データ分析を活用してユーザー数の増加を促進するにはどうすればよいでしょうか?

データを活用してユーザーに関する洞察を獲得し、ユーザーを理解することが成長の基礎となります。成長のプロセスは、データマイニングと分析のプロセスでもあることは間違いありません。では、データ分析をどのように活用して成長を実現できるのでしょうか?見てみましょう。

質問 1:ユーザーの成長のどの側面にデータ分析を適用できますか? また、成長モデルはどのように確立する必要がありますか?

製品の永遠のテーマは成長であり、その成長の背後にはデータによるサポート、つまりデータ分析が必要です。私は市場におけるすべての成長方向を、マーケティング派、実験的成長派、テクノロジー派という3 つの主要な派閥に分類しています。以下では、これら 3 つの成長方向におけるデータ分析の役割について詳しく説明します。

マーケティング派：まとめると、チャネル運営とマーケット運営はお金を使ってトラフィックを買うことです。このリンクでは、お金を使ってトラフィックを買うことが成長だと思ってはいけません。誰でもできます。しかし、お金をかけずに、あるいはお金をかけずに、より多くの、より高品質で、より正確なトラフィックを獲得する方法、それが成長と呼ばれます。この段階では、データ アナリストは、チャネルの品質を監視し、チャネルまたはボスをガイドし、トラフィックにおける適者生存を確保するためのチャネル評価モデルと不正防止モデルを構築する責任を負います。

インターネットでは、トラフィックの 40% は偽物だと言われています。信じるかどうかは別として、私はとにかくそれを信じています。したがって、企業の最初のトラフィックチェックポイントを守るためにデータ分析を有効活用することが特に重要です。

実験的成長学派:ショーン・エリスが著書「グロースハッカー」で最も多く言及した方法は、実験的成長学派です。課題発見、アイデア提案、実験テスト、検討・分析の4つのステップを経て実験モデルを構築することで、制御可能なコストの範囲内で継続的にテストし、成長の真の意味を理解することができます。問題の発見とアイデアの考案は、ノーススター指標とも呼ばれる重要な指標と切り離すことはできません。ドラッカーはかつて「定量化できないものは制御できない」と述べました。データ分析を通じて、ビジネスを可視化し、測定し、成長させることができます。

実験テストフェーズには、ユーザーバケット実験や AB テストなどが含まれ、これらもデータ分析と切り離せません。最後に、結果を確認するときは、有意性や信頼度などのデータ分析の統計原則を使用して、実験の結論が厳密で信頼できるかどうかを実証する必要があります。

技術系の人：技術系の人はデータモデラーになることが多いです。例えば、過去のユーザー行動データからロジスティック回帰モデルを構築して、ユーザーが注文したいという強い欲求があるかどうかを判断して操作します。これはデータ分析に近いですよね？

3 つの主要な流派について説明した後、ライフサイクルに従って成長を分析します。ライフサイクルといえば、非常に人気があり、今でも非常に役立つAARRR (Pirate Model)について説明しなければなりません。ライフサイクルは、新規顧客の誘致、アクティベーション、維持、収益化、分裂に分けられます。

新規顧客獲得段階：この段階では、チャネル評価モデル、チャネル不正防止モデル、チャネルライフサイクルモデルを構築します。この一連のチャネル モデルの目的は、データ分析を通じて限られたリソースを活用し、より高品質なトラフィックを引き込むことです。

アクティベーション段階:アクティベーション段階については 2 つの誤解があります。1 つ目は、登録とアクティベーションは同じであるというものです。ユーザーが登録して携帯電話番号を残すと、そのユーザーは本物で有効であるとみなされます。

2 つ目の誤解は、新規ユーザーの維持率だけに注目し、この指標がユーザーのアクティベーション状況を反映できると考えることです。しかし、コア機能の利用率という重要な指標を見落としがちです。

2つの大きな誤解を活性化する

コア機能とは、「グロースハッカー」でよく言われるアハ体験のことです。いかにしてユーザーに製品のコア機能を使ってもらい、感動してもらい、製品を覚えてもらうかということです。時には、「初対面」で相手に深い印象を残せなかったためにアクティベーションが失敗し、ユーザーを失うこともあります。

