ユーザーアクティビティインデックスを分析するにはどうすればいいですか?

これは非常に退屈な肉体労働ですが、成果を達成するための鍵となります。これらの詳細がなければ、いかなる「思考方法」、「基礎となる論理」、「コアルール」も機能しません。コインを振って真実を言えるのは占い師だけだ。データ分析をする人たちは実はレンガ職人と何ら変わらない。

01. ユーザーアクティビティに関する一般的な問題

1. 何がアクティブであるかについての統一された定義はありません。

ユーザー登録や支払いは非常に明確な行為であり、一般的に間違いはありません。しかし、「アクティビティ」が何であるかについては、次のようなさまざまな意見があります。

1. ログインが成功するとアクティブとみなされますか?
2. ログイン後のクリック数は何回がアクティブとみなされますか?
3. 特別なアクションを完了するにはログインしますか?

もちろん、異なる目標や異なるビジネスには異なる定義が使用される場合があります。しかし、これらの定義を使用する前提は、統一された基準を持つことです。すべての部門が合意に達する必要があります。XXX の行動をとる人はアクティブであるとみなされます。最も一般的な問題は、統一された口径がないだけでなく、新しい用語が絶えず発明され、歴史的データに一貫性がなくなることです。結局、会議は全員の意見が食い違うまま終了した。

2. 細かいことにこだわりすぎて、毎日の変動を心配しすぎる。

活動率やアクティブ数の指標を見た学生なら、これらの指標が日々大きく変動していることを知っています。規模の大小を問わず、ほぼすべてのものがアクティビティ率に影響を与えます。場合によっては、アクティビティ率の低下を分析したレポートが提出される前に、アクティビティ率が自然に増加することがあります。その結果、毎日「なぜまた1%上がったり下がったりするのか！」と悩むことになり、疲れ果てていますが、まだ根本的な原因は見つかっていません。

3. 問題を個別に検討し、問題解決のために資金を投入する。

活動率が下がった理由は明確ではないかもしれませんが、活動率を上げる方法は非常に明確です。 7日間ログインして特典をゲット、30日間連続ログインして特典をゲット、ログインして最大888の宝くじに当選、20日間植樹してキウイ1袋ゲット... そのため、問題の原因が判明する前に、指標を上げる短期的な対策がすでに実施されていることが多いのです。

その結果、一つの問題は解決されますが、別の問題が発生します。活動率は高い、コンバージョン率は下がる、コンバージョン率は高い、コストは枯渇する…

登録、アクティビティ、支払いなどの指標は、別々に表示することはできません。これは、ある人物の体型についてコメントするときに、3 つの測定値すべてをまとめて報告するのと同じです。そうでなければ、36Dのガールフレンドが欲しいなら、36-48-52の体型の彼女が欲しいですか？望むだけでなく、幸せでなければなりません。

02. ユーザーアクティビティ分析の核心課題

私はいつも、データを使っていてもビジネスを理解していないと、さまざまな問題が発生する可能性があるという例を挙げています。しかし、ユーザーアクティビティ分析においては、ビジネスを行う側がデータを理解していないからこそ、上記のような混乱が生じるのです。運用部門では、アクティブ指標の意味について深く考えたことがなく、アクティブ指標と登録、決済、コンバージョンの関係性についても分析していませんでした。 「これが私のKPIだから」という理由で、「KPI指標下降症候群」が発生し、明確な分析を待たずに行動を焦ります。結局、根本的な原因ではなく対症療法に終始してしまい、非常に厄介です。

行き詰まりを打破したいのであれば、まず核心的な問題を解決しなければなりません。「私たちにとって、活動的であることはどういう意味か？」陰陽師やDOTA Legendのような非常にハードなゲームは別として、他の多くのインターネット アプリケーションでは、ユーザーが毎日ここにいることが本当に必要なのでしょうか? WeChatのようなスーパーアプリ以外に、ユーザーが置き換えて毎日チェックできないアプリが本当にあるでしょうか? （下図参照）

本質的に、インターネット アプリケーションは、従来のビジネスが店舗を訪れる顧客に焦点を当てているのと同じように、ユーザーのアクティビティに焦点を当てています。

• 活動はすべての基礎であり、注意を払う必要がある
• コンバージョンなしで活動するだけでは不十分であり、それらを結び付ける必要がある
• 影響を与える要因が多すぎるため、大きな要因に焦点を当て、小さな要因を無視し、行動に焦点を当てる必要があります。

