Didi Chuxing — データを活用して製品を正確に運用するには?

私は以前オペレーションに携わっていたので、今日はオペレーションの観点からデータを皆さんと一緒に見ていきたいと思います。本日の私のシェアは 4 つのパートに分かれています。

01 データ駆動型精密演算とは？

オペレーションとは

まずオペレーションとは何かを見てみましょう。オペレーションとは、新規顧客を引き付け、オンライン化後に製品を復活させるプロセスです。現在は商品化に向けて進んでおり、完全なオペレーションチェーンを形成し、製品を機能させ、最終的に商品化を達成しています。

BAT時代には、Didiや58などの企業の台頭を含め、オンライン製品の運用がより重要になりました。その後、オンラインからオフラインへと徐々に拡大しました。この運用の範囲と対象は変化しました。製品は運用の一部にすぎない場合があります。最初はオフラインで運用されていたビジネスが、徐々にオンラインに転換される可能性があります。運用対象とデータの複雑さも徐々に拡大しています。

データが精密なオペレーションを推進する方法

データ表示の運用効果について、運用経験のある友人は、コンバージョン率や再購入率などのいくつかの指標によって運用が制限され、各リンクがデータの表示であることを知っています。こういったデータを徐々に蓄積し、履歴として表示、比較していきます。このような事業は横並びで増えていくでしょうが、これがデータ表示のレベルです。

もうひとつはデータプログラミングです。さまざまな運用プランを用意し、小規模なトラフィックテストを実施することで、最終的に戦略と使用するプランを決定します。

次のステップはデータマイニングです。これはデータの蓄積に基づいて行われます。データの蓄積を通じて相関関係のマイニングを行い、ビジネスの種類と戦略を継続的に拡大することができます。 Didiがタクシー事業を始めた当初、その運営は分割注文配車モデルとプラットフォーム補助金という非常に似たものだった。しかし、このような類似した状況で、どうすれば自社の優位性をアピールできるのだろうか？最終的には、効率とデータ運用にかかっています。データを取得することで、あらゆる種類の情報を 1 か所で確認し、運用上の利点を反映したさまざまな戦略を展開できます。これらの新しいユーザーは、より多くの注文を引き付ける可能性があります。

洗練されたデータ操作はどのような効果をもたらすのでしょうか?それは主に 3 つの側面に反映されます。1 つ目は運用戦略の最適化であり、次のステップは最適化にどのようなデータを使用するかです。さらに、意思決定プロセスには、予測やユーザー ポートレートだけでなくデータも必要です。ユーザー属性を比較することで、大規模な市場からそのようなユーザーを見つけ出し、新しい顧客獲得ツールを正確に活用します。もちろん、洗練されたオペレーションを使用した後、当社の粗利益の付加価値は約6％になりますが、これは業界のデータです。

02 データを活用して精密な運用を実現する方法

データ駆動型精密操作のポイント

データを活用して洗練された運用を推進するにはどうすればよいでしょうか?データの内部管理にはいくつかの重要なポイントがあります。

1 つ目は、オブジェクトの年齢、性別、職業、収入レベルなど、ユーザーのトラフィックを反映できる属性の定義です。

2つ目は地域性です。O2O関連企業が多く、場所によってユーザー特性が異なる可能性があります。成都にいたときは特に相乗り率が高かったです。

3 つ目は、操作の内容です。内容が異なれば、ユーザーのフィードバックやユーザーの記録も異なります。

4つ目は行動の記録です。ユーザーは、検索行動やクリック行動など、他の要因の影響を受けて、いくつかのオンライン痕跡にアクセスできます。これらの次元から重要な指標を見ることができます。特定の次元を調べるときは、他の次元を固定して、別の次元の変化を見ることができます。

私が挙げた例は、現在私がDidiのユーザーマーケットに取り組んでいるため、現在の仕事に関係しているかもしれません。実際、Didiは旅行に関して常に旅行ルートを持っており、ワンクリック旅行サービスを提供しています。クリックするたびに、目的の場所に到着し、その後、直接目的地まで送ってもらえます。これには、3億人の乗客ユーザーとドライバーオーナーが含まれます。私たちの現在の仕事は、1,500 万人の自動車所有者にアフターマーケット サービス、主に人と車のためのサービスを提供することです。私たちは、市場に参入するこれらの人々と初期のサービス モデルを検討します。もちろん、これは新しいサービス モデルにも影響を与える可能性があります。彼らへの販売サービスも深化させ、ここからインターネット金融サービスが生まれるかもしれません。

