データ運用: 分布分析とユーザー維持分析

1. 分布分析法

1. 一般的なグループ区分は何ですか?

（１）イベントの頻度別

例えば、専門スキル向上プラットフォーム上の公開講座のページ（下図参照）では、PVを見るだけでなく、ユーザー閲覧回数別にPVを見ることもでき、1～3回閲覧した人が何人いるのか、3～5回閲覧した人が何人いるのかが分かります。

分布分析方法の違いは、通常はページが閲覧された回数のみを調べ、それを平均化する点です。ここで見られるのはあくまでも平均値です。1 日に何十回も閲覧するユーザーもいれば、1 回しか閲覧しないユーザーもいます。ページ全体の閲覧回数だけを見ても、ユーザーの実際の使用状況はわかりません。分布分析を使用してユーザーがページを閲覧した回数を調べると、このページが閲覧された回数を明確に把握できます。

（２）時間帯別分布

上記の専門スキル向上を例に挙げてみましょう。上では視聴回数について触れましたが、これはコースのページです。視聴回数だけでなく、コースが視聴された時間の長さも見る必要があります。たとえば、同じ視聴でも、1時間視聴するユーザーもいれば、3時間視聴するユーザーもいます。これは明らかに異なります。

（３）消費量範囲別

最後に、消費量の範囲に応じて分割することもできます。私たちはプロのスキル向上プラットフォームのウェブサイトであり、異なるコースを購入する異なるユーザーが必ず存在します。

ここでは、注文数を確認できるだけでなく、消費額に応じて間隔を分割することもできるため、プラットフォーム上で0〜500元を費やしているユーザー数、500〜1000元を費やしているユーザー数、1000〜2500元を費やしているユーザー数を把握できます。

上記は分布分析の 3 つの主な分析方法です。その動作原理は、累積数と頻度に加えて、イベントの他の次元の情報を把握するために、さまざまな次元でのイベントの分布を観察することです。

2. 適用可能なシナリオは何ですか?

シーン1

特定のイベントをユーザーグループが完了することは既にわかっていますが、その後のメンテナンスや分析のために、ユーザーグループをさまざまな次元 (依存度など) と価値 (支払額) に応じてセグメント化し、さまざまなグループに分割する必要があります。

例えば、特に依存度の高いユーザーを選択し、ユーザー操作専用のプロジェクトを立ち上げてユーザーを操作するなどです。高額を支払うユーザーに対して、いくつかの運用アクティビティを実行することもできます。

シーン2

1 つのイベントが完了した回数がわかったので、イベントの完了状況をより明確に把握できるように、これらの回数をさまざまな次元に分割して分布を知りたいと思います。

例えば、異なるコンテンツの閲覧回数を比較すると、違いがないように見えるかもしれません。しかし、いくつかのコンテンツの閲覧回数を時間ごとに分布させると、あるコンテンツのユーザーの閲覧時間帯など、より詳細な情報を見ることができます。午前中はコンテンツAを視聴するユーザーが多く、午後はコンテンツBを視聴するユーザーが多いなどです。

このことから、さまざまなコンテンツには時間配分にいくつかの特徴があることがわかります。このとき、異なる時間帯に応じて異なるタイプのコンテンツをユーザーに推奨することができます。

2. ユーザー維持分析

1. なぜ保持率を考慮すべきなのでしょうか?

短期的には、チャンネルの品質を理解するために、通常は毎日の維持率を確認します。

このチャネルからアクセスするユーザーの現在のパフォーマンスと将来のパフォーマンスを毎日測定します。ここで注意すべき点は、 [X日間保持期間]を比較基準として使用する場合、他の日次データからの干渉を避ける必要があることです。長期的には、市場全体を観察する場合、通常は週/月単位で週次リテンション/月次リテンションを調べて、製品の健全性を測定し、プラットフォーム上のユーザーの定着率を観察します。重複したものを忘れずに削除してください。

次の製品は、1 年間の 1 月から 12 月までに追加された新規ユーザーのパフォーマンスと、その後の数か月間の維持率を示しています。

下の図からわかるように、製品の継続的な最適化と反復により、月間維持率が向上しており、この製品の反復と運用の方向性が比較的正確であることが証明されています。

考えてみてください。製品の長期的な価値を検証する際に、日次保持率ではなく月次保持率を選択するのはなぜでしょうか?

これは、リテンション データ自体がそれほど変動しないためです。毎日のリテンションを見ると、処理するデータが多くなります。データ量が多すぎると、適切な場所に集中できなくなることがよくあります。たまたま、私たちは通常、半月または 1 か月間バージョンを反復しますが、これがリテンションに根本的な影響を与えることがよくあります。

したがって、1 か月間の製品保持率の変化を観察すると、製品の長期的な価値の変化をよりよく理解するのに役立ちます。これは保持率を計算する最も一般的な方法です。

2. 保持率の計算方法

（１）一般的な計算方法

全体の保持率の計算方法は、ある時点のユーザー ID と別の時点のユーザー ID を相互に重複排除することです。

ただし、市場の維持は多くの要因によって影響を受けます。簡単な例を挙げてみましょう。製品がアクティビティを開始し、低品質のチャネルを導入した場合 (これは頻繁に発生します)、翌日/翌週/翌月にはリテンション率が急落します。

もう 1 つの可能性としては、このイベントを開催すると、低品質のチャンネルからのユーザー数が急増し、サーバーがクラッシュするなどの原因になることがあります。したがって、製品、運用、テクノロジー、市場など、あらゆる側面が顧客維持に影響を与えます。

（２）正確な保持

正確なリテンションを計算する方法は 2 つあります。まず、指定された動作を実行したユーザー ID をフィルタリングし、個別に計算します。

たとえば、オンライン読書製品の場合、全体的なリテンションは次のようになります。ここでは、特定の種類の本を読むユーザーが他のユーザーよりも留まる可能性が高いかどうかを区別する必要があります。

この時点で、特定の種類の本（インスピレーションを与える本など）を読んだユーザーを除外し、このユーザー グループの保持ステータスのみを確認する必要があります。調べてみると、このタイプの本のユーザーの定着率は市場全体よりも高いことがわかりました。ということは、市場全体よりも低いタイプの本もあるということですか？

したがって、このような観察を通じて、異なるタイプの本にはユーザーを引き付ける能力が異なることを知り、異なるタイプの本の運用品質とユーザーの粘着性の価値を判断することができます。

次に、ユーザーをさまざまな属性に基づいて異なるグループに分割し、グループ間の保持率の違いを観察します。

たとえば、私たちは王哲農薬の製品マネージャーです。市場全体のデータを見ても、理由はわかりません。この時点で、ユーザーを異なるユーザー グループに分けることができます。ここでは、ユーザーをゾーンに分けます。ゾーン分割により、一部のゾーンの週間リテンションが他のゾーンよりも優れていることがわかります。次に、このゾーンのパフォーマンスが優れている理由を調査し、このゾーンの良い点を他のゾーンにコピーできます。

最後のアーキテクチャ図は、次のことを要約しています。

さて、上記は分布分析方法とユーザー維持分析方法についての私の共有です。これがあなたにいくつかのアイデアとインスピレーションを提供できれば幸いです。コミュニケーションを歓迎します。

著者: 蔡蔡

公式アカウント：Caicai Lao Products (caicailaochanpin)