China Mobile、China Telecom、China Unicomなど）のアクティブユーザー数、新規ユーザー数、起動時間を分析します。

3. 地域分析

主な分析は、アクティブ ユーザー数、新規ユーザー数、さまざまな州、都市、国でのローンチ数など、さまざまな地域に関するものです。

4. ユーザーポートレート分析

ユーザー ポートレート分析には、人口統計特性分析、ユーザーの個人的な興味の分析、ユーザーのビジネス興味の分析が含まれます。人口統計学的特性には、性別、年齢、教育、収入、支出、職業、業界などが含まれます。ユーザーの個人的な興味とは、音楽鑑賞、映画鑑賞、フィットネス、ペットの飼育など、個人的な生活の興味や趣味の分析を指します。ユーザーのビジネス上の興味とは、不動産、自動車、金融などの消費者分野における興味の分析を指します。より詳細なポートレート分析をサポートするには、関連するポートレートデータに従ってユーザーポートレートのデータを収集する必要があります。

この記事では、主にアプリの基本的なデータ分析システムを紹介します。アプリの特性に応じて特別に設計する必要がある指標システムは他にもあります。たとえば、検索アプリでは、検索キーワードの数、1人あたりの平均検索キーワード数など、その特性に関連する指標に注意する必要があります。さらに、注目すべきもう 1 つの点は、多くのプロダクト マネージャーや運用担当者が、この記事で説明した指標の多くは、製品の発売後に自然に確認できると考えていることです。これは非常によくある誤解です。なぜなら、この記事で言及されている指標のほとんどについては、データ管理とレポート作成を行わず、関連するデータ開発統計を行わない場合は、関連するデータレポートを確認する必要があるからです。したがって、製品がオンラインになる前に、製品マネージャーは担当する製品のデータ システムを計画し、開発を推進して関連データを収集および報告し、運用プロセス中にデータ システムを動的に最適化および強化する必要があります。

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@傅志华は（APP Top Promotion）によって編集および公開されています。転載する場合は著者情報と出典を明記してください。