ユーザー操作のユーザー行動分析！

トラフィックマーケティングからデータドリブンまで、多くの製品の洗練された運用はユーザーを中心に行われており、その鍵はユーザーリサーチにあります。

ユーザーリサーチの一般的な方法には、状況調査、ユーザーインタビュー、アンケート、A/B テスト、ユーザビリティテスト、ユーザー行動分析などがあり、その中でもユーザー行動分析は最も効果的なユーザーリサーチ方法の 1 つです。

1. ユーザー行動分析を理解する

ユーザー行動分析とは、製品に対するユーザーの行動とその背後にあるデータを分析することです。ユーザー行動モデルとユーザーポートレートを構築することで、製品の決定を変更し、洗練された運用を実現し、ビジネスの成長を導くことができます。

製品運用中に、ユーザーの行動データを収集、保存、追跡、分析、適用することで、ユーザーの自己成長を実現するバイラル要因、グループ特性、ターゲットユーザーを見つけることができます。これにより、ユーザーの使用シナリオ、操作ルール、アクセス パス、および行動特性を詳細に復元できます。

2. ユーザー行動分析の目的

データ駆動型のユーザー行動分析は、インターネット金融、新規小売、サプライチェーン、オンライン教育、銀行、証券などの業界の製品にとって特に重要です。ユーザー行動分析の目的は、製品の反復を促進し、精密なマーケティングを実現し、カスタマイズされたサービスを提供し、製品の決定を促進することです。それは主に以下の側面に反映されます。

製品の場合、製品の実現可能性の検証、製品の決定の検討、ユーザーの行動習慣の明確な理解、製品の欠陥の特定などを行い、要件を繰り返し最適化するのに役立ちます。

デザインに関しては、エクスペリエンスの親しみやすさを高め、ユーザーの感情にマッチさせ、パーソナライズされたサービスをユーザーに合わせて細かく調整し、インタラクションの欠陥を発見してデザインを完成させ、改善するのに役立ちます。

運用面では、指数関数的成長の有効性を高め、精密マーケティングを実現し、ユーザーの使用シナリオを包括的に調査し、運用上の問題を分析して、意思決定の変更と調整を容易にするのに役立ちます。

3. ユーザーの行動データを収集する

ユーザー行動データは実は大きな商業的価値を持っています。まずはその後のデータ分析をより良くサポートするために、データ収集方法を明確にする必要があります。一般的に使用されるデータ収集方法には、プラットフォーム設定追跡ポイントやサードパーティの統計ツールなどがあります。

プラットフォーム上で追跡ポイントを設定することは、コードを記述してログポイントを配布することでイベントや属性を詳細に記述するという、非常に一般的な収集方法です。ユーザーのログインを例にとると、ユーザーが APP にログインすると、関連する操作が記録され、指定されたサーバーにログの形式で保存されます。

サードパーティの統計ツールは通常 SDK を介して接続され、指標に基づいて分析モデルを構築するだけで済みます。一般的なサードパーティの統計ツールには、Baidu Statistics、CNZZ Statistics、GrowingIO、Zhuge IO、Sensors IO、Google Analytics、Thinking Analytics、Umeng、Mixpanel、Heap などがあります。

3. ユーザー行動分析指標

ユーザー行動データを分析する鍵は、データを測定する指標を見つけることです。ユーザーの行動パフォーマンスに基づいて、複数の指標を、粘着性指標、アクティビティ指標、出力指標の 3 つのカテゴリに分類できます。

粘着性指標: 新規ユーザーの数と割合、アクティブユーザーの数と割合、ユーザーコンバージョン率、ユーザー維持率、ユーザー離脱率、ユーザーアクセス率など、主にユーザーサイクル中の継続的な訪問に焦点を当てます。

アクティブ指標: 主にアクティブユーザー、新規ユーザー、リピーター、離脱ユーザー、平均滞在時間、使用頻度など、ユーザーのアクセス参加状況を調べます。

出力指標：ページビューPV、ユニークビジターUV、クリック数、消費頻度、消費量など、主にユーザーが生み出した直接的な価値出力を測定します。

これらの指標セグメントの目的は、運用上の意思決定を導くこと、つまり、さまざまな指標に基づいて運用戦略を最適化および調整することです。つまり、ユーザー行動分析指標のセグメンテーションの基本的な目的は、第一に、ユーザーの粘着性を高め、ユーザーの認知度を高めること、第二に、ユーザーの活動を促進し、ユーザーの参加を促すこと、第三に、ユーザーの価値を高め、ユーザーの忠誠心を育むことです。

4. ユーザー行動分析を実施する

ユーザー行動分析指標を決定した後、いくつかのモデルを使用して、ユーザー行動データの定性的および定量的分析を実行できます。一般的に使用される分析モデルには、行動イベント分析、ユーザー保持分析、ファネル モデル分析、行動パス分析、フォッグ モデル分析などがあります。

1. 行動イベント分析

行動イベント分析は、主要な運用指標に基づいてユーザー固有のイベントを分析することです。ユーザーの行動イベントを追跡または記録することで、イベントの傾向やユーザーの完了状況を素早く把握できます。

ユーザーの入札行動イベントを例にとると、入札プロセスにおいて貸し手が実行する登録、認証、口座開設、再チャージ、投資などの行動はすべてイベントとして定義でき、入札を正常に完了するための完全なイベントでもあります。

入札行動イベントを決定した後、ユーザーソース、性別、生年月日、登録時間、カードバインディング時間、最初の再チャージ時間、最初の投資時間、ターゲット ID、ターゲット名、期間、金利、返済方法などのイベント属性に応じてディメンションを細分化できます。次に、指標に適合するルールを見つけ出し、ターゲットを絞った対策を策定します。

