データ駆動型の運用は本当に急速なユーザー増加につながるのでしょうか?

「良いワインには茂みは必要ない」ということわざがあるように、「良いワインにも茂みは必要ない」のです。後になって、諺にあるように、ワインが良いかどうかは問題ではなく、素晴らしい算盤スキルを持つ会計士、つまりデータ サイエンティストを見つけさえすれば、ワインはよく売れるようになります。これは、データを活用して急速なユーザー増加を促進すること、または専門用語では「グロースハッキング」と呼ばれます。

「グロースハッキング」という言葉を初めて聞いたのは、昨年のビッグデータカンファレンスでした（今ではすべてのカンファレンスがビッグデータカンファレンスと呼ばれているため、どのカンファレンスだったかは忘れてしまいました）。私がネガティブなエネルギーに満ち溢れ、ステージに上がって支離滅裂な発言をしようとしていたとき、突然、データ分析を利用してユーザー製品を推進する「グロースハッキング」について話している元 Facebook エンジニアを見つけました。

実際、エンジニアのスピーチは非常に的を射ていました。彼はデータを万能薬として推奨したわけではありません。彼は「良い製品を作ることによってのみ、定着率を向上させることができる」ということを強調したようです。しかしその後、この話は歪曲され、インターネット業界の一部の人々は、データ分析が製品を金に変える魔法の武器であると信じ始めました。何年も前に街頭のタブロイド紙で宣伝されていたように、「衣服の上から指圧すると胸が大きくなります。」長年データを扱ってきた「プログラマー」として、この問題について何も言わないとしたら、私は腹立たしく感じるでしょう。今日は、データ分析が本当にユーザー製品の急速な成長を促進できるのかどうかについてお話しします。

データに対する認識と手法がジュラ紀と白亜紀の間にある中国市場では、データの役割を強調することは一般的に啓発的です。データを見ることは、単に富の神に祈るよりも常に有益です。しかし、データは富の神ではありません。データを信じれば永遠の命が得られるというわけではありません。ある賢者はかつてこう言いました。「数字を信じるよりも、無数のものを信じる方が良い。」データ操作はどのようなシナリオで役立ちますか?どうすれば役に立つのでしょうか?これは、この公式アカウントの質の高い読者が明確に理解する必要がある質問です。

データ駆動型オペレーションの3つの軸

最近、データを活用して業務の成長を促進することに関する書籍や講演が数多く発表されています。実際、ここでの原則は不思議なものではありません。ほとんどのデータ操作シナリオでは、メソッドは次の 3 つの方法にまとめることができます。

1. ユーザーコンバージョンファネルを確立する

いわゆるユーザー コンバージョン ファネルとは、ビジネスが段階的にユーザーを誘導する方法です。理解しやすいように、いくつか例を挙げます。

1. 広告: 表示 -> クリック -> コンバージョン
2. ゲーム: ダウンロード -> 有効化 -> 保存 -> 支払い
3. 女の子をナンパする：握手→デート→手を繋ぐ→キス→セックス

上記のいずれのビジネスも、一連の段階に分けることができます。各ステージの後には、一部のユーザーのみが残ります。各リンクのスループット レートを分析して最適化するために、ファネル内のすべてのリンクでデータを正確に記録することが、データ操作のインフラストラクチャです。

2. 多次元データレポートの問題を見つける

データ操作における一般的な問題点は、コンバージョン ファネル内の特定のリンクの通過率が低いことはわかっていても、それを改善する方法が見つからないことです。一般的な解決策は、データをさまざまな次元に分割し、個別に観察することです。これにより、製品またはシステムの問題が明らかになることがよくあります。複数の次元を柔軟に組み合わせてデータを観測できる場合、それはデータキューブになります。以下の図はインターネット商品運用のファネルデータとは全く関係ありませんが、原理は同じです。

たとえば、広告のクリック率が低いことに気づき、Chromeブラウザのクリック率が全体の統計を下げていることに気づいたとします。この場合、Chrome ブラウザの原因をさらに詳しく調べる必要があります。Flash 広告素材が Chrome によって直接ブロックされていることが判明する場合があります。

多次元データ レポートを使用して問題を特定して検出するこの方法は非常に効果的です。これは実際には効率的なデバッグですが、依然として「サポートされている」戦略です。

