PV/UV/ユーザー数などのデータを元に分析を始める方が多いですが、分析後はどのような対策を取れば良いのでしょうか？どのような目標がそれを推進するのでしょうか?

私もそのような分析をしたことがあります。これらのルーチンデータのほとんどは、個人の KPI に結び付けられ、個人の仕事のパフォーマンスを反映しているだけです。完全なデータ分析ではありません。

ここでは、より総合的な観点から、インターネット企業の運営体制と無駄のないデータ分析についてまとめたいと思います。

データ分析の目的は、企業の発展のため、あるいは率直に言えば、企業の収益性と持続可能な収益性のためであるべきです。

インターネットにはさまざまな収益モデルとデータ指標があり、大まかに次の 3 つのタイプに分けられます。

• 1 つ目は、電子商取引、ソーシャル ネットワーキング、O2O プラットフォームに代表される、ユーザーに商品やサービスを販売することです。
• 2つ目は、Google、Baiduなどのプラットフォームベースのインターネット企業のように、広告を通じて利益を上げることです。
• 3つ目は大手ゲーム会社がユーザーに直接課金する方法です。

最も複雑な分析システムを持つインターネット電子商取引会社を例に、一つずつ分解して、どのデータを分析する必要があるかを見てみましょう。どのように分析しますか?分析の価値は何でしょうか?

電子商取引企業の収益は、ユーザーが関連する製品やサービスを購入する際に、注文が一つずつ積み重なることで生み出されます。

ユーザーと商品またはサービスは、秩序の 2 つの基本要素であると言えます。会社の収益の減少、成長、異常は、結局のところ、ユーザーと商品という 2 つの要素に起因します。

このようにして、収益関連のデータをユーザー、製品、注文の 3 つのカテゴリに分類します。

1. 操作モジュール

ユーザーの消費プロセスの観点から見ると、トラフィックの転換、変換、消費、維持に分けることができます。

ユーザーを一般的に新規ユーザーと既存ユーザーに分けます。新規ユーザー、既存ユーザーを問わず、トラフィック生成（新規ユーザーの誘致）とコンバージョンの2つに重点を置き、最終的にはトラフィックとコンバージョン率というデータに反映されます。

1. 排水

トラフィックの品質は、PV、UV、訪問数、平均訪問深度、直帰率などのデータを分析することで測定されます。

目的は、流量の安定性を確保し、調整を通じて流量の増加を図ることです。

すべてのチャートはFineReportによって作成されたデータレポートによって生成されます

さらに、トラフィック構造に応じて、チャネル構造、ビジネス構造、地域構造に分けることもできます。

チャネルでは、トラフィックは、独立した訪問、検索エンジン、Taobao 支払い、JD 支払いなどから発生する可能性があります。

デバイスに応じて、PC チャネルと APP チャネルに分けられ、有料かどうかに応じて、無料トラフィックと有料トラフィックに分けられます。

チャネルトラフィックの割合に基づいて各チャネルの品質を分析する人もいます。

下の折れ線グラフは、各チャネルのトラフィック状況を追跡し、不合理な割合が短期的なものか長期的なものかを分析し、問題の分析に役立ちます。トラフィックのみに基づいて品質を測定するのは不完全であり、コンバージョン率と ROI と組み合わせる必要があります。

地域ごとに分けるとわかりやすいです。

ビジネス構造によると、最も典型的な例は、ダブルイレブンなどのイベントを開催する場合、イベントのトラフィックを追跡し、イベント前、イベント中、イベント後の変化を観察し、イベントの効果を評価する必要があることです。

2. 変換

トラフィック生成作業が完了したら、次のステップはコンバージョンを検討することです。コンバージョンには、ページの閲覧、ユーザー登録、ログイン、ショッピング カートに追加、注文、支払い、取引の完了が必要です。

どのリンクでもユーザー損失は発生します。各リンクのコンバージョン率を向上させることがこの作業の核心です。コンバージョン率の向上はコストの削減と利益の増加を意味します。

変換の分析:

1. 各リンクのコンバージョン率を観察し、その合理性を分析し、異常なコンバージョン率のリンクを調整します。
2. コンバージョン率の変化を追跡して異常を特定し、戦略調整の有効性を確認します。
3. 各チャネルの変換を観察し、チャネル値を定義し、それに応じて操作戦略を調整します。
4. 各リンクのコンバージョンサイクルを分析し、ユーザーの習慣を分析し、運用戦略を策定するための基礎を提供します。

最も直接的な分析結果は、コンバージョン ファネルです。

3. 保持

ユーザーはさまざまなチャネルやアクティビティを通じて引き付けられますが、一定期間が経過すると一部のユーザーは離れていきます。もちろん、一部のユーザーは留まり、これらのユーザーはリテンション ユーザーと呼ばれます。

