ユーザーをセグメント化するにはどうすればいいですか? 6つのモデルと5つの次元

現在、インターネットの継続的な発展とテクノロジーの進歩により、今日の環境ではユーザーはラベル付けされ、分類されています。ユーザーはさまざまなニーズやその他の側面に従って分類され、洗練された操作を実現します。この記事の著者は、ユーザーセグメンテーションのモデルと次元を共有しています。一緒に見てみましょう。

分類は人間の脳の認識パターンであり、分類は物事を単純化する方法の 1 つです。

——張小龍

商品経済の発展に伴い、社会の分業はますます洗練され、製品の生産・製造は統一供給から個別供給へと徐々に進化してきました。

インターネット製品は個人ごとにさらに多様化しており、ユーザーをさまざまなタイプに分けてさまざまなサービスを提供できるため、地域の状況に適応し、状況を活用し、学生の適性に応じて指導し、ニーズに合わせてサービスをカスタマイズしていると言えます。

ただし、ユーザーのセグメンテーションと洗練された操作では、次のような一般的な問題が発生する可能性があります。

• カスタマイズされたサービスと差別化がなければ、新規顧客を獲得することは困難です。
• 「テーラーリング」は無理があり、ニーズを満たすのは難しく、維持するのは困難です

では、合理的なユーザーセグメンテーションをどのように実施すればよいのでしょうか?

二千年前、本は竹簡で作られ、貴族だけが本を読むことができました。文字が読める人はほとんどいませんでした。仏教はどのようにして各家庭に仏法を広めたのでしょうか？

地域、部族、貧富、文化が異なれば、精神的なニーズや受容のレベルも異なるため、異なるアプローチが必要です。中国の仏教は 8 つの主要な宗派に分かれており、それぞれが非常に異なる布教スタイルを持っています。各宗派は、異なる考え方を持つ人々に対して、異なる方法を採用しています。最も素質の高い人々に対しては、哲学を思索し、世界の真理を探究します。最も素質の高い人々に対しては、心を清らかに保ち、欲望を少なくし、生活のあらゆる面で修行をします。平均的な素質の人に対しては、事例を論じて道理を広げます。最も素質の低い人に対しては、天国の考えで誘惑し、地獄の考えで脅かし、善行を行うように導きます。

これは企業からユーザーへの場合にも当てはまります。

ユーザーセグメンテーションとは、ユーザーニーズの多様性を実現し、限られたリソースを集中させて効果的な市場競争を行うための企業の行動です。明確な戦略的ビジネスモデルと特定の市場において、企業はユーザー属性、行動、その他の要素に応じてユーザーを分類し、ターゲットを絞った製品、サービス、販売、運用モデルを提供することで、ユーザー価値と製品目標を最大化します。

システム実装レベルでは、抽象理論の指導のもと、アルゴリズムを使用してラベリング統計と分類を行い、ユーザーポートレートの形で提示し、最終的に戦略、インターフェース、操作方法をカスタマイズします。

どのような角度と次元でユーザーをセグメント化できますか?

ラベル付き統計と分類にアルゴリズムを使用する方法は?

ユーザーセグメンテーションの合理性を検証し、調整するにはどうすればよいでしょうか?

1. 6つの一般的なモデルと5つのユーザーセグメンテーションの次元

まず、ユーザーとは何でしょうか?

次のような会話をよく耳にします。

• 貴社には何人の学生ユーザーがいますか? 500万。
• ユーザーには、動画を投稿する人、動画を視聴する人、広告を掲載する人の3種類があります。
• このシナリオでは、ユーザーごとに認識やニーズが異なります。

考えてみれば、口頭での会話におけるユーザーの意味は曖昧です。

• 最初の文では、ユーザーが実際に言及しているのは、自動車所有者の登録 ID の数です。
• 2 番目の文では、ユーザーは実際に製品内に存在するロールを参照しています。
• 3 番目の文では、ユーザーは実際には特定の種類のニーズの集合を指します。

