この記事では、運用活動に焦点を当て、データ分析を通じて運用活動の品質を判断する方法、およびデータの洞察を通じて活動の問題点と機会について説明し、落とし穴を回避し、次の活動の成長方向を示すガイドを提供します。

では、これ以上前置きせずに、早速本題に入りましょう。

1. 良い運用活動とは何か?

優れた運用活動とは何でしょうか?活動目標が達成され、目標達成にかかるコストが適切である場合、つまり、入力と出力の比率が比較的高い場合、これは適切な運用活動であると結論付けることができます。

1. 目標が達成されたかどうかを判断する

すべてのデータ分析は特定の目標から始まります。運用活動データ分析の始まりは、最初に戻って「この活動を計画する目標は何なのか」と自問することです。

測定の重要なポイントは、活動の有効性を定量化するデータ指標を見つけることであり、これは「最初の主要指標」または「ノーススター指標」と呼ばれることがよくあります。

ノース スター指標は、この活動の目標から来ています。電子商取引のプロモーション活動の最も一般的な目標は、商品を早く販売して売上を伸ばすことです。対応するノース スター指標は、GMV (総注文額) です。

次に、適切な比較オブジェクトを選択し、比較して、North Star インジケーターが質的な変化を達成したかどうかを判断します。例えば、昨年の同時期の活動や、同じ規模で同様の位置付けの活動と比較します。

North Star 指標は、多くの場合、複数の要因の影響を受けることに注意してください。たとえば、GMV の増加は、運用戦略の有効性によるものではなく、全体的なトラフィックの自然な増加によるものである可能性があります。

したがって、ノーススター指標を見るだけでなく、ノーススター指標を細分化して、この活動の中核戦略に最も関連のある指標が細分化後に質的な変化を達成したかどうかを判断することも必要な場合があります。

2. 入力と出力の比率は目標を達成するのに適切ですか?

電子商取引活動における一般的な投入コストには、お歳暮やクーポンなどの直接的な優遇給付金のほか、広告、KOL有名人との協力などがあります。これらの投資を通じて、より多くのトラフィックとコンバージョンを獲得し、売上の GMV を増やすことができます。

販促活動の本質は、商品価値と切り離せないものです。投入産出比率が高いほど、商品価値が高くなります。これは、販促活動が、消費者が最も簡単かつ有利な方法で購入できるように、すべての商品の価格を直接下げるのではなく、クーポンや完全割引などの方法を使用する理由も説明しています。

実際のところ、その核となるのは、プラットフォームと商人が可能な限り低いコストで最大の価値出力を得られるよう支援することです。

したがって、活動を見直す際には、一定の成長を達成するためにどれだけのコストがかかったか、また、このコストが過去や類似の活動よりも高いかどうかも検討する必要があります。

2. データ分析を通じて問題と機会を見つける方法

データレビューレポートを作成する場合、一般的な状況としては、North Star 指標が増加したか反復されたかを計算し、アクティビティ目標が達成されたかどうかという結論を出します。しかし、上司はさらに一歩進んで、北極星の指標にこのような変化が生じた原因は何なのかと尋ねました。多くの人は正確な答えを確実に出すことができないことが多いため、データをさらに深く掘り下げる必要があります。

1. ロールアップ分析とドリルダウン分析とは何ですか?

具体的な詳細な分析について説明する前に、まずロールアップ分析とドリルダウン分析について説明する必要があります。データ分析におけるロールアップとドリルダウンを簡素化するために、実際にはロジックツリーで「集約」と「セグメンテーション」に変換することができます。たとえば、総売上高を華南、華中、華北などの地域に分割して分析することはドリルダウンであり、広州、珠海、深セン、東莞などのいくつかの主要都市を珠江デルタ地域に集約して分析することはロールアップです。

ディメンションをドリルダウンしてロールアップすると、データは継続的にセグメント化され、集計されます。このプロセスで、多くの場合、問題の根本原因を見つけることができます。