精密手術事例共有

モデルはどのように構築したのでしょうか?つまり、ユーザー規模を含めたターゲット層や自動車所有者へのリアルタイムのオンラインリーチと、サービスネットワークとのオフラインマッチングを実現し、当社とユーザー間の新たな販売、当社車種や保険の販売を担っています。自動車会社のケーススタディを取り上げ、ユーザーのポートレート、リアルタイムのデータ監視、トレーニング専門家、ファネル分析などを分析してみましょう。

消費者はJD.comやTaobaoなどのオンラインショッピングを利用している可能性があり、オフラインのコンビニエンスストアもいくつかあります。その特徴は、カテゴリとモデルが多数あることです。クラブは実際には限られたスペースと倉庫を備えた総合的なサービス場所です。これはオンラインでも比較できます。製品スペースが限られており、オンラインレイアウトも比較的限られているため、この場合、どのようにビジネスを開拓または突破するのでしょうか?

ユーザープロフィール

まず、ユーザーのプロファイルを作成する必要があります。自動車会社のユーザーはどのような人々でしょうか? これらの自動車所有者は一般的に 30 歳から 35 歳で、年配の両親と幼い子供がいます。彼らのニーズは消費者向け製品ではなく、シートバックなどの実用的なものである可能性があります。こうしたユーザー分析に基づいて、商品の範囲を絞り込みます。当社の展示センターは比較的限られているため、SKU（在庫管理単位）を削減する必要があるかもしれません。前提条件は、オンライン製品を含む大規模なSKUテストを実施し、そのデータに基づいてSKUを1,000未満に削減することです。

このユーザーポートレートにはいくつかの側面があります。一方ではプラットフォーム上のデータであり、他方ではビジネスそのものです。どのような製品が求められ、好まれているのか、そしてここに来てからの販売状況はどうなっているのか、そこで私たちはいくつかのパイロットワークを行いました。前提として、すべての製品カテゴリを表示し、徐々に範囲を絞ります。価格関連の協力も行い、オフラインのユーザー転換も行う可能性があります。これらの方法を通じて、一部のビジネスデータと属性データを含むこのグループのポートレートを徐々に明らかにします。

リアルタイム監視

リアルタイムのデータ監視に関しては、アクティビティを開始した後、クリック率が高くなく、約 5% しかないことが時々あります。以前のデータと比較すると、翌日には 12% に戻りました。これはリアルタイムのデータ監視です。各意思決定サイクルでは、前回のデータを確認して、次の意思決定に反映させる必要があります。これがデータに対する当社の要件です。当社はオンラインとオフラインの両方のビジネスを展開しているため、リアルタイム性に対する要求が特に高くなっています。純粋なオンライン操作ではデータリンクが発生する可能性がありますが、オフライン操作では体系的なツールを使用することで解決できる可能性が高くなります。

関連性分析

データ分析は電子商取引でよく使われます。30%のユーザーは車を購入するときにボディパッケージを購入する可能性があります。このとき、関連製品も導き出され、その後、関連する推奨が行われます。これも完全な製品システムです。

ファネル モデルについてお話ししましょう。実際、ファネル モデルは基本的にマーケティングの心理的プロセスに当てはまります。ファネル モデルは興味と欲求を生み出し、最終的にオンライン訪問、注文のクリック、支払いなどのアクションを実行します。各アクションと各リンクにはコンバージョン レートがあります。ファネル モデルを定義するプロセスは、いくつかの側面に分けることができます。1 つ目は、ターゲット システムを含むデータ適用プロセスであり、最適化のための重要な要素を見つけることができません。これには購入率、再購入率、売買率が含まれ、これらの指標が主な焦点となります。

03 データ駆動型精密操作の実装手順

データ駆動型精密操作プロセス

新しいビジネスや新しい製品に直面した場合、データ主導の強力な洗練された運用プロセスをどのように確立すればよいでしょうか?データ アプリケーションのコア パスが含まれます。これは、誰もが運用で毎日このようなことを実行し、これが日常業務であると感じることがあるため、このプロセスは非常に重要です。つまり、すべてのデータが出力されるとき、ユーザー インターフェイスがどのようなものか、そして販売リンクがあるかどうかです。

