製品運用でよく使われるデータ分析手法11選！

データ分析にはさまざまな方法があります。今日は、よく知られている5W2Hから始めて、グループ分析まで、基本的に仕事や生活で使用できるさまざまな方法をカバーします。それらを1つずつ説明しましょう。

5W2Hで始まる英単語を使って問題を考える方法です。理解しやすく、単純な問題を解決するのに適しています。しかし、複雑なビジネス上の問題に直面した場合は、他の方法の助けが必要になります。

フェルミによって提唱され、主に複雑な問題を単純な問題に変換するために使用され、徐々に枝のように広がり、問題を細分化し、複雑な問題を単純なサブ問題に変換します。

面接でよく聞かれる質問: 深センには何人のプロダクトマネージャーがいるか、シカゴには何人のピアノ調律師がいるか、など。このタイプの推定問題をフェルミ問題と呼びます。フェルミ問題を解くとき、深センに何人のプロダクトマネージャーがいるかを実際に計算することに焦点が当てられることは通常ありません。焦点は分析方法、つまりロジックツリーを使用して問題を分析する能力にあります。

業界の課題を分析し、開発計画を策定する必要がある場合、業界分析を行う必要があり、 PEST分析手法が第一選択肢となります。

多次元分解法とは、次元＋分解であり、問​​題を多角的に考えます。

では、どの次元から問題を分析できるでしょうか?

• 指標構成からの分解
• ビジネスプロセスから分解

面接でよくある質問は、「翌日のユーザー維持率が 5% 低下した場合、どのように分析すればよいですか?」です。この種の質問は、次元分解法を使用して解決できます。

データを多次元に分解することで、データ全体とそのさまざまな部分を調べると反対の結論が得られるという現象を発見しました。これはシンプソンのパラドックスと呼ばれます。

2 つの変数についてグループ調査を実施すると、両方のグループで優位に立っている方が、全体的な評価では負ける側になります。

性差別の最も有名な例は、1973年のカリフォルニア大学バークレー校で、男性の入学率は44％、女性の入学率は35％でした。このデータに基づいて、学校は性別に基づいて差別する傾向があると考える人もいます。しかし、各学部の入学率を個別に見ると、ABDFの4つの学部では、女性学生の入学率が男性学生の入学率よりも高いことがわかります。このパラドックスは、単純な統計数値ではその背後にある複雑な意味を完全には説明できないことを示しています。したがって、データを全体としてのみ見て、データの各部分の違いを無視するのは間違いです。

比較分析を行う際には、誰と比較するか、どのように比較するかという 2 つの主要な問題を考慮する必要があります。

誰と比較するか

• 自分との比較：前年比、前月比、固定比率、目標値との比較、縦方向の比較、横方向の比較、特定期間の比較
• 業界平均と比較

比較方法

• データ全体のサイズ: 平均、中央値
• データの全体的な変動: 変動係数
• トレンドの変化: 折れ線グラフ、前年比、前月比

注意: 比較対象が同じサイズの場合にのみ比較が可能です。

A/Bテストは比較分析の応用である

問題の原因を分析すること。帰属分析とも呼ばれ、「なぜ」の質問、指標の低下を伴う問題

2 つ以上のデータの関係を調査する方法。1 つの指標が別の指標とともに変化する場合、それらは相関関係にあることを意味します。1 つの指標が最初に変化し、その後別の指標の変化を引き起こす場合、それらは因果関係にあることを意味します。

相関関係は因果関係ではないことに注意する必要があります。現実の世界では、100% の因果関係を見つけるのは難しいです。相関関係か因果関係かをどのように判断するのでしょうか?答えは、単一変数制御法です。他の要因を変更せずに制御し、1 つの要因のみを変更して、この要因が結果に与える影響を観察します。

これはコホート分析とも呼ばれ、グループ化したデータを比較することを意味します。

たとえば、時間の経過に伴う保持率の分析は、保持率の低いグループを見つけ、それらのグループをさらに分析することを目的としています。

離脱ユーザー分析、金銭延滞分析などもございます。

RFM 分析は、重要な価値ユーザーから一般的なリテンション ユーザーまで、ユーザーを価値別に分類し、価値あるユーザーを特定して、洗練された運用を実施し、ユーザーを継続的に重要な価値ユーザーに変換するために使用されます。

ここでの RFM は次のものに対応します。

• R - 最終消費間隔
• F -消費頻度
• M-消費量

例えば、クレジットカードの会員サービスは、RFM分析に基づいた運用の一例ですが、すべてのユーザーに対して同じ運用戦略を採用することはできず、損失につながる可能性があります。

注: RFM値は、さまざまなビジネスに応じて柔軟に使用する必要があります。

AARRR モデルは、ユーザーの行動を分析し、製品運用の意思決定を行い、ユーザーの成長を実現するために使用されます。
製品操作の 5 つの重要なリンクに対応:

• 獲得- ユーザーはどのように私たちを見つけるのでしょうか?
• アクティベーション: ユーザーの最初の体験はどのようなものでしょうか?
• 保持 -保持の改善: ユーザーは戻ってきますか?
• 収益 -収入を増やす：お金をもっと稼ぐ方法
• 紹介-推奨: ユーザーはそれを他の人に推奨しますか?

ユーザー獲得段階では、次の指標を重視します。

• チャンネル露出
• チャネルコンバージョン率
• 1日あたりの新規ユーザー数
• 毎日のアプリダウンロード数
• 顧客獲得コスト

ユーザーアクティベーションの段階では、「アハ体験」、つまり、ユーザーが製品のハイライトを気に入って感嘆せずにはいられない瞬間を見つける必要があります。

維持段階では、維持率指標に焦点を当てて、ユーザーに使用習慣を身につけさせることが主な目標です。

収入増加段階では、主に次の点に重点が置かれます。

• 総取引額や取引数量などの総量関連指標
• ARPU/ARPPUや平均訪問時間などの一人当たり指標
• 支払率や買戻し率などの支払指標

紹介フェーズは、バイラル マーケティングまたは自己伝播とも呼ばれ、次の点に重点を置いています。

• 転送速度
• コンバージョン率
• K係数

ファネル分析は、ビジネスプロセスの各ステップのコンバージョン率を測定する分析方法です。ユーザーコンバージョン分析、ユーザー離脱分析、トラフィック監視など、さまざまな業界で対応するアプリケーションがあります。目的は、問題のあるノードを特定し、問題のあるリンクがどこにあるかを見つけることです。

コーラを飲みながら本をじっくり読んで、毎日少しずつ進歩しましょう。

著者: Coke のデータ分析への旅

出典: The Way of Data Cola