ユーザー獲得と維持率を高めるための必須スキル

製品運用において、ユーザー維持率は誰もが最も注目する重要な指標の 1 つです。では、ユーザー維持率からユーザー成長の手がかりをより効率的に見つけ、それに応じた成長戦略を策定するにはどうすればよいでしょうか。

1. ユーザー維持とユーザーアクティビティの全体的な認識

1.1 保持とユーザーアクティビティの根底にあるもの

1. 維持と活性化に関しては、ユーザーベースの拡大に合わせて、さまざまなタイプのユーザーに対して最も費用対効果の高い変換と成長のパスを見つけ、ガイダンスとインセンティブを提供することが本質です。
2. 製品の長期的な価値の確立と安定は、リテンション + アクティベーションが意味のあるものになるための前提です。
3. ビジネスの種類や特性が異なる製品では、「維持」について考えるときに重点を置くべき点が必ず異なります。
4. 製品形態＋機能が豊富であればあるほど、またユーザー行動が多ければ多いほど、「維持と活性化」の技術的内容は高くなります。
5. 典型的なユーザーの変換と成長のパスが明確になり、ユーザーの使用習慣の閉ループが形成されると、ユーザーインセンティブシステムは、製品化を通じて内部成長の効率を大幅に増幅することができます。

1.2 成長/維持の取り組み方法

ほとんどの人は、成長/維持のワークフローを次のように考えています。

しかし、実際の成長/維持ワークフローは次のようになります。

• すべての「成長」作業には、最終的には典型的なユーザー パスの構築と、ユーザーを誘導してコンバージョン達成を促すことが含まれます。
• 成長/維持/活性化の取り組みの基本的な前提は、「明確で推進力のあるユーザー変換/成長パス」があることです。
• 製品に関する私たちのすべての作業の目的は、製品を発見するか、それを拡大することです。そして、この成長の道筋も常に変化する可能性があります。

2. ユーザー維持データを通じて問題を分析する

2.1 保持曲線の定義

維持曲線に関しては、まず維持率と解約率とは何かを説明する必要があります。

上記の定義を拡張すると、リテンション カーブは、時間の経過とともに異なる時期にアクティブになったユーザー グループのリテンション率の変化傾向を継続的に追跡します。

2.2 保持曲線の描き方

2.2.1 主要な行動の核となる考え方を決定する

• 初期動作: 保持ユーザーとして定義されるには、ユーザーはどの初期動作を完了する必要がありますか?
• 再訪行動: ユーザーが再度製品にアクセスしたときに、継続ユーザーになるためにはどのような行動を完了する必要がありますか?

すると、最初の動作と戻りの動作はほとんどの場合同じになります。もちろん、特定のシナリオでは製品に違いがあります。鍵はニーズ自体によって決まります。

2.2.2 期間の選択方法

さまざまな製品の自然なライフサイクルは、次のように異なります。

• 投資商品：毎週〜毎月;
• ソーシャルプロダクト：毎日;
• ゲーム製品：毎日;
• コンテンツ製品: 毎日から毎週まで。
• 保険商品：毎週〜毎月

製品の自然なライフサイクルがわからない場合、この期間をどのように見つけるのでしょうか?

方法: 月間アクティブユーザーの 1 か月間のアクティブ日数の分布を分析します。

• 月間アクティブユーザー数を分母として使用します。
• 月内のアクティブ日が異なるユーザーの割合をさらに分割します。
• この保持曲線におけるユーザーの自然な使用サイクルである、ユーザーの割合が最大のアクティブ日数項目を見つけます。

2.2.3 データの収集とフォームの作成

• 各サイクルで初めて初期動作を完了したユーザーの数（通常はアクティブ化されたユーザーの数）を記録します。
• 後続の各サイクルで継続して戻ってくるユーザーの数を追跡します。通常、これは主要な行動を維持しているユーザーの数です。
• 1 と 2 を通じて、最初のサイクルでアクティブ化されたユーザー数に対する各サイクルで戻ってくるユーザーの割合を計算します。

上記の操作により、ケース 2.4 で提供された保持データ フォームを取得できます。

2.3 保持曲線から保持の問題を見つける方法

2.3.1 評価曲線の基本形

1. 下降傾向

保持曲線: PMF が達成されていないことを示します。

製品の変更に重点を置き、コア ユーザー ベースに対する価値提案を見つけ、そのベースを拡大します。この時点で盲目的に新規顧客を獲得し始めないでください。そうしないと、単なる「根のない木」になってしまいます。

