コミュニティ運営モデル構築のヒント！

この記事を書く前に、いくつかのコミュニティ記事を検索しましたが、そのほとんどはさまざまな特定のグループ ゲームプレイとソリューションの共有に焦点を当てたものでした。

これらのゲームプレイや計画はコミュニティ指標にどの程度影響するのでしょうか?私のプロジェクトに適用できますか?どのように判断して選択するか？

この記事では解決策について議論するのではなく、運用の本質に戻ります。データに基づいて、特定のプロジェクトにおけるコミュニティ運営モデルの構築の背後にあるアイデアを検討します。

以下に表示されるデータはすべてシミュレーションデータです。

1. プロジェクトの背景

あるプラットフォームは、従来の軽量な知識ベースの有料 SKU に加えて、教育コースへの拡大を望んでいます。

海外の著名なIPの著作権を取得した後、この新しい教育コースプロジェクトが立ち上げられ、社内チームがK12ユーザー向けのオンライン英語コースを開発しました。このコースはWeChatミニプログラムをベースとし、アニメーション形式で提供され、インタラクティブゲーム、リスニング、リーディングなどの機能を備えています。

製品が発売され、社内テストも終了し、運用・商品化が始まりました。この時期に私は業界に入りました。コミュニティコンバージョンモデルを構築・実装し、半年以内にコミュニティモデルを軸に月間収益数千万のプロジェクトに成長しました。

2. 実装レビュー

MVP テスト、ビジネス パスと運用変換プランの初期構築 (ソーシャル メディア変換により、変換率が 4 倍に増加し、変換サイクルが 1 倍短縮)。

データ分析により業務の成長が促進されます。

• 主要な行動、一般的なユーザー パス、成長ポイントを特定します。
• ユーザーライフサイクルモデルを通じて、データに基づいた測定可能なコミュニティ運営モデルが確立されます。ユーザー数は10倍に増加しました。ライフサイクルモデルとユーザー行動データ分析を通じて、コンバージョン率指標は5つのサブ指標に細分化され、サブ指標データと対応する戦略が明確になり、指標の制御、監視、拡張が可能になりました。
• ユーザーベースが拡大し続けるにつれて、ユーザーをセグメント化し、対応する運用メカニズムとマッチングさせます（ユーザーベースが飛躍的に拡大すると、セグメント化の方法を見つけ、さまざまなコミュニティ運用戦略を分割します）。
• 未完成部分：ユーザーベースが拡大した後、ユーザーセグメンテーションタグや行動タグに応じて対応する運用戦略を自動的にマッチングし、運用を製品化・制度化します（実行可能だがまだ実現されていない方向）。

運用成長モデルを最適化します (完全なデータのロジックを改善し、製品、教育、研究チームと連携し、全体的な North Star 指標を改善します)。

• チェーン全体を分解し、各ビジネスリンクを整理し、セグメント化されたリンクのデータを改善および最適化します。
• 因数分解することで、指標を十分に詳細な形式に分解し、各サブ指標を改善することができます。

フェーズ1: ビジネスモデルを決定するための小規模MVPテスト

ビジネスモデルの探索:

重教育コースマーケティング、つまり低頻度、高価格の商品のコンバージョン支払いを考慮すると、一般的なマーケティング手法は、複数の体験の後に購入することです。つまり、ユーザーはより多くの体験を必要とし、最初の購入の前に体験を評価するため、コミュニティを体験リンクとして追加すると、コンバージョンが促進されます。

ビジネスパス: 体験クラスの公開 - 体験クラスへの登録 - コミュニティへの参加 - コースの体験 - 最初の支払い - コースの学習 - 再度の支払い。

予備的なグループ内運営計画、グループ内ユーザーパス：コミュニティに参加 - 相談して質問に回答 - 体験学習 - 講義学習 - 有料購入。

データフィードバックに基づいて実現可能性を判断する:

MVP が実現可能かどうかを判断するには、次の 2 つのデータ比較次元があります。

水平比較: 業界内の類似製品の平均データの比較。

垂直比較: この製品の過去のソーシャル データの比較と、この製品の他のビジネス モデル データの比較。

コミュニティ運営方式を採用するのは今回が初めてであり、社内に過去のデータがないため、比較対象として製品の既存のビジネスモデルデータを選択し、同じトラフィック露出下での最終受注量を比較しました。

1) 本来のビジネスモデル：交通運営

サイト上の他の SKU と同様に、トラフィックの変換は APP 内の操作を通じて実現されます。

直帰率、滞在時間、試聴状況などのより詳細なユーザーデータやその他の参考データは、コースタイトル、詳細ページ、ユーザーレビューなどの調整など、最適化の方向性を調整するために使用されます。

2) ビジネスモデルの検証：コミュニティ合宿モデル

独自のプラットフォーム内で、ユーザーは WeChat コミュニティに誘導され、体験の変換を実現します。

また、クーポンの受け取りや登録に成功したユーザーの割合、APPへのジャンプに成功したユーザーの割合、WeChat端末でのWeChatアカウントの追加に成功したユーザーの割合、グループに参加した後、積極的に発言しているユーザーの数など、より詳細なユーザーパスデータとユーザー行動参照データもあり、最適化の方向性の参考として使用できます。

3) どちらのビジネスソリューションにもそれぞれ長所と短所があり、それに応じた最適化の余地がある。

最初のモデルは、よりスムーズなコンバージョン パスを備えていますが、コース ページでの高度な直接支払いコンバージョン機能が必要です。2 番目のモデルは、ユーザーの意思決定のしきい値を下げますが、トラフィック損失が大きくなり、運用人件費も高くなります。

実際のテストの後、同じ量のリソース露出を持つ 2 つのモデルで最終的に完了した初回注文の数を計算し、新しいソリューションの実現可能性を比較して分析しました。

2 つの事業計画の事業データは次のとおりです (この記事のデータはすべて仮定です)。

オプション2:

データを取得した後、検討と予測の方向性は次の 3 つになります。

• データフローティングスペース: 重要なビジネスデータを収集する一方で、操作に関連するプロセスデータにも注意を払う必要があります。これは、テスト サイクル中に運用部門が実行できる最適化アクションであり、データの改善の余地を定性的に見積もることができます。プラン 1 の重要な CTR/コンバージョン率データは、社内の他のプロジェクトの平均値や最適値を参照することもできます。プラン 2 では、ユーザーが各リンクにジャンプしたときのトラフィック損失の上限と、コミュニティのコンバージョン率が低下する可能性を考慮する必要があります。
• MVPデータ結果の比較：最終的に、1サイクル内で2つのプランのデータ結果を取得しました。プラン2の初回注文量はプラン1の2倍です。フローティングスペースにより、プラン2が有利になります。プラン2は実行可能であると暫定的に判断します。
• 予測と推論: 同僚の経験があったり、競合製品の調査を行ったりする場合は、推論をさらに 1 ステップ実行できます。

コミュニティに参加する新規ユーザー数が 1 日あたり 100 人であると仮定し、1 か月の収益に基づいて計算されます。

初回購入GMV = 100の新規コミュニティトラフィック * 30日 * 初回購入コンバージョン率0.2 * 初回購入単価100元 = 60,000

リピート購入GMV = 初回購入ユーザー600 * リピート購入コンバージョン率0.2 * リピート購入額2000元 = 240,000

コスト = 人件費 + 交通費

2 人の給与コストが 20,000 元であると仮定すると、各人は 1 か月あたり 2,000 人のユーザーを管理できます。

ROI = GMV / コスト = (初回購入の GMV 6W + リピート購入の GMV 24W) / (スタッフ コスト 2W + トラフィック コスト 3000 人 * 単一コミュニティのトラフィック コスト x)

