データ分析には 8 つのモデルがあることはご存知だと思いますが、具体的にどのようなモデルなのかご存知ですか?どのように分析し、構築すればよいのでしょうか?この記事の著者は、8つの主要なデータ分析モデルを分析してまとめており、あなたの疑問を解決できます。この記事を読んで何かを得ていただければ幸いです。

1. ユーザーモデル

「ユーザーがその瞬間に何を考えているかだけでなく、舞台裏で何を考えているのか、そしてユーザーが何を経験しているのかを知ることも重要です。」

従来のユーザーモデル構築方法:

• ユーザーモデル: ユーザーへのインタビューや観察などの調査結果に基づいて確立されます。厳密で信頼性が高いですが、時間がかかります。
• 一時的なユーザーモデル: 業界の専門家や市場調査データによるユーザーの理解に基づいて構築されます。高速ですが、偏りが生じやすいです。 （時間とリソースが不足している場合）

時間を節約し、リスクを軽減するために、製品チームはできるだけ早く製品をユーザーに提供し、迅速な試行錯誤を行うことがよくあります。このようなシナリオでは、ユーザー モデルをどのように構築するのでしょうか。

1. ユーザーが認識できる経験や取得したデータを整理して収集し、この情報をユーザー説明情報（属性）またはユーザー行動情報にマッピングして保存し、ユーザープロファイルを形成します。
2. 自社データの変動にリアルタイムで注意し、タイムリーな対応を行ってください。
3. ユーザーにラベルを付けるのではなく、ユーザーの行動データを記録します。
4. ユーザーのライフサイクル全体をカバーする 360° ユーザー プロファイル。

ユーザーの成長の各ステップは、行動を通じて記録されます。ユーザーのライフサイクルのさまざまな段階に基づいて、新規ユーザー、失ったユーザー、アクティブユーザー、サイレントユーザーに対して、新規ユーザーの誘致、コンバージョン、維持などのターゲットを絞った運用戦略が採用されます。

2. イベントモデル

1. イベントとは何ですか?

これは、製品におけるユーザーの行動を指します。これは、ユーザーの行動の専門的な説明です。製品に関してユーザーが得たすべてのプログラム フィードバックは、イベントに抽象化され、開発者が追跡ポイントを通じて収集できます。

簡単に言えば、対応するページ/ボタンにコードを配置することを意味します。ユーザーがページに入るかボタンをクリックすると、その背後にあるコードを読み込み、同時にイベント収集コードを読み込み、SDK によって記録されるようにすることが本質です。

2. イベントコレクション

イベント: 製品に関するユーザーの行動

属性: イベントを説明するディメンション

値: 属性の内容

収集タイミング：ユーザーのクリック、Webページの読み込み完了、サーバーの判断復帰など。追跡ポイント要件文書を設計する際には、収集タイミングの記述が特に重要であり、データの正確性を確保する上での核心でもあります。

たとえば、収集プロセス中に明確なタイミングがない場合、ユーザーが登録ボタンをクリックしたときに、間違った登録情報を入力したために実際には正常に登録されていない可能性がありますが、データは記録されたままになり、成功した登録イベントをカウントする際に正確ではなくなります。

収集タイミングの正しい説明は、「サーバーが登録成功の判定を返す」です。 （日本の公式サイトでは返品アクティベーション成功または失敗ページを収集しています）

3. 事件の分析

人数: 特定のイベント (動作) を引き起こした人数。

回数: 特定のイベント (動作) がトリガーされる回数。

1 人あたりの平均回数: 特定のイベント (動作) がトリガーされる平均回数。

アクティブ比率: 時間間隔内にイベントをトリガーした人数と、現在の時間間隔内にアクティブだった人数の合計の比率。

4. インシデント管理

イベントが多数ある場合は、カテゴリ別に管理できます。同時に、製品ビジネスの観点から重要なユーザー行動をマークできるため、分析中に一般的な重要なイベントを簡単にすばやく見つけることができます。