2. 平坦化

保持曲線: 製品が PMF に達したことを示します。

これは、製品を試用したユーザーのうち、一定の割合がその価値を発見し、一定期間後に使い続けており、新しいユーザーを引き付け始める時期が来ていることを示しています。

3. 笑顔タイプ

リテンションカーブ：PMF を達成できるだけでなく、リピーターも多数存在します。

最も理想的な保持曲線は、通常、特定の種類の製品にのみ存在します。

2.3.2 業界平均と比較し、変化する傾向を観察する

製品のユーザー維持率を分析する際には、その製品が属する業界全体の傾向も考慮する必要があります。主要製品とのデータの違いや製品の違いを比較します。

変化する傾向を観察するための思考パターン:

• 時間軸に基づいて比較します。
• 成長戦略の前後のパフォーマンスをリアルタイムで比較します。

新しい保持曲線を古い保持曲線と比較して、新しい保持傾向の開始点が高く、傾斜が小さく、曲線が古い保持曲線よりも滑らかであるかどうかを確認します。

2.4 事例分析

このセクションでは、編集者は簡単な事例を使用して、統計的な保持データを通じて成長の手がかりを見つける方法を紹介します。

リンク (https://shimo.im/sheets/K8dqhKtQ8GJPw38P/MODOC/) から、週ごとのリテンション データ (仮想データ、機密データは含まれません) を確認できます。これは、オーディオ製品のユーザーの週ごとのリテンション データ テーブルであるとします。

まず、データの統計的前提が次のとおりであると仮定します。

• 保持動作: 最初のログイン
• 期間: 週
• 再訪問時の行動: 再度ログインする
• 維持率: 初めてログインしたユーザーのうち、次の 1 週間以内に再度ログインするユーザーの数。

これは週ごとの保持データ テーブルであるため、分析の前にデータを視覚化する必要があります。エディターは怠惰で、データの視覚化に Excel を直接使用します。

まず、平均保持曲線は次のように描かれます。

上の図から、次のような傾向がわかります。

• 最初の 1 週間の維持率はわずか 85% で、これは 15% のユーザーが最初のダウンロード後に再度ログインしないことを意味します。
• 最初の 1 か月の 2 回目の維持率が 61% に急落した後、減少率は大幅に鈍化し、着実に減少する傾向にありました。
• 3 週目から 17 週目までは、データは基本的に 50% から 60% の間で推移しました。
• 18 週目から 36 週目にかけて、データは再び減少し、39% から 43% の間で安定しました。
• 37 週目から 45 週目にかけて、データは最初に 2 パーセントポイントの急激な低下を経験し、その後変動して 35% まで低下しました。
• 46週目以降、データはさらに減少し、最終的に23%にまで落ち込みました。
• 要約すると、この保持曲線は下降保持曲線です。

上記の現象に基づいて、ケース内の保持データテーブルをさらに処理し、次のような保持熱分布図を取得します。

上記の結論は、週ごとの保持率チャート（赤は良好、緑は不良を表す）を通じてさらに検証されます。

上記のデータ ヒート マップを拡大すると、成長の手がかりとなる可能性のあるいくつかのデータ異常が見つかります。

• ダウンロード量表を見ると、「2018/4/22」「2018/9/23」「2018/11/18」「2018/12/23」の4つの期間のダウンロード量と、その前後の期間のダウンロード量に大きな差があることがわかります。
• 「2018/4/22」、つまり16週目には、全体的なデータ指標は前後のデータよりも10パーセント近く低下し、明らかな異常が見られました。
• ヒートマップから、46 週目からデータが異常になり、大幅な減少を示す可能性があることがわかります。この推測を検証するために、次の図に示すように、水平ヒートマップ（前月比）を垂直ヒートマップ（前年比）に変更します。

