スタートアップは、データドリブンな運用を実行する前に、これら 6 つの問題を明確にする必要があります。

「トラフィックこそが王様」の時代は終わり、インターネット企業はスリムな運営へと変革しつつあります。無駄のない運用を実装するには、意思決定をサポートするために大量のデータが必要であり、これは企業のデータ収集およびデータ分析能力にとって大きな課題となります。

データ分析においては中国と米国の間に大きな隔たりがある。データ分析は、BAT などの特に大規模な国内企業でのみ高い注目を集めていますが、これはもちろん、長期にわたる蓄積と、データと業務のより優れた統合によるものです。これは私が中国に帰国して全体的に感じたことです。中国企業のデータそのものや、データが提供できる価値に対する理解は、米国ほど深くなく、その差はかなり大きいです。

質問1: どのような企業がデータに注意を払う必要がありますか?各ステージの違いは何ですか?

一般的に、中国でデータに注目している企業は、インターネット金融、電子商取引、取引プラットフォーム、SaaS、オンライン旅行会社など、平均注文額が高く、コンバージョンに重点を置いている企業です。このタイプの顧客は平均注文額が高く、トラフィックだけに頼らないため、起業家はコンバージョンを増やす動機を持つことになります。

一般的に、起業家は製品のライフサイクルの 4 つの段階を経ます。

• 最初の段階はコールドスタートと呼ばれます。現時点では、同社は非常に初期段階にあり、エンジェルラウンドやAラウンドの資金調達もまだ完了していません。この段階の企業にとって、顧客数が限られており、サンプルサイズが不十分であるため、ビッグデータを推進力として活用することは誤った提案です。潜在的顧客のニーズをより深く理解し、顧客にこの製品を使用するよう「懇願」する必要があります。
• 第二段階は成長の初期段階です。コールドスタートはほぼ完了です。経験豊富な起業家は、日々/毎月の活動や維持など、成長に関連するいくつかの主要な指標を計画し始めます。これらのメトリックの目的は、製品の現在のパフォーマンスを測定することではなく、将来の成長のための比較ベンチマークを提供することです。
• 第三段階は成長期です。この段階で、優れたスタートアップと普通のスタートアップの大きな違い、つまり効率性がわかります。 PRにしてもイベントの開催にしても、人手と時間的なコストがかかります。成長中に最も効率的なチャネルを見つけるにはどうすればよいでしょうか?これがスタートアップの核となる競争力だと思います。データに基づいたことをせず、直感だけに頼ると、1、2回はうまくいくかもしれませんが、カジノに行って1万回連続で勝つことはできません。そのため、企業がさまざまなチャネルを迅速に最適化し、単位時間あたりのコンバージョン効率を向上させるには、直感とデータを組み合わせる必要があります。
• 第4段階は収益化期間です。ビジネスを収益化するには、非常に大規模なユーザーベースが必要です。一般的なインターネット製品の場合、優れた体験をした少数の非常にアクティブなユーザーが有料ユーザーに転換されます。それは継続的にスクリーニングする漏斗のようなもので、ここで重要なのは操作の効率です。たとえば、eコマース ユーザーのコンバージョン ファネルは一般的に、訪問 - 登録 - 検索 - 閲覧 - ショッピング カートに追加 - 支払い、または将来の再訪という流れになります。これは非常に長いファネルです。データ主導の運用を真に実装するには、ファネル内のすべてのリンクを継続的に追跡する必要があります。

優良企業、特に将来的に収益を生み出すことを計画している企業は、各部門と各リンクの変換効率に注意を払う必要があります。この変換効率は、マーケティング手法、製品の改善手法、さらには顧客運用手法を通じて達成できます。各リンクを少しずつ改善することで、指数関数的な改善が実現します。データ駆動型の業務に携わったことのない人にとって、このような増加がどれほど巨大なものになるか理解するのは困難です。

質問 2: 優れたデータ分析とはどのようなものでしょうか?

適切なデータ分析は、社内の全員に利益をもたらします。これは特権ではなく、また社内の1人か2人だけの特権でもなく、社内のすべての業務部門、特に最前線で戦っている人たちに直接利益をもたらすものです。

通常、私たちは戦略と全体的な方向性についてのみ話し合い、それを CEO、VP、またはオペレーション部門にのみ示しますが、これでは十分ではありません。最前線の従業員が使用できるように提供する必要があります。これは、データ駆動型企業と非データ駆動型企業との大きな違いだと思います。効率性の向上は、1 人または 2 人の改善ではなく、全員の改善を意味します。

企業が完全なデータ分析の仕組みを構築したいのであれば、まずはビジネスから始めるべきです。すべてのデータ分析操作またはデータ システムは、ビジネスと顧客から始まる必要があります。このデータ分析システムは、1 つまたは 2 つの非常に限定された問題を解決するだけでなく、システムと全体像も必要とします。そして、実はデータ分析で最も難しいのは、データの収集と整理です。このプロセスは、おそらく最初の計画が十分に徹底されていなかったために、最も時間がかかります。したがって、計画的なデータ収集とデータ整理に細心の注意を払う必要があります。

結局のところ、データ分析はレポート作成だけに留まることができず、その価値はまだ十分ではありません。結局のところ、それらの数字が明らかになったら、他の人に何をすべきかを指示することは正しく、効果的です。ここには多くの深い知識が関わっており、強力な運用能力が必要です。

したがって、企業は広い視野を持ち、実現可能性にも重点を置く必要があります。一般企業が自ら構築したいのであれば、まずは一つの点から突破し、変革点を見つけ、その価値を見出し、その実践を通じて次の実践の方法を学ぶべきだと私は提案します。これも学習プロセスです。データ サイエンス フレームワークを構築するために、巨大なシステムを構築したり、50 のデータ サークルを組み合わせたりすることから始めないでください。これを一般的に行うと、多くのリソースがない限り、間違いなく失敗すると思います。

質問 3: エンタープライズ データ分析はどのような段階に分けられますか?