2. North Starインジケーターでディメンションドリルダウン分析を選択的に実行する

ドリルダウンの考え方は、マクロからミクロまで、レイヤーごとに細分化するロジックに従う必要がありますが、すべての次元の細分化されたデータを各レイヤーで表示する必要があるということではありません。ドリルダウンには多くのディメンションがあります。ビジネス自体の特性とこのアクティビティの戦略を理解した上で、ドリルダウンに使用するディメンションを決定する必要があります。最も重要なセグメント化されたデータのみを表示する必要があります。

掘削プロセスは、1 つまたは複数の固定次元に限定されず、ノードの分岐の多次元的な組み合わせを伴うことがよくあります。

分岐する場合、多くの場合、最大の差がある次元を選択してさらに分割します。差が十分に大きくない場合、ブランチは細分化されません。大きな違いを生み出す可能性のあるノードは保持され、違いがなくなるまでさらに細分化されます。このプロセスを通じて、North Star インジケーターの変化に影響を与える要因を見つけることができます。

電子商取引のプロモーション活動における一般的なドリルダウン分析ディメンションは次のとおりです。

最も一般的な分解式は、GMV = トラフィック * コンバージョン率 * 平均注文額 = UV * UV 値です。分解後の指標を比較することで、ノーススター指標の上昇と下降をもたらす主要な指標を見つけることができます。

次のデータ事例は、GMV の低下につながる主な要因がトラフィック UV の急激な減少であることを示しています。次のステップでは、トラフィック UV からさらにドリルダウンして、どのチャネルでトラフィック ソースが大幅に減少したかを確認します。

チャネル/トラフィックソース別の内訳

チャネルとはトラフィックのソースを指します。一般的なものには、自然なオンサイト訪問トラフィック、オフサイトのWeibo/WeChat/Toutiao/NetEaseなどの配信チャネル、分裂共有トラフィックなどがあります。各チャネルのデータを市場全体と比較することで、特定の指標に影響を与える主要なチャネルを見つけることができます。

特定のチャネルで主要な指標が大幅に増加/減少していることがわかった場合は、そのチャネルをさらに詳しく分析できます。以下の例では、APP 側では主要指標が改善されましたが、Weibo チャネルでは主要指標が低下しました。

端子による分解

一般的な端末セグメンテーションには、IOS/Android、APP/M/PC/ミニプログラム、使用されているデバイスモデルなどが含まれます。さまざまな端末の市場全体への貢献を比較し、さまざまな端末のデータ指標を水平に比較することで、特定の指標に影響を与える主要な端末を見つけることができます。以下のケースでは、APP 側 IOS は主要指標を改善しましたが、M 側は主要指標を低下させました。

時間/期間別の内訳

電子商取引の活動では、ウォームアップ/クライマックス/リターンなど、時間リズムに基づいてさまざまなプロモーション戦略が使用されることがよくあります。このような期間ベースの戦略がある場合は、データを細分化して期間ごとに比較し、データ指標が著しく高い/低い期間を見つけることができます。

期間だけでなく、時系列ディメンション（月、週、日、時間）ごとに分析を行い、主要指標に影響を与える特定の時点を見つけます。そして、その時点での配信トラフィックの品質、タイムシェアリング運用戦略、製品選択、ページデザインなどに違いがあるかどうかをレビューし、主要指標に影響を与える可能性のある要因を確認します。

事業・カテゴリ別内訳

この次元は、多くの場合、運用/調達および販売の観点に偏っており、特定のビジネス/カテゴリの主要指標の出力に重点が置かれています。効果的かどうかを分析するには、特定の製品選択および在庫戦略と組み合わせる必要があります。

カテゴリの数が多い場合は、下の図のパレートモデルを参照してデータを観察することができます。観察の主なポイントは、各カテゴリーの数量と露出度を組み合わせて、カテゴリーの変更が対応する販売量をもたらしたかどうかを判断することです。低すぎたり高すぎたりする場合は、特に注意する価値があり、その後の在庫と露出戦略をそれに応じて最適化できます。

機能モジュールによる分解

この次元はページ デザインに最も密接に関連しており、ページ コンテンツ フレームワークの配置と、各特定モジュールの機能および情報の表示が含まれます。 North Star インジケーターまたはその内訳インジケーターに対する各モジュール (フロア) の貢献度を観察できます。前方で露出度が高いが貢献度が低い (入出力比が低い) ものや、後方で比較的貢献度が高い (入出力比が高い) ものに特に注意して、理由をさらに調査します。

