製品運用成長スキル！

インターネット製品の運用では、日々のアクティブデータを毎日確認する必要があります。それをユーザーの行動と組み合わせると、ビジネスの成長にどのように役立つでしょうか?デイリーアクティブユーザーが増加または減少しています。デイリーアクティブユーザーの異常な変動の原因を迅速に特定するにはどうすればよいでしょうか?これらは日々の観察、思考、そして総合的な分析を必要とするものであり、特にデイリーアクティブユーザーが減少している場合には、その特定に長い時間がかかることが多いです。

この記事の著者は、皆様の参考と学習のために、日々の活動の変動を素早く見つける方法を詳しく紹介しています。毎日のアクティブユーザー数の変動の理由を迅速に特定し、現在のビジネスの主な問題に焦点を当てて、的を絞った方法で反復して改善するお手伝いをしたいと考えています。

1. デイリーアクティブユーザーの構成

新規ユーザーとアクティブユーザーは、主に新規ユーザーと全体的な 1 日のアクティブユーザーのデータパフォーマンスを測定するために、1 日のアクティブユーザーを区別する一般的な方法です。アクティブユーザーには新規ユーザーも含まれるため、日次アクティブユーザーが変動すると、どのユーザーグループに問題があるのか頭を悩ませることになります。

2019年から2020年にかけて、実際のデイリーアクティブユーザー数は全体的に着実に減少傾向を示し、ビジネスの成長はボトルネック期に入りました。理想的なデイリーアクティブユーザー数は、浮き沈みはあるものの順調に増加しているはずなので、ここで何かが起こっているはずであり、それを階層ごとに調べる必要があります（データサービス、データレポート、データ統計のバグはここでは考慮しません）。

図に示すように、デイリーアクティブユーザーを3つのレベルに細分化しました。第1レベルは、新規ユーザー、新規顧客維持、既存顧客維持、離脱・復帰ユーザーなど、ユーザーのライフサイクルに応じた最初の内訳です。第2レベルは、各ライフサイクル段階を細分化する場合に最初に何に焦点を当てるべきかを検討する必要があります。第3レベルは、ユーザーのコア行動と関連付ける必要があり、コアバリューに関連する指標は、ユーザーのアクティビティとユーザーニーズの満足度を真に反映できます。

日常活動分析レベル1

最初のレベルでは、どのユーザーグループが毎日のアクティブユーザー数の変動に影響を与えるかを正確に特定するには、4 つのレベルが完全に独立しており、互いに干渉しないことを確認する必要があります。これには、これら 4 つのユーザーグループの定義が含まれます。

新規ユーザー: その日に追加された新規ユーザーの数
新規顧客維持率: 昨日新規追加され、翌日にアクティブ化されたユーザーの数
既存顧客の維持率: 昨日アクティブで、翌日もアクティブだった既存ユーザーの数
離脱して戻ってきたユーザー: 昨日は非アクティブだったが今日はアクティブなユーザー

ユーザーグループを分割して自動化すると、毎日のアクティブユーザーの日々の変動から、新規ユーザー、新規顧客の維持、既存顧客の維持、または失われたユーザーと戻ってきたユーザーに関する問題を特定し、新規または既存顧客の操作を担当する学生の手にすぐに引き渡すことができます。

日常活動分解レベル2

最初のステップは、誰が問題を抱えているかを特定することであり、2 番目のステップは、それをどのように行うかという問題を解決することです。

（１）新規ユーザーと新規顧客維持

運用面では、新規プロモーションや新規オペレーションの戦略に合わせて、チャネルレベルで新規追加に対する二次分析を実施し、どのプロモーションチャネルに問題があるのか、各チャネルの翌日維持率のパフォーマンスはどのようなものかを特定します。

ここで、見落としがちな重要な問題があります。翌日の維持がうまくいけば、製品の古い顧客に大きな影響を与えることになります。

ユーザー維持率曲線はべき乗関数の法則に従います。翌日の維持率が高ければ高いほど、その後の維持率は高くなります。最も高い投資収益率を達成する最も簡単な方法は、新規ユーザーの維持率を高めることです。新規ユーザーの維持率が上がると、その後のアクティブな既存ユーザーの翌日の維持率も自然に上がります。

（２）既存顧客の維持

ユーザーは日レベルに分かれているため、ここでの古い顧客はユーザーの新鮮さの問題を抱えています。古い顧客は、アクティブな古い顧客、静かな古い顧客、失われた古い顧客に分類できます。

