私たちは常にユーザーのニーズを調査するように求められています。それはどのように行うのでしょうか?特に手元にデータが少ないので、せいぜいユーザーの購入履歴が1件あるくらいで、掘り出すものがない感じです。今日は体系的な答えをお伝えします。ユーザーのニーズを探る際には、答えのないよくある質問が数多くありますが、今日はそれらを明確にします。

1. ユーザー需要マイニングにおける誤った実践

話はいいように聞こえますが、完全に間違っています...ビジネスの観点から見ると、金物店のオーナーが金属工具の販売方法を考えず、代わりにつながりを作る方法を研究した場合、店は破産から遠くないでしょう。データから判断すると、彼が恋人を見つけたいと思っても、叔父や叔母に言う気にもなれないだろうし、ましてや知らない人に簡単に言うなんてことはないだろう（しかも、彼は鉄筋の販売員だ）。

これはよくある間違いです。ユーザーのニーズを探るには、他の人が知らない噂話や逸話を掘り起こして深く掘り下げなければならない、また、真のニーズとみなされるためには、非常に深いニーズを満たさなければならないと誤解している人がいます。

実際、ユーザーをこれほど深く理解し、無限に満足させることができる業界はごくわずかです。たとえば、金融業界では、極めて高級な顧客向けのプライベートサービスによってこれを実現できる可能性があります (支店長が主要顧客の息子を個人的に学校に車で送ることは珍しくありません)。

しかし、ほとんどの企業は事業範囲が限られており、膨大な数のユーザーを抱えています。したがって、ビジネスの現実から離れて、あまりに詳細かつ徹底的な調査を行うことはできません。ビジネス的にもデータ的にも、そんなことは不可能だし、する必要もない。

したがって、ユーザー需要マイニングの本質は、限られたデータから重要な特徴を選別し、ユーザーの反応の可能性を高めることです。私たちがすべきことは、あらゆるレベルのあらゆるユーザーのニーズを把握することではありません。代わりに、差別化を通じてユーザーの反応の可能性を高め、コアユーザー グループを識別します。やみくもに行うよりも、当社のビジネスに対するユーザーの反応率が高くなります。パーセンテージポイントが上がるごとに、データアナリストの会社への貢献度が高まります。

2. ユーザーニーズを発見するための5つのステップ

▌ ステップ1: コアユーザーを特定する

金物店のオーナーを例に考えてみましょう。エネルギーが限られている場合、重要なのはまず大口顧客を獲得することであり、分類が必要になります。ハードウェア ストアのユーザー カテゴリは次のようになります。

ファーストクラス：不動産管理部門、装飾チーム、建設現場（B2B顧客）

第2カテゴリー: 改装、水道・電気の交換、修理を希望する顧客（大規模B2C顧客）

3番目のカテゴリー: 電球、ソケット、釘などを時々購入する個人顧客（小規模B2C顧客）

問題は、男性が店に入ってくると、金物店の店主は彼がどのカテゴリーに属するのか全く分からないことです。放置しておくと、大きなビジネスを失う可能性があります。しかし、全員がやって来てたくさんの質問をすると、おそらくゲストは怖がって去ってしまうでしょう。ここで、ユーザーのニーズを探る最初のステップが始まります。探る質問は非常にシンプルです。「何を購入したいですか?」

▌ ステップ2: ビジネスを分類する

その男は答えました。「釘を買いたい」 - あなたは何を考えますか?この答えは単純に聞こえますが、多くの情報が明らかになります。各業種には、固定された製品構成と消費特性がある可能性があるためです。たとえば、金物店の場合:

●エンジニアリング事業：大量の棒鋼や各種資材（少量では購入しない）

● 水道の改造：水道管、レンチ、防水テープ

● 電気設備の改修：配線、スイッチ、ソケット

● 壁の補修：セメント、ブラシ、ペイント

● 修理対象物：釘、ハンマー、ドリル

これを「強力なビジネス関連性」と呼びます。相関分析を行わなくても、これらの製品は自然にバンドルされます。そして、事業の規模に応じて消費量は決まっています。事前の事業分類をきちんと行うことが非常に重要です。大量のユーザー情報を収集できない場合は、少数の購入記録とビジネス関連性を利用してユーザーのニーズを推測することができます。

たとえば、上司は、その人が釘を必要としていることを聞くと、その人はクラス B ユーザーではなく、メンテナンス関連の業務であるとすぐに推測できます。しかし、上司はまだその男性がクラス C の大口顧客なのか個人顧客なのかを知らず、それを確認するには 2 番目の手順が必要です。質問も非常にシンプルです。「釘は何のために買うのですか？」

▌ ステップ3: 重要な情報を把握する

その男性はこう答えました。「壁に絵を釘で留めるための釘を買いたいんです。」これを聞いたとき、あなたは何を言いたいのかすぐに思いつきましたか。はい、ユーザーのセグメンテーションとビジネスの分類が完了すると、需要マイニングを実行するのは非常に簡単であることがわかります。