明らかに、最初の 2 つの文は話し言葉での怠惰で単純化された表現であり、3 番目の文に含まれる「ユーザーはニーズの集合体である」という意味の方が正確です。

ユーザーの定義が明確になったので、インターネット企業でよく使用される 6 つの分類モデルを見てみましょう。

1. 梁寧：プロダクト思考

ビジネス モデルにおける主な役割と特定の役割におけるユーザー分類に応じて、次のようになります。

例: Dianping.com の Xindian の無料食事。 Dianpingは新規オープンした店舗と提携して無料食事を開始し、そのほとんどはユーザーレベルが高く、アクティビティレベルが高く、クラシックレビューが多いトップユーザーに割り当てられます。トップユーザーは無料で食事を楽しんだ後、レビューを書き、大明羊、小仙羊、本本羊の消費を促します。

2. UCPM-製品管理知識システム

あるシナリオでは、ユーザーは感情とニーズを持ち、解決策を探し、製品を選択し、製品を購入し、製品を使用し、最後にアフターサービスを実行します。ユーザーは 5 つのカテゴリに分類できます。

• 購入者：購入行動を実行し、主に価格を気にする
• ユーザー: 製品を使用し、まずそのパフォーマンスを考慮する
• インフルエンサー: 意思決定の方法について指導するグループ
• 情報管理者: 情報の流れを制御し、他者とコミュニケーションをとる
• 意思決定者: 購入決定を正式に承認し、決定の内部ポリシーの側面に関心を持つ人。

例えば：

• 幼児教育製品: 意思決定者、購入者、情報管理者、影響力を持つのは親であり、ユーザーは学生です。
• 小学校教育製品: 意思決定者と購入者は保護者、ユーザーは生徒、情報管理者と影響力を持つのは保護者と生徒の両方です。
• エンタープライズ サービス製品: オフィス ソフトウェアの購入には、購買部門によるさまざまなサプライヤーの製品の比較、財務部門による予算、従業員の意見、専任担当者による管理と保守、上級管理職による意思決定が必要です。

3. ユーザーエクスペリエンス要素

製品に対する熟知度に応じて、次のように分類されます。

• 初心者ユーザー: 製品を使い始めたばかり、または頻繁に使用せず、製品に慣れていないユーザー。
• 一般ユーザー: 大多数を占め、製品をうまく活用しています。
• 熟練ユーザー: 製品への依存度が高く、多くの意見や見解を提示でき、製品の強力な支持者です。

簡単に分析できるように、次のように分割します。

• シナリオ A/B/C では同じグループの人々がどのような問題に遭遇するでしょうか?
• 同じシナリオで、3 つのグループ a/b/c がそれぞれ異なる問題に遭遇します。

4. 新世代のビジネスモデル

ユーザーのニーズの範囲とユーザー間の関係に応じて、次のように分類されます。

• マスマーケット: Taobao、Pinduoduo、Douyin など、幅広い同様のニーズを持つ大規模なユーザー グループにサービスを提供します。
• ニッチ市場: デザイナーにサービスを提供する Huaban.com など、カスタマイズされたニーズを持つ特定の専門ユーザー グループにサービスを提供します。
• 相違点を残しつつ共通点を求めるユーザー グループ: 類似しているが異なるニーズを持つ複数のセグメント化されたユーザー グループ (「ネギ」、独立した経済人、トレーダーにサービスを提供する株式取引アプリなど) にサービスを提供します。
• 多様なユーザー グループ: さまざまなニーズを持つユーザー グループに対応します。CRM 製品と同様に、プライベート、パブリック クラウド、ハイブリッド クラウドに展開できます。
• マルチサイド プラットフォーム (マルチサイド マーケット): 2 つ以上の独立しながらも相互依存するユーザー グループにサービスを提供します。たとえば、O2O 食品配達では、食品を注文する人、食品を配達する人、販売者、広告購入者にサービスを提供します。

5. インタラクションデザインの本質

インターフェースの設計目標に応じて、次のように分類されます。

• メイン キャラクター: 製品には、インターフェイスごとに 1 つのメイン キャラクター モデルのみを設定できます。
• セカンダリペルソナ: プライマリペルソナに対応する製品の能力を弱めることなく満たすことができる追加の特定のニーズがあります。
• 補助文字: 主文字と補助文字を組み合わせることで、補助文字のニーズを完全に表現できます。インターフェイスは任意の数の補助文字に接続できます。
• 顧客ペルソナ: エンドユーザーではなく顧客のニーズです。一部の顧客ペルソナのインターフェースは、独自の管理インターフェースの主人公になる場合があります。
• サービス受信者: 製品のユーザーではありませんが、製品の使用によって直接影響を受けます。
• 否定的な文字: 製品が特定の種類のユーザーには役立たないこと、つまり、そのユーザーが製品の実際のユーザーではないことを伝えるために使用されます。