リテンションに関して、ここで注目すべきは日々のアクティビティとリテンション率です。

保持に関しては、次の点が重要です。

1. 日々のアクティビティのモニタリング、ユーザーアクティビティデータの観察、日々のアクティビティの健全性の分析。
2. 保持パターンを観察し、保持段階を特定し、マーケティング活動と市場戦略の位置付けを支援します。
3. さまざまなユーザーの維持率と製品機能を比較し、製品の価値を分析し、製品の調整を支援します。

4. リピート購入

調査データによると、満足したユーザーは 8 人の潜在的ビジネスをもたらし、不満足なユーザーは 25 人の購買意欲に影響を与える可能性があります。これは、リピーターがいかに重要であるかを示しています。

再購入率は「ユーザー再購入率」と「注文再購入率」に分けられます。また、「ユーザー再購入率」も再購入率と似た意味を持ち、この範囲内に収まります。

• ユーザー再購入率 = 単位時間あたりに 2 回以上購入したユーザー数 / 購入したユーザー総数
• 注文再購入率 = 2回目以降に購入された注文数 / 単位時間内の注文総数
• ユーザー再購入率 = 単位時間内に購入した既存ユーザーの数 / 購入したユーザー総数。

再購入率を分析する目的：

1. 総合的な指標表示、ユーザーの定着率分析、再購入率の問題特定支援、運用戦略策定。
2. 水平方向のディメンション（製品、ユーザー、チャネル）を比較および分析して、再購入率を改善し、問題の特定を支援します。

5. チャーン

損失は​​避けられませんが、保持することは可能です。

損失は​​次のように分類されます。

• 硬直的な離脱：新規ユーザーの順応型と既存ユーザーの興味移行型にさらに分けられます。この部分の離脱ユーザーは維持できず、関係はここで終了します。いくらお金をかけても無駄になります。
• 経験損失: アプリケーション経験、サービス経験、取引経験、製品経験などです。簡単に言えば、製品サービスの使用中に少し不満を感じたときです。諺にあるように、同意しないと経験を失います。
• 競争上の損失：つまり、ユーザーはファンになった。競合他社のエクスペリエンスの方が優れているか、競合他社が何らかの優遇ポリシーを開始している可能性があります。また、業界の動向を把握し、競合他社のファン獲得行動に対して適切な措置を講じる必要があります。

解約の定義は企業によって異なり、7 日以内にログイン動作がない、または数か月以内にトランザクション動作がないことを意味する場合があります。

復帰率＝一定期間内に退去した後に復帰する人数／一定期間内に退去する人数

損失の定期的なデータ監視は通常、保持と一緒に実行され、この 2 つは切り離せません。

解約のみの場合、最も一般的に見られる監視は次のとおりです。

さらに、解約率と維持率を組み合わせることで、チャネルの価値を評価することもできます。

2. セールスモジュール

指標追跡：販売モジュールには、前年比成長率、完了率、販売ランキング、主要商品の割合、プラットフォームの割合など、多数の指標があり、人、商品、場所の3つの視点から分析・追跡できます。

店舗分析：小規模なB級ユーザーやプラットフォームに定着しているユーザーの場合、各店舗の効率指標、完了率指標、業績指標、平均顧客支出額など、各店舗の運営指標を分析し、店舗価値評価と分析を実現する必要があります。

販売活動管理: 活動はオンライン販売の非常に重要な部分であり、販売活動のクローズドループ分析は、販売活動の前、最中、後の 3 つのレベルから実行されます。

これらには以下が含まれます:

• 事前の投資分析と目標予測。
• イベント中のユーザーエンゲージメント、顧客フロー分析、販売注文分析。
• 目標達成後の状況、活動比較、​​売上原価率、活動減衰、活動爆発性など。

3. 製品モジュール

• 調達管理：サプライヤーデータ分析、調達マッチング分析などを含む。
• サプライチェーンマネジメント：サプライチェーンサービス状況分析（対応サイクル、納期遵守率、受注実行率）、経営指標分析（材料費率、顧客クレーム率など）。
• 在庫管理：商品在庫日数、在庫売上高比率、有効在庫比率、在庫回転率などのデータの分析。
• 重要な指標の分析: 分析には、商品の古さ、回転率、在庫切れ率、構造指標、価格体系、相関分析、売れ筋と売れ行きの悪さなどの指標が含まれ、商品の価値を判断し、製品戦略の調整に役立ちます。
• 異常製品の分析：返品率、破損率、異常製品などのデータを分析し、異常製品をタイムリーに処理します。

4. ユーザーモジュール

• 主要指標の分析：新規ユーザー数、成長率、解約率、有効会員の割合、維持率など。
• ユーザー価値分析: RMF モデルに基づき、その他のパーソナライズされたパラメータを組み込んで、ユーザーをさまざまな価値カテゴリに分類し、各レベルのユーザーについてさらに分析します。
• ユーザー ポートレート: 固有の属性、行動属性、トランザクション属性、興味や趣味に基づいてユーザーにラベルと重みを追加し、ユーザー ポートレートを設計して、正確なマーケティングの参考資料を提供します。

著者:李奇芳

出典：データ分析は大したことではない