前の分類に基づいて、読者は絵画を釘付けにすることについて聞いたとき、すぐに反応することができます。これは単一の顧客であり、価値は高くありません。釘、ハンマー、ドリルは関連性が高く、クロスセリングの機会があります。ここでは、2 つの簡単な質問を利用して、重要な情報を収集しました。

もちろん、実際のビジネスでは、従来の企業は販売、ショッピングガイド、セールスマンに頼って重要な情報を収集しますが、インターネット企業は埋め込み、プッシュ/フィードバック、アンケート、閲覧頻度などに頼って重要な情報を収集します。

▌ ステップ4: 製品/アクティビティを推進する

仮説ができたので、テストとして製品やアクティビティを立ち上げて、仮説を検証してみることができます。このとき、金物店の店主は、若者に恋をしたいかどうか尋ねることに多くの労力を費やすことはしませんでした。その代わりに、彼はこう言いました。「絵画を釘で留める必要があるなら、3 インチの大きな釘よりも 1 インチの小さな釘のほうが見栄えが良いでしょう。釘を留めるのが簡単で目立ちません。」このようにして、彼は若者のニーズを捉えることができ、彼を無視する店主よりも成功する可能性が高くなります。

同時に、「ハンマーをお持ちですか？ 小さなドリルを買ってください。ハンマーよりも便利で、他のものの修理にも使えます。」というクロス推奨を行うこともできます。推奨が成功すれば、顧客平均価格を1元から200元に引き上げることができ、これも小さな利益になります。

▌ ステップ5: プッシュ効果を確認する

プッシュの場合、成功と失敗の 2 つの可能性があるため、効果を検証する必要があります。需要マイニングは本質的に確率の問題です。プッシュスルー データを検証し、選択したマイニングの寸法と方向が正しいかどうかを確認する必要があります。金物店のオーナーにとって、検証すべき 2 つの側面があります。

1. 壁に釘を打つ場合は 1 インチの釘が推奨されます (前提: ユーザーのニーズに基づいて、取引を成立させやすくなります)

2. 壁に釘を打ちたい男性には、空気圧ドリルをお勧めします（前提：男性は機械が好きで、成功する可能性が高い）

これは実際には小さな AB テストです。記録するデータがあれば、上司はこれら 2 つの仮定が真であるか偽であるかがわかります。

例えば、200セット作った後、ユーザーは見た目をまったく気にせず、安いものだけを買うということが分かりました。そうなると、私たちの今後の戦略は、個々のお客様が来たときに、最も安いものを提供するだけになります。

もちろん、この戦略が実行可能であると判断され、10 件の注文のうち 3 つの掘削リグをクロスセルで販売することも可能です。それでは、今後はこの戦略に従っていきます。これで需要調査は終了です。差別化の方向性を見つけ、取引を増やす機会点を検証し、釘を購入するユーザーからの掘削リグの需要を発見しました。こうすることは、その男の子に彼女がいるかどうか、ロリ系か熟女系かなどを毎日考えるよりずっと確実です。

ただ面白い例ですが。 (実際、金物店のオーナーにはこのような忍耐力はなく、金物店には記録するデータがありません)。しかし、これはマイニング ユーザーのニーズのワークフローを鮮明に示しています。

この方法論は、特にデータ レコードが少ない場合に、さまざまな業界に拡張できます。ユーザーを優先するか、企業を優先するかについては、業界によって違いがありますので、ご注意ください。

一般的に、伝統的な企業の業態は比較的固定されており、まずは事業の差別化を図る傾向があります。インターネット企業のビジネスは比較的柔軟性が高く、何もないところから新しいシナリオを作り出すこともできます。まずユーザーを差別化する傾向があり、1 人のユーザーに対して異なるシナリオをターゲットにすることさえあります。

しかし、何をするにしても、ユーザーと企業を区別することが最初のステップであり、最も重要なステップです。分類を行うことで、その後の掘削の方向を明確にし、掘削の深さを決定し、掘削が有用であるかどうかを検証するための基準を提供することができます。したがって、このステップについては以下で別途説明します。多くの学生は、分類が不十分なため、ユーザーのニーズをどのように探究すればよいかわかりません。多くの学生は Abtest で行き詰まり、分類がないため全体的な判断力が欠如しています。

3. ユーザーとビジネスの差別化に関する留意点

ユーザーセグメンテーションに関しては、多くの記事で RFM について説明されていますが、これはまったくの誤りです。すべてのビジネスが高頻度の消費を必要とするわけではなく、すべてのビジネスが大量に蓄積するわけでもありません。ビジネスによっては、1 回限りの消費と高頻度の消費の両方が発生する可能性もあります。頻度と金額の観点から、一般的なビジネスをまとめると、次のようになります。