例えば：

2B 製品には、特定のユーザーが頻繁に気にするデータは実際にはそれほど多くなく、日常的に頻繁に使用する機能も多数あります。これらの重要なデータと機能をシステム ホームページ、モジュール ホームページ、機能ホームページに配置し、ユーザーが少数の機能のみを使用して日常業務のほとんどを完了できるようにすることが、究極のユーザー エクスペリエンスです。

6. RFMモデル

RFM モデルは、顧客価値と顧客収益性を測定するための重要なツールと手段であり、多くの CRM 製品のユーザー分析で広く使用されています。主に「前回の消費から現在までの日数、累計消費回数、累計消費額」という 3 つの指標を使用して顧客の価値を表します。8 つのカテゴリに分類できます。

これら 6 つのモデルは、PM のさまざまな作業シナリオに適しています。これらは、確立された従来の大まかな分類モデルです。ただし、市場で垂直的な製品がますます増える傾向にあるため、公開されているセグメンテーション モデルの有効性は損なわれています。

そのため、ますます多くの製品が、より詳細な次元から徐々に分類されるようになっています。著者は、業界のほとんどの記事を読み、実務に基づいて要約しましたが、それは次の 5 つの次元にまとめることができます。

次元を絞り込んだ後、それをどのように定量化するのでしょうか?

この技術はどのように実装されていますか?ユーザーはどのように行動しますか?

2. データにラベルを付けてユーザーを視覚化する

タグとは何ですか?タグは、製品の目標、カテゴリ、コンテンツをマークするために使用されます。タグは目標のキーワードであり、簡単に検索して配置するためのツールです。

ユーザータグは、更新頻度に基づいて静的タグと動的タグに分けられます。また、開発方法に基づいて統計タグ、ルールタグ、アルゴリズムタグ（基本タグ、モデルタグ、予測タグとも呼ばれます）に分けられます。さらに、タグのソースに基づいて、システムによって自動的に追加されるタグ、開発者によって追加されるタグ、ユーザー自身によって追加されるタグに分けられます。

ユーザーポートレートとは何ですか?前のセクションの分類モデルから、一部のモデルは実際の人物を見ることができるかのようにより感情的であり、一部のモデルはラベル付けされたデータの束を見ることができるかのようにより合理的であることがわかります。はい、ユーザー ポートレートは現在、ユーザー ペルソナとユーザー プロファイルの 2 つのカテゴリに分かれています。

ユーザー ペルソナは、製品の設計者とオペレーターによってユーザー グループから抽出された典型的なユーザーです。通常、ユーザー インタビューとユーザー リサーチから得られ、現在の製品が主にどのようなタイプのユーザーを対象としているかを直感的に理解するのに役立ちます。

ユーザー プロファイルは、製品内の実際のデータに基づいてユーザーを説明するラベルの集合です。比較的合理的なデータ表現です。通常、特定の製品設計、意思決定の根拠、運用マーケティング、リスク予測、信用評価、パーソナライズされた推奨などのプロセスで使用されます。たとえば、第 1 セクションの最後に示した 5 次元テーブルなどです。

ユーザーペルソナとユーザープロファイルは表裏一体であり、同一かつ統一されたものであり、実際のアプリケーションでは、ビジネスやシナリオと組み合わせて使用​​する必要があります。

このセクションでは、主にユーザー プロファイルの実装についてまとめます。製品の構造は次のとおりです。

実装手順は、次の 3 つのステップに分けられます。

1. 肖像画の寸法を決める

• ビジネス シナリオに基づいて実際のユーザーの仮想表現をマイニングする: ユーザー ペルソナ。
• ユーザー ペルソナに基づいて、システム内のユーザー プロファイルのラベル ディメンション、階層関係、ラベル タイプ、ラベル値、および予備的なラベル ルールを決定します。

2. データ処理モデルの確立

• タグの重み: ビジネス指標におけるタグの重み
• 更新頻度: リアルタイム更新、オフラインT+1更新、単一計算
• タグ統計ルール: 7日間でテイクアウトを2回以上注文すると、中程度にアクティブとみなされます
• ラベル アルゴリズム: TF-IDF 重み分類アルゴリズム、類似性マトリックス アルゴリズム、LAP 伝播アルゴリズム...