3. A/Bテストを使用して製品の進化を導く

では、データに基づいた「攻撃的な」戦略はあるのでしょうか?もちろん、複数の製品の改善の方向性を策定し、それをオンラインに公開し、実際のデータに基づいてどの製品を上げ、どの製品を下げるかを決定するという選択肢もあります。この A/B テスト方法は、何もしなくても優れた製品を最適化できると誰もが想像する魔法であり、「数字が結果を決定する」理論の基礎の 1 つでもあります。

A/B システムのフレームワークに関しては、それは単純な問題ではありません。正確性と効率性を兼ね備えた実験フレームワークを確立する方法については、別の長い記事を書く価値があるため、ここでは説明しません。

上記の 3 つのヒントは、製品を適切に操作するために非常に重要です。しかし、このようなデータ思考を習得すれば、データ分析を通じて素晴らしい製品を作り出すことができると考えているなら、それは忘れてください。

データ操作では解決できない問題

ユーザーが製品を選択し評価する方法は、分野によってまったく異なるルールに従います。簡単に言えば、製品は合理的な製品と感情的な製品に分けられます。たとえば、3C電子商取引は典型的な合理的な製品ですが、衣料品電子商取引は比較的感情的な製品です。計算広告と推奨システムは同様の技術スタックを備えていますが、前者は合理的な製品であるのに対し、後者はより感情的な製品です。

合理的な製品の場合、問題の目標は安定しており、定量化が容易であるため、データは最も重要な最適化方法の 1 つです。たとえば、広告商品を例に挙げてみましょう。広告主が広告商品を使用する目的は、精神的な喜びや楽しみを得ることではなく、より高い利益（もちろん、この利益は長期的または短期的である可能性があります）を得ることです。したがって、2 つの広告プラットフォームの入出力比率が大きく異なる場合、顧客はどちらが優れたユーザー エクスペリエンスを提供するかを気にせず、より多くの収益を生み出す方をためらわずに選択します。

しかし、感情に訴える製品となると、話はそれほど単純ではありません。 WeChatが最初に人気を博した頃、さまざまな業界の非社員から転向した多数のインターネットアナリストが発言し、分析していたことを覚えています。「なぜWeChatは人間の社会的交流の最終産物なのか？」なぜ、いまだに QQ を使用する人々は歴史の車輪の障害になっているのでしょうか?しかし昨年、ほぼ同じアナリストグループが「なぜ90年代以降のユーザーはWeChatからモバイルQQに移行しているのか？」と議論していました。では、QQとWeChatのどちらが良いのでしょうか?この質問に対する答えは時期やユーザーによって異なり、このタイプのモバイル IM 製品に対して普遍的な定量的な目標を示すことは不可能です。感性商品の運用においては、明確な最適化目標を与えることが難しいため、データ最適化が果たせる役割には限界があります。

データ駆動型オペレーションのボトルネック

では、どのような状況でデータ駆動型の運用が明らかなボトルネックに遭遇するのでしょうか?一般的に言えば、次のような側面があります。

1. 製品イノベーションの方向性はデータからは得られない

数年前、Zynga という非常に人気のあるゲーム会社がありました。 Zyngaの社長はイノベーションを奨励するのではなく、「取って使う」アプローチ、つまり他人のゲームアイデアをコピーし、独自のデータ運用システムを使用して競合他社をすぐに追い抜くことを追求していたと言われています。どのようなデータ操作システムですか?簡単に言えば、それは大量の A/B テストです。デザインはこう言います: 芝生は緑でなければなりません。製品マネージャーはこう言いました。「いいえ、緑と赤のデータが最終決定権を持っています。」つまり、彼らは実際にトラフィックを 2 つの構成、つまり赤い草原と緑の草原に分割したのです。赤い草原のユーザーがより多く支払うことがデータで示された場合、彼らはすべての草原を赤くして、植物学者を地獄に送ります!このようなシステムに依存して、Zynga はかつて Facebook のゲームランキングでトップ 3 を長い間独占していました。その後何が起こりましたか?答えは明白です。今、誰が Zynga を知っているでしょうか?

