「ユーザー維持分析モデル」をより便利にする方法

運用担当者は、日常業務でユーザー維持分析モデルを使用して、ユーザーのアクティビティやその他の状況を分析し、変動の理由を見つけることがよくあります。このとき、高品質の分析モデルは大きな助けになります。

1. プロジェクトの背景

1. 「ユーザーリテンション分析モデル」とは何ですか?

ユーザー維持分析モデルは、ユーザーの参加と活動を分析する分析モデルです。このモデルを通じて、運用/製品担当者は、ユーザー離脱の原因となるシナリオをセグメント化し、離脱前のユーザー操作行動とユーザー離脱の原因をさらに特定し、製品最適化のガイダンスを提供し、ユーザー維持率を向上させることができます。

2. この反復はなぜ必要なのでしょうか?

ユーザーリテンション分析モデルは、Pangolinプラットフォーム上で1年近くオンライン化されています。この間、プラットフォームは戦略レベルで調整されてきました。また、プラットフォームの使用中に、ユーザーから「表形式のデータ分析が不便で、統一されたチャネルを通じて入ってくるユーザーのリテンション分析ができない」などの問題が報告され、今回のイテレーションにつながりました。

2. このイテレーションの目標

リテンション分析モデルは、製品/運用担当者がユーザー リテンションを分析するのにどのように役立ちますか?プラットフォーム戦略の調整とユーザーからのフィードバックを組み合わせて、このイテレーションでは 2 つの目標を設定しました。

• セグメント化された保持分析シナリオの粒度: ユーザーは、実際のシナリオに基づいて、保持の開始動作、保持動作、およびターゲット ユーザー グループを柔軟に定義できます。粒度を細かく設定することで、さらに分析するためのより貴重なデータを提供できます。
• テーブル データに比較ディメンションを追加 - 保持ユーザーと保持率という 2 つのコア指標の比較ディメンションを追加します。多次元データの比較により、ユーザーは包括的な比較を行うことができ、問題の分析が容易になり、分析の効率が向上します。

3. 競合製品の探索

競合製品の選定にあたっては、業界での評判や機能の充実度を評価指標とし、多くの分析プラットフォームの中からあらゆる面で優れた性能を持つ「Sensing」「GrowingIO」「iResearch Ark」を今回の競合製品分析の対象として選定しました。

私たちは主に 2 つのレベルからこの競合企業を分析します。最初のレベルは、ユーザー維持分析モデルとコンテンツ レイヤー フレームワーク レイアウト分析です。

以下のように、各競合他社のユーザー維持分析モデルのコンテンツ レイヤー フレームワーク レイアウトを 1 つずつ分解します。

分解されたコンテンツ レイヤー_フレームワーク レイアウトを分析すると、ユーザー保持分析モデルの一般的な公式があることがわかります。ユーザー保持分析モデル = 「保持ルール」+「フィルタリング条件」+「テーブル データ表示」+「ビジュアル データ表示」+「操作」。この公式は、反復的な設計計画で使用できます。

この数式の存在の背後にあるより深い意味を理解するために、5 つの機能モジュールの機能を解釈したところ (下図参照)、5 つの機能モジュールの機能はどれも削除できず、削除すると残りの機能が不完全になることがわかりました。

2 番目のレベルは、ユーザー リテンション分析モデル フィールド レベルの分析です。競合他社のモデル フィールドを整理し、各モジュールのフィールドを機能モジュールに基づいてユーザー リテンション分析モデル フィールド比較表にまとめました。以下をご覧ください。

リテンション分析フィールドを比較すると、いくつかのフィールドが 3 つの競合製品で共有されていることがわかったため、共有フィールドを分析したところ (以下を参照)、これらの共有フィールドがユーザー リテンション分析モデルの基礎となり、不可欠であることがわかりました。当社のプラットフォームのユーザー リテンション モデルの反復設計は、これらの共有フィールドからヒントを得ることができます。

4. 反復的なソリューション設計

この反復ソリューションの設計は、主に次の 3 つのステップに分かれています。

最初のステップは、保持分析機能モジュールを決定し、コンテンツ レイヤー フレームワークのレイアウトを設計することです。

競合製品の調査と分析を通じて、ユーザー保持分析モデルの一般的な公式は次の通りであることがわかりました。ユーザー保持分析モデル = 「保持ルール」+「フィルタリング条件」+「表形式のデータ表示」+「視覚的なデータ表示」+「操作」。

プラットフォームの既存の機能モジュールを比較すると、「保持ルール」モジュールが欠落していることがわかりました。保持分析シナリオの粒度を高めるというこのイテレーションの目標を考慮して、「保持ルール」機能を追加することにしました。