3. ファネルモデル

ファネル モデルは、複数ステップのプロセスの各ステップでのコンバージョンと損失を分析するのに役立ちます。

たとえば、ユーザーが製品をダウンロードするための完全なプロセスには、次の手順が含まれる場合があります。

上記のプロセスをファネルとして設定し、全体的なコンバージョン状況、および各ステップの具体的なコンバージョン率と平均コンバージョン時間を分析できます。

各コンバージョン レベルでプロセスに従うユーザーを監視し、各レベルで最適化ポイントを探す必要があります。プロセスに従わないユーザーについては、コンバージョン パスを描き、ユーザー エクスペリエンスを改善してパスを短縮する余地を見つける必要があります。

ファネル モデルのより良い使用方法:

• 各リンクを絞り込んでクリックまで表示しますか?クリックとダウンロードの間ですか?ダウンロードとインストールの間ですか?インストールと体験の間ですか?
• 埋め込みポイントと全体のコンセプトを意識することでのみ、データを効果的に収集し、各リンクのファネルの最適化の意思決定の根拠を作成し、各部門の最適化を促進することができます。

4. ヒートマップ分析モデル

1. ヒートマップ分析モデルとは何ですか?

特に情報密度が非常に高い公式サイトのホームページでは、ユーザーがウェブページのどこに注目しているかを反映し、ユーザーがどのようにクリックして閲覧しているかを示します。

計算の次元に応じて、ヒートマップはクリック ヒートマップとブラウズ ヒートマップに分けられます。

1) ヒートマップをクリック

マウスのクリックを追跡し、人数と回数をカウントし、パーセンテージに基づいてヒートを分配します。クリック ヒート マップは、すべてのマウス クリックと、ページ上のクリック可能な要素のクリックの 2 種類に分かれています。前者はページ上のクリック可能な場所とクリック不可能な場所のクリックをすべて追跡できますが、後者はページ上のクリック可能な要素のクリックのみを追跡します。

2) ヒートマップを閲覧する

注目ヒートマップとも呼ばれ、ユーザーの滞在時間に基づいて、ユーザーがさまざまなページや同じページ上のさまざまな場所で費やした時間の割合を記録します。

2. ヒートマップ解析モデルの新機能

1) 特定の人々のグループの分析と比較

例えば、金融商品の場合、投資するユーザーと投資しないユーザーの焦点は明らかに異なります。

2) 分析に焦点を当てる

• クリック率 = クリック数 / 現在のページの閲覧数
• フォーカス率 = クリック数 / 現在のページの合計クリック数

3. 適用シナリオ

• ランディングページの効果分析
• ホームページのトラフィック追跡
• 主要ページエクスペリエンス測定（製品エクスペリエンスとダウンロードページ）
• カスタム保持分析モデル

5. カスタム保持分析モデル

1. 保持の定義と計算式

1) 定義: 特定の条件を満たすユーザーが特定の時点で再訪問したかどうか

2) 計算式：ある条件を満たすユーザーの数がnで、ある時点で再訪問するユーザーの数がmの場合、その時点でのリテンション率はm/nとなる。

2. 3つの保持方法

1) N日間のリテンション：つまり、リテンション日数。N日目に再訪問を完了したユーザーのみがカウントされます。

2) 無制限のリテンション（N 日以内のリテンション）：リテンションは、N 日以内に再訪問を完了したすべてのユーザーを累積して計算します。

3) ブラケット保持 (カスタマイズされた観察期間保持): N 日保持と無制限保持はどちらも、独立した日/週/月を観察単位として計算されます。ただし、この固定時間測定に制限されず、複数の観察期間に分割したい場合もあります。

• 最初の観察期間: 翌日
• 第2観察期間: 3日目～7日目
• 3回目の観察期間: 8日目～14日目
• 第4観察期間：15日目から30日目

3. カスタマイズされた保持

上記の 3 つの保持方法はすべて時間制限があり、保持の定義はユーザーがアプリを開くか、Web サイトに入ることです。

カスタム リテンションは、ビジネス シナリオのリテンション状況に基づいています。たとえば、読書製品では、少なくとも 1 つの記事を読んだユーザーを実際にリテンションされたユーザーとして定義し、e コマース製品では、製品の詳細を少なくとも 1 回閲覧したユーザーを有効なリテンションとして定義します。