結論: 単一コミュニティの新規トラフィックのコストは x93 元で、ROI は 1 です。将来的には、オンサイトとオフサイトの両方のユーザー獲得で 93 元の顧客獲得コストは達成可能です。

MVP テストから 1 か月以内に、コミュニティ運営のコンバージョン モデルがようやく確立され、実際にコンバージョン率が 4 倍に増加し、コンバージョン サイクルが 2 倍短縮され、プロジェクトをより大規模に成長させる機会が生まれました。

フェーズ2: 成長初期段階 - データ駆動型、ユーザー運用モデルの構築

このフェーズは、成長分野を見つけるために大量のデータを収集および分析しながら、正式な運用を開始するフェーズです。また、ユーザー ライフ サイクル モデルに基づいて測定可能なセグメンテーション指標を確立します。

1) データの収集と分析

主に 3 種類のデータが収集されます (分析目的):

• ユーザー行動データ - 主要なユーザー行動（主要な指標に影響を与える主要な行動）を調べます。
• ユーザー パス データ - 製品の各段階でのユーザー使用データ (一般的なユーザー パスをまとめ、ユーザー価値を向上させるプロセスにおける一般的なルールを見つけます)。
• 基本的なユーザー情報 - 潜在的ユーザーポートレート（①異常データに関する基本的な判断、②ある程度のユーザーセグメンテーション、③チャネルの区別またはチャネルの品質の判断）、有料ユーザーポートレート（共通点がある場合、正確なユーザーの獲得と運用の方向性を提供できます）。

2) 主要な指標に影響を与える主要な行動要因を見つける

ユーザーがコミュニティに参加した後、コンバージョン率に影響を与える可能性のあるユーザーの行動には、発言や質問、コースの開設、コースの完了、グループ活動への参加、クーポンの受け取りなどがあります。

そして、時点を考慮すると、ユーザーの毎日のコースの開設率、完了率、毎日の発言頻度、講義の参加率、クーポンの収集率はすべて、注意深く監視する必要があるデータです。

データサンプルのサイズと統計の難しさを考慮し、まずはミニプログラム講座の開設率、学習率、クーポン収集率などを定量的に分析し、コミュニティ内での発言頻度、講義への参加などの行動に基づいてユーザーにラベルを付けて定性的な判断を下します。

学習を例にとると、学習率は、コースを無料で受講し、学習期間が 3 ～ 5 日しかないユーザーの購入決定に影響を与える可能性がありますか?影響値はどれくらい大きく、それが重要な要素となるほどで​​しょうか?

バックエンドは、2020 年 2 月 2 日に開始されたコースのバッチを取得でき、クラスの学生は 200 人います。これらの学生のコース学習データは次のとおりです。

表には、基本的なユーザー情報、最終開講時間、コースの学習ステータスが含まれています。各クラスには 4 つのパートがあり、1、2、3、4 は学生がコースで学習したパートの数を示し、0 はパートが学習されていないことを意味します。

この背景データは、コースの学習ステータスに応じてカウントされ、時間の次元はありません。これらの学生の学習状況と支払い状況を、定められたコミュニティ運営時間内に引き出す必要があります。相互比較を行ってください。

学習率と支払い率の関係を理解するには、まずユーザーの基本情報を無視する必要があります。

データ処理: 一定期間内に学生がコースのリンクを 1 つ学習した場合、その学生はコースを学習したとみなされます。元のデータが処理され、0 は学生がコースを 1 度も学習していないことを意味し、1 は学生が少なくとも 1 つのリンクを学習したことを意味します。クラスの学習率を取得します。

粒度を拡大し、複数のクラスの学習率と支払い率を見て、クラスごとに学習率とコンバージョン率を比較すると、正の相関関係が見られますが、相関の程度は明確ではありません。