• 第一段階では何​​もありません。
• 2 番目の段階では、企業が歴史を遡り、自社製品に何が起こっているかを把握できることが求められます。これは最も基本的で独創的な段階です。
• 第 3 段階では、製品、運用、マーケティングに携わる人々が「なぜ」を問う必要があります。この段階では予測が重要であり、つまり、特定のグループの人々が次に何をするかを予測して、ターゲットを絞ったより良い方法で製品を開発できるようにします。
• 第 4 段階は、ソリューションを用意することです。このグループの人々がこれを行うと予測したので、より良いコンバージョンと維持率を達成し、より良い新規顧客獲得結果をもたらすためのより良いソリューションを提供します。
• 第 5 段階は最適化です。多様な製品ラインの最適なバランス ポイントを見つける方法です。価格、マーケティング、製品設計、販売にはバランス ポイントがあります。このバランス ポイントは、起業家の利益が最大化されるポイントであり、ユーザーがこの製品を最も気に入るポイントでもあります。

これら 5 つの段階には、時間と継続的な積み重ねが必要です。飛​​ばさないでください。飛ばすと失敗につながることが多いからです。基礎から始めましょう。

質問 4: 多くの企業でデータ分析が単なる形式的なものになっているのはなぜですか?

これは主に、多くの企業がデータの価値、データ分析方法、実際の運用方法という3つのレベルでの認識を欠いていることが原因です。

1. 価値観

多くの企業が急成長期にあり、誰もが衝動的に下した意思決定によって多くの価値が生み出されている可能性があります。この場合、データに基づく意思決定が急成長よりも大きな価値を生み出す可能性があることに企業が気づくのは困難です。

2. 基本的な方法論の理解

中核的だがシンプルな方法論を意味します。現時点では、中国では基本的な方法論についてあまり知られていない。おそらく、米国が数十年にわたって開発してきたのに対し、国内の開発期間は比較的短いためだ。

3. 実践的な操作方法の理解

国内の第一線で働く従業員は、データを活用して業務を遂行していますが、商品、顧客、販売などの分野での実践経験は比較的少ないのが現状です。一方では開発期間が短いため、他方ではデータ利用概念の蓄積は比較的小さいです。

しかし、国内企業ではこの意識が急速に高まってきています。しかし、この認識は段階的に、徐々に進むプロセスです。米国では、認識と方法論が徐々に統一され、テクノロジーとビジネスがデータと統合されてきました。

国内の起業家の多くは、最初はデータの価値に気づいていませんが、データの価値に気づいたときには、期待が非常に高くなることがよくあります。この大きなギャップは、価値を真に実現することを不可能にし、さらには「この価値は本当に実現できるのか」という疑問や忍耐力の欠如さえも生み出します。

質問 5: 中国企業はデータに関してどのような誤解を抱いていますか?

国内企業には、データ分析に対する2つの極端な認識があるように思います。1つは、データ分析は純粋なテクノロジーであると信じているもので、もう1つは、ビッグデータに取り組んでいればハイエンド企業になれると迷信的に信じているものです。どちらのアプローチにも、ある種の誤解があると思います。

根本的には、自分が作ったものが価値があり、効果的であるかどうかだと思います。最も直接的な測定方法は効果によるものです。他の企業の中には、独自のプラットフォームを構築し、大規模なチームを編成したいと考えているところもありますが、その効率と成果は比較的低いです。この点については皆さんも慎重になることをお勧めします。エコシステムが発展し続けるにつれて、多くのツールが非常に便利になり、それらの使い方を学ぶ必要があります。これらは起業家が成功するための素晴らしい助けになります。ツールの使い方を知っているからといって、起業に成功するとは言えませんが、優れた起業家はこれらのさまざまなツールを必ず使って目標を達成できるでしょう。

質問6: データが十分に活用されないという悪循環を断ち切るにはどうすればよいでしょうか?

過去数か月間、私たちは顧客とやり取りしてきましたが、一部の企業は当社の製品を非常にうまく活用している一方で、他の企業は平均的な利用率にとどまっていることがわかりました。通常、社内にデータを担当する人がいる企業では、データを非常にうまく活用しています。一方、この件についてフォローする中心人物がいない企業では、パフォーマンスは平均的です。

そのため、運用部門にはデータ分析について一定の理解を持つ人が少なくとも 1 人必要です。高度な外科手術機器を会社に導入しても、誰もその操作方法を知らないと役に立たないようなものです。

知識を得るには、実践を通して学ぶのが一番だと思います。実際に操作するには、ある程度知識があり、数回操作を指導できる人がいることが前提条件です。次に、応用と学習を始めます。これがデータ分析の知識を習得する最も速くて効果的な方法です。ただ本や教科書を読んだり、外部のビッグデータガイドブックを見たりするだけでは、このような効果は得られないと思います。

この人がいれば、この分野や自社製品を理解している人たちから方法論的なサポートを受けることができ、この学習の仕組みが確立されます。これは非常に重要です。そうでなければ、システムが強力であっても、誰もその操作方法を知らない場合は十分に活用することはできません。