APPの新規ユーザーとリテンション分析！

01 新規ユーザー

当シリーズの最初の記事「データリテラシー（1）: よく話題になるDAUとMAUとは何ですか？」をお読みいただいた方は、ぜひご覧ください。 》この文を知っておくべきです:

データの基礎をしっかりと理解することがコミュニケーションの架け橋となります。

この一文は、データリテラシーシリーズに一貫しています。この一文を改めて深く感じていただけるよう、新規ユーザーとのシナリオを見てみましょう。

アプリを宣伝するために、オペレーション担当者はチャネル パートナーとの協力を求めました。決済に関しては、新規ユーザーを決済の指標として使用することを議論しました。しかし、新規ユーザーの具体的な定義については意見が分かれました。

• チャネル パートナー: ユーザーが当チャネルのプロモーション ページで製品のダウンロード ボタンをクリックするだけで、新規ユーザーとして記録されます。
• ニャー作戦: それはダメです。ボタンをクリックしてもアプリをダウンロードしなければ意味がありません。ダウンロードの成功は 1 回の追加として記録され、複数のクリックは 1 回として記録されます。
• Product Dog: それは違います。私たちのアプリはとても素晴らしいので、少なくとも一度は起動して録画し、ユーザーに体験してもらう必要があります。そうしないと、データの品質が低くなり、参照価値がなくなります。
• エンジニアリング ライオン: やめてください。あなたたちはただ空想しているだけです。登録しないと、バックエンドにデータがまったくありません。新規ユーザーとして登録する必要があります。

このような状況に直面すると、正しいか間違っているかを言うのは困難です。私たちがより関心を持っているのは、データ指標についてどのように合意に達するかということです。

では、この新しい追加は具体的に何を意味するのでしょうか?

「新規ユーザー」という言葉を、単語の意味を説明するように分解します：新規 = 新規 + 増加。次に、2 つの問題を明確にする必要があります。

Q1: 増加とは何ですか?どのノードで増加していますか?

A1: 一般的に、ユーザーが製品との関係を築く前に、次の図に示すような経路をたどることが多いです。

ユーザーは、さまざまなチャネル接続を通じてチャネル ページ (Baidu の広告ページや Penguin の広告ページなど) にアクセスします。ユーザーは、チャネル ページでダウンロードをクリックするか、チャネル ページからアプリ ストアにアクセスしてダウンロードします。アプリをインストールして起動し、アプリのホームページに移動します。対応するアクティベーション アクションをトリガーします (登録の成功、商品の購入、ビデオの視聴など、ビジネスによってアクティベーション アクションが異なります)。

理論的には、異なるノードを一度に追加できます。ここでは、異なるノードを新しく追加することのメリットとデメリット、および適切なシナリオをまとめます。

表の概要と貴社の事業内容に応じて、適切なノードを選択できます。

Q2: 新品かどうかはどうやって判断するのですか?

A2: この質問は例を挙げて紹介します。インストールと起動ノードを増加として使用すると仮定すると、ユーザーがアプリをダウンロードしてインストールして起動し、2日後にアンインストールしてから、再インストールして起動します。このとき、彼は新規ユーザーとしてカウントされますか?ここでは、一般的に 2 つの判断方法があります。

1. デバイスベース: ユーザーが最初にシステムをインストールして起動すると、デバイスが記録されます。再度インストールすると、記録は保存されません。異なるシステム（iOS、Android、Web）間でのデバイス判定方法の詳細については、前回の記事「DAUとMAUについて聞かれても怖くない」のユーザー紹介部分をご覧ください。
2. アカウントの関連付けに基づきます。

アカウントを判断の基準として使用し、バックグラウンドにある既存のアカウントと比較して、このアカウントが以前に存在していたかどうかを確認します。

02 ユーザー維持

この記事で言及されているリテンションとは、新規ユーザーのリテンションを指しますが、これについては以下では詳しく説明しません。

まず、Umeng プラットフォームがリテンションをどのように定義するかを見てみましょう。

宋先生は定義を皆さんに理解していただくために事例を紹介します。

このケースは、やはり悲劇的なアプリです。リリース初日に 100 人の新規ユーザーを獲得しましたが、その後は新規ユーザーは獲得できませんでした。以下は、開始後の最初の 7 日間の毎日のアクティビティ表です。

表から、MAU=100 と結論付けることができます。これについて疑問がある場合は、データリテラシーシリーズの最初の記事「DAU と MAU について聞かれてももう心配いりません～データリテラシーシリーズ (1)」を参照してください。

質問: 新規ユーザーの 7 日間の維持率を計算するにはどうすればよいですか?