表1に戻って、過去1か月間のトライアルクラス利用者10,000人の学習状況を抽出します。

BI の同僚と協力して、データを対応するモデルに入力し、パターンを見つけて集計分類方法を見つけることができます。

3回の体験レッスンで合計12回の学習セッションがあります。1～3回のセッションを完了したユーザーは20%で、支払い率は55%でした。次に多かったのは4～8回のセッションを完了したユーザーで、支払い率は75%でした。さらに少ない8%のユーザーは9回以上学習し、支払い率は80%でした。ユーザーがレッスンを受講しない場合、支払い率は 6% になります。

学習ユーザーの 40% が支払いの 94% を占めており、ユーザーの学習と支払いの間に相関関係があることが明確に示されています。 4ステップ以上完了したユーザーの決済率は、3ステップ完了したユーザーよりも高くなります。ただし、4～8ステップ完了したユーザーの割合は全体数よりも少ないため、現在の運用戦略では、ユーザーが少なくとも1つのコースを完了するように誘導することに重点を置きます。

次に、特別なデータが表示されます。ユーザーの学習状況は、コースセクションの数ではなく、1〜3、4〜8で分割されています。実際のビジネス状況を踏まえると、コースの4番目の部分は受講者のフォローアップ出力部分であり、フォローアップ部分で多くの学習ユーザーが失われています。

運用上のフィードバックによると、解約の理由としては次のようなものが考えられます。

• このコースを試したのは保護者だったが、一緒に授業を進めなければならない第4部が来たとき、彼は飛び上がってしまった。
• 文章を繰り返すのはやや難しく、それを完了する忍耐力と能力がない生徒もいます。

ここで提起されたいくつかの疑問はさらに調査することができ、これらの理由も最適化の次のステップの範囲に含まれます。

学習率の重要性がわかったので、学習率に影響を与える要因をさらに分析したいと思います。

同じ方法:

• ユーザーベースのデータに基づくと、特定の年齢層、地域、または消費習慣を持つ、学習を開始する意欲が高いユーザーはいるでしょうか?
• ユーザー行動データから、ユーザーの平均学習時間、ユーザー学習時間の分布、ユーザー学習の頻度などに規則性があるかどうかなどを把握します。
• ユーザーパスデータから判断すると、ユーザーはコミュニティに参加した初日、クーポンが配布された日、または最終日のどれに学習を開始する意欲が高いでしょうか?これらの異なるノードのユーザー比率は大幅に異なりますか? 支払い率は大幅に異なりますか? など。

すぐに数値を取得して定量分析を行うことができない場合、運用では何をすべきでしょうか?

運用では、定性的な方法を使用して予備的な検証と判断を行うこともできます。

ユーザーがどの日にコースを受講する意欲が高いかを知りたいので、ユーザーが学習時間や学習結果を積極的に共有できる共有セッションを追加します。

チェックインインセンティブや宿題の採点などの方法を通じてフィードバックを得ます。この時点で、学習のためにチェックインするユーザーの数は、コミュニティに参加した初日に最も多く、2日目に最も少なく、最終日に再び増加することがわかります。学習率を向上させるための対応する戦略としては、初日に新規ユーザーガイダンスを提供し、2 日目には維持活動を提供し、最終日に学習報酬を提供することが考えられます。

上記は学習率を例として挙げただけですが、他の影響要因も同様に分析して、最終的に重要な動作を見つけることができます。

3. ユーザーライフサイクル管理モデルを構築する

コミュニティユーザーは、時間の経過とともにコミュニティに参加し、学習に参加し、コミュニティから離脱するという明確なプロセスを持っているため、ユーザーライフサイクルモデルを使用してコミュニティユーザー運用システムを構築します。

コミュニティ MVP に取り組んでいたとき、質問、コースの受講、講義への参加、クーポンの受け取りなど、コミュニティの支払いコンバージョンに影響を与える可能性のあるいくつかの行動をまとめることができました。

前のセクションでユーザーの学習行動と支払いの相関関係を分析したのと同様に、運用プロセスでは、より具体的なユーザーデータの収集と分析を通じて、ユーザーの定義を徐々に明確にすることができます。