1) 初期の行動

初回訪問と再訪問は相対的な概念です。

2) 再訪問行動

初期動作の設定とAND関係になります。ユーザーの最初の動作は前の動作として理解でき、戻りの動作は次の動作として理解できます。

初期行動と戻り行動の設定は、本質的にユーザー層をさらに選別するためです。Didiの成長共有セッションでは、「赤い封筒を手に取ってからタクシーに乗るユーザーの毎日の保持」について言及されました。つまり、初期行動は赤い封筒を手に取ることで、戻り行動はタクシーに乗ることです。

「赤い封筒を手に取ってからタクシーに乗ったユーザーの 3 日間のリテンション」 - つまり、最初の行動は赤い封筒を手に取ることで、その後の行動はタクシーに乗ることでした。このグループの人々の 3 日間のリテンションを見てみましょう。

VI. 粘度分析

1. 定義

アクティブ ユーザーの製品使用習慣を分析します。たとえば、製品を月に何日使用しているか、製品を 1 日以上または 7 日以上使用しているユーザーの数などです。

たとえば、一部の製品で新機能がリリースされると、ユーザーはその機能を使用するためにサインインする必要があります。これを使用して、ユーザーの使用習慣を分析し、新機能の魅力と健全性を評価することができます。

2. 機能

リテンション分析を使用すると、製品や機能がユーザーをどの程度維持しているか、ユーザーが好む機能は何か、ユーザーによって同じ機能の使用方法が異なるのはなぜかなどを把握できます。これにより、製品を科学的に評価し、リテンション戦略を策定できます。

3. 例

株式アプリ、投資ユーザーと非投資ユーザーによる[株式市場をチェック]機能がトリガーされた回数。

7. 完全な行動経路分析

行動パス分析は、ファネル分析と完全な行動パス分析に分けられます。

1) ファネル分析モデルとは異なり、ファネル分析モデルは、確立された行動の変換を分析します。たとえば、電子商取引製品の場合、製品の詳細の閲覧から最終的な支払いまでの各ステップのコンバージョン率を分析します。

2) 完全な行動パス分析は、アプリまたはウェブサイトの各モジュールにおけるユーザーの流れを分析し、ユーザーのアクセスパターンを調査して、製品またはウェブサイトを最適化することです。

通常、下の図に示すように、ツリー図で表すことができます。オンライントレーニング Web サイトの場合、ユーザーは主にコースの検索を開くため、コースの検索を最適化する必要があります。

ユーザーは、最初にコースを検索した後、希望するコースが見つからず、2回目の検索を行いました。そこで、ユーザーが頻繁に検索するキーワードをクリック可能な要素として設定し、ユーザーが頻繁に使用する関連コースにリンクすることで、ユーザーがクリックして希望する結果を得るように誘導することができます。

8. ユーザーセグメンテーションモデル

クラスタリングは、特定の特性を持つユーザーを分割してグループ化するものであり、階層化はすべてのユーザーを管理する方法です。実際、私たちはよく知られている RFM モデルなどのユーザーをセグメント化する手法を使用しています。

1. RFM モデルは、ユーザーのビジネス データから 3 つの特徴ディメンションを抽出します。

1) 新しさ

2) 消費頻度

3) 金銭的

これら 3 つの次元を通じて、次の図に示すように、ユーザーを異なるユーザー価値と対応戦略を持つ 8 つのグループに効果的に分類できます。

2. ユーザーセグメンテーションのその他の4つの側面

1) ユーザー属性: ユーザーの客観的な属性、年齢、性別、都市、ブラウザバージョン、システムバージョン、オペレーティングバージョン、チャネルソースなど、ユーザーの実際の人口統計属性を説明するラベル。

2) 活動時間

3) はい、いいえ

4) 追加された日: 新規ユーザーが最も多いのはいつですか?

著者: 李奇芳

出典：データ分析は大したことではない