ユーザー離脱分析について話すとき、私たちは次のように言いました: 離脱分析の目的は、離脱率をなくすことではなく、制御可能な範囲内で離脱を制御することです。ユーザーアクティビティを分析する場合も、原則は同様です。アクティビティ分析を行う目的は、ユーザーに毎日チェックインを強制することではなく、支払いと紹介に対する安定したサポートを提供することです。

03. ユーザーアクティビティ分析の基本的な考え方

1. 標準の設定: 現在のビジネスには、どのような新しいアクティブな有料構造が必要ですか?
2. パターンを見つける: 定期的なアクティブなトレンドはどのように見えるでしょうか?
3. 異常の有無を確認する：正常な変化と異常な変化を区別する
4. 原因追跡: 異常な変化を追跡して分析する
5. 計画を立てる: 問題の重大性と緊急性に基づいて計画を立てる

もちろん、最も重要なことは基準を設定することです。ビジネス関係者としては、必要なアクティブ ユーザー数と必要なアクティビティ率について心理的な判断を下す必要があります。また、1 つの指標だけを単独で見ることはできず、AARRR の全体的な形状に注意を払う必要があります。

基準を設定するための一般的な方法

基準は主に次の 3 つの点に基づいています。

1. ビジネス特性: ビジネスによって必要なアクティブ ユーザー数とアクティビティ率は異なります。
2. 開発段階: 一般的に、新しいアプリはより多くのユーザーを集め (DAU を増加)、一定のレベルに達したときにのみ有料コンバージョンを実現する傾向があります。
3. 競争戦略: 戦略が異なれば、活動と支払いの要件も異なります。

たとえば、最も基本的な 3 つの戦略は次のとおりです (以下を参照)。

標準設定の中心は競争戦略であることに注意してください。たとえば、金融サービスは低頻度のビジネスだと従来は考えられていました。しかし、金融アプリを作る際には、金融ニュース、金融教育、地元の飲食店ガイド、映画情報など、消費に関わるものをアプリに組み込むことで、低頻度のアプリを高頻度のアプリに変えることができます。

したがって、類似事業の一般的な特徴や発展段階は参考値としてのみご利用ください。さらに重要なのは、それは企業の内なる声であるということです。「私たちは XXX アプリケーションを作りたいと思っています。市場の製品と比較して、私の目標は XXX です。」

そのためには、オペレーション部門が独自のビジネス判断能力を持ち、自らの方向性を明確に理解している必要があります。データアナリストは、ビジネス特性、開発段階、競合製品データなどのデータを参考として提供する補助的な役割のみを果たします。

陳氏が活動の問題が「上から無計画に行われている」と不満を漏らすのはそのためだ。実際、多くの企業は自社の業務について何も知らず、データが基準を満たしていれば機械的にKPIを完了する方法を知っているだけだ。データが基準を満たしていない場合、彼らはデータアナリストの洞察力の欠如、競合他社の誇張された数字、または当社の資金不足のせいにしようとします。基準が明確でなければ、その後の分析について話すことはできません。

パターンを見つける一般的な方法

ルールには3つの種類があります

1. ポリシールール。この政策が発表されると、大きな反響が起こりました。
2. 自然の法則。 1月から12月まで、活動に影響を与える要因は数多くあります（下図参照）
3. 操作ルール。一般的な運用上の事故 (製品の在庫切れ、システムのダウンタイム、誤解を招くような宣伝など) や運用上の措置 (抽選、サインイン、インタラクティブ ゲーム) はすべて、アクティブ データの変更を引き起こす可能性があります。

これらの特定のポリシー、イベント、および運用アクションが、指標の変化の根本的な理由です。したがって、分析を行う前に、まずは大量の内部および外部のイベントを収集し、それらのイベントに基づいて問題について考える必要があります。ただ数字だけを話し、「過去 3 日間で上昇したから、今日も上昇した」とか「先週の金曜日に上昇したから、今週の金曜日も上昇する」といった非論理的なことを言うのではなく、