製品の種類によってコア機能は異なります。Honor of Kingsというゲームを例に挙げてみましょう。各ゲームには独自のルールがあり、理解コストが非常に高くなります。初心者ガイドを使用して、新しいプレーヤーに基本的な操作を理解させることは特に重要です。したがって、初心者ガイドの完了率、最初のゲームの長さ、ゲーム数は、アクティベーションの重要な指標になります。 Douyin APPを例にとると、コア機能はお気に入りの靴を収集することであり、価格変動や市況を見ることができます。したがって、新規ユーザーの収集率とツール使用率（ドレッシング、靴VRなど）は、活性化の重要な指標です。 Yiche APPを例にとると、そのコア機能は自動車ツールであり、これを通じて、自分の車の最低価格や関連情報を確認できます。そして、ツールを使用した後の新規ユーザーの問い合わせ率が、活性化された北極星指標になります。

北極星インジケーター

ユーザーの活性化を判断するには、登録率や継続率だけではなく、製品の種類に応じてコア機能の使用率をモニタリング指標として把握することも必要です。

まとめると、登録率、新規ユーザー維持率、コア機能使用率は、ユーザーがアクティブ化されているかどうかを判断するための重要な指標です。ビジネス監視指標から成長リンクまで、データ分析も不可欠です。

保持段階:保持は、ユーザーの粘着性に関するフィードバックを提供できる優れた監視指標です。しかし、定着率を向上させたい場合、実際にそれを行うのは非常に困難です。なぜそう言うのでしょうか?商品のリテンションには 5 つの側面があり、単一の要因によって制限されるものではないため、チャネルの改善、商品構造の最適化、イベントインセンティブ、高品質なサービスの提供、プッシュ、SMS、サイト内メッセージなどの非従来的な (リーチ) 手段という、リテンションを向上させるための 5 つの主要な方法をまとめました。

維持する5つの方法

リテンションの5つの側面をどのようにまとめればよいのでしょうか。これはデータ分析における検討と分析の具体化であり、継続的な検討と分析を通じてまとめられたビジネス思考モデルです。

収益化段階:古典的なモデルを例に挙げてみましょう。履歴データを使用して、注文したユーザーと注文していないユーザーの行動をモデル化し、ロジスティック回帰モデルを使用してユーザーの注文意欲を予測し、ユーザーの注文率を高めます (次の図を参照)。

数理モデルはもちろんのこと、モデリング能力もデータ分析に欠かせないスキルの一つです。

分裂段階:この段階での皆さんへのアドバイスは、優れた不正防止メカニズムを構築してから、分裂ゲームプレイについて考えることです。そうしないと、ウールパーティーや仮想マシンに簡単に盗まれます。アクティビティで数十万ドルが無駄になり、新しく追加された装備はすべて偽の装備になります。このようなことは珍しくありません。したがって、データ アナリストは活動を監督し、資金が賢明に使用されていることを確認する必要があります。分裂が適切に行われないと、本当に「分裂」してしまうことに注意してください。

以上、成長を3つの大流派とライフサイクルに分けて、成長におけるデータ分析の応用についてお話してきました。色々な遊び方があるように感じませんか？

質問 2: 最初のシード ユーザー グループをどのように取得しますか?

まず、目的が何なのかを知る必要があります。例えば、洗車ビジネスをしたい場合、シードユーザーは車の所有者であるべきですよね？ 2 番目のステップは、サードパーティのデータベースの衝突、チケット情報、ユーザー登録、自動車所有者の認証などを通じて、より多くの自動車所有者を獲得し、自動車所有者のユーザーデータを取得する方法です。 3 番目のステップでは、効果を確実にするために、100 日間インターネットに接続しているアクティブな自動車所有者などのアクティブ ユーザーを選択し、SMS とプッシュ通知を送信するための特定のスクリーニング ルールが必要です。

ユーザーをスクリーニングする際は、粒度が細かいほど良く、地域、性別、車の所有者の価格などでセグメント化して操作を微調整します。最後に、種子ユーザーの分裂の基盤は常に誠実さであることを忘れないでください。主要顧客からの特別な配慮とフィードバックは、その後の成長への道をより良く切り開くことができます。

質問 3: 社内のデータ基盤が貧弱で成長方法が不足している場合、ユーザー数の増加をどのように開始すればよいでしょうか?