ここでは 2 つのアルゴリズムが示されています。

アルゴリズム1: (7日目の継続ユーザー数 / 1日目の新規ユーザー数) * 100%

アルゴリズム2: (2日目から7日目までの重複排除後の保持ユーザー数 / 1日目の新規ユーザー数) * 100%

リテンションの定義によると、「一定期間内に新規ユーザーとなり、一定期間経過後もアプリケーションを使い続けるユーザーがリテンションユーザーです。」このことから、一定期間にわたって維持されたユーザーは新規ユーザーのサブセットであると結論付けることができます。

この質問では、リリース初日に 100 人の新規ユーザーが追加され、その後は新規ユーザーは追加されなかったため、初日以降のアクティブ ユーザーはすべて初日の新規ユーザーのサブセットになります。つまり、X 日目の維持ユーザー数 = X 日目のアクティブ ユーザー数、初日の新規ユーザー数 = 初日のアクティブ ユーザー数となります。

ただし、「初日に新規ユーザーが 100 人増えた後は新規ユーザーがいない」という前提がない場合、X 日目の維持ユーザー数 ≠ X 日目のアクティブ ユーザー数になります。正確な記述は、「X 日目の維持ユーザー数 = 初日の新規ユーザーから X 日目にアクティブになったユーザー数」になります。

少しわかりにくいので、理解を助けるために小さな例を挙げてみましょう。

(5 月に 200 人の新規ユーザーがいて、この 200 人のユーザーのうち 100 人が 6 月にアプリを起動し、そのうち 80 人が 7 月にアプリを起動したと仮定すると、6 月の維持ユーザー数は 100 人、7 月の維持ユーザー数は 80 人になります。)

では、どのアルゴリズムを使用すればよいのでしょうか?

よく思い出してみれば、宋氏はデータ分析はビジネスに基づいて目的を持たなければならない（つまり、ユーザー維持というデータ指標の重要性）と繰り返し強調してきた。

目的 一般的に、保持の計算と分析には次の目的があります。

1. さまざまなチャネルによってもたらされたユーザーの品質を観察します。
2. バージョンアップデート後に導入された新機能の効果に関するフィードバック。 （この機能のこの部分には、主要なユーザー行動のトリガーが含まれます。これは正確な保持の問題であり、後の記事で説明します）

ここでは、チャネル品質を区別して説明します。

アルゴリズム1

アプリに顧客獲得チャネル A と B の 2 つがあり、両方とも 1 月 1 日にリリースされたとします。その日に 100 人の新規ユーザーが登録された後、新規ユーザーは追加されません。 1 月 1 日から 1 月 7 日までの 2 つのチャネルの毎日のアクティブ ユーザー数に基づいて、アルゴリズム 1 [(7 日目の維持ユーザー数 / 1 日目の新規ユーザー数) * 100%] を使用して、2 つの 7 日間の維持率を計算します。

アルゴリズム 1 を使用した計算では、2 番目から 6 番目のユーザー データが無視されるため、計算されたデータが不正確になると思われる方もいるかもしれません。実際はそうではありません。私たちは、データを比較し、比較からビジネスの爆発的な成長ポイントについての洞察を得るために、2 つのデータを取得しました。チャネル A であってもチャネル B であっても、1 日目と 7 日目のデータのみを使用し、2 日目から 6 日目までのデータは無視します。無視された情報は一貫しています。

単一の影響要因は同じであるため、比較にはアルゴリズム 1 を使用するのが比較的公平かつ合理的です。

もちろん、それでも、2日から6日までのデータを無視しない方法はないのかと尋ねる友人もいるかもしれません。

アルゴリズム2

[2日目から7日目までの重複排除後の維持ユーザー数 / 1日目の新規ユーザー数) * 100%] この計算方法は、2日目から6日目までのアクティブユーザーを考慮していますが、この計算方法はチャネル品質を評価するのに適していますか?

