ユーザー離脱データ分析のヒント!

クラスメートが質問しました: ユーザー離脱を分析するにはどうすればいいですか?ユーザー離脱率のデータは計算できますが、計算後はどうなるのでしょうか?データだけ見ると、損失の理由がないように思えます。ユーザーがXか月間来ていないことしかわかっておらず、これをどうすればよいかわかりません。今日は体系的な答えをお伝えします。

1. ユーザー離脱分析におけるよくある間違い

間違い 1:すべてのユーザーを維持しようとすること。これは運用において最も一般的な間違いであり、多くの新人がこの罠に陥ります。買い物をしなければクーポンがもらえ、ログインしなければルーレットを回すことになります。その結果、資金は無駄になり、利益を追求するフリーライダーが大量に生み出されました。実際、ユーザーの離脱は避けられず、100% の維持はこの世に存在しません。すべての企業はコアユーザーに重点を置く必要があります。ユーザー離脱について話すとき、私たちが本当にすべきことは、離脱率を抑制し、許容できるレベルに制御することです。

間違いその2: 解約の理由をすべて理解しようとすること。これは分析において最も一般的な間違いであり、多くの初心者がこの罠に陥ります。ユーザーは気に入らないのでしょうか?うまくできたのではないでしょうか？相手が強すぎますか？ユーザーにお金がないのですか? ——つまり、みんなに理由を与えたいんです。しかし、データは全くなかったので、彼らは困惑してお互いを見つめるだけでした。実際のところ、すべての理由を列挙する必要はなく、また、その能力もありません。前のポイントと同じように、制御可能な要素を制御し、明らかなエラーを減らす必要があります。

▌エラー3: アクティビティではなく解約に焦点を当てることは、事後に賢明になるようなものです。これもよくある間違いです。解約率が実際に増加した後にのみ分析を開始します。結果的に、問題は解決し、ユーザーは全員去ってしまったので、分析しても意味がありません。解約率は比較的遅行指標です。ユーザーがデータ内で「失われる」前に、すでに逃げ出していて、過去数か月間活動していない可能性があります。したがって、解約率はアクティビティ率と併せて検討する必要があります。ユーザーのアクティビティに影響を与えるイベントにできるだけ早く注意を払い、コアユーザーのアクティビティ率を綿密に追跡して、後で無駄な作業を行わないようにします。

2. ユーザー離脱分析の基本的な考え方

ユーザー離脱分析の目的は離脱率を檻の中に閉じ込めることなので、データ的にはまず離脱率の傾向、特に3種類の問題に焦点を当てます（下図参照）。

解約率はアクティビティ率に関連する概念です。通常、離脱したユーザーを「X か月間ログインしていない、または何も購入していないユーザー」と定義しますが、ユーザーがすでに非アクティブになっているときには、実際の離脱はすでに発生している可能性があります。

解約の問題をより適切に特定するために、アクティビティ レートと組み合わせて、自然サイクル法とライフ サイクル法の両方を使用することがよくあります。自然サイクルはイベントベースの問題 (イベントは自然な日付で発生するため) を示すことが多く、ライフ サイクルはシステムベースの問題 (ビジネス パフォーマンスの低下、ユーザー ライフ サイクルの短さ、ブレークポイントなど) を示すことが多いです。

3.イベント型問題分析法

ネガティブな出来事はユーザーの離脱につながる可能性があります。たとえば、在庫切れ、価格上昇、システムバグ、ユーザーからの苦情、競合他社による大規模なプロモーション（まだ実施していないもの）などです。このタイプのイベントは識別するのが最も簡単です。データに反映されているように、インシデントの影響を受けたユーザー グループのアクティビティ率はインシデント後に急激に低下し、N か月後には解約率が上昇し始めます。

こうすることで、事実に焦点を当てることができ、結果を確認しやすくなります。保持方法を設計する際に適切な薬を処方することも容易になります。単にクーポンを提供するよりも、ユーザーを不満にさせる本当の理由を見つけ出す方が、ユーザーを維持できる可能性が高くなります。

注意: ポジティブなイベントによっても解約率が上がる可能性があります。特に、ユーザーの獲得、活性化、維持、覚醒など。消費以外のソフト指標を単に刺激するだけでは、偽りの繁栄をもたらす可能性が最も高い。

客観的に言えば、プロモーション活動がある限り、裁定取引業者を引き付けることになり、このタイプのユーザーは本質的に高い解約率を持ちます。

主観的に言えば、見栄えの良いデータを作成するために、オペレーターは制限を減らし、裁定取引の余地を残すこともします。その結果、前向きな活動の有効性は低下してしまうことがよくあります。たとえば、新規ユーザーが登録すると、新規ユーザー獲得活動によって生成されるユーザーライフサイクルの解約率は、通常の新規ユーザーの解約率よりも大幅に高くなる可能性があります (下の図を参照)。N か月後には、このユーザーグループの解約率は必ず高くなります。