ユーザーグループ別の内訳

従来の人口分類には、性別、年齢、婚姻状況、地域、新規ユーザーと既存ユーザーなどの人口統計情報に基づく分類が含まれます。注目すべきは、高齢者、Z世代、地方の若者など、特殊な特性を持つグループに応じて差別化された戦略を立てるなど、より洗練されたユーザーセグメンテーション操作を実行する活動もあるということです。

ドリルダウンする特定の人口ディメンションを選択する場合、主な基準となるのは、アクティビティ戦略がこのディメンションに対して差別化された操作を行っているかどうかです。上記の戦略には、ユーザーグループに基づいた洗練された操作が含まれているため、各人口戦略が有効かどうか、ノーススター指標の成長をもたらすかどうかを確認するには、このディメンションに従ってドリルダウンする必要があります。

2 つ目は、このディメンションの人口データの差が十分に大きいかどうか、また、将来的にこのディメンションを開発するためのリソースがあるかどうかです。たとえば、特定のアクティビティにおける女性ユーザーの割合が著しく高いが、貢献した GMV が著しく低い場合、女性ユーザーについてさらにドリルダウン分析を実施して、既存のリソースを使用して女性人口の売上コンバージョンを改善できるかどうかを判断できます。

異なるグループにドリルダウンする方法は、さらに洗練させることができます (十分なデータ ソースのサポートが必要)。異なるグループ間のコア指標を直接比較することに加えて、特定のグループのフロントエンドとバックエンドのリンクの行動パス ファネル、購入の好み、その他の特性も分析でき、定性的なユーザー調査と組み合わせることで、このグループの人々が遭遇する可能性のある問題と、将来さらに活用できる機会を調査できます。

3. 主要なディメンションを中心にクロス分析を実施し、他のディメンションと組み合わせることもできます。

多次元ドリルダウン分析を完了した後、特に重要な特定のディメンションに対して多次元クロス分析を実行することもできます。

たとえば、ユーザーの性別とチャネルをクロスすると、WeChat の男性ユーザーと女性ユーザー、Weibo の男性ユーザーと女性ユーザーの違いが見つかるかもしれません。カテゴリと期間をクロスすると、異なる特性を持つカテゴリの発生には異なる期間がより適していることがわかるかもしれません。

しかし、このステップを実際に実行するのは難しいかもしれないと予想する必要があります。

一方では、データの抽出と処理に対する要件が高く、プロのデータアナリストがサポートに多くの労力を費やす必要があります。

一方、クロスオブジェクトの判断には、十分なビジネス感度と業界経験、現状に対する深い思考、そして2つの要素が関連している可能性が高いことを示す何らかの兆候に対する洞察/推論が必要です。

そうしないと、クロス分析に多くの時間とリソースが費やされても、実用的な価値のある結論は得られない可能性があります。

4. プロセス指標を無視してはならない

プロセス指標を見る理由は何ですか?

データ指標は、結果指標とプロセス指標に分けられます。プロセス指標は、特定の結果を生成する中間プロセス リンクの尺度です。結果指標は、多くの場合、アクティビティのビジネス目標から派生し、ビジネス目標が達成されたかどうかを測定するために使用されます。特定のステージが終了した後のデータレビューに使用されることが多いです。

たとえば、プロモーション活動では、売上高と注文量は結果指標であり、これらの注文をもたらす訪問トラフィック、クリック数、カートに追加した数、支払いの成功数などのレイヤーはプロセス指標です。

しかし、日々のデータ追跡においてより重要なのは、現在のデータ状況に基づいてタイムリーに調整を行い、結果指標が期待どおりであることを確認することです。

このとき、プロセス指標がより重要になります。結果指標は単なる結果に過ぎませんが、プロセス指標は詳細な問題リンクをトレースし、リンクの最適化を導き、結果指標の改善をもたらすことができるからです。