次の図は、チャネル A と B の 7 日間の毎日のアクティブ ユーザーに関する折れ線グラフです。アルゴリズム 2 の計算に厳密に従うと、チャネル A の保持率がチャネル B よりも高いことがわかります。実際、図から、チャネル B のアクティブ ユーザー カーブは自然で緩やかな減少に近く、7 日目のアクティブ ユーザーもチャネル A よりも高いことがわかります。一般的に言えば、チャネル B のユーザー品質はチャネル A よりも高くなります。

したがって、アルゴリズム 2 を使用して保持評価チャネルの品質を計算するのは適切ではありません。その理由は、2 日目と 6 日目のデータを導入すると、結果の判断に実際に影響が出るからです。

上記の事例を通じて、誰もが両者の違いを理解するはずです。

アルゴリズム 1 を 7 日間の保持、アルゴリズム 2 を 7 日間の保持と呼ぶことができます。

もちろん、合理性はあります。アルゴリズム 2 には適用可能なシナリオがないわけではありません。特定の使用サイクルを持つ一部のアプリに適しています。たとえば、週末のパーティーに焦点を当てたアプリで、アクティブ ユーザーのほとんどは土曜日と日曜日に集中しています。平日 (月曜日から金曜日) の任意の日に新規ユーザーの 7 日間の維持率を計算すると、週末よりも大幅に低いことがわかります。

この場合、7日目の毎日の保持率だけを見ても、実際の状況を反映することはできません。逆に、7日間の保持率に注目する方が現実的で信頼性があります。

そうですね、Song 氏は今でも Umeng データ プラットフォームの 7 日間保持テーブル セットを使用しています。Umeng がアルゴリズム 1 とアルゴリズム 2 のどちらを使用しているか確認してみてください。

混乱する友人もいれば、Umeng がアルゴリズム 1 を使用していると直感的に考える友人もいるかもしれません。実際、Umeng プラットフォームの計算方法はアルゴリズム 1 と非常に似ていますが、いくつかの違いがあります。ここではこれをアルゴリズム 3 と呼びましょう。

アルゴリズム3

（7日目の継続ユーザー数/0日目の新規ユーザー数）*100％。

0 日目は実際には保持が計算される日を指し、アルゴリズム 1 の最初の日と同じ日です。上図に示すように、2018 年 8 月 1 日の 7 日間の毎日のリテンションを計算すると、アルゴリズム 1 の 1 日目とアルゴリズム 3 の 0 日目はどちらも 08 月 1 日の新規ユーザー数、つまり 339 人を指します。上の図をよく見ると、Umeng は統計に 1 日後を使用し、2 日後がアルゴリズム 1 の 2 日目と 3 日目に対応していることがわかります。

では、Umeng がアルゴリズム 3 を使用するのはなぜでしょうか? この計算方法の利点は何でしょうか?皆さんも考えてみて下さい。

(ヒント: これは週の 7 日間に関連しています)。

答えを明らかにする: これは、アルゴリズム 3 を使用することで、データに対する週の干渉を回避できるためです。

たとえば、2018-08-01 は水曜日で、アルゴリズム 1 を使用した場合の 7 日目は火曜日 08-07 ですが、アルゴリズム 3 では 7 日後の水曜日 08-08 です。水曜日のデータを同時に使用することで、今日の日がデータに及ぼす影響を合理的に回避できます。

ここまで、合計 3 つのアルゴリズムについて説明しました。各アルゴリズムにはそれぞれ独自の意味があります。会社の業務に応じて特定のアルゴリズムを選択し、会社内で同じ標準が採用されるようにする必要があります。

ここで、ソン氏は全員のためにそれをまとめた表を作成しており、その画像を将来使用するために保存することができます。

これを踏まえて、新規追加と維持についての話はほぼ終わりました。誰もが突然悟りを開いたように感じるはずです。

著者:宋老師

出典: プロダクトマネージャー Tucao