アクティブな既存顧客: 過去7日間にアプリを開いたユーザー
サイレントな古い顧客: 過去 7 日間にアプリを開いていないユーザー (7 日 < 最終アクティブ時間 < 30 日)
失った古い顧客: 過去30日間にアプリを開いていないユーザー

アクティブな既存顧客の翌日の維持率は、ユーザーの継続的な活動能力と、サイレントで失われた既存顧客が戻ってきた後のその後の維持率に関係しており、これらすべてがその後の週ごとおよび月ごとの人日数の変化を決定します。既存顧客の頻度を高めることは既存顧客運用の最も重要な目標であるため、ユーザーの鮮度に基づいてコホート分析を確立し、翌日、3日後、7日後、15日後、30日後にさまざまなユーザーグループのその後の維持パフォーマンスを観察することをお勧めします。

（３）離脱者と復帰者

離脱ユーザーと復帰ユーザーを日別に分けると、日次アクティブユーザーの割合が最も高く、最も運用の改善が必要なグループです。ユーザーの復帰サイクルに応じて、アクティブ復帰、サイレント復帰、離脱復帰にさらに分類できます。

上記のように、離脱・復帰したユーザー各部の翌日維持率と既存顧客の維持率は相互に補完し合い、週人日、月人日などのアクティブ頻度に影響を与えています。コンテンツ運用側はデータの変化の傾向を注意深く観察し、戦略を練る必要があります。戦略の変更ごとにユーザーアクティビティ保持データが改善されるかどうか、または一時的な効果にすぎないかどうかを観察します。

また、ユーザーの復帰方法は、ユーザーの復帰の真の意図も反映しています。実際の需要により自らアプリを開いたのか、パーソナライズまたは自動化されたプッシュ方式で復帰したのか、あるいは他のサードパーティの協力によって外部からトリガーされたのかによって、それぞれ異なる扱いをする必要があります。

日常活動の第3レベルを解体する

3層目は、製品がユーザーに提供する最もコアなユーザー行動に戻ります。日常の活動は実際には虚栄心の指標です。コアバリューに関連する指標は、ユーザー活動を真に反映できる指標です。コア行動が改善されれば、日常の活動の成長を心配する必要はありません。コア行動を使用するユーザーの割合を増やし、コア行動ユーザーのエンゲージメントを向上させることに重点を置き、コア機能の高頻度、中頻度、低頻度ユーザーとコア行動を持たないユーザーの変化する傾向を注意深く監視します。

ここで注目すべき点は、コア機能をユーザーの使用頻度に応じて高、中、低、なしに分類できることです。この方法により、コア機能のユーザー使用状況の変化をより適切に定量化できます。製品には複数のコア機能がある場合があり、ユーザーが 1 つのコア機能のみを使用することは不可能であるためです。重複が発生し、重複後は、変動に影響を与える特定の値をデータから単純に定量化することはできないため、コア動作を使用するユーザーの頻度に応じて分割する必要があります。

まとめると、成長を促進するためには、新規ユーザーの増加、新規ユーザーの維持率の向上、既存ユーザーの活性化、失ったユーザーの呼び戻しという 4 つの側面で取り組む必要があります。

2. 日常活動の異常な変動の原因の特定

データの正確性を確認した後、時間範囲を拡張して日々の活動変動の傾向を観察し、データに異常がないか観察し、日々の周期的な変動を排除します。日々の周期的な変動傾向から逸脱する急激な低下や上昇、または継続的な下降傾向がある場合 (これは異常アラーム戦略と同時に実装できます)、これらのノードを綿密に監視して、具体的な理由を調査する必要があります。

このとき、特定の要因が日々の活動変動に与える影響を定量化するための定量的指標が必要であり、これは影響係数指標を使用して計算できます。

影響係数 = (今日のボリューム - 昨日のボリューム) / (今日の合計ボリューム - 昨日の合計ボリューム)

結果が大きいほど、この要素が日々の活動の変動に与える影響が大きくなるため、まずはこれに注意して最適化する必要があります。

ロストラフィック量は減り続けており、5月17日には急激な減少がありました。引き続き下を見ていきましょう〜

サイレント、アクティブ、離脱ユーザーとも減少傾向にあるが、サイレントユーザーの減少幅が最も大きい。サイレント復帰ユーザーのうち、自らアプリを開くユーザーが減ったのか、プッシュや外部からの覚醒によるものなのか。リフロー方法が異なると、さまざまな問題が明らかになります。タマネギの皮をむくのと同じように、層を剥くだけです...