明らかなパターンを見つけたら、それを使用して定性的な予測を行い、将来いつ発生するかに基づいて指標の変動を予測することができます。説明にも使えます。たとえば、指標が変動する場合、対応するイベントが発生し、対応する変動パターンが発生すると、定期的な変化である可能性が高くなります。こうすることで、多くの分析を行った後に「ずっと前からわかっていた」や「そういうものだ」と批判されるのではなく、分析時間を大幅に節約できます。

異常を確認するための一般的な方法

異常が発生した場合は、次の点に注意してください。

1. 振幅: 日々の変動は十分に大きいですか?
2. 持続可能性: 継続的な増加または継続的な減少の傾向がありますか?
3. 規則性: 定期的かつ計画的な変動はありますか?
4. 相関関係: 関連する登録指標と支払い指標は同じように変動しますか?

すべての変動を追跡する価値があるわけではないことに注意してください。大規模、継続的、不規則、および他の指標に影響を与える変動を優先する必要があります。時折の変動は正常ですが、問題が悪化したときに原因をたどりやすくなるよう、発生時刻を記録して傾向を観察する必要があります。こうすることで、データ アナリストは終わりのない混乱に陥る必要がなくなり、実際の異常な問題を見つけやすくなります。

原因を突き止める一般的な方法

異常な変動であることを確認します。一般的な形式は次の 3 つです。

1. イベントの種類: 一時的、急激な減少
2. 継続型：ある時点から下がり続ける
3. システマティック: ボラティリティは小さいが、常に競合他社よりも悪い

まず問題の種類を特定し、次に原因を突き止めます。原因の追跡の難しさは、イベントベース > システムベース > 継続的です。一度発生した事件は、その発生源を突き止めるのが最も簡単です。体系的な違いに対する答えは、競合製品の分析を通じて見つけることができます。逆に、持続的な問題は最も厄介な問題です。それらは自然に消える場合もあれば、大きな出来事の余波である場合もありますし、より根深い問題である場合もあります。

DAU=DNU+DOU（毎日のアクティブユーザー数 = 毎日の新規ユーザー数 + 毎日のアクティブな既存ユーザー数、一般的には新規登録ユーザーは直接アクティブとしてカウントされる）と言われることが多いことに留意してください。多くの場合、システム上の問題が DNU に影響します。登録後、T+1、T+2...T+N の期間内にユーザーが適切に誘導されない場合、ユーザーの非アクティブ化や損失につながります。

DOU は、季節のプロモーション、サイレント ユーザーの喚起、新製品の発売などのイベントに関連することがよくあります。そのため、原因を追跡する際には個別に観察することができます。新規ユーザーの場合は、登録から初回支払いまでのプロセスに注目し、既存ユーザーの場合はタグ付けしてアクティビティへの反応に注目します（下図参照）。

一般的な計画方法

しかし、そのような部分は存在しません。この部分は操作範囲に属し、ビジネスアクションであるため、この記事での議論の範囲外です。計画は主に、運用のビジネス能力に依存します。データ分析として提供できるサポートは次のとおりです。

1. 問題の優先順位付け
2. 緊急かつ重要な問題については、問題の原因を示す
3. 問題を改善するための過去の手法をサポートするROI分析結果を提供する
4. 運営側がアイデアを出し、一時的なサポートを提供するのを待つ

最後に、1 つの文を強調したいと思います。「良い方法は計算されるのではなく、設計されるものです。」データ分析は、過去の方法の長所と短所を評価するため、およびせいぜい XX 製品に対するユーザーの応答率を予測するためにのみ使用できますが、それ以上は使用できません。これを本当にうまく実装するには、運用チームが社内のスキルを磨く必要があります。

最初から読んでいくと、データ分析方法はまったく謎ではなく、むしろ次のようなことがわかるようになります。

• 大量かつ詳細にイベントを収集する
• データを使用してイベントを説明、評価、要約する
• ロジックを使用してイベントの影響を推測し、データを使用して仮定を検証します。

これは非常に退屈な肉体労働ですが、成果を達成するための鍵となります。これらの詳細がなければ、いかなる「思考方法」、「基礎となる論理」、「コアルール」も機能しません。コインを振って真実を告げることができるのは占い師だけです。データ分析をする人は、実はレンガ職人と何ら変わりません。

著者: ダウン・トゥ・アース・アカデミー

出典: ダウン・トゥ・アース・アカデミー