データ基盤の弱さと成長方法論の欠如という 2 つの問題があります。データ基盤はサッカー選手の基礎スキルのようなもので、成長方法はゴールを決める能力のようなものです。基礎スキルが優れていなければ、運良くゴールを決められない限り、試合でゴールを決めるのは非常に難しいでしょう。運が良くなるというのは統計的には確率の低い出来事なので、今はそれについては話さないようにしましょう。したがって、最優先事項は、基礎スキルを向上させること、つまり、データ基盤の貧弱さの問題を改善することです。ナイフを研ぐことは、木を切ることを遅らせるものではありません。

それでは、データ基盤が不十分な問題を解決する方法についてお話ししましょう。君子は生まれつき違うのではなく、物事を利用するのが上手なのです。中小企業の場合、自社のデータ インフラストラクチャ機能が不十分な場合は、サードパーティのサービスを利用できます。他社が踏んだ地雷を踏む必要がない場合もあります。

トラッキングポイントとBIスマートレポートシステムを自分で作るには、少なくとも5人必要になります。彼らの給料に年間200万人民元以上を費やすのは妥当です。しかし、非トラッキングデータ収集とスマートディスプレイ機能を含むShence Dataを購入すれば、年間数十万人民元しかかかりません。節約したお金を広告に使ったほうが良いのではないでしょうか。

もう 1 つの例は不正防止です。チャネル トラフィックの不正防止を独自に行うには、非常に大規模なユーザー データベースとアルゴリズム機能が必要です。小規模な企業が、事業がまだ不安定な初期段階で独自の不正防止システムを開発すると、すでにリソースが限られている技術チームをさらに悪化させるのではないでしょうか。Shumeng や Shumei のような専門チームを選択する方が安全ではないでしょうか。新鮮な食べ物を食べたいなら、冷蔵庫を買えばいいじゃないですか。でも、あなたはそれをしたくないから、自分で作ろうとする。そうしたら、私は黙って親指を立てて、背を向けるしかない。

しかし、確かなことが 1 つあります。チームが十分に強力であれば、チャネル属性の収集、コア データ用の自作 BI システムなど、一部のものは実際に自分で構築する必要があります。結局のところ、自分の運命を自分の手で握るのが最も安全です。

したがって、データ基盤が貧弱な企業の場合、私の個人的な提案は、会社の初期段階では移行としてサードパーティのサービスを選択し、その後、会社が成長して真に運命をコントロールできるまで待って、独自に構築できるデータシステムを構築することです。結局、遅かれ早かれ、自分がしたことの代償を払わなければならないのです。

質問4: 近年、誰もが成長について議論しています。では、中国製品の成長と米国シリコンバレーのグロースハッカーの成長の違いと類似点は何でしょうか?

「グロースハッキング」は、インターネット界隈の人にとっては馴染み深い言葉でしょう。特にここ数年、海外でも多くの典型的な事例を目にしたことがある人も多いでしょう。例えば、Netflixは顧客が視聴した映画や番組を分析し、ケビン・スペイシー主演の映画や政治ドラマがユーザーに非常に人気があることを発見したため、Netflixはドラマ「ハウス・オブ・カード」を制作しました。Facebookがグレースケールテストを行ったところ、新バージョンでは収益化率が25％低下することが判明したため、緊急に新バージョンのリリースを中止しました。その核心概念は、テクノロジーとデータ駆動に頼って成長の目標を達成することです。

しかし、近年では誰もが「成長」がもはや魅力的ではないことに気づいています。いわゆる「成長」はすべて他人の「成長」または外国の事例であり、中国になると「現地の環境に合わない」ことになります。結局のところ、海外での運営やチャネルの位置付けはありませんよね？APPストアとHuami OV（Huawei、Xiaomi、vivo、oppo）などの国内Androidアプリケーションストアの商用化レベルの比較を見てみれば、国内の成長は厳しい成長と言えるでしょう。時には古いシリコンバレーにさえ遠く及ばないこともあります。

成長が地域環境に適応できない主な理由は 2 つあります。 1つ目は、中国人は賢く、遊び方が多いこと、例えば前述のAndroidマーケットの商業化レベルなどです。2つ目は、米国ではユーザーの違いや需要の多様性が比較的単一であることです。食べ物を例にとると、アメリカ人はピザとハンバーガーしか好きではありませんか？中国の食べ物の分類を見れば、Meituanをクリックするとすぐに立ち上がるでしょう。そのため、米国には存在しない操作ポジションが出現しました。サブセクターの複雑さと高度に商業化されたモデルが、中国と米国の成長における主な違いです。

成長の共通点は何でしょうか? それは、MVP モデル、FRM、アハ体験など、成長の核となる概念です。これらの概念は永遠です。それは中国とアメリカでサッカーをするのと同じで、ルールは同じですが、人々の体力は異なります。

質問 5: 成長実験で注意すべき共通事項は何ですか?

