操作に迷ったとき、活用すれば突破口が見つかる！

電子商取引をしている友人がWeChatで質問しました。「イベント中のユーザー参加率は良いのですが、イベント後のユーザー維持率が低いです。どうすればいいですか？」

私：「クーポンは発行されましたか？有効期限のお知らせはありますか？即時割引特典のリコールはありますか？」

友人：「全部やったよ。」

私：「それは製品の問題かもしれません。電子商取引の本質は、やはり製品の品質と物流です。」

友人：「その通りです。交通量が少ないので、質の高い商店は入居したがりません。」

私：「今できることは、データを実行して、どのカテゴリーのマーチャントが優れた品質（クリックスルー率、コンバージョン率、再購入率が比較的高い）を持っているかを確認することです。まだ救える可能性があるこれらのカテゴリーから、ユーザー維持率の飛躍的な向上を開始できます。」

……。

私の提案が最終的に問題解決に役立つかどうかはわかりませんが、少なくとも運用の最適化をすぐに開始する方法を示しています。

私の故郷である沙県には、軽食店を経営している人がたくさんいます。より多くの利益を上げるために、ほとんどの軽食店のオーナーは、今日どれだけ売れたか、材料の仕入れコスト、蒸し餃子とワンタンのどちらの消費量が多いか、顧客の流れ、顧客の平均支出額、顧客が古い顧客か新しい顧客か、口コミで来たのかふらりと来たのかなどを分析します...

情報化がほとんど進んでいないスナック業界では、分析や判断は経営者の経験に頼るしかなく、業態を分析するための具体的なデータを用意することは難しく、人の流れの大きさで店舗の立地を決めることしかできないのが現状だ。

しかし、データが最大のセールスポイントであるインターネット業界では、すべての作業とユーザーの行動を数値化できます。アリババのような大企業は自らをデータ企業と称し、ユーザー行動のビッグデータ分析を行っていますが、小規模な企業はウェブサイトのバナークリックの統計にすぎません。もちろん、今日は小規模な側面、つまりデータを活用してより効率的に運営する方法についてのみお話しします。

写真やテキストの共有/収集率はどのくらいですか?

あなたの製品の ROI はいくらですか?

どのチャンネルの方が品質が高いですか?

あなたのコンテンツの読者は何人いますか?

コンテンツ制作に携わるユーザーは何人いますか?

……。

測定方法として、データは製品運用の状況を正確に反映し、製品、ユーザー、チャネルをさらに理解し、運用戦略を最適化するのに役立ちます。データ分析の結果を使用して操作モードを駆動します。操作の方向 (コンテンツ操作、イベント操作、チャネル操作、ユーザー操作など) が異なると、操作担当者は異なるデータ感度と論理的能力を備える必要があります。

1 /イベント運営のデータ分析

活動の計画は一般的な運用手段です。「活動の効果をどのように見積もればよいかわからない」などの問題を回避するために、通常、活動を開始する前に改善するコアデータを決定する必要があります。このようなコアデータには、新規ユーザー登録、ユーザーアクティビティ、ユーザーの支払いコンバージョン、製品取引量、ブランド認知度（Baidu Index、Sina Index、Media Index）などがあります...

また、運営側が企画する活動は、通常2つのカテゴリーに分けられます。1つ目は、商品取引ではないインタラクティブ活動です。主に、活動によって生み出されるユーザーインタラクションの量と、製品のコアデータの改善効果に焦点を当てています。これらのインタラクションをさらに深く掘り下げることは、古いユーザーと新しいユーザーの間のインタラクション比率を分析することです。このようなさらなる分析により、運営側は、さまざまな種類のインタラクティブ活動（インタラクション形式+賞品）が新規ユーザーと既存ユーザーに与える影響の違いを理解することができます。

図 1: キャンペーン ページにおける新規ユーザーと既存ユーザーのクリックスルー コンバージョンの比較

2 番目のタイプのアクティビティは、商品取引のプロモーションです。これは主に、プロモーション ページの主要ノードのクリックと、さまざまなコンバージョン率が日常の非アクティブ状態よりもはるかに高いかどうかに焦点を当てています。アクティビティ ページの商品のクリック数/商品に入るトラフィックの割合、閲覧/ショッピング カートに追加/注文のコンバージョン率、ショッピング カート/支払い完了率、「確認されたクーポンの数/発行されたクーポンの数」、そしてもちろん、アクティビティによってプラットフォームにもたらされた総取引額です。

プロモーション活動のデータ分析の粒度はより細かくし、チャネルAとチャネルBの新規・既存ユーザー/ユーザーの課金比率によるセグメンテーション分析、平均課金顧客単価の分析、その後のユーザー維持率などを実施することをお勧めします。会員制付加価値サービスの売上を例にとると、活動によってもたらされた総売上を分析するだけでなく、既存有料ユーザーの購入量と購入した会員資格の有効期限の分布/新規有料ユーザー数/購入した会員資格の月数の分布/離脱ユーザーのリコール率/経験会員の支払い転換率など、各レベルのユーザーの支払い状況を分析することもできます。