ユーザータグの重み = 行動タイプの重み × 時間減衰係数 × ユーザー行動の数 × TF-IDF で計算されたタグの重み

行動タイプの重み: 閲覧、検索、収集、注文、購入などのさまざまな行動は、ユーザーにとって重要性が異なります。一般的に、操作が複雑になるほど、行動の重みが大きくなります。重み値は通常、オペレーターまたはデータ アナリストによって主観的に与えられます。

時間減衰係数: 一部のユーザー行動に対する時間の影響は徐々に弱まります。行動時間が現在から遠いほど、現時点でのユーザーに対する行動の重要性は低くなります。ここでは、ニュートンの冷却法則の数学的モデルが適用されます。つまり、より高温の物体がこの物体よりも低温の環境にある場合、この高温の物体の温度は低下し、周囲の物体の温度は上昇します。最終的に、物体の温度と周囲の温度は平衡に達します。この平衡プロセスでは、高温の物体の温度 F(t) は、時間 t の増加とともに指数関数的に減衰します。温度減衰式は、F(t) = 初期温度 × exp (-冷却係数 × 間隔時間) です。

時間の経過に伴うユーザー タグの影響に対応して、冷却係数は時間の経過に伴うタグの重量減少の係数に相当します。式は次のとおりです。

λ=-ln(dN/dt)/T=-ln(現在値/初期値)/間隔時間

ユーザーの行動の数: ユーザー タグの重みは定期的に計算されます。一定期間内にユーザーがタグを使用して行う行動が多いほど、タグがユーザーに与える影響は大きくなります。

TF-IDF はタグの重みを計算します。タグの重要性は、ユーザーによってタグ付けされた回数に正比例して増加しますが、タグ ライブラリ内での出現頻度に反比例して減少します。w(P, T) は、タグ T がユーザー P をタグ付けするために使用された回数を表します。 TF (P, T) は、ユーザー P のすべてのタグにおけるこのタグ数の割合を表します。TF が大きいほど、タグの重要性が高くなります。対応する IDF (P, T) は、すべてのタグの中でのタグ T の希少性、つまりこのタグの発生確率を表します。IDF が大きいほど、タグの重要性は低くなります。

そして、TF * IDF に基づいて、ユーザーに対するタグの重み値を取得できます。式は次のとおりです。

（分母+1は分母が0にならないようにします）

例えば：

• TF(ユーザーP1、タグT1) = 5/(5+2+1+0) = 0.625
• IDF(ユーザー、タグT1) = log(5/(2+1)) = 0.222
• TD-IDF=0.625*0.222=0.139

3. データ収集、データ処理、ユーザープロファイル分類の生成

ビジネス データ、ログ データ、埋め込みデータ、サードパーティ データをデータ処理モデルに取り込み、ユーザー プロファイルを生成します。

（写真はインターネットからお借りしました）

例えば：

感染症の流行中、誰もが家にいて退屈していた。多くのソーシャルプラットフォームでは、犯罪者が無知で孤独な男性を誘惑して裸でチャットし、画面を録画して金銭を脅迫するケースが見られた。警察への通報件数が増加し、地区、県、コミュニティは住民に注意を促すテキストメッセージを送信した。

では、見知らぬ人のためのソーシャル ネットワーキング プラットフォームとして、横行する犯罪者を避けるにはどうすればよいのでしょうか?

ステップ1: 画像の寸法を確認する

1) シナリオに基づいたユーザーペルソナのマイニング

2) システム内のユーザープロファイルのラベルを決定する

ステップ2: データ処理モデルを確立する

1) ラベルの重量:

• 行動タイプの重み付け: 手動判断、ソート、重み付け
• 時間減衰係数：次の式に従って計算される
• ユーザー行動カウント: サイクルカウント
• TF-IDF計算重み: 式に従って計算

2) 更新頻度: リアルタイム更新

3) タグ統計ルール: タグ値に記述されたルール

4) ラベリングアルゴリズム: TF-IDF 加重分類アルゴリズム、決定木分類アルゴリズム、ニューラルネットワーク、KNN 分類、SVM...

