洗練された運用戦略のための3つのヒント！

トラフィック獲得コストが徐々に高くなるにつれ、さまざまな製品のユーザー間の重複がますます高まっています。同時に、タオバオの「千人の顔、千人の顔」の出現により、さまざまなグループの人々を対象とした洗練された運営の可能性が誰もが認識できるようになりました。各グループの人々に対して洗練された操作を実行し、最終的にトラフィックの利用効率を向上させ、トラフィックを実際のリテンションに変えます。

1. 洗練された操作とは何ですか?

洗練された操作の反対は広範な操作であり、これはほとんどの人が初期に採用する操作モードです。誰もが見ているものは同じであり、一般の人々の最終的な実験結果に基づいて運用戦略がフィードバックされます。

一方、洗練された操作は、比較的詳細です。異なるライフサイクルのユーザー、同じライフサイクルの異なるタイプのユーザー、またはユーザーごとに異なるコンテンツが表示され、最終的なコンバージョンを完了するために異なる操作戦略が採用されます。初期の操作戦略が 1 対多のモデルであった場合、洗練された操作は多対多の対応になります。

洗練された操作戦略の下では、各タイプのユーザー、または各ユーザーに複数のラベルが付けられ、この場合、ユーザーの洗練された操作戦略の優先順位が浮かび上がります。 20% のユーザーが収益の 80% を生み出しています。コアユーザーのユーザー管理とメンテナンスに注力することによってのみ、より大きな価値を生み出すことができます。 80% のユーザーのユーザーデータは非常に良好に見えますが、より大きな価値を生み出すことは困難です。時間とエネルギーが限られている場合は、利益の 80% を生み出すことができるものに中心となるエネルギーを集中させます。

2. 洗練されたオペレーションの鍵

先ほど、洗練された操作とは何かについて簡単に説明しましたが、これで洗練された操作の一般的な理解と概要がわかりました。次に、日々の業務の中で、どのように洗練されたオペレーションを実施していくべきかについてお話しします。以下の内容はあくまでも私自身の見解と意見であり、参考としてのみご利用ください。

1. ユーザーの階層化が基本

洗練された操作が技術であるならば、ユーザーセグメンテーションが方法です。これが、ユーザー層別化がユーザーオペレーションの基本である理由です。私は以前、ユーザー層別化についての記事を書きました。「ユーザーオペレーションにおけるユーザー層別化についての簡単な説明」という記事をクリックしてください。

ユーザーは、基本情報、行動情報、消費情報に基づいてさまざまなカテゴリに分類できます。

ただし、階層化を実行する方法の鍵は、最終的に達成する必要がある目標を把握することです。目標を軸にユーザーセグメンテーションを実施します。初期段階では、予備的なユーザー層別化とセグメンテーションを実施します。後期段階では、順調に実行され、この層のユーザー間でユーザー行動に明らかな違いがあり、さらに改善の余地がある場合は、ユーザー層別化をもう 1 ステップ実施できます。

ユーザーセグメンテーションは、ケーキ全体をさまざまな形の小さなピースに切り分け、これらの小さなピースを最も適した人に渡すようなものです。

タオバオを例にとると、ユーザーの基本情報は、性別、地域、年齢、一般的な職業、平均月間支出額に分けられます。

同時に、ユーザーの行動に基づいて、ユーザーのアイデンティティ属性ラベルを推測することができます。結婚段階、家があるかどうか、職業など、非常に詳細な情報です。

ユーザーの行動は、毎日の買い物時間、買い物の好み、買い物の頻度、1回の消費額、クーポンの好み、買い物の習慣（検索買い物または閲覧買い物）などの情報にさらに分類できます。

ここで指摘しておくべきことの 1 つは、多くの製品の性別、年齢、職業のラベルがあまり正確ではないということです。これらのラベルは、ユーザーが手動で記入したもの (ユーザーがラベルをランダムに記入する場合もあります) か、製品を手動でラベル付けしたもののいずれかです。 (ユーザーが行う可能性のある特定の動作に応じて分類されます)。

タオバオに多くのユーザータグがあるのは、多くの商品の情報がつながって組み合わされ、徐々に最適化されて、1人のユーザーに対して複数のタグの組み合わせが形成されるためです。もう一つの核心点は、ショッピングという行為から、多くのユーザー行動やユーザーシナリオを分析し、その後、Taobao のデータを活用して校正と最適化を繰り返し実行できることです。

以前見た事例を思い出します。あるショッピングモールで、毎月生理用ナプキンを購入する人々のグループが見つかりました。しかし、次の月には購入記録はあるものの、生理用ナプキンを購入する行動はありませんでした。そこで、ショッピングモールは、以前接触したことがあり、買い物行動はあったものの最近は生理用ナプキンを購入していないユーザーに、乳幼児用品のプロモーション情報をプッシュしました。この取り組みにより、ショッピングモールの売上は大幅に増加しました。

ユーザー行動の階層化に基づいて、ユーザーの洞察も重要になります。なぜユーザーはこのような行動をとるのでしょうか。また、なぜこのような行動がなくなるのでしょうか。そこには何らかの理由があるはずです。