図2: 階層型メンバーデータ管理

2 /コンテンツ運用のデータ分析

編集者がより気にしているのは、コンテンツの更新、露出、クリック、滞在時間、転送、収集、いいね、コメント、コンテンツ閲覧パス「露出-クリック-閲覧-共有」のコンバージョン率など、コンテンツの表示です。

図3：公式アカウントの画像テキスト自動変換率の分析

特定の製品指標の向上を特に目的としたコンテンツ運用の場合、その指標を促進するためのコンテンツの役割にさらに注意を払う必要があります。例えば、コンテンツを通じてユーザーを呼び戻す場合、注目すべきは、コンテンツを届けた人数と、製品にログインしているサイレントユーザーの数の比率です。現在、ますます多くのeコマース企業が、コンテンツを利用して売上を導こうとしています。このようなコンテンツ運用では、画像やテキストの基本的な閲覧量に注意を払うだけでなく、コンテンツ内の商品リンクのクリック、商品の閲覧、注文状況にも注目する必要があります。

3 /チャネル運用のデータ分析

広告チャネルは、製品がユーザーを獲得するための主な方法です。オペレーション部門は、ダウンロードとアクティベーションを通じてチャネルがユーザーを獲得する能力を真に理解できます。チャネル運営では、「チャネルクリック-ダウンロード-アクティベーション-登録-より深い行動」というユーザー獲得チェーンにおける各リンクのコンバージョン率を分析し、各リンクのコンバージョン効果を最適化して各ユーザーの獲得コストを削減する必要があります。

新バージョンがリリースされ、データに大きな変動があった場合、チャネルのユーザー獲得経路のデータを見るだけでは、運用上の判断に役立ちません。過去のデータと比較したり、同時点の類似アプリを多次元で比較するなど、異なる次元でデータを比較することをお勧めします。これにより、運用はチャネルのコンバージョン率データの変化の根本原因を突き止めることができます。

チャネル維持率を分析して運用上の問題を見つける方法を説明するために、例を見てみましょう。ソーシャルアプリが新しいバージョンをリリースした後、リリース前と比較して 1 日あたりのアクティブ ユーザー率が大幅に低下しました。この問題をどのように分析すればよいでしょうか?

DAU は新規ユーザーと既存ユーザーに分けられます。運用部門は、テクノロジーでデータセット (図 2 を参照) を実行し、最近新バージョンを使用した既存ユーザーの維持率を調査して、既存ユーザーの喪失が製品の問題によるものかどうかを確認します。次に、各チャネルの維持率における新規ユーザーの沈降 (維持) を観察して、それが製品の問題なのか、チャネルのプロモーションの問題なのかを確認します。

図4: ソーシャルプロダクトの保持分析

このデータセットの比較分析により、古いユーザーは新しいバージョンをうまく受け入れており、大きな変化はないことがわかります。バージョン後の全体的な保持率が非常に低い主な理由は、新しいバージョンではメインチャネル A のプロモーションにおけるユーザー品質が低いという問題があることです。

上記は、一般的な業務に基づいてリストされたシンプルなデータ分析のアイデアです。公式アカウント「Product Rookies」でキーワード「データ」に返信すると、Xiaoxianが推奨するよく使用される6つのデータツールが表示されます。

4/プロジェクト運営のデータ分析

プロジェクトや製品の運用において、プロジェクト開始当初からデータ分析をフォローアップする必要がある場合は、データに関する以下の事項を考慮する必要があります。

1) データ項目と追跡ポイント

オペレーションでは、ビジネスプロセスを理解した上で、できるだけ多くのデータ項目をリストアップする必要があります。このような作業を行うには、ユーザーの行動パスに基づいたデータファネルモデルを作成します。パスの分割が細かいほど、モデルの有効性が高まります。

図5: 金融商品のユーザー行動ファネル

基礎データとして、対応するパス上のポイントを追跡することで、テクノロジーを通じてデータ項目を取得する必要があります。運用では、これらの基礎データに基づいてキーパス変換率を分析し、同じデータを前後で分析して、プロジェクトの運用状況を明らかにする必要があります。さらに改善が必要なデータ項目は、プロジェクトを取り巻くコアデータを基に、前方と後方に拡張します。後方方向は、ユーザーのその後の行動の統計、前方方向は、ユーザーのソースの品質分析です。

さらに、データ分析はレポートデータと非レポートデータに分けられます。レポートデータとは、毎日データバックグラウンドで直接確認できるデータを指します。通常、ユーザーキーパスデータをレポートデータにする必要があります。たとえば、新旧ユーザーのパスの動作の違いの比較は長期的で非コアなデータであるため、プロジェクトの初期段階でレポートにすることは推奨されません。段階的な製品の運用状況を分析するときに、データの比較のためにテクノロジを一定期間実行するだけで十分です。