もちろん、Zynga の衰退には多くの理由があります。しかし、データのみ理論という製品運営の考え方も原動力の一つであると言わざるを得ません。データテストシステムがどれだけ成熟していても、芝生を赤く塗ったり、緑に塗ったりするような些細なことしかできません。新しいモード、新しいプロット、新しいデザインなど、ゲームの本当の革新的な方向性は、データ運営システムがあるだけでは実現できず、データシステムを通じて優劣を判断することさえ不可能です。 iPhone を例に挙げてみましょう。大画面の操作性、マルチタッチ、 App Storeなどの優れた製品機能はすべて、市場や需要の調査の結果ではなく、ジョブズの製品に対する信念と洞察力から生まれたものです。

短期的な製品改善の場合でも、A/B テストだけに頼っていてはうまくいきません。データに基づいてより良い結果をもたらすプラン A を選択することはできますが、代替プランに X/Y/Z のみが含まれている場合、どれだけ努力しても A は得られません。誰かが尋ねました: 可能な製品オプションをすべてリストし、データに選択させたらどうなるでしょうか?製品オペレーションは麻雀をするのとは違います。カードを組み合わせると必ず数字が出てきますが、本当に潜在的な製品ポイントを見つけるには、体系的かつ革新的な思考を持つ製品マネージャーが必要です。他の人がコーヒーを飲んだりトイレに行ったりするのと同じ時間をかけて真剣に考えることでのみ、そのポイントを発見できるのです。また、麻雀牌のように商品ポイントが明確に記載されていても、商品の要素や方向性が多数になると、「次元の呪い」の存在により、限られた時間内に意思決定を行うのに十分な統計データを蓄積することができなくなります。

実際、ユーザー製品の最も重要な成長原動力は、すでにここで述べましたが、それは製品マネージャーの洞察力と創造性です。

2. 長期的なユーザーフィードバックはデータから判断するのが難しい

Facebook のエンジニアはスピーチの中で鮮明な例を挙げた。Facebook は長年にわたり、オンライン システムに新しい機能を導入するかどうかを決定するために、厳格な A/B テスト フレームワークの使用を主張してきた。しかし、結果はどうでしょうか?実際、FacebookのPC版のホームページは3年間大きなアップグレードが行われていないと彼は語った。実際、この結果自体が考えさせられるものです。Facebook は人間のソーシャル ネットワークの最終製品となり、グローバル最適点まで最適化され、これ以上改善することはできないのでしょうか?

結論は当然こうではありません。この3年間に廃案になった多くの改訂案の中には、誤って廃案になったものもあったのではないかと思います。既存の A/B テスト フレームワークでは、比較的短期間でしかデータのパフォーマンスを観察できません。製品に対する信念を貫かなければ、長期的な傾向や結論が実を結ぶまで待つことは困難です。

従来の紙媒体の雑誌には、一般的に、リニューアル後の最初の数か月は批判されるというパターンがあると聞きました。それから数か月後、新版が発行部数を大幅に増加させるかもしれません。これは、短期的なデータ欠陥の証拠としても機能します。

3. ゲームのシナリオはデータでは決められない

ゲームシナリオはインターネット製品では非常に一般的です。たとえば、インターネット製品には、比較的ランダムなトラフィックの一部を使用して未知の空間を探索し、トラフィックの残りの一部を使用して統計的な最適性に基づいて決定を下すという、Explore & Exploit 問題があることをご存知かもしれません。この分野に詳しい友人は、E&E 戦略が 2 つある場合、A/B テストではその長所と短所を判断できないことを知っています。その理由については、E&E の背景知識を自分で整理し、考えるための質問として扱うことをお勧めします。

E&E 以外にも、広告におけるメカニズム設計の問題 (つまり、入札市場のルールをどのように策定するか) や、トラフィックを単純に分割するだけでは原理的に効果的に A/B テストできない、ある程度の社会性を持つゲーム運営戦略など、ゲームシナリオは数多く存在します。

もちろん、こうしたゲームのような問題を理解するには、製品に関する深い洞察とマクロ思考のスキルが必要です。大雑把で迅速かつ積極的なアプローチを追求する多くの製品マネージャーは、むしろそのような問題が存在しないふりをします。

急速なユーザー増加の鍵は何でしょうか?

