業務データ分析に関するデータ（SaaS製品データ分析の指標とラベル）

SaaS 製品データ分析: 指標とタグ

データ分析はさまざまな分野や職種に応用できますが、SaaS製品ではどのように応用されるのでしょうか。この記事では、データ分析における SaaS 製品の応用について検討し、その指標とラベルの設計をまとめ、分析します。見てみましょう。

データ分析とは、業務運営中のさまざまな行動によって生成されたデータを収集して記録し、それらのデータを処理、クリーニング、分析し、データ レポートを作成して分析レポートや結論を導き出すプロセスです。

データ分析は多くの分野で活用できます。探索的データ分析を使用してデータ内の新しい特徴を発見したり、確認的データ分析を使用して仮説の真実性を検証したりすることもできます。

SaaS分野では、SaaS企業の稼働データを測定し、健全性を評価するなど、データ分析はさまざまな場面で活用できます。ユーザーのさまざまな行動の好みを分析し、製品を改善する;企業の投入産出比率を分析して事業の方向性を評価する。データ分析自体も SaaS 製品の一部となり、SaaS 製品のユーザーにデータ サービスを提供できるようになります。

SaaS の開発ではデータ分析が重要です。これは、製品開発の方向性を常に修正するための重要な参考資料であり、企業の事業の健全性を評価するための重要な基礎となります。会社が蓄積した膨大なデータを統計、分析、調査し、データ分析レポートを作成することにより、客観的な状況をより完全かつ科学的に反映し、合理的で正しい意思決定と計画を支援し、管理の推進と意思決定への参加におけるデータ分析の重要な役割を十分に発揮することができます。

データを使用して、使用頻度、使用率、応答効率などの製品関連の指標を分析します。データ分析は、製品マネージャーが製品の使用状況を理解するのに役立ちます。また、製品マネージャーは調査を実施し、概要分析を行って製品の改善に役立てることができます。

当社の製品指標は、特定のビジネスニーズに応じて設定されています。請求書製品ラインを例に、参考までにいくつかの主要な製品指標に焦点を当てました。

（１）請求時期

請求書発行は高いリアルタイム性が求められる業務であり、請求書発行プロセス全体は比較的長くなります。プラットフォームの請求書発行パフォーマンスを計測するために、請求書発行時間と5秒以内に完了した請求書の割合を定期的に計測し、製品のパフォーマンス指標を評価します。請求時間の計算ルールは、請求リクエストを開始してから請求書が正常に発行されるまでの時間差です。

（２）機能利用率

請求書製品には、複数の請求方法、複数の請求書回収方法、複数のクエリ統計ディメンションなどが含まれます。機能の使用方法をまとめ、コア機能を区別し、需要調査に基づいてリソース投資の方向を評価します。機能の使用に関する統計ルールは、機能メニューのクリック数です。

（３）請求方法に関する統計

請求には多くのシナリオがあるため、どのシナリオがより人気があり、どのシナリオがあまり使用されていないかを把握する必要があります。頻繁に使用されるシナリオに対して、さらなる最適化を継続的に実施していきます。たとえば、QR コードをスキャンして請求書を発行する場合、10 を超える分岐ロジック処理をサポートし、シナリオを可能な限り拡張するように努めています。比較的使用頻度の低い請求方法については、調査を組み合わせて需要と製品の分析を行い、製品設計に問題があるのか​​、需要自体が十分に厳格でないのか、ユーザーの使用方法に問題があるのか​​を判断し、対応する製品戦略を提供する必要があります。請求方法の統計ルールは、請求を成功させるためのデータ ソース メソッドです。

上記は製品指標のいくつかの例です。各製品には独自の特性とシナリオがあり、自社製品を評価するための指標を見つける必要があります。これらの指標は、当社が製品を改善するための参考資料としてのみ使用されます。具体的な状況を判断するには、研究と組み合わせる必要もあります。指標データは「健康診断報告書」のようなもので、研究を組み合わせることでのみ「病気の原因を知る」ことができ、その後の製品反復で「適切な薬を処方」できるようになります。

運用データの指標分析は SaaS 企業にとって非常に重要であり、企業や投資家からよく言及されます。より重要な指標としては、更新率、平均注文額、顧客生涯価値、顧客獲得コストなどがあります。

これらの指標について簡単に説明しましょう。

（１）顧客獲得コスト（CAC）

それぞれの新規有料顧客を獲得するための一回限りのコストは、企業の事業開発能力と事業効率を反映します。

顧客獲得コスト = すべてのマーケティングおよび販売費用の合計 / 獲得した新規顧客数

（２）顧客維持コスト（CRC）

有料顧客を獲得したら、その顧客を継続的に維持するためのコスト。

顧客維持コスト = サブスクリプション顧客が有料ステータスをオンにした後のアフターセールス チームまたはカスタマー サクセス チームのコスト。これには通常、配送担当者の調整コストやクラウド ストレージ料金などが含まれます。

顧客維持がビジネス チームにも関連している場合は、ビジネス チームの費用もそれに応じて計算する必要があります。企業によって職務責任の範囲に関する要件は異なります。式を厳密に適用すると、大きな計算偏差が発生する可能性があります。

