データ操作のやり方（データ操作：ゼロからデータ操作システムを構築する方法）

データ操作: データ操作システムをゼロから構築する方法

データ操作は従来の操作から進化しました。主な違いは、データ操作はデータによって駆動され、データを使用して、操作の監視、原因の調査、戦略の実行などの一連の運用アクションを実行することです。従来の操作よりも応答速度と反復効率が高くなります。

データ駆動型運用システムは、データ駆動型運用のためのデータサポートおよび処理方法です。データを通じてさまざまな操作指示を操作できます。例えば、チャネル操作ではチャネル操作用のデータ操作システムを構築でき、ユーザ操作ではユーザ操作用のデータ操作システムを構築できます。

この記事では、ユーザーオペレーションシステムを例に、ユーザーオペレーションシステムがどのようなものか、データ分析がその中でどのような役割を果たすのかを紹介します。

ユーザーライフサイクル、ユーザー階層化、ユーザーグループ化、ユーザーポートレートなど、ユーザーオペレーションに関連する概念は数多くあります。これらの概念に関する知識はインターネット上で非常に断片化されており、これらの概念間の関係を説明する体系的な紹介がないため、多くの企業のユーザーオペレーションは上記の概念を組み合わせて、思いついたものを使用しています。

特に、ユーザー ポートレートという非常にハイエンドなコンセプトの場合、他社がそれを非常にハイエンドに行っているのを見ると、企業のリーダーたちはその誘惑に抗えず、社内でそれを推進したくなるのが普通です。

しかし、結果としては、精力的にプロモーションを行った後、さまざまなユーザーが運営するプロジェクト間のつながりがなくなり、結果的に中途半端な結果に終わってしまうことがよくあります。

なぜこのようなことが起こるのでしょうか?とても簡単です。ユーザーオペレーションシステム全体の確立は一朝一夕で達成できるものではなく、少しずつ積み上げていくものです。構築の順序がわかっていれば、混乱した無関係なユーザー操作システムを回避できます。

それでは、ユーザー操作システムが構築される順序を見てみましょう。

運営の最終的な目標は、より多くのユーザーに料金を支払ってもらうことであり、結局のところ、利益こそが企業の目標です。しかし、ほとんどの製品では、製品の最初の使用から最終的な支払いまでのプロセスは非常に長く、数か月かかるものもあります。ユーザーの支払いサイクルは非常に長いため、ユーザーに支払いをしてもらうための最善の方法は、さまざまなコンバージョン重視の広告を毎日ユーザーに表示することではなく、ユーザーを第一に考え、製品の価値をユーザーに感じてもらう方法を見つけることです。こうすることで、より多くのユーザーが滞在し、支払う可能性が高まります。

ユーザーが製品を継続的に使用するには、その時々でニーズが異なります。たとえば、ユーザーが初めてアプリを使い始めるときは、製品の使い方を理解する必要があります。製品を数か月使用しているユーザーには、新しい機能などが必要になる場合があります。

そのため、製品の使用段階に応じてユーザーを分類し、ユーザーが初めて製品に接触してから製品を離れるまでのサイクル全体に至るまで、大多数のユーザーに適した一連の使用軌跡をまとめる必要があります。このトラックのセットにより、オペレーターはユーザーをより深く理解し、より的を絞った運用アクションを実行できるようになります。

これらのユーザーの使用軌跡をまとめたものがユーザー ライフサイクルです。

ユーザーのライフサイクルは、一般的に導入期、成長期、成熟期、休眠期、離脱期に分けられます。各期間のユーザー値に基づいて、以下の曲線を描くことができます。

ユーザー運用の目的は、ユーザーのライフサイクルを可能な限り延長し、ライフサイクル中により大きな商業価値を生み出すためにあらゆる手段を講じることです。各段階でこれらの重要なポイントに注意してください。

導入段階: ユーザーができるだけ早く成長段階に入ることができるように、指導に重点を置きます。

成長段階: ユーザーの維持率を向上させ、ユーザーの使用習慣を養い、できるだけ早く成熟段階に移行します。

成熟段階: ユーザーが成熟段階にとどまるか、この段階でより多くの収益を生み出すことを期待します。

休眠期間: ユーザーの活性化を促進し、ユーザーを成熟段階に戻して喪失を防ぎます。

解約期間: ユーザーを呼び戻し、ライフサイクルを延長します。

ユーザーライフサイクルモデルを使用すると、ユーザー操作の一定の基盤が得られ、さまざまな段階のユーザーに対して異なる操作戦略を採用できます。しかし、単純に5つのタイプに分けると、運用効果がすぐにボトルネックになってしまいます。ユーザーの操作をさらに洗練させていくにはどうすればよいのでしょうか?ここでユーザーセグメンテーションが重要になります。