1. ユーザー行動データの分析を通じてユーザー定義を明確にする

前の段階では、ユーザーがコースの一部を完了すると、コンサルティング行動を伴って支払い率が高くなることが判明しました。コースの完了、つまり 4 つ以上のパートの完了は、2 日目または最終日に発生する可能性が高くなります。したがって、コースを開いたユーザーはアクティブ化されたユーザーと定義され、コースを完了したユーザーは、2 つまたは 3 つのコースを必要とせずに保持されたユーザーと定義されます。

同様に、休眠ユーザーに対しても、SMSプッシュ、APPプッシュ、WeChatプッシュなどの複数のチャネルを使用してユーザーを覚醒させており、WeChatチャネルのユーザーの覚醒率が最も高いことがわかりました。 WeChatチャンネルで多数のユーザーを蓄積した後、テストしたところ、1か月以内のユーザーの覚醒率は3か月以内の覚醒率よりも高く、同時に支払い意向も非常に高く、7日周期内のユーザーの支払い率に次ぐものでした。

2. 運用戦略の策定

ユーザーを明確に定義することで、対応するポリシーを策定できます。

3. 運用計画を実行する

運用戦略は一連の仕組みとルールであり、それぞれの戦略には実際の状況に基づいたより具体的な運用計画が立てられます。

たとえば、同じ新規ユーザー誘導戦略でも、どのようなタイトルにするか、画像の背景色は何か、どのタイミングでポップアップ表示するか、何回ポップアップ表示するかによって、より多くのユーザーのクリックを促進できます。

たとえば、コミュニティ運営では維持がより困難です。よくある状況として、ユーザーはコミュニティに参加した直後は非常にアクティブですが、時間が経つにつれてグループを開くユーザーがどんどん少なくなります。初回購入のコミュニティでも同じ問題があります。エクスペリエンス変換コミュニティのために、私たちは 2 つの戦略を提供しています。

1. 継続的な学習に対して報酬を与える。
2. 翌日の講義をプレビューして、ユーザーに価値とメリットを提供します。

講義を例にとると、具体的な運用計画は次のようになります。

ユーザー維持戦略：コミュニティ活動・講演会運営計画：

• 講義形式：テキスト講義。
• 講義の頻度: 3日目。
• 講義対象: 積極的な行動(フォームへの記入)をとるユーザーと、潜伏しているユーザー。
• 講義トピック：ユーザーのペインポイントの観点からのトピック、コースのハイライトの観点からのトピック、ユーザーインタラクションのコンサルティングなど。
• 講義ルール: 2 日目にユーザーからの質問を集めるためのアンケートを事前に配布します。集まったユーザーからの質問が % 未満の場合、3 日目の開始 1 時間前に再度プライベート チャットを開催します。講義の質問には、以前のセッションで議論を呼んだトピックをいくつか含める必要があります。インタラクションの量が % 未満の場合、そのような質問はガイダンスのために提起されます。
• 講義の目標: **% のユーザーがインタラクションに参加する。

興味があれば、運営者はさまざまな対象、テーマ、目的に合わせて、複数のコミュニティ講義プログラムを設計できます。

どのようなユーザーに参加してもらい、特定の目標を達成するために、どのようなチャネルでどのような表示形式と頻度で広告を打つか、といったことを運用計画立案といいます。

多くの試行と最適化を経て、ユーザー維持効果が最も高い講義形式は質疑応答形式であることがわかりました。また、ユーザーによる議論を誘発する可能性のある 10 個のトピックをまとめました。最終的に、この講義プランはテンプレート化されて固定され、毎回 8% のユーザーインタラクション率 (間接維持統計) が保証されました。

4. データベースコミュニティユーザー運用モデル

上記のライフサイクル モデルの構築は、ユーザー操作の基礎となるロジックをトップダウンで分析したものです。

ユーザー定義（行動データがライフサイクルのどの段階にあると判断されるユーザー）を明確にし、どのような運用戦略とそれに対応する計画を採用できるか（採用した戦略が対応するユーザーデータにどの程度影響を与えるか、最適化された運用計画によってデータ指標が改善されたかどうか）を明らかにします。

