インターネットプロジェクトにおいて、製品担当者と運用担当者はどのようなコアデータに注意を払う必要がありますか?

1. データの定義 データは実際には数値の集まりです。ただし、これらの値はユーザー行動の統計から導き出されたものです。データを使用する必要がある学生による研究と分析を容易にするために使用される基本的な資料。 2. どのようなデータに注意を払うべきでしょうか? ここでは、マインドマップを使用して、いくつかのコアデータを簡単にリストします。

コアデータこのマインドマップは、いくつかの一般的な運用データを示しているだけですが、よく見て要約すると、すべての運用に必要な 3 種類のデータが見つかります。 チャネルデータ、コストデータ、収益データ。 チャネルデータは、ターゲット顧客グループと製品自体の製品特性によって決まるチャネルの品質とチャネルの有効性を測定するために使用されます。金融商品をゲームコミュニティなどのチャネルで立ち上げた場合、その運用効果はあまり良くないかもしれませんが、宝くじやギャンブルに置き換えると、効果は非常に良い可能性があります。同様に、Legendなどのゲームのプロモーションやアクティビティを女性コミュニティプラットフォームで立ち上げた場合、その効果はほとんど無視できますが、Qバージョンのミニゲームに置き換えると、効果は非常に良い可能性があります。 コストデータと収益データは、さまざまなレベルからの運用の有効性を反映します。 運用には必然的にコストがかかります。業務効率は経験、熟練度、創造性などの手段を通じて向上できますが、運用コストは避けられず、通常は運用結果に比例します。それはとても単純な真実です。2 つのアクティビティがあり、1 つのアクティビティでは iPhone 6 を 100 台プレゼントし、もう 1 つのアクティビティでは iPhone 6 を 1 台プレゼントします。どちらが良いでしょうか? 運用に携わる者は、各運用アクションの背後にあるコストを慎重に評価する必要があります。いわゆる「利益」は「収入」と同じではありません。お金を得ることも利益であり、ユーザーを得ることも利益であり、口コミを得ることも利益です。チャネル、コスト、収益の3種類のデータを理解すれば、自社製品の特性に応じて取得すべきデータを設定できるようになります。 Zuji を例に挙げてみましょう。Zuji のようなアプリケーションはどのようなデータに重点を置いているのでしょうか? 製品レベルでは、次の点に重点を置きます。 1. アプリが1日に開かれる回数2. 各機能が使用される回数と頻度3. 各タブがクリックされる回数と対応するページが開かれる頻度運用の観点からは、次の点に重点を置くことができます。 1. アプリの毎日のアクティブユーザー数2. 毎日生成される UGC の量（新規ユーザーと既存ユーザーを区別） 3. 毎日ソーシャルメディアに共有される UGC の量（各ユーザーが生成したコンテンツの量を考慮） 4. 共有された UGC によって戻ってきた新規インストール数や新規アクティブ化ユーザーの数など 注意すべき点は、これらのデータポイントは静的なものではなく、製品のさまざまな段階に応じて調整されるということです。Zuji が収益モデルを持っていると仮定すると、重点を置くコアデータはコンテンツから収益に移行します。このとき、コンバージョン率関連のデータが重要になります。必要なデータは実際のニーズに応じて設計されており、完全に普遍的な標準は存在しません。もちろん、やればやるほど、知らないうちにデータ感覚が向上していることに気づくでしょう。これはとても重要なことです。 3. データの取得方法 データを取得するチャネルは多数あります。ここでは、 Google Analytics と Baidu Statistics の 2 つをお勧めします。その他のツールについては、ご自身で詳しく学習してください。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することなく直接生成できるリンクの割合など、クリック情報を記録します。クリック分布チャートとヒートマップでは、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。 4. データの分析方法 データの解釈方法は人それぞれです。この本からの要約をいくつか紹介します。 1) まずデータの正確性を判断する これには、データディメンションの選択の合理性とデータ統計の精度が含まれます。データディメンションの選択が不合理で、データの統計結果が不正確な場合、正しい分析結果が得られない可能性があります。これが基礎です。 2) データに影響を与える要因を特定する データは、内部および外部の多くの要因の影響を受けます。運用担当者は、データを比較的正確な範囲内で解釈できるように、あらゆるレベルで可能な限り多くの影響要因を理解する必要があります。 3) 長期的なデータモニタリングに注意を払う 運用データ分析では、データを比較するために前月比や前年比の方法がよく使用されます。簡単に言うと、前月比とは、今日と前日の比較、今月と先月の比較、今四半期と前四半期の比較であり、前年比とは、今年の同日と昨年の同日の比較、今年の同月と昨年の同月の比較、今年の現四半期と昨年の現四半期の比較です。前月との比較は短期的なデータ変動を確認するのに役立ち、前年との比較は全体的な環境におけるデータ変動を理解するのに役立ちます。 4) 客観的な視点を維持する データ分析の過程では客観性が非常に重要であり、自分にとって有利な結論を選択することは避けるべきです。私たちは先入観による間違いを犯すことが多く、それはデータの正確性に影響を与えるだけでなく、職業倫理の問題であり、キャリア開発において非常に一般的な問題でもあります。 5) 気を散らすものを排除するよう注意する 実際の業務では多くの問題に遭遇しますが、これらの問題は妨害要因となります。たとえば、比較的安定していた曲線において、ある点に突然大きな変動が現れることがあります。このとき、変動の原因を十分に理解する必要があります。原因が確認できない場合は、変動を排除する必要があります。そうしないと、正しい結論を得ることが難しくなります。 5. データ分析のキャリアの方向性は何ですか? ここでは中国についてのみ話しています。中国では、ビッグデータに関連する職種は主に以下のカテゴリーに分かれています。 データアナリスト: ツールを使用してデータを抽出、分析、提示し、データの商業的重要性を実現するには、ビジネスに関する理解とツールの適用能力が必要です。 データマイナー/アルゴリズムエンジニア: データモデリング、機械学習、アルゴリズムの実装には、ビジネスに関する理解、アルゴリズムに関する知識、コンピュータープログラミングの熟練度が必要です。 ビッグデータエンジニア: プログラミング言語を使用してデータプラットフォームとデータパイプラインの開発を実装するには、コンピュータープログラミングスキルが必要です。 データアーキテクト: 高度なアルゴリズム設計と最適化、データ関連システムの設計と最適化。垂直産業での経験が望ましい。プラットフォームレベルの開発とアーキテクチャ設計能力が必須。もちろん、業界にはこれら以外にもたくさんの職種があります。ここでは、一般的で人気のある職種だけを挙げています（ご存知ですよね～）。 VI. 結論 データの内容に関しては、論文だけでは実はそれほど価値のあることは言えません。自分の仕事から考え、まとめていくことが必要ですし、もちろん、同業者とのコミュニケーションや、同業の先人の経験から学ぶことも重要です。

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@Pao Ding Developmentです。（APP Top Promotion）が編集・発行しました。転載の際は著者情報と出典を明記してください。

<<: 美容・理髪業界向けのWeChatミニプログラムを作るにはどれくらいの費用がかかりますか？

>>: ケーススタディ：Kuaishou情報フロー広告アカウントの設定手順