データの傾向は、上記の推測が正しいことを改めて裏付けています。

上記のデータ分析に基づいて、次の仮説が提案されます。

1. 最初の 1 週間の平均維持率はわずか 85% で、最初のダウンロード後に 15% のユーザーが離脱しました。これは、チャンネルのプロモーションが不正確だったことが原因である可能性もありますが、ユーザーが最初のログイン後にエキサイティングな瞬間に到達できず、急速に離脱してしまった可能性もあります。
2. 16週目の「2018/4/22」にはダウンロード数が急増し、前年比100％増を記録しました。これは、新しいチャネルでの露出の増加とその後の運用活動によるものと考えられます。しかし、維持率は大幅に低下しました。新しい活動の効果がユーザーの期待する効果を満たしていないと推測されます。新しい操作活動によってもたらされた維持率は、元のアクティベーションプロセスによってもたらされた維持率よりもはるかに低く、市場全体のデータが低下しました。
3. 「2018/9/23」にはダウンロード数が年間最高を記録し、週間リテンション率も年間最高レベルに達しました。新規ユーザーインセンティブの期間限定イベントが追加され、チャンネルの露出が強化されると推測されます。前年比ヒートマップから、全体的なリテンションデータは「2018/9/23」以降、短期的に顕著な改善が見られます。
4. 2018 年 11 月 18 日以降、ダウンロード数が大幅に減少しており、これは年間を通じてユーザー維持率の傾向に直接影響を及ぼしています。メジャーバージョンの最適化と製品全体の位置付けの変革が起こる可能性はあると推測されますが、その効果は理想的ではないでしょう。

ユーザーのライフサイクルと組み合わせると、次のような成長の手がかりが得られます。

新規ユーザーアクティベーションフェーズ:

• ノーススターメトリック: 新規ユーザーアクティベーション率
• 判断基準：ライフサイクルを通じてユーザー維持率を向上させる戦略の中で、新規ユーザーのアクティベーション率を向上させることは、最もインパクトが大きく、運用上の難易度が最も低いため、最も優先度が高い。
• データ現象: 最初の 1 週間の平均保持率はわずか 85% です。
• 成長戦略: チャネルプロモーションの精度を向上させ、アクティベーションの瞬間に到達する新規ユーザーの割合を増やします。
• 実施計画: さまざまなチャネルにおける継続ユーザーとアクティブユーザーの割合の詳細なデータ分析を通じて、最適化の方向性を見つけ、チャネル配信の精度とコンバージョン率を向上させることができます。
• 新規ユーザーのアクティベーション プロセスを最適化し、アクティベーションの瞬間に到達する新規ユーザーの割合を増やします。

新規ユーザー維持段階:

• ノーススター指標: 新規ユーザーの初月維持率
• 判断基準：ライフサイクルを通じてユーザー維持率を向上させる戦略のうち、新規ユーザーの維持率の向上は、新規ユーザーのアクティブ化率の向上とインパクトは似ているものの、運用難易度が比較的高いため、優先順位が2番目に高い。
• データ現象: 新規ユーザーの初月の維持率はわずか 63% です。データの増加には大きな余地があります。
• 成長戦略: アクティベーション時間に到達する新規ユーザーの割合を増やし、新規ユーザーのアクティベーション率を高める
• 実装計画: ユーザーのポートレートを作成し、さまざまなユーザー ディメンションで製品を使用する際のユーザーの目的と行動を分析します。さまざまな使用目的を持つユーザーの維持率とアクティブユーザー率の詳細なデータ分析を通じて、最適化の方向性を見つけ、さまざまなグループのユーザーに対する新規ユーザーアクティベーション戦略を改善できます。

失われたユーザーの想起段階:

• ノーススターメトリック: 新規ユーザーのリコール率
• データ現象: 36 週目から、維持率は 39% から 23% に大幅に低下しました。
• 判断基準：ライフサイクルを通じてユーザー維持率を向上させる戦略のうち、離脱ユーザーの想起率の向上は、最初の 2 つほど効果がなく、運用も容易ではないため、優先順位は 3 番目です。
• 成長戦略: 製品の位置付けに同意し、製品に対する需要があるものの、すでに離脱したユーザーを呼び戻します。
• 実施計画: SMS プッシュやその他のアクションを通じてマーケティング活動をプッシュします。
• 高品質なコンテンツ（スロット表示、プッシュプッシュ等）の正確な配信をさらに向上します。

基本的な保持データ分析について私が言いたいことは以上です。

著者: 楊三治

出典: 楊三吉 (zyjn2020)