製品運用：DAU が減少した場合はどうすればいいですか？

この記事では、データ減少の事例を用いて分析のアイデアについて説明します。

この記事は主に 2 つの部分に分かれており、1 つは DAU の減少の理由の調査であり、もう 1 つはこの問題の拡大です。

1. DAUが減少した場合はどうすればいいですか？

この問題について議論する前に、DAU の定義を明確にする必要があります。企業によっては、DAU がスタートアップ UV である場合もあれば、ログイン UV である場合もあります。また、特定の行動を実行した UV である企業もあります。

データ指標について議論する前に、まずその定義や具体的な計算ルール、統計的根拠を明確にしておかなければなりません。そうしないと、長時間議論した結果、誰もがその指標について異なる定義を持っていることが判明する、という事態に陥ることになります。

分析を簡単にするために、ここで使用する定義は UV を開始することであり、分析の考え方は外部理由と内部理由の両方から開始することです。

1. 外的原因

最初に明確にする必要があるのは、データが正確であるかどうかですが、これが大きな落とし穴となる可能性があります。

データがクライアント側のレポートに依存している場合、新しいバージョンがリリースされたり、一部の機能が改訂されたりしたときに問題が発生する可能性があります。

よくある問題としては、追跡ポイントの欠落、報告されたデータストレージの損失、インターフェースの置き換えなどが挙げられますが、この現象は一般的にはより顕著であり、対応するデータは基本的に半減レベルの異常です。

データが特定の BI レポートから取得される場合、フィールドの追加や削除、データ テーブルの置き換えによってデータ異常が発生する可能性がありますが、これらの異常は通常明らかです。

2 つ目は、データが周期的な変動であるかどうかを明らかにすることです。

一部のビジネス モデルには、明らかな周期的影響があります。たとえば、一部のビジネス モデルでは、月曜日から金曜日にかけてデータが低くなり、週末にデータがピークになります。また、一部のビジネス モデルでは、月曜日から金曜日にかけてデータがピークになり、週末にデータが低くなります。

現在のサイクルの数か月前のデータを比較することで、それが正常な変動なのか異常な変動なのかを基本的に判断できます。場合によっては、昨年の同じ期間のデータと比較する必要があるかもしれません。

例えば、季節によって影響を受けるビジネスモデルもあります。一部の都市では、雨季になるとシェアサイクルなどの移動アプリが影響を受け、対応するタクシーアプリも影響を受けます。

考慮すべきもう 1 つの点は、最近お祭りがあるかどうかです。お祭りの中には、ビジネスにプラスの影響を与えるものもあれば、マイナスの影響を与えるものもあります。

最後に、オペレーションやマーケティングでは最近何か活動しましたか？ 下がっているように見えるデータは、実際には下がっていない可能性があります。正常に戻っているだけかもしれませんが、以前のデータが正常よりも高かったため、下がっているように見えます。

ここで主な原因が特定できる場合もあれば、上記すべてが正常な場合もあるため、さらに細かく分析していく必要があります。

2. 内部的な理由

特定の機能の DAU について議論している場合もあれば、アプリ内の機能モジュール全体のビジネスについて議論している場合もあります。このとき、まず確認する必要があるのは、上位のエントリ トラフィックまたはアプリ全体の DAU が変化したかどうかです。

数式やプロセスを通じて関連するすべての要因を見つけ、原因が見つかるまでそれらを層ごとに分解することができます。

一般的に言えば、 DAU = 新規ユーザー DAU + 既存ユーザー DAU + リピーターユーザー DAU

リピーターユーザーは個別に分離されていない場合もありますが、これは重要ではないので、最初の 2 つの項目だけを確認してください。

これらの要素を 1 つ以上のレベルに分割すると、次の基本式が得られます。

次に、各要因をチェックし、異常な要因を特定し、さらに下位レベルまで深く掘り下げる必要があります。

新規ユーザーのDAUが異常であると仮定すると、それが量の異常なのか、継続率の異常なのかを深く掘り下げて見る必要があります。

数量が異常な場合は、チャネル別に1レベル細分化して、単一チャネルの異常か複数チャネルの異常かを確認できます。単一チャネルの異常の場合は、特定のチャネルの配信に問題があるのでしょうか。複数チャネルの異常の場合は、配信予算が削減されていることに問題があるのでしょうか。

継続率が異常な場合は、チャネル別に1段階細分化して、単一チャネルなのか複数チャネルなのかを確認します。単一チャネルの場合は、特定のチャネルがボリュームを水増ししているか、チャネルのターゲット層が一致していないことが疑われます。複数チャネルの場合は、配信戦略や配信資料、ランディングページが変更された疑いがあります。