プロセス指標を見つける方法

プロセス指標は、プロジェクト実行の応答関係とユーザーのタッチポイントパスから要約できます。たとえば、大規模なプロモーションイベントでは、イベントページの企画、調達と販売、市場プロモーション、イベントのユーザー理解、発注と支払い、物流の分配、顧客サービスなど、多くのリンクが関係します。イベント全体の関係者とアクションを時系列で整理することで、自分の役割に深く関係するリンクと、それに対応するプロセス指標を拾い上げることができます。

プロセスインジケーターの使用方法

プロセス インジケーターの最も重要な用途は、リアルタイムで追跡および監視して、その健全性レベルを判断することです。判断基準としては、同時期の業務のデータパターンがどうなっているか、現在の進捗状況が通常より低いか高いかなどが挙げられ、これに基づいて戦略的な意思決定を行うことができます。

例えば、過去の618のパターンでは6月1日の早朝にトラフィックのバーストがあったのですが、今回はバーストが明らかではなかったため、各チャンネルの配信が正常に進んでいるか、また、時期的に予算の投資を増やす必要があるかなどを確認する必要があるでしょう。

5. 詳細な戦略を検証する

このステップは、あらゆるデータ分析の重要な部分です。比較的シンプルで直接的です。主なアイデアは、以前のデータシリーズの記事で紹介した OSM (Objective-Strategy-Verification) モデルを参照できます。現象に応じて適切な測定指標を選択し、戦略の前後のデータの比較分析を実行します。

詳細は述べません。

3. 避けるべきいくつかのポイント

1. すべてのデータはデータベースから取得され、他のデータ（外部データ、調査など）は無視されます。

データベースのデータは、多くの場合、すべての定量的なニーズを反映できるわけではありません。たとえば、ユーザーはこのイベントで注文をしますが、ショッピング体験が良かったか悪かったか、今後もそのような活動に参加し続ける意思があるか、競合他社と比較してどう感じているかなどの質問は、典型的なユーザーを見つけて詳細なインタビューを行ったり、広範なアンケートを実施したりするのに適しています。

2. 無差別なデータ分析

データ分析にはさまざまな角度があり、分析の目的によって適切な分析角度は異なります。テンプレートに従ってすべてを実行するのではなく、対象の問題に応じて適切な分析次元を選択する必要があります。

また、一部のリンクでは高品質のデータが得られず、判断を下さなければならない場合もあります。不正確なデータによる誤った判断を避けるために、この分析は行わない方がよいでしょう。

3. まず目標結果を得てからデータを分析し、良いニュースは報告するが、悪いニュースは報告しない（報告のみ）

一部のレポート作成シナリオでは、上司が迅速に結論に到達できるように、詳細な分析プロセスや詳細は提示されず、重要な結論が抽出されてレポートが作成されます。

記者として、私たちは無意識のうちに良いニュースは報道するが悪いニュースは報道しない、良い業績を優先する、複雑で説明が難しい問題を無視したり飛ばしたりすることがよくあります。この状態が長期間続くと、説得されて既存の問題に十分な注意を払わなくなる可能性があります。

4. データはすべての質問に答えることはできません。ビジネスを理解して考えることの方が重要な場合もあります（KPI指標を研究するよりも、ビジネスの本質を研究する方が重要です）

ほとんどのデータ分析シナリオでは、KPI データがすべての人にとって最優先事項となることがよくあります。低下が発生すると、ディメンションを継続的にドリルダウンすることで、問題のあるデータ リンクが特定されます。この時、KPIの観点から、KPIを向上させるためにどのように問題を解決していくかを考え、ここで作業は終了となります。

このモデルの欠点は、人々がデータに対して過度に迷信的になり、考えるのを怠惰にし、雨の日のために備えるのではなく、状況を改善することだけを行うようになることです。

データ問題の背後にある問題は、現在の数値だけでは単純に説明できないこともあり、現状から抜け出して業界の発展を観察し、市場の動向を研究し、ユーザー心理を理解して洞察を得る必要があります。

したがって、データを見るだけでなく、全員が時間をかけてビジネスの本質的な問題について考え、探求する必要があります。

著者: 胡辰川

出典: 胡辰川