したがって、活動を行う際には、関連する結果を事前に考慮する必要があります。良い出来事と悪い出来事は違います。やるべきことはやらなければならず、それを総合的に評価する必要があるだけです。最終的な結果は、計画者や運営者にとって望ましくないものになるかもしれないが、ここで実際に試されているのは、全員の道徳的誠実さである。

4. 体系的な問題分析法

システム的な問題が発生した場合、それはただ一つのことを意味します。つまり、当社のビジネスが競合他社のビジネスよりも悪いということです。この時点では、ビジネス上の問題を診断し、ビジネス パフォーマンスを向上させることが中心となります。診断方法としては、ユーザーライフサイクル理論を参考にすることができます。 [ユーザーライフサイクル、この重要な部分は本では忘れられています... ]

参入段階、成長段階、成熟段階ではユーザー離脱の理由が異なり、分析の焦点も異なります。スペースの都合上、次の図に示すように簡単にまとめます。ご興味がある方は記事の右下にある「読む」ボタンをクリックしてください。60件を超えた場合は後ほど共有させていただきます。

体系的な問題に対処する場合、さまざまな段階でさまざまな焦点が考慮されます。

▌エントリー段階：一般的に、エントリー段階では改善に違いはありません。エントリー段階では、ユーザーが当社が提供するコアセールスポイントを実際に体験していないため、ユーザーがコアセールスポイントを可能な限り体験できるようにプロセスを無差別に改善する必要があります。

インターネット業界では、ブラックミニッツ（ダウンロードから登録までの1分）や初心者向けチュートリアルのプロセスに重点が置かれることが多いです。伝統的な業界では、顧客を歓迎し、ユーザーができるだけ早く製品を体験して試用できるようにすることに重点が置かれることがよくあります。

▌成長段階：成長段階に入った後は、異なる方法で治療する必要があります。成長段階に入ると、限界ユーザーやフリーライダーが排除され、ユーザー価値が差別化され始めます。コアユーザー以外のユーザーは離れることを認めるべきです。彼らを引き留めようとするのはお金の無駄であり、頻繁な割引によってブランド価値も​​下がります。

現時点で特に注意すべきは、コアユーザーの流出、コアユーザーの活動率の低下、ライフサイクルの短縮、新規ユーザーにおけるコアユーザーの割合の低下などであり、これらはすべて慎重に整理して解決する必要がある大きな問題です。解約率が実際に上昇する前に、すでに対策が講じられている可能性もあります。

体系的な問題は 1 つのステップで解決されることはなく、継続的な反復プロセスで解決される可能性があります。問題を診断することはできるかもしれませんが、解決策は使いにくく、データが改善されません。したがって、体系的な問題が見つかった場合は、次のことを行う必要があります。

最終的に、当社のユーザー維持曲線は競合他社にどんどん近づいており、解約率は低下し続けています。この時点で、体系的な解約の問題は解決されたと言えます。これには多くの実験と試行が必要になる可能性があるため、よく観察して記録し、長期にわたる戦いを戦う必要があります。

5. 永続的な問題に対する分析方法

進行中の問題は、解決するのが最も難しい場合がよくあります。なぜなら、現実には、解約率、アクティビティ率、維持率などのデータは、大きな継続的な成長ではなく、不規則な小さな変動を示すことが多いからです。

これは本当に無駄な問題です。どれだけ注意が払われなくても、リーダーは常にそれについて質問するのです。対処したいのですが、わかりません。数日間は解約率が上昇したものの、分析レポートが書かれる前に解約率が下がってしまったというケースもありました。本当に恥ずかしい思いをしました。

処理の順序は、イベント型 > システム型 > 継続型となります。単一の主要なイベントは識別が最も簡単で、データを通じて簡単に確認できるためです。同時に、一連のイベントが体系的かつ永続的な問題の根本原因となることが多く、特定のイベントを特定することで他の問題に対処するのにも役立ちます。ビジネス側が経験豊富で適切なベンチマークを見つけることができれば、体系的な問題は比較的簡単に対処できます。

最も難しい問題は、持続的な問題です。多くの場合、解約率の変化は特に深刻なほど持続せず、小さな範囲で繰り返し変動します（下の図を参照）。経験とデータの蓄積がなければ、これらの小さな変動を完全に特定することは困難であるため、最後に解決されます。

問題が本当に解決できない場合は、まず観察指標を設定して追跡します。一定のレベルに達すると、手がかりを見つけることができるかもしれません。

VI. 業態による解約対応の違い

解約問題はビジネスと密接に関係しているため、ビジネスによって解約分析の方向性も異なります。広いカテゴリーの観点から見ると、最も重要な特徴が 2 つあります。

▌高価で使用頻度の低い製品 VS 安価で消費量の多い商品。

製品（車、家、大型家具、結婚式など）が高価になるほど、ユーザーの意思決定プロセスが長くなり、事前に判断する傾向があり、リピート購入というものはなくなります。このタイプのビジネス ユーザーの意思決定には明確な期間があり、期限に近づくほど、ユーザーが最終判断を下す可能性が高くなります。