伝統的な企業の業務は比較的集中しており、業務の分類は比較的容易です。

例えば、住宅は不動産購入と投資に分けられます。住宅購入は、さらに初回購入、二次改修、老後購入に分けられます。二次的改善には、エリア改善、環境改善、支援施設改善、リソース改善などが含まれます。

住宅リフォーム、自動車、ローンなどのビジネスはすべて同様の分類方法を採用しており（テキストが長すぎるため、今は詳しく説明しません）、対応するユーザーのニーズはそれぞれ非常に絞り込まれています。そのため、従来の企業のユーザー需要マイニングは「ビッグデータ」にそれほど依存していません。それは、ビジネスを分類し、フロントエンドの販売、ショッピングガイド、販売員から重要な情報を収集する優れた仕事をする金物店のオーナーに似ています。

インターネット企業は、1 つのプラットフォームに複数のビジネスが同時に統合される可能性があることに特に注意する必要があります。これらのビジネスは似ているように見えるかもしれませんが、対応するユーザーのニーズや関連するビジネスはまったく異なる場合があります。

上の図の赤丸で示したように、ビジネス旅行者にとって、チケット予約プラットフォームは頻繁に発生する高頻度・高額のイベントである可能性があります。このとき、RFMを使用してさらに細分化することができます。

しかし、ハネムーン旅行の場合、需要は非常に低頻度である可能性があり、彼らが探している関連事業は、ホテル、レンタカー、帰国後のレジャー施設（10日または20日以上海外に行った後は非常に疲れているので、休暇を埋め合わせる必要があります）です。同様に、eコマースプラットフォームでは、スナック、携帯電話、リチャージカード、テレビなどを販売しています。需要を探る際には、すべてをまとめて販売するのではなく、一般的な商品を区別する必要もあります。

4. プッシュ/検証に関する注意事項

データを扱う学生は、多くの場合、AB テストを頻繁に行いますが、非常に受動的に行います。多くの場合、企業には計画があるものの、データは機械的に操作されているだけです。仮説を提案し、それを自分で検証する能力が低い。ここで重要なのは、仮定を立てることです。多くの学生は取引データについて何も知らず、データベースにはコメント、要望、閲覧データが少なすぎます。ここに簡単な例を示します。たとえば、買い物リストを見ると、次のような大胆な仮定を立てることができます。

つまり、仮説を立てるのに大量のデータは必要ありません。もちろん、すべての仮説を AB テストに組み込む必要はありません。まずはデータに基づいて仮説を区別することができます。

たとえば、ユーザーから仮説ポイントを発見する場合、まず、そのユーザーが強い特性を持っているかどうかを確認します。たとえば、ユーザーが割引に動機付けられていると仮定すると、割引注文への参加回数は n 回以上、割引の強度は 50% 以上、アクティビティ参加率は X% 以上になります。つまり、ユーザーは割引に特別な関心を示しているに違いありません。

次に、同様の特性を持つユーザーが十分に存在するかどうかを確認します。ユーザー数が少なすぎると、チャンスポイントであってもビジネスで活用されない可能性があります。上記2点が満たされている場合は、提案を検討し、事業者に計画を立ててAbtestを実行させることができます。

5. ニーズをどの程度深く掘り下げるべきでしょうか?

上記を見て、生徒の中には「掘る方向がたくさんあるので、どこから始めればいいのでしょうか？」と尋ねる人もいるかもしれません。 A: 現在のビジネス開発における最も差し迫った問題から始めます。ビジネスニーズ:

● コンバージョン率の向上: ユーザーが初めて購入する商品を探索する

● 平均注文額の増加: ユーザーのカテゴリ間ニーズを掘り起こす

● 取引額の増加：ヘビーユーザーを引き付ける

● 再購入率の向上：二次購入需要の獲得

●……

明確な目標があれば、答えを見つけやすくなります。もちろん、徹底的に調査した後でも、何も得るものがなく、データの中に何の機会も見つからないという可能性もあります。しかし、少なくともその逆のことも証明できます。つまり、派手なマーケティングにお金をかけるのは無駄であり、コスト削減に取り組むよう運営側に指示することもできるのです。これもまた評価すべきことです。

以上がユーザーニーズを探る基本的な考え方です。ご覧のとおり、ユーザーセグメンテーション、仮説検定、ABTest、その他の具体的なタスクを統合しており、非常に包括的な問題です。同時に、一夜にして達成できるものではなく、結論に達するまでに多くの基礎作業と多くの試行が必要であることもわかります。

ユーザーのニーズを探ることは、コインを投げるだけですべてを知る道端の屋台の占い師のようなことではありません。不要なものをふるいにかけて本質を残すこと、偽りのものを排除して真実を残すこと、何度も繰り返して真実に近づくこと、ここにデータ アナリストの価値が存在します。

著者: ダウン・トゥ・アース・アカデミー

出典: Down-to-earth School (gh_ff21afe83da7)