ステップ3: データ収集、データ処理、分類の生成

1) モデルが構築されたら、サンプルデータをインポートしてシミュレーションを実行し、Guoliao 詐欺師のすべてのアカウントを見つけることができます。

2) 複数のアルゴリズムを同時に分類に使用し、それぞれの結果を観察し、総合的に比較して、最終的に最適なものを使用することができます。

ユーザー プロファイルが決定されたら、ユーザー プロファイルとユーザー ペルソナの間のギャップはどの程度でしょうか?ユーザーペルソナと実際のユーザー状況の違いは何ですか?ユーザープロファイルと実際のユーザー状況の違いは何ですか?

3. 回帰分析、A/Bテスト、ユーザーリサーチを活用する

ユーザーセグメンテーションの精度を確認します。

1. 回帰分析

前のセクションの例を続けると、次の 2 つのステップに分けることができます。

• 判断状況と実際の状況を比較すると、4種類の結果が得られます。
• 再現率、正確度、精度を使用して評価します。値が大きいほど良いです。

思い出してください: R = TP / (TP + FN); つまり、(正しく識別された犯罪者の数) / (正しく識別された犯罪者と通常のユーザーの数)

精度: ACC = (TP + TN) / (TP + TN + FP + FN); つまり、(正しい判断の数) / (すべての判断の数)

精度: P = TP / (TP + FP); つまり、(正しく識別された犯罪者の数) / (システムによって識別された犯罪者の数)

基本的に、戦略の品質を評価し、最適化の調整を行うために使用できるのは、再現率 (R) と精度 (ACC) のみです。

2. A/Bテスト

複数のスキームが並行してテストされ、単一変数法を使用してスキームの効果を観察し、最終的に最適なものが選択されます。実装レベルでの原則は次のとおりです。

（写真はインターネットからお借りしました）

左から右に、4 本の太い縦線は、クライアント、サーバー、データ レイヤー、データ ウェアハウスという 4 つの主要な役割を表しています。

上から下に向かって、3 つの部分は、A/B テストなしのグループ、バックエンド ベースの A/B テスト グループ、フロントエンド ベースの A/B テスト グループの 3 種類のテストを表します。

3. ユーザー調査

ユーザーリサーチの目的は、ユーザーに近づき、ユーザーを理解すること、そして、ユーザーになりきってユーザーを体験しやすくすることです。

調査を実施する方法は数多くあります。ユーザーインタビュー、フォーカスグループ、参加型デザイン、アンケート、ユーザー行動の観察、シナリオの入力、ユーザーデータの分析、10-100-1000ルールなどです。これらは、正確なユーザーポートレートを継続的に取得するために使用されます。具体的な手順は、オンラインで検索すると見つかります。作業では、最も便利な方法を1つまたは2つ選択し、それらを極限まで、完璧に、そしてユーザーを認識できるようになるまで使用する必要があります。

では、調査結果と実際のユーザーとのギャップをどのように減らせばいいのでしょうか?ソニーはかつて、Boomboxes スピーカーの色に関するユーザーの好みについて、対面インタビュー調査を実施しました。スピーカーには黄色と黒の 2 色がありました。ほとんどの人が黄色のほうが見栄えがよく、黄色のスピーカーを購入する意欲が高いと答えました。興味深いことに、調査後、主催者はお礼として、帰るときに全員にスピーカーを持ち帰ることを許可しましたが、大多数の人が黒のスピーカーを持ち帰りました。

したがって、どのような研究方法を採用したとしても、他者と交流する際には注意すべきことがたくさんあります。この内容については多くの記事で詳しく説明されています。理解しやすくするために、歩きながら食べ物を乞いながら仏典を得るために西域へ行った唐僧の話を見てみましょう。なぜ彼は歩かなければならなかったのでしょうか？悟空に乗せられて飛び去ってみませんか？なぜ私たちは食べ物を乞わなければならないのでしょうか？私たちはすべての生き物に近づき、すべての生き物を理解し、すべての生き物に溶け込む必要があるので、食べ物を乞うときに何に注意を払うべきでしょうか？

要約すると、回帰分析と A/B テストは定量的な観点からユーザー セグメンテーションの精度を検証し、ユーザー調査は定性的な観点から精度を確認します。

ユーザーセグメンテーションは、企業がユーザーニーズの多様性を実現し、限られたリソースを集中させて効果的な市場競争を行うための行動です。システム実装レベルでは、抽象理論の指導のもと、アルゴリズムを使用してラベリング統計と分類を行い、ユーザーポートレートの形で提示し、最終的に戦略、インターフェース、操作方法の観点から「カスタマイズ」します。

著者: Qi Niu

出典: Qiniu