既存ユーザーの DAU が異常であると仮定すると、次のステップは、それが量の異常なのか、維持率の異常なのかを深く調べることです。

数値が異常な場合は、さらにもう 1 層細分化して、Android と iOS のどちらが異常なのか、あるいは両方が異常なのかを確認できます。次に、バージョンごとに分割して、最新バージョンで何か変更されたかどうかを確認できます。

保持に例外がある場合も同様です。さらに端末（Android、iOS）、バージョン、携帯電話の種類ごとに分割し、最新バージョンと比較して、影響する可能性のある変更がないか確認します。

リピーターのDAUが異常だと仮定すると、次のステップは、それが量の異常なのか、リテンション率の異常なのかを深く調べることです。

数値が異常な場合は、リコールされたSMSメッセージや送信されたプッシュ通知の数が変化していないか、リーチ率やクリック率が変化していないかを確認します。

リテンションが異常な場合は、プッシュ戦略、プッシュの内容、受信ランディング ページに変更がないか確認してください。

このようなレイヤーごとの分解の後、通常はいくつかの異常を見つけることができます。次に行う必要があるのは、これらの異常を継続的に分割して細分化することです。最後に、影響を与える可能性があると思われるポイントを見つけて推測し、調整、テスト、反復を行います。

2. 課題の検討と拡大

上記の問題で何をしたか、そしてこの一般的な問題に遭遇したときに何ができるかを見直してみましょう。

DAU 減少の問題を解決するために、次の手順を実行しました。

DAU が減少しています - 具体的に誰が減少していますか - なぜ減少していますか - 何をすべきですか。

対応する一般的な問題は次のとおりです。

問題を発見する - 収束の問題 - 仮説を立てる - 仮説を検証する。

問題を発見するという意味では、あまり言うことはありません。毎日データを見て、異常な傾向の変化を探し、前年比や前月比の変化を探すだけです。

収束問題とは、問題が見つかるまで、通常は外部から内部へ、全体から部分へと問題の範囲を継続的に絞り込み、その後さらに細分化と分解を続けることです。

外部原因とは、まず現在の問題に影響を与える可能性のある外部システム要因を見つけることです。システム自体には問題がないが、外部環境が変化している場合もあります。

異常を示すデータのトラブルシューティングを行う場合、通常はまず関連するすべての要素を含む数式を見つけ、次にどの要素が異常であるかを確認し、さまざまなディメンションに基づいてより詳細な分割を実行します。

例えば、前述の DAU = 新規ユーザーの DAU + 既存ユーザーの DAU + リピーターユーザーの DAU、または、素材配信のアクティベーション数 = 露出 * クリックスルー率 * ダウンロード完了率 * インストール完了率 * 起動率 * アクティベーション率などです。

一般的に使用されるセグメンテーション ディメンションは次のとおりです。

• チャネル;
• 新規ユーザーと既存ユーザー;
• 主要なユーザー行動の数。
• 性別、年齢、地域;
• バージョン;
• 端末等

推測は通常、次のようなデータまたは関数がうまく機能しない場合に行われます。

• プロモーションのチャネル、方法、または資料に何か問題がありますか? ユーザーが来てから、期待に応えられなかったことに気づきます。
• 機能入口が弱すぎて見えないからでしょうか？
• 広告されたコンテンツがユーザーに価値を感じさせていないということでしょうか?
• 機能が複雑すぎたり、パスが長すぎたりして、ユーザーが価値を感じる前に迷っていませんか?
• その機能は価値があるが、ユーザーの期待に沿っていないでしょうか?
• ソリューション自体に問題があり、ニーズを満たすことができないのでしょうか?
• 単に需要が存在しないだけなのでしょうか?

これらはすべて過去の経験、またはビジネスとユーザーに対する理解に基づいた推測に基づいています。

結局のところ、推測は単なる推測であり、検証または反証される必要があります。次のステップは、これらの推測に基づいて対応する解決策を提示することです。

あくまで推測なので、コストが最も低い、いわゆるMVPで検証するのがベストです。

MVP 検証を実行するにはどうすればいいですか?

影響範囲、影響の大きさ、影響の可能性、実施コストに応じて費用対効果に基づいて仮説を検証できます。要因が多すぎると帰属が難しくなるため、単一要因検証を行うのが最適です。

最後に、これらの推測とデータの変更に基づいて、継続的な最適化と反復が実行されます。

全文を簡単に要約すると、次のようになります。

• 問題を見つける: 傾向、前年比、前月比の比較を確認します。
• 収束問題: 外部 + 内部、全体式 + 異なる次元での細分化。
• ビジネスとユーザーの経験と理解に基づいて仮定を立てます。
• 仮説を検証します: MVP、費用対効果、および単一要素認証。

上記がこの記事の主な内容です。訂正、提案、批判などありましたら、どうぞよろしくお願いいたします。

著者: 王嘉塵

出典: 0から1までのプロダクトマネージャー