データは欠かせない会計ツールではありますが、ユーザー数の増加のための魔法の武器ではありません。では、製品のユーザー数を本当に急速に増加させることができる方法は何でしょうか?歴史上成功した製品の中で、注目に値するアイデアは次のとおりです。

1. 本当に優れた製品を作る

率直に言って、ユーザーを急速に増やすための最も重要な課題は、良いワインを醸造するためにあらゆることをすることです。良い製品とは本当に良い製品であり、これがすべての製品と業務が追求すべき基礎です。前述のデータ システムの問題により、優秀なプロダクト マネージャーの直感と判断が短期的なデータ パフォーマンスと一致しない場合があります。このような岐路に立たされたとき、長期的には、まず製品の原則に従い、次にデータのフィードバックに従う方が合理的です。

本当に優れた製品は、一般的に、既存の市場の分析に基づいて考案されるわけではないことに注意する必要があります。したがって、これを裏付ける既成の統計データは存在しません。最近大人気のポケモンGOのユーザー数増加は驚異的だ。しかし、完全なデータ運用体制が確立されているとは思えません。たとえ確立されていたとしても、それがユーザー数増加の鍵となるわけではありません。

ほとんどすべての優れた製品の急速なユーザー増加は、「優れた製品」の内発的推進力によるものであり、過去にはGoogle 、 Facebook 、 iPhone 、最近では特定のタクシー配車アプリやライブストリーミングアプリなどがその例です。

2. 戦略的なプロモーションチャネルを見つける

戦略的プロモーションチャネルとは何ですか?簡単に言えば、「安い価格と十分な量」を提供するチャネルです。多くのインターネット製品のユーザー数が急速に増加しているのは、多くの場合、この点に多大な努力が注がれているためです。

たとえば、ある越境電子商取引会社の台頭は、同社が早い段階で Facebook から大量のトラフィックを戦略的に購入したことに大きく関係しています。そして今日。 Facebook の広告価格が大幅に値上げされたため、このようなチャネルの機会はもはや存在しなくなりました。

中国では、BAT 以外のモバイル インターネット製品が急速に成長しており、そのほとんどは戦略的なチャネルとして事前インストールに依存しています。メーカー、オペレーター、ソリューションプロバイダーによってプリインストールされています。導入前のコストが現在の 5 分の 1 に過ぎなかった時代に、積極的に製品に資金を投入した企業の多くは、現在では大企業に成長しています。

過小評価されている戦略的チャネルに対する鋭い感覚を維持することは、製品の急速な成長に不可欠です。

3. ウイルス性コミュニケーション手法を使用する

ウイルスの伝染には2つの方法があります。1つは感染であり、もう1つはねずみ講販売です。

いわゆる感染とは、誘導とバンドルインストールのことです。すでにインストール量が多い製品を介して、強制、誘導、さらには秘密操作によって別の製品がユーザーの端末にもたらされます。これは、より迅速で、より良い、より安価な結果を達成するための良い方法であることがよくあります。時には、これは普通の広告チャネルでもうまく機能することがあります。たとえば、さまざまなモバイルクリーニングまたはセキュリティ製品は、広告時に「あなたの携帯電話のメモリが低すぎます」または「あなたの携帯電話は非常に危険です」と直接ユーザーに脅迫することがよくあります。ユーザーは肛門がきつく締まるのを感じ、すぐに製品をインストールします。

ねずみ講は誰もがよく知っています。ソーシャルネットワークの出現以降、MLM スタイルのプロモーション計画の実施が容易になりました。各種共同購入モデルや転送抽選モデルは、厳密にはねずみ講とは言えないが、その本質は大衆を動員して互いに争わせることである。こうした手法をうまく使えば、必ず奇跡的な効果を発揮する。使った人なら誰でもそれがわかるだろう。

4. ブランド認知度を高める

インターネットコミュニティはこの点の重要性を十分に理解していません。製品が自立し、たとえ Ge Da Ge のように弱いままであっても利益を上げるためには、コアユーザーの認知度が極めて重要です。

インターネットの世界では、人々は直接的な効果のあるコミュニケーションを信じていることが多いですが、ブランド構築には十分な注意を払っていません。しかし、OPPO などの企業の最近の成功により、ブランドとユーザー認知の役割が再検討され始めています。私の意見では、成功したブランド構築によってもたらされるユーザーの成長は、急速かつ健全なものになり得ます。

ここまで述べてきたことは、データ駆動型の運用が重要ではないと言っているわけではなく、製品の急速な成長を実現するためには、実はもっと重要なことがあるということです。今日、インターネットに携わるすべての人は、正しいデータ駆動型の運用方法を習得する必要がありますが、盲目的にデータ崇拝の信者になることも避けなければなりません。売れて、受け入れられる商品を作るには、データ操作も欠かせないものの、「良いワインを作る」ことと「路地の入り口に運ぶ」という2つのポイントに、私たちのコアエネルギーを集中させる必要があります。