したがって、このタイプのビジネスにおけるユーザー離脱はカウントダウンの砂時計です。ユーザーと初めて接触するときには、ユーザーのニーズは何か、どの競合製品と比較したか、交渉が始まったかどうかなど、ユーザーの状況を把握する必要があります。

こうすることで、残り時間がどれくらいあるかを大まかに判断することができます。これにより、取引の機会をより適切に捉え、迅速にフォローアップできるようになります。ニーズを考慮せずに、愚かにも段階的に導入・フォローアップを行うと、機会を逃してしまいます。

売れ行きの速い消費財、つまり購入頻度の高い消費財（衣服、靴、携帯電話など）のユーザーは、当然ながら忠誠心が低く、人気のトレンドやプロモーションによって態度が簡単に変わる可能性があります。従業員を空白なく確保する戦略を採用することは完全に可能です。いずれにしても、ユーザーは今回購入しなくても、しばらくするとまた購入に戻ってくるでしょう。

そのため、インターネット企業は、このような製品を扱う際に、プラットフォーム損失と製品損失の 2 種類の損失保持を区別することがよくあります。

ユーザーがプラットフォーム上に留まっている限り、起動し続けます。従来の企業では、季節の変化、新製品の発売、定期的な祝賀会、休日のイベントなどの手段を使って、ユーザーを複数回活性化させることがよくあります。つまり、ユーザー価値が十分に大きい限り、放棄したり諦めたりしないでください。

▌伝統産業 VS インターネット産業。

ユーザーのライフサイクル中に両者で蓄積されるデータの量は異なります。インターネット業界には大量のデータがあり、プロモーションリンクのクリックからランディングページ、登録、閲覧、注文まで、ユーザーのプロセス全体を記録できる場合がよくあります。

そのため、離脱したユーザーがどのステップで行き詰まっているかを把握し、改善すべき問題点を特定するために、ファネル分析手法がよく使用されます。特に新規ユーザー登録の段階では、無差別な最適化が行われることが多いです。

従来の業界では消費データしか存在しないことが多く、ユーザーは消費頻度と消費間隔でしか測定できません。一般的に、ユーザーが n 回消費した後、製品を気に入らないユーザーは離れますが、製品を気に入ったユーザーは引き続き購入します。これがいわゆるマジックナンバーです。マジックナンバーの詳細については、こちらの記事をご覧ください。[マジックナンバーとは？] 【データ分析で見つける方法】

マジックナンバーの大きさを比較することで、自分と相手との差を知ることができます。ユーザーの来店→接客→体験→サービス→評価といった行動面に関しては、データが全く存在せず、市場調査などを通じて補完する必要がある。

ここで主に思い出していただきたいのは、解約の定義は XX か月間ログインなし/購入なしと定義できますが、企業間で大きな違いがあるということです。ただし、実際の損失シナリオはすでに発生している可能性があり、損失を阻止するための主要なアクションに関するデータ記録がない可能性があります。機械的なコードを使用するよりも、特定のビジネスニーズに基づいてソリューションを考える方が効果的です。

VII. 要約

多くの学生は、ユーザー離脱の問題に対処するのが難しいと感じています。表面的には、ユーザーの離脱に関するデータが少なく、ユーザーが何を考えているのかわからないためです。

しかし本質的には、ユーザー離脱につながる理由は、ユーザーのライフサイクル、ユーザーのセグメンテーション、ユーザーの意思決定プロセス、ユーザーの成長パス、新規ユーザーの変換プロセス、ユーザーエクスペリエンス、ユーザーの MOT、競合製品の影響など、多くの要因に関連しています。

ここにあるトピックはすべて別の記事にまとめることができます。これらすべてを理解すれば、基本的にユーザー操作プロセス全体を理解できるようになります。本質的に、ユーザー離脱分析は、分析を行う人の中にユーザー操作のビジネスを理解している人がほとんどいないため、困難です。

答えは「よく分からない」です。あるいは、「私は何も知らない」とも言えます。彼に何を知っているか尋ねますか？彼は、解約率データを計算し、ユーザーの年齢、性別、登録チャネル、購入頻度などの指標に基づいて一連のクロス集計を作成する方法しか知りませんでした。次に、データ セット内の 1%、2%、または 3% の違いをじっと見つめて、「これらの違いは何を意味するのだろう?」と考えます。

上記は冗談です。つまり、分析とは、データを実行してテーブルを表示するだけではなく、問題を深く理解し、ビジネス上の問題の本当の根本原因を見つけることです。この記事はすでに非常に長く、不完全な詳細がいくつかありますが、後でゆっくりと埋めていきます。

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