何度も繰り返し作業した結果、現時点では最適な運用計画とそれに対応するセグメンテーション指標のセットがようやく完成しました。

このチームでは、初回購入コミュニティのコンバージョン率が第 1 レベルの主要指標であり、第 2 レベルの指標が第 1 レベルの指標に影響を与える中核的な要因であり、ユーザー行動データ指標をグループに基づくデータ指標に変換すると仮定します。

二次指標を達成するために、オペレーターはより適切な戦略と計画を検討できます。管理者は、二次セグメンテーション指標の完了を監視することで、最終的なコンバージョン率を予測および制御できます。

フェーズ3: 指数関数的成長フェーズ - ユーザーセグメンテーション戦略の実装

上記の優れた ROI パフォーマンスに基づいて、製品はメインサイトでより高く、より長い期間のリソース露出を持ち、外部配置のためのマーケティング予算も増加しています。プロジェクトは新たな段階に入り、トラフィックとコミュニティの新規ユーザー数は飛躍的に増加しました。しかし、このとき、コンバージョン率が数週間連続で急落し、当初の運用メカニズムに問題があるように見えました。

データが突然かつ明らかに減少していることに直面して、いくつかの仮定が提示されます。

• 流通チャネルと露出の急速な増加により、獲得したユーザーの精度が低下しました。
• 利用者数の急増により、運用スタッフに過負荷がかかり、新入社員の研修時間が短すぎて、運用業務が適切に行われませんでした。

サイト外でチャネルの比較評価を行うことは不可能です。まず、サイトから取得したユーザーの基本データを引き出し、ユーザーの年齢層、地域の消費、活動状況など、以前のユーザーの基本データと比較します。データの結果はそれほど違いはありません。

オペレーションスタッフの作業効率についても、より一層の指導がなされました。しかし、古参社員も目標を達成できず、2週連続で減少している。

いくつかの仮説が有効でなかったり、明らかな相関関係がなかったりする場合は、最終的にはスタートアップ プロジェクトで使用される方法、つまりユーザー インタビューとユーザー アンケートに戻ります。

一方で、運用プロセスでは、よりアクティブなユーザーに相談して、支払いをしたくない理由を理解します。他方では、ユーザーが積極的に尋ねる質問に基づいてグループ内で方向性を見つけ、多くの調査とテストを行います。

最終的に、新規ユーザーの間で認知度が低下していることが判明しました。

露出が増えるにつれて、より広い意味での「啓蒙」と「英語」に惹かれるユーザーが増えますが、コースの IP と会社のブランドに対する理解は極めて低いです。しかし、私たちの運営戦略は、ユーザーがコンバージョンの認知的基盤を持っていることを前提としています。

この段階の後、コミュニティ運営サイクルは新たな戦略調整を行い、3日から5日に延長されました。最初の2日間は、ブランドと教育理念を強調するための認知促進が追加され、最後の3日間はコンバージョンが関与し始めました。

この手法は、最終的にはオフサイトチャネルで獲得したユーザーに対しても多用され、各新規チャネルで獲得したユーザーごとにコミュニティが構築され、運用サイクルの途中と運用終了時にアンケート調査が実施されました。

一般的に、セグメンテーションは、このチャネルのユーザーの年齢、このチャネルのユーザーの消費能力、このチャネルのユーザーのコースに関する認識、および体験プロセスに対する認識など、いくつかの側面から行われます。

年齢層が高いユーザーグループには、ハイレベルなコース購入のエントリーを追加し、認知度が高いユーザーグループには、共同購入や個人から個人への紹介などのプロモーション方法を増やします。

著者: 陳二爾

出典: 陳二狗

関連記事:

パーフェクトダイアリーのコミュニティ運営方法！

コミュニティ運営の6000語の詳細な説明