ユーザーセグメンテーションとは何ですか?成熟ユーザーを例に挙げてみましょう。成熟ユーザーの現在の定義は、コースの料金を支払ったユーザーであるとします。今、私たちはこれらのユーザーの支払い額を増やしたいと考えています。最善の方法は、ユーザーに別のコースを購入させることです。全員がコースを購入しているにもかかわらず、次のコースを購入するかどうかについてはユーザー間で大きな違いがあります。

これらの成熟したユーザーを分析して、次のような特徴が見つかったとします。

最初に購入したコースを 3 日以上学習すると、最初のコースを完了する可能性が大幅に高まります。

サブスクリプションを更新したユーザーのほとんどが最初のコースを完了しました。

3コース以上購入された場合、継続して支払う意欲は非常に高くなります。

上記の情報に基づいて、成人ユーザーを次のカテゴリに分類できます。

初めて有料で利用するユーザー

3日以上学習したユーザー。

最初のコースを完了したユーザー。

再度購入するユーザー

3回以上購入したユーザー。

上記のユーザー カテゴリは段階的に進化し、各カテゴリは前のカテゴリに基づいて深くなり、ピラミッドのように下から上へと徐々に発展します。

これはピラミッド構造のユーザー階層化モデルです。このピラミッドモデルに基づいて、オペレーションはユーザーを 5 つのカテゴリに簡単に分類でき、各レベルでのユーザー オペレーションの目的が非常に明確になり、ユーザーを次のレベルに導くことができます。たとえば、初めて有料で利用するユーザーに対しては、3 日以上かけて学習してもらうことを業務の重点としています。このアプローチはユーザーセグメンテーションです。

ここに問題があります。この階層化モデルのユーザーは、ルールに従わないユーザーが常に存在するため、すべてのユーザー グループをカバーするわけではありません。最初のコースを購入した後すぐに 2 番目のコースを購入することができます。ただし、ユーザー層別モデルが人口の大部分を選択できる限り、ビジネスの観点からはかなり代表的かつ有意義なものになります。

ユーザーセグメンテーションモデルにより、ユーザー操作がより洗練されました。商品を購入したユーザーや、3日以上学習しているユーザーなど、さまざまなセグメントを区別できるようになりました。しかし、単一のセグメント内で最適化を継続することはできるでしょうか?ここでユーザーセグメンテーションが重要になります。

前の例をもう一度取り上げてみましょう。最初のコースを完了したユーザーに 2 番目のコースを再度購入するよう促すために、いくつかの運用アクティビティを実行できます。

ユーザーごとにニーズが異なるため、操作を実行する際にはこれを考慮し、正確な操作を保証する必要があります。

たとえば、最初の購入として運用コースを購入するユーザーもいれば、製品コースを購入するユーザーもいます。これら 2 種類のユーザーに対して繰り返し購入操作を実行するには、以前のコースに関連するコースをプッシュできます。

たとえば、入門コースを必要とする大学生もいれば、上級コースを必要とする職場のベテランユーザーもいます。これら 2 種類のユーザーを変換するには、異なる難易度のコースをプッシュすることができます。

ユーザーの年齢、職業、使用習慣、行動特性など、差別化された操作のディメンションとして使用できる他の特性もいくつかあります。

上記は、ユーザーが過去に購入したコースとユーザーの ID に基づいたセグメンテーションです。もちろん、他にもさまざまなセグメンテーション次元が存在します。さまざまな次元に対応する操作戦略を見つけることで、階層化に基づいてより洗練された操作を実現できます。

この方法はユーザーセグメンテーションと呼ばれます。

ユーザー グループ化とユーザー層別化の最大の違いは、ユーザー層別化では各ユーザーの層が独立しているのに対し、ユーザー グループ化ではユーザーの重複を考慮しないことです。たとえば、上記の例では、オペレーションコースを購入していても、一部のユーザーは大学生である可能性があります。これらの機能は組み合わせて使用​​することも、個別に使用することもできます。これはおなじみのことかもしれません。これはユーザーポートレートではないでしょうか？

