コミュニティ運営：コミュニティ活動のデータ分析モデル

本日お話しする主なポイントは、コミュニティ運営におけるグループトピックディスカッションでどのようにデータ分析と最適化を行うかという比較的詳細な内容です。実装レベルです。直接改良したり、自分の利益のために使用したり、より多くの分野に拡張したりすることもできます。

1. コミュニティ活動の一次データ分析モデル

ご存知の通り、コミュニティ運営と製品運営は同じであり、ライフサイクルがあります。コミュニティ運営は整っていても、適切なタイミングで推進されなければ、コミュニティはすぐに消滅してしまいます。

したがって、コミュニティ運営においては、グループでのトピックディスカッションは活動を促進する良い方法です。

• コストが低いだけでなく、
• さらに、出力したコンテンツを再度整理し、マインドマップや記事などのコンテンツにして再利用して出力します（分散コンテンツ出力については以前記事をまとめたことがあるのですが、前は面倒くさくてやめてました。後日、やる気が出たら皆さんにシェアします）。
• ユーザーのアクティビティを維持することもできます。

これは非常に高い ROI を持つアクティブな方法ですが、簡単に実行できるものではありません。多くのコミュニティ オペレーターは、体系的な SOP 計画 (これにはコミュニティ オペレーションの体系的な SOP サイクル計画が含まれますが、ここでは詳しく説明しません。興奮したら後で共有します、ハハハ) とデータ分析を行わずに、これを実行するレベルに到達しただけです。

本稿では、コミュニティ活動の一環としてのグループトピックディスカッションのデータ分析の実施方法に焦点を当てているため、トピックディスカッションの具体的な実施プロセスについては詳しく説明しません。コミュニティ運営の経験がある場合は、議論のために準備する必要があるトピックも知っている必要があります。

コミュニティ運営におけるトピックディスカッションには、規模と難易度という 2 つの主な分類指標があります。今日は、規模という変数を脇に置いて、主に難易度の観点から分析してみます。以下のコミュニティ運営に関するディスカッションを総称して「グループトピックディスカッション」と呼びます。

図2

グループトピックディスカッションは、コンテンツの難易度と参加ユーザーの参加度に応じて採点されますが、採点だけでは不十分で、データ分析も行う必要があり、さまざまな状況を定量化する必要があります。

データを定量化できない場合は、データを視覚化することはできません (特に膨大な量のデータがある場合、データの視覚化はデータ分析の焦点となります)。

図3

定量的なデータを提供するための非常に完全なコミュニティコーチングツールがない場合は、さまざまな評価状況に値を割り当てることができます。

図4

最後に、トピックのディスカッションの内容が収集され、採点され、比較的単純なデータ テーブルにまとめられます。データ量が少なければ、肉眼で分析してパターンを見つけることも可能ですが、実際の作業では6期間以上行う必要がある場合が多くあります。

図5

データ量がこのレベル以上に達した場合、肉眼で分析してパターンを見つけることはまだできますか?グループの種類が複数ある場合はどうなりますか? 異なる種類のトピックのディスカッションを行う複数の種類のコミュニティがありますか?

したがって、現時点では判断を支援するためにデータの視覚化を使用する必要がありますが、明らかにそれは不可能です。

図6

通常、この場合、視覚的な説明には散布図を使用します (以下は、理解のための仮想的な図です)。一般的に、データに基づいて散布図を描く場合、強い正の相関、弱い正の相関、強い負の相関、弱い負の相関、および相関なしの 5 つの状況があります。

図7

基本的に、次の 5 つの状況があります。それぞれの状況の強さについては詳しく説明しません。主な問題は、上記のモデルに基づく相関関係です。

• 正の相関関係: トピックが難しいほど、コミュニティ ユーザーの参加が高くなります。
• 負の相関: トピックが難しいほど、コミュニティ ユーザーの参加は低くなります。
• 相関関係なし: 難易度とエンゲージメントの間には相関関係はありません。

上記の基本的な操作とデータ分析を完了していれば、すでに基礎はマスターしたことになります。

図8

難易度が参加と関係ないのであれば、コミュニティ ユーザーの参加に影響を与えるものは他に何があるでしょうか。これは、グループの作成にかかる時間と操作の強度にも関係しています。

2. 上級編: データ分析モデル変数置換とクロス分析

【データ分析モデル変数置換】参加に影響を与える難易度に加え、コミュニティの設立期間の長さや運用投資の強度も参加に大きな影響を与えます。

たとえば、難易度と参加の間に相関関係がないことがわかった場合は、この時点で散布図内の変数の 1 つを置き換えることもできます。コミュニティ ユーザーのエンゲージメントに影響を与える主要な要素を見つけます。一般的に、運用投資にはいくつかの側面があります。

• 資本コスト: 赤い封筒、贈り物などを入手します。
• 人的コスト: どれだけの人的資源が投入されるか、チーム間のコラボレーションやコミュニケーションのコストなど。
• 時間コスト: 準備から実行までに費やされる時間など。

同様に、詳細なデータの定量化が不可能な場合は、オペレーターの実際の考慮に基づいて各次元を等級分けし、値を割り当てて定量データを取得できます。

図9

[クロス分析] 難易度と参加率に相関関係があり、参加に影響を与える可能性のある要因をさらに分析したい場合は、散布図上でクロス分析などのデータ分析モデルを実行できます。

下の散布図に示すように、難易度と参加レベルを観察することに加えて、異なる色のレベルを通じて操作の強度の分布も観察できます。

図10

このようなデータ視覚化グラフィックは、参加率が高く運用強度が低いポイントなど、ROI の高いケースをすばやく見つけるのに役立ちます。このような重要なケースをすばやく抽出して分析し、再現する必要があります。

図11

上級編：フィードバックの実行と調整

データ分析の最終的な目標は、レビューと要約、特定のポイントの発見、そして最終的にはソリューションまたは再現可能な優れたソリューションの考案を支援し、それらを全体の運用システムにフィードバックして全体的な運用効率を向上させることです。

• コアデータと主要指標を見つけます。
• 主要データの相関分析を実施する。
• 解決策や優れた事例を考え出し、実行システムにフィードバックを提供します。

図12

【最後の超重要ポイント】データ分析は多額の投資が必要な業務リンクであり、すべての面でデータ分析が必要なわけではありません。限られた人員ですべてのリンクを無差別に分析すると、次のようになります。

• 業務の効率が大幅に低下するだけです。
• 分析麻痺（人生を疑う）に陥るという悪循環もあります。

したがって、どのコアリンクをデータとして分析し、適切に投資すべきかを把握することは、プロジェクト リーダーの基本的な能力の中核となります。

著者: コーラを飲むのが大好きなOperation Meow

出典：コーラを飲むのが大好きなOperation Meow