2) データ分析サイクル

名前が示すように、データ分析サイクルとは、データ レポートによって生成されたデータを抽出してさらに分析するための操作間の時間間隔を指します。プロジェクトの初期段階では、分析サイクルは 1 日ですが、プロジェクトが成熟するにつれて 7 日ごとに 1 回、あるいはさらに長くなることがあります。各キーリンクのコンバージョン率データを分析するだけでなく、Excel スプレッドシートで基本データをタイムラインにプロットすることもできます。横軸に時間をとった折れ線グラフを作成して各パスのデータの傾向を確認したり、縦軸に時間をとった棒グラフを作成して各パスのコンバージョン率を確認したりできます。

図6: プロジェクトの機能ユーザー数の傾向分析

3. データ分析の結論

データ分析は手段であり、最も価値のあるのは分析後の結論です。閲覧量が少ない、転送量が少ない、取引量が減っている…データ分析により、取引量の増加、閲覧量の増加、転送量の増加などの問題の原因を突き止めます。データ分析を通じて、データの改善に効果的な運用手段を抽出し、これらの手段を製品形式に固定して、データ効果をさらに拡大することができます。

4) プロジェクト運営調整

実際、データ自体は製品の改善に直接役立つわけではありません。データは結局のところ測定です。データに本当に役割を果たしてもらいたいのであれば、それはオペレーターのビジネスに対する深い理解に基づいていなければなりません。運用担当者は、製品のデータを最もよく知っている人物として、製品の改善の基盤としてデータを使用します。運用担当者は、データを使用してプロジェクトを継続する価値を証明し、製品、テクノロジー、チャネルの同僚がそれぞれの作業の最適化と反復を完了できるようにデータを使用する必要があります。

5) プロジェクト全体レポート

大規模プロジェクトは基本的にいくつかの異なる期間に分けられ、一般的には「検査期間 - 参入期間 - 成長期間 - 高成長期間 - 成熟期間 - 衰退期間」に分けられます。各期間には異なる重点があり、プロジェクトの全体的な運営状況を上位機関に報告する必要があります。

プロジェクトの信頼性が高く、データポイントが多く、プラットフォームデータ分析が頻繁に行われ、「プロジェクトの背景、プロジェクトの目標、プロジェクトデータ、運用分析、経験の再利用、フォローアップ計画」というプロジェクト概要文書の作成ルーチンが使用されている場合、リーダーの突然のプロジェクト全体報告に遭遇しても、基本的に問題はありません。

ここでは、レポートのプロジェクトデータ部分に焦点を当てたいと思います。レポートの焦点として、プロジェクトデータはコアデータと周辺データ（コンテンツデータ、ユーザーデータ、さまざまな次元の比較データを含む）に分けることができます。コアデータは、プロジェクトの状況を概観するレポートの先頭に配置されます。これを行うための賢い方法は、誰もがよく知っている製品をベンチマークすることです。たとえば、小学校教育製品の情報共有プロジェクトに取り組んでいる場合、次のようなデータを使用してレポートを開くことができます。「教育製品の情報の共有とユーザーの消費はどちらもかなり大きいです。この製品には20,000人以上の毎日のアクティブユーザーがおり、ユーザーは1日平均200の高品質の製品コンテンツを共有しています。プロジェクト全体の1人あたりの閲覧PVは10で、1人あたりの共有量は7 PVです。K12分野で購入する価値のあるものになる可能性が非常に高いです。」

コアデータを説明した後は、周辺データの分析に入ります。コンテンツ運用レベルでは、プロジェクトのターゲットユーザーがどのようなコンテンツを好むのか、コンテンツのうちPGCがどれくらいでUGCがどれくらいなのか、共有や閲覧状況はどうなのかなどを分析します。本当に他人を怒らせることを恐れないのであれば、自分のコンテンツ データを他のプロジェクトのコンテンツ データと比較して、自分のプロジェクト コンテンツが高品質であり、製品活動を促進する上で非常に価値があることを証明できます。

ユーザー操作レベルのデータ分析には、主にコアビジネスの各キーパスの変換状況、ユーザー損失のキーノードと機能最適化の提案を整理することが含まれます。次に、プロジェクトのユーザーレベル、コンテンツの投稿に参加しているコアユーザーの数、コンテンツを共有してコンテンツの普及に参加しているユーザーの数、*回以上読んだ人の何人が忠実なユーザーであり、何人が潜伏ユーザーであるかを簡単に説明します。

プロジェクトが製品のコアデータを改善することだけを目的としている場合は、製品の日常的なアクティビティの改善を分析した後、このコアデータに影響を与えるプロジェクトのいくつかの重要な側面についてデータ分析を実施し、最適化と改善の余地がある場所を確認する必要があります。

最後に、トピックの核心に戻りましょう。運用プロセス中に計画の混乱に遭遇した場合、まずは既存の運用戦略の実行データを分析できます。既存の戦略を時期尚早に無効と判断するか、すぐに新しい戦略を探さないでください（戦略は数が少なく、盲目的に変更すると、絶望的な状況に陥る可能性が高くなります）。冒頭の友人との会話のように、アクティビティ戦略自体には何の問題もありません。リテンションが向上しない根本的な問題は、モール内の商品が十分ではなく、物流さえも批判されていることです。

あなたのアプリ