（１）全体像を見る力を養う

「貧乏な人」は MVP (最小限の実行可能な製品) をプレイし、「裕福な人」は AB テストをプレイします。なぜこのように言うのでしょうか? AB テストをただ AB テストのためだけに行い、その中から最善の解決策を選択する人はどれくらいいるでしょうか。表面的には、これは最適化を実現しますが、AB テストを行うとき、実際には「井の中の蛙」のように、どの方向にジャンプすればより高く飛べるかを模索していると考えたことがありますか。井戸から飛び出して最小限の実行可能な製品を作る場合は、製品全体を通して視点を維持し、「最小限」のコストでより多くのフィードバック情報を収集することで、世界的な成長を達成する必要があります。特定のノードで AB テストを続けているだけでは、リソースを無駄にしているとしか言えません。製品ライン全体を統合して、一連の MVP テストを実行する方がよいでしょう。

具体的な例を以下に示します。

MVP 最小限の実行可能な実験

AB テスト (C):最適な変換素材を見つけるために新しいチャネル素材をテストします。材料を選択する方法は N 通りあり、最終的に C3 になります。これは、新規コンバージョン率が最も高い材料です。これでタスクを達成したと考え、すべてのチャネルとエージェントが C3 材料を使用します。このようにすると、私たちは井戸の底にいるカエルのように、どの跳ね方をすれば最も高いジャンプが得られるか試しているだけではないでしょうか。しかし、井戸から飛び出すと、新規コンバージョンは材料だけでなく、製品、チャネル、テクノロジーなどの共同制約によっても決まることがわかります。

MVP:成長は単一の部門や単一のリンクの責任ではなく、すべての部門間のコラボレーションの結果です。上記の例をもう一度取り上げてみましょう。井戸から飛び出して MVP テストを実施する場合、新しいコンバージョンのための最適な成長計画は、単一の材料 C3 ではなく、A1 + B3 + C3 + D1 と A2 + B2 + C1 + D3 である可能性があります。

これが私が「貧乏な」人がMVPをプレイし、「裕福な」人がABをプレイするという意味です。同じ金額をかけるなら、井戸の底でプレイしても井戸の外でプレイしても、井戸の外の方が費用対効果が高いのではないでしょうか。ですから、私たちは限界を打ち破り、グローバルな視点で成長を見なければなりません。

（２）コミュニケーション

アナリストにとって最も重要なスキルはコミュニケーションです。まず上司のニーズを理解し、それを分析します。分析結果は上司が理解できる言語に翻訳し、上司があなたの行動の価値を理解できるようにします。

どれだけ業務をうまくこなしても、上司がそれを認識できなければ、プロジェクトは価値があるものの、その価値を最大化することはできません。プロジェクトの成果を上司にいかに認識してもらうかということもコミュニケーションスキルです。重要でないと考えないでください。プロジェクトを立ち上げられるかどうか、予算やプロジェクトの規模に関係します。

有能なアナリストは成長ポイントを見つけ、優秀なアナリストはリーダーに成長ポイントを認識させ、プロジェクト規模を拡大し続けるためにさらなる予算を要求し、最終的により良い結果を得ます。最終的には、チームメンバー全員が昇進し、昇給します。

小さな例を挙げると、問題点（成長点）を見つけ、ユーザー離脱が深刻であることがわかった場合、失ったユーザーを呼び戻すプロジェクトを実行する必要があります。プロジェクト開始前に、リコールプロジェクトの有効性を評価するために、モニタリング指標を整理し、リーチ・リコール率、リコール率によるリーチ人数、リコールビジネス転換率、リコール後貢献維持率、N日維持率を開発しました。また、リーダーの KPI には DAU、翌日のリテンション、7 日目のリテンションなどが含まれており、7 日目のリテンションが実験的なモニタリングの指標と密接に関連していることがわかったため、7 日目のリテンションを主要なモニタリングおよびレポート指標にすることにしました。

これまでの指標は成長しそうだが、上司はそれを認識できないかもしれないことに気づいたかもしれません。しかし、上司と一緒に仕事をすれば、上司はすぐに成長を認識できるようになります。コミュニケーション能力も高ければ、予算編成やプロジェクトの立ち上げも楽勝です。成長実験において、私が個人的に注目するべきなのは、上記のような全体的視点の涵養と、上下へのコミュニケーション能力の2点だと考えています。

今日私が皆さんにお伝えしたいことは以上です。最後に、皆さんが成長への道にあるすべての方法を知って、成功なしに成長することは決してないことを願っています。

著者: 江迪

出典: 趙小洛洛 (luoluo9633)