そうです、ユーザーポートレートは多数のユーザータグで構成されています。ユーザータグを分析することで、そのユーザーがどのような人物であるかを特定できます。ユーザーポートレートは、基本的にユーザーセグメンテーションを目的としています。そのため、多くの企業が体系的なユーザー運用システムのサポートなしに、いわゆるユーザーポートレートを直接宣伝するようになりました。こうしたプロジェクトは最初から失敗する運命にある。

このタイプのユーザー ポートレート プロジェクトが一般的な理由は、リーダーが成功している企業の手法を学ぶと、ユーザー ポートレートが目に見える形で具体化され、ライフサイクル、ユーザー階層化、ユーザー セグメンテーションが具体的な実装方法と運用プロセスとなるためです。日々の業務に参加しなければ、その存在を感じることはできません。

ユーザーオペレーションシステムの構築プロセスについてお話しした後、その中でのデータ分析の役割についてお話しします。データ分析は、ユーザー操作において次の役割を果たします。

分類基準を決定する。

運用データの監視。

ユーザータグの構築。

分類基準を決定する

まずは、区分を決める基準を見てみましょう。

ユーザーのライフサイクル、ユーザーの階層化、ユーザーのグループ化など、最終的にはデータを通じて特定のユーザーを選択する必要があります。これには、データ アナリストがさまざまな種類のセグメンテーション基準を決定する必要があります。

たとえば、オンライン教育製品の場合、100 元以上支払うユーザーを成熟ユーザーと定義し、3 か月以上新規支払いを行っていないユーザーを休眠ユーザーと定義します。このうち、「100元」と「3か月」は、データアナリストが計算する必要のある数字です。

一般的に、この数値を確認するには変曲点法が使用されます。操作は難しくありませんが、抽出するデータ量が多いため、作業量は比較的多くなります。

運用データの監視

データ分析の2番目の役割は、運用データの監視です。分類基準を決定した後、ビジネス担当者は、さまざまなタイプのユーザー数の日々の変化、各タイプのユーザーのコンバージョンに対する運用活動の影響などのデータに非常に関心を持ちます。このタイプのデータ需要は非常に固定的で反復的であるため、分類基準が決定されると、通常、その基準に基づいて対応するレポートを作成し、業務担当者がデータの変更を確認しやすくなります。

ユーザータグの構築

データ分析の 3 番目の機能は、ユーザー タグの構築です。ユーザー タグを構築するときは、タグのディメンションと粒度の 2 つの点を考慮する必要があります。

通常、ユーザー ラベル ディメンションにはいくつかのカテゴリがあります。

自然属性: 性別、名前、年齢、地域など、自然人が持つ属性。

社会的属性: 教育レベル、婚姻状況、子供の状況、職業、収入レベルなど、ユーザーの社会的関係や社会的地位を反映できます。

行動属性: 日常の習慣、旅行の習慣、食習慣、オンライン ショッピングの習慣など。ユーザー調査では、データ収集方法を使用して一般的な行動習慣を分析するのが一般的です。

消費属性: ショッピングの好み、閲覧の好み、使用の好み、インタラクションの好みなど。

心理的属性: ライフスタイル、性格特性、価値観、信念特性など。

粒度は、ラベルの精度レベルを指します。たとえば、年齢ラベルの粒度が粗い場合は、「21 ～ 30 歳」のようなラベルになります。粒度を細かくすれば、25歳まで直接記録できます。

ディメンションと粒度が決定された後、既存のデータは特定のルールに従ってクリーンアップされ、直接使用できるユーザー ラベルになります。たとえば、年齢ラベルの場合、まずはユーザーが登録時に入力した内容などの内部データを取得できるかどうかを確認します。社内で入手できない場合は、携帯電話番号を通じて年齢情報を取得してみてください。携帯電話番号がない場合は、携帯電話にインストールされているアプリを通じてユーザーの年齢層を大まかに推定することができます。

完全なラベリング システムを構築するために必要な作業量も非常に大きく、通常、3 人または 4 人の小規模なチームが作業を完了するには数か月かかります。

ユーザー タグは、量的変化から質的変化につながるものです。タグが少ないと効果は目立ちません。しかし、タグの数が増えると、さまざまなビジネス上の問題に直面したときにユーザー属性を分析するのに非常に便利です。さらに、交差する属性は、ユーザーをより深く理解するのに役立ちます。