最後に、リテンション分析機能のコンテンツ層であるフレームワークレイアウトを以下のように再構築しました。

2 番目のステップは、各機能モジュールのフィールドを決定することです。

小さなステップで速く走り、大胆に試行錯誤し、迅速に反復するという理念に沿って、競合他社の共通分野とプラットフォームの既存の分野を統合することを優先しています。「保持分析シナリオの粒度を高める」と「テーブルデータの分析と比較次元を強化する」という2つの主要な設計目標に焦点を当て、統合されたフィールドは次のように調整されています。

3 番目のステップは、保持分析機能のプロトタイプを設計することです。

具体的なプロトタイプ設計段階では、設計者は決定されたフレームワークレイアウトとモジュールフィールドを組み合わせ、保持ルールとテーブルデータの表示に重点を置いて、次のように設計しました。

反復前後の保持ルールとテーブル データ モジュールの比較:

1) 保持ルール

反復前は、リテンションの開始動作と保持動作をカスタマイズすることはできませんでした。開始日にログインしたユーザーがその後数日間ログインしたかどうかしか分析できませんでした。ユーザーは新規ユーザーとアクティブユーザーのみを選択できました。

反復後、カスタマイズされた開始動作、保持動作、およびターゲット ユーザーが追加されました。開始または保持行動の観点では、ユーザーは任意の「イベント」を開始または保持行動として定義し、「イベント」に基づいてフィルタリング条件を追加し続け、保持シナリオを絞り込むことができます。ターゲットユーザーの観点からは、「ユーザーグループ化」機能のデータがターゲットユーザーと接続されています。ユーザーは「ターゲットユーザー」で作成されたグループ化を選択するか、グループ化機能を使用して、分析する必要がある保持シナリオユーザーグループ化を作成できます。

2) テーブルデータモジュール

反復前のデータ表示では、データの内容が比較的少なく、テーブルの利用率が低いことがわかりました。保持分析の日付ディメンションに基づいて垂直に比較データのみを形成でき、分析効率が低かったです。

反復処理後、垂直、水平、対角の 3 方向のデータ比較が追加されます。垂直方向では、複数の開始日で同じ N 日間の保持データを同時に比較できます (下図 03 を参照)。水平方向では、同じ開始日から N 日後の保持データを同時に比較できます (下図 01 を参照)。対角方向では、同じ日付の各開始日の保持データを同時に比較できます (下図 02 を参照)。

5. 反復後のユーザーフィードバック

私たちは、要件収集フェーズで問題を報告したユーザーと現在プラットフォームを使用しているユーザーを探して、反復的なソリューションに関するユーザー調査を実施しました。次のようなフィードバックが得られました。

• 表データの表示が最適化され、大幅に充実し、分析がより便利になりました。以前のように、最初にデータをダウンロードしてから比較表を自分で作成する必要はありません。
• 保持ルールでカスタマイズされたターゲット ユーザーは、基本的に特定のシナリオでのユーザー分析のニーズを満たします。以前は、ターゲット ユーザーの選択が不足していたため、一部の保持分析を実行できませんでした。
• 保持ルールで開始動作と保持動作をカスタマイズするのは非常に便利です。以前は、マクロレベルのユーザーがアプリにログインしたかどうかしか確認できませんでした。よりミクロレベルの保持はサポートされておらず、対応するデータを取得できないのは本当に苦痛でした。

VI. 結論

この機能の反復は 4 つのステップに分かれています。

• 初期段階で収集されたユーザーからのフィードバックとプラットフォーム戦略レベルでの調整を組み合わせて、反復目標を決定しました。
• 関連する競合製品を分析して、保持関数の一般的な公式と共通フィールドを導出します。
• 競合製品のスコアと既存の反復設計目標の結論に基づいて、この反復の具体的な計画が確定しました。
• 製品がリリースされた後、ユーザー訪問を通じて反復計画を検証しました。複数のシナリオでユーザーリテンションを分析できない、特定のユーザーグループに基づいてリテンション分析を実行できない、リテンションテーブルデータの単一ディメンションを分析するのが難しいなど、反復前の問題はすべて解決されました。

今後もユーザーからのフィードバックに注目していきます。現在のバージョンでは実装されていない機能や、その後の使用中にユーザーから発見された問題は、今後の最適化の方向性となります。

正しい戦略ガイダンス、詳細な競合製品分析、厳格な設計プロセス、科学的なデータ検証により、ユーザー維持分析モデルはますます完璧になり、シナリオデータはより包括的になり、ユーザー分析の効率は高まると信じています。

著者: WOWdesign

出典: WOWdesign