次に、目標に沿って定量化すること、つまり、対象システムを定量化可能な方法で分析する必要があります。このビジネス ロジックに基づいて、定量化を行います。定量化が完了したら、データを収集し、完全なデータ サプライ チェーンを確立する必要があります。データがどこから来るのか、どのように収集するのかを知る必要があります。次に、データを複数の次元で分析する必要があります。分析のいくつかの側面については、先ほど説明しました。分析後、最も重要なことは、それを運用作業と一致させることです。各データパフォーマンスの運用アクションは何ですか? そのような運用アクションは良い結果をもたらしますか、それとも悪い結果をもたらしますか? 良い場合は継続できますが、悪い場合は調整できます。

おそらく、この決定を後押ししているのは、データを重視する考え方です。毎日データを見る必要があるのか​​、専門的な指標を見ることにこだわるのか、そして、見ているデータを中心に日々の業務が遂行されるのか、これは早い段階で行う必要があることであり、最も重要なことです。

04. データ駆動型の精密操作で問題が発生

実際、データ駆動型の運用プロセスでは、いくつかの困難に直面しています。まず、量だけでなく、データの最適化の観点からも、データが多すぎます。非常に大規模なデータ システムに直面することになるかもしれません。どうすれば、できるだけ構造化された方法でデータを収集できるでしょうか?また、1次元のデータではなく、非常に乱雑な場合もあります。また、データ収集プロセスは比較的遅いです。不正確なデータ監視は、不正確なデータを含むデータの効率にも影響します。このような状況が実際に採用される可能性もあります。

解決

私たちは、すべてのデータを 1 つの画面に表示できるかどうかについて議論してきました。いくつかの固定モデルを使用して通常のデータを表示できる非常に強力なシステムがあれば、このデータの配信を毎日実行しなくても済むので素晴らしいと思います。データに対する当社の要件は、優れたスケーラビリティと、特定の標準化されたものを通じてユーザー トラフィック データを定義することです。データ抽出のプロセスでは、穴を開けていくつかのステートメントを使用して、最も必要なデータを抽出できます。もちろん、全体として信頼性が高く、シンプルで使いやすく、美しいものです。これが私たちの優れたデータ システムの定義であり、私たちもこの方向で取り組んでいます。

質疑応答

アプリケーション分析について詳しく説明していただけますか?

元の在庫データに基づくアプリケーション分析は、主にデータチェーンをできるだけ長くすることです。たとえば、購入したものだけにコンバージョン率がありますが、下方向には伸びていません。これもデータシステムに関連しています。チェーン全体のデータシステムを収集できる場合、相関分析は自然なことです。当然、購入したもののコンバージョンを別の視点から見ることもできますが、ユーザーから垂直な視点で見ると、彼はその物を購入しました。

実は、データ分析の大前提は、完全なデータ収集プロセスが必要だということです。現在、多くの企業が混乱しています。つまり、本当に大量の生データが必要なのに、登録データを収集する過程で、ユーザーに年齢、収入、趣味など、非常に詳細な情報を残すよう要求しており、これは非常に困難です。オペレーターを悩ませている問題は、生データを収集するのが難しい場合に、どのように運用戦略を導き出すかということです。

これは、主にいくつかの側面を含む当社の流通データのソースである可能性があります。積極的な研究は1つの側面であり、ユーザー自身を通じた背景の反映は別の側面です。機関もいくつかのデータを提供して、このチェーンを充実させようとすることができます。豊富であればあるほど、価格は高くなります。または、製品に設計された意図表現を通じて、そのようなモデルを作成することもできます。多くの場合、ユーザーは何かが偽物だと思ったら購入しないので、興味のあるものを購入できるようにするなど、価値あるものにするようにしてください。購入プロセス中に、ユーザーは独自の行動特性のいくつかを示します。何が好きかを尋ねるアンケートを送信する必要はありません。

先ほどユーザーポートレートについて触れましたが、ユーザー属性はたくさんあります。その適時性をどのように確保しているのでしょうか？たとえば、私の昨年の収入は今年と異なります。昨年は10,000元稼いだかもしれませんが、今年は20,000元かもしれません。

なぜなら、私たちはユーザーの収入レベルを反映するリアルタイム データを持っているからです。現在のデータを使って将来を予測するのではなく、それを現在の収入レベルと照合するだけです。年齢構成などを含め、現在の収入レベルを確認できます。このデータは予測データではなく、履歴データに基づいて予測されたものでもありません。