2. ユーザー維持分析

ユーザー維持分析は、ユーザーのエンゲージメントとアクティビティ レベルを分析するために使用されるモデルです。維持量と維持率を通じて、ユーザーの維持と離脱の状況を把握できます。たとえば、翌日のリテンション、週ごとのリテンション、月ごとのリテンションなどの指標を使用して、製品の人気度や定着度を測定します。

チャンネル訪問のユーザー維持を例にとり、APP を訪問したチャンネル ユーザーの維持分析を実行します。図から、8月14日から8月20日までの翌日維持率は41％を超え、週維持率は22％を超えていることがわかります。ところが、翌日の8月17日には、リテンション率が一気に67％まで急上昇しました。このような高いリテンション率は、通常、イベント企画や機能の最適化によるものです。

ユーザー維持率は一般に 40-20-10 ルールに準拠しており、ビジネス基準を満たすには、新規ユーザーの翌日維持率は 40% 以上、週次維持率は 20% 以上、月次維持率は 10% 以上である必要があります。ユーザー維持分析は、主に設定した運用目標が達成されたかどうかを検証するために実施し、次の製品決定に影響を与えます。

3. ファネルモデル分析

ファネル モデル分析では、ユーザーが製品を使用している各段階の主要リンクにおけるユーザー コンバージョン率と離脱率を説明します。たとえば、日々のアクティビティ操作では、各リンクの離脱率を決定することで、ユーザーが離脱する方法、理由、場所を分析できます。改善が必要なリンクを見つけて、それに焦点を当て、全体的なコンバージョン率を向上させるための効果的な対策を講じます。

投資を招待するファネルモデルを例にとると、招待者はイベントページを友人と共有し、登録、認証、アカウント開設、チャージを行って投資します。ファネルモデルは、いくつかの重要なノードのコンバージョン率を分析するために使用されます。そのうち、ユーザー登録転換率は68％、実名認証転換率は45％、カード紐付け口座開設転換率は29％、オンラインチャージ転換率は17％、投資対象転換率は8％となった。

ファネル モデル分析では、プロセス全体の設計が妥当かどうかを確認できます。比較した結果、訪問から登録までのコンバージョン率は 68% であり、予想の 80% を大きく下回っていることがわかりました。今回の運営方針としては、新規ユーザー特典を受けるためには、まずユーザー登録をしていただく必要があります。その後、A/Bテスト方式を採用し、まず新規ユーザーにメリットを享受してもらい、その後ユーザー登録を促すように最適化しました。データを比較・分析した結果、登録コンバージョン率が20%増加しました。したがって、各リンクの関連コンバージョン率を比較することで、運用アクティビティのどのリンクが期待したコンバージョン率に達していないかを把握し、問題を見つけて最適化の方向性を見つけることができます。

4. 行動経路分析

行動パス分析は、製品使用中のユーザーのアクセス パスを分析します。行動パスのデータを分析することで、ユーザーが最も頻繁に使用する機能や使用パスを見つけることができます。また、ページの多次元分析を通じて、ユーザーのコンバージョン パスを追跡し、製品のユーザー エクスペリエンスを向上させます。

製品のコールドスタートであれ、日常的な活動のマーケティングであれ、行動パス分析を行うための最初のステップは、ユーザーの行動の軌跡を整理することです。ユーザー行動の軌跡には、認知、親しみやすさ、試用、使用、忠誠心が含まれます。軌跡の背後にはユーザー特性が反映されており、製品運用にとって大きな参考価値を持っています。

ユーザーの入札行動パスを例にとると、登録、認証、口座開設、再チャージから投資までのユーザーの行動軌跡を記録できます。これらのユーザー行動軌跡データを分析することで、アクセスパスが期待される指標と一致しているかどうかを確認できます。

ユーザーの行動パスを分析すると、ユーザーの実際の行動パスと予想される行動パスの間に一定の偏差があることがわかります。この逸脱は製品に問題がある可能性があるため、パスを短縮する余地を見つけるために、タイムリーに製品を最適化する必要があります。

5. フォッグモデル分析

フォッグ行動モデルは、ユーザー行動の原因を研究するために使用される分析モデルです。フォッグ行動モデルは、式 B=MAT、つまり B=MAT で簡略化できます。 B は動作、M は動機、A は能力、T はトリガーを表します。行動が起こるためには、動機、能力、きっかけという 3 つの要素が同時に存在する必要があると考えられています。したがって、フォッグ行動モデルは、製品の合理性と期待される目標を達成できるかどうかを評価するために使用できます。

アクティビティシェアリングを例にとると、アクティビティシェアリングを完了する投資家の行動も、フォッグの行動モデルの 3 つの要素を満たす必要があります。つまり、報酬付きの招待状を提供することで、ユーザーは自発的にイベントを友人と共有する十分な内発的動機を持つようになり、イベントの特別ページには目を引くボタンやテキストプロンプトが表示され、ユーザーがタスクを完了するように促されます。

ユーザー行動分析モデルは、実際には AISAS モデルでもあり、登録、認証、アカウント開設、再チャージから投資までのユーザーのパフォーマンス (注目、関心、検索、アクション、共有) を表し、ユーザーの行動決定にも影響します。

ユーザー行動分析モデルは、製品の機能を検証できる完全な行動モデルであり、データの結果を分析できる閉ループ分析システムでもあります。つまり、ユーザーの核心は心理を理解すること、行動の本質はニーズを探ること、そして分析の目的はビジネスを成長させることです。

著者: 朱学民

出典: 朱学民