以前、梁寧氏が書いた、3大ファンプラットフォームのうちどれがより正確かという疑問に関する記事を読んだことがあります。

Taobao の推奨は JD.com のものよりはるかに優れていますが、それでも Pinduoduo ほど優れていません。自分でタオバオで「無錫スペアリブ」を検索すると、タオバオの関連おすすめが依然として「無錫スペアリブ」と「三豊橋」であり、このようなキーワードに一致することがわかります。

Pinduoduoで「無錫スペアリブ」を検索すると、「無錫スペアリブ」と「三豊橋」を関連付けるだけでなく、「四幸福肉団子」も推奨されました。これはどういう意味ですか？これは、Taobao がキーワードの関連付けを行い、Pinduoduo がユーザー理解を行っていることを意味します。Pinduoduo は私の検索動機と好みを理解しようとします。

ユーザーの行動の背後には、核となる目的があります。検索動機に基づいて関連する推奨事項を作成すると、キーワードの関連付けよりもユーザーが望むシナリオに適応しやすくなり、ユーザーのコンバージョンを促進できます。その背後にあるのは、ユーザーの行動を通じたユーザーの洞察と動機の分析です。

2. ユーザー行動マップが鍵

ユーザーのセグメンテーションは、洗練されたオペレーション、さらにはユーザーオペレーションの基礎とも言えます。ユーザーの階層化に基づいて、ユーザー行動マップに従ってカスタマイズされた推奨と操作を行う必要があります。

これを基に、ユーザー行動を商品の属性に応じていくつかのユーザー行動のキーポイントに分割し、ユーザー行動のキーポイントでユーザーに最も適した商品を推奨し、ユーザーのコンバージョンを最大化します。

例えば、チェックインや福利厚生ページなどのユーザー行動では、ほとんどが薄利多売のユーザーです。このタイプのユーザーの特徴は、時間はたっぷりあるが、課金に転向するのは容易ではないという点です。そのため、これらのユーザーにクーポンやインセンティブ動画をプッシュする商品は、コンバージョン率が高くなります。

ユーザーの「アハ体験」は、製品のユーザー体験のクライマックスです。この時にユーザーに初めて有料製品をいくつか勧めることができれば、ユーザーの有料化に繋がりやすくなります。

ある瞬間、ある目的のために、あるページにアクセスしたユーザーに対し、その目的やユーザー属性に応じて最適な商品を推奨します。

以前、Zebra が洗練された運用で非常に良い仕事をしているのを見ました。情報フロー広告では、ユーザーが支払いをしなかった場合、Zebraは公式アカウントをフォローして1元の割引コース（元の価格69元）を取得するためのQRコードを直接ポップアップ表示し、優待価格で潜在的なユーザーの転換を促進します。この方法により、コンバージョンしたユーザーのコンバージョン率は非常に高くなります。同時に、ユーザーの現在の行動に基づいて適切な価格の製品を推奨することで、コンバージョンが容易になります。

3. データ分析は成功する戦略の基盤となる

きめ細かな運用は非常に合理的です。あらゆる投資や戦略の変更は、データの収益化に基づいて調整されます。最終的な戦略が成功するかどうかも、データの分析と比較が必要です。

最終的なデータの結論がより正確であることを保証する方法は、AB テストを実施し、新しい戦略を持つ実験グループを形成し、コントロール グループを変更しないことです。唯一の変数は、変数の 1 つを変更することです。変数を制御した後、実験が成功したかどうかをより正確に判断できます。最後に、実験グループと対照グループのデータを比較して、実験グループのいくつかのデータ指標が対照グループのものよりも優れているかどうかを確認します。

実験を行うと、あるデータ指標が上昇した後に別のデータ指標が下降することがわかることがあります。この時点で、実験の全体的な目標とサブ目標を設計することが必要になります。

たとえば、コンバージョン率を上げたいのに、コンバージョン率が上がる一方で arpu 値が下がっていることがあります。このとき、全体的な収益指標が増加したかどうかを確認します。全体的な収益が増加した場合、戦略が成功したことを意味します。ただし、コンバージョン率は上昇しましたが、コンバージョン率の増加による収益は、arpu 値の減少によって生じたギャップを埋めることができません。この場合、戦略をさらに調整して最適化する必要がある可能性があります。

同時に、実験のサンプル サイズが基準を満たしているかどうか、最終結果が重要な特徴であることを裏付け、保証するのに十分なサンプル サイズがあるかどうかを確認することも必要です。

一般的に、有意特性が 95% より大きい場合、AB 間に有意差があると言えます。ここで、重要な特徴を計算するためのプラットフォーム、Yunyan を推奨します。データを直接入力することでリフト率を計算できます。

一般的に言えば、AB テストの結果が最も正確です。 ABテストによる比較分析を行う際には、その後の戦略をより適切に実行するために、プライマリとセカンダリを区別することも必要です。

上記は、洗練された操作についての考えや感想です。コメント欄にメッセージを残していただければ幸いです。

著者: Creative Gorilla Factory

出典: クリエイティブファクトリー