（３）月次経常収益（MRR）

各加入顧客の年間サブスクリプション料金は、月々の支払いに分割され、合計されます。

MRR = すべての有料顧客からの月額サブスクリプション料金の合計。

MRR は、SaaS 企業の評価を反映する最も重要な指標の 1 つです。

（4）年間経常収益（ARR）

サブスクリプション顧客からの定期収益を 1 年間の値に正規化します。通常、ARR には契約で合意された固定サブスクリプション料金のみが含まれ、アドホック サービスや 1 回限りのサービスに対する料金は含まれません。

（５）予約金額

契約に基づき顧客が支払うことを約束した金額（法的拘束力あり）を指します。契約金額自体は、顧客との契約関係が成立したことを意味するものであり、顧客が必ずしも支払うとは限らず、金銭的な収入を表すものではありません。

契約金額の一部が拘束力を持たない場合（協力覚書や枠組み合意など）、通常は当初は契約金額に含まれず、発注書が生成されたときにのみ含まれます。

（6）総契約額（TCV）

複数年契約の合計購入金額を含む、拘束力のある契約の合計金額。

（7）年間契約額（ACV）

1 年間の契約金額。複数年契約の場合は、ACV=TCV/契約年数として直接計算して見積もることができます。

（８）顧客更新率

顧客更新率 = この期間に実際に契約を更新した顧客数 / この期間に契約を更新すべきだった顧客数

（9）ドル更新率

アルゴリズムは 2 つあります。

MRR更新率 = この期間の実際の更新顧客のMRR / 更新前のこの期間に更新する必要がある顧客のMRR

予約更新率 = この期間に更新する顧客の予約数 / 更新前のこの期間に更新する顧客の予約数

（10）顧客離脱率

顧客離脱率 = 今期の顧客離脱数 / 前期末の顧客数 = (前期末の顧客数 - 今期末の顧客数 + 今期の新規顧客数) / 前期末の顧客数

（11）収益解約率

損失率 = (当期損失RR + 減損RR - 増価RR) / 前期末RR

RR（Recurring Revenue）はサブスクリプション収益です

（12）ロゴ保持率

ロゴ維持率 = (この期間末の顧客数 - この期間中の新規顧客数) / 前期間末の顧客数 = 1 - 顧客離脱率

（13）純ドル留保（NDR）

NDR = この期間に以前のサブスクリプション顧客が貢献したMRR / 前期間に以前のサブスクリプション顧客が貢献したMRR

（14）顧客生涯

これは、顧客が企業に収益をもたらし続ける期間の合計を指します。顧客生涯 = 1/顧客離脱率

（15）アカウントあたりの平均収益（ARPA）

一定期間（通常は 1 か月または 1 年）に各顧客が貢献した平均ビジネス収益を指します。

ARPA = MRR / 顧客数

（16）生涯価値（LTV）

顧客が継続的に貢献できる収益額を反映します。 LTV = ユーザーあたりの平均月間 MRR × 顧客ライフサイクルの月数

これらの SaaS 指標のデータはどこから来るのか、またそれをどのように処理するのかについては、データ分析手法が必要です。

たとえば、顧客獲得コストを計算するには、まずその期間の新規ユーザーの数を数え、次にその期間に発生した賃金、旅費、業務費、その他の経費などの事業経費を計算する必要があります。 SaaS 顧客獲得のフォローアップ時間が長い場合は、顧客獲得サイクルも計算する必要があります。平均顧客獲得サイクルを通じて、対応する事業支出期間におけるさまざまな費用を計算できます。

ここには多くの実用的な詳細が関係しています。指標分析を行う際には、各指標を分析して確認する必要があります。指標の定量的な定義、データソース、データの粒度、サイクルの一致、データの範囲などを一つずつ処理する必要があります。

SaaS 製品では、顧客プロファイルを作成し、そのプロファイルを使用して類似の顧客を見つけ、製品のサブスクリプションを推奨することができます。また、プロファイルで解約の可能性が高いとマークされた顧客をカスタマー サクセス チームにプッシュして、フォローアップや更新の促進を行うこともできます。ユーザー ポートレートはデータ分析の応用であり、ユーザー ポートレートのラベリング システムを確立するプロセスでは、データ分析を広範に使用する必要があります。

C エンド製品では、ユーザー ポートレートは製品構成のほぼ標準的な機能です。エンタープライズレベルの SaaS 製品では、ユーザー ポートレートは製品サブスクリプションの更新にも非常に重要であり、真剣に考慮する必要があります。

SaaS 製品のユーザーをプロファイリングする場合、エージェント、法人顧客、個人ユーザーなど、複数のエンティティが存在する可能性があります。法人顧客を例にとると、説明する際には、企業の基本情報、企業のビジネス情報、企業の行動情報など、ラベルと呼ばれる複数のトピックに分割します。この情報から、データの計算、分析、ルールの定義を通じて、アクティビティや価値などの複雑なラベルを生成できます。

次の図は企業ポートレートの例です。

さまざまなデータ分析要件は、最終的には、データ分析要件を表現する基本的な方法である指標に変換する必要があります。

指標とは、特定のオブジェクトを定義、評価、および説明するために使用される標準または方法です。例えば、新規ユーザー数、累計ユーザー数、解約ユーザー数などはユーザーの成長を測る指標であり、平均顧客単価、平均顧客単価、平均粗利益率などは経営状況を評価する指標です。

特定の指標を設計または定義する場合、定義する指標の種類を区別し、異なる次元と区別する必要があります。分け方はいろいろあります。

指標の計算ロジックに応じて、指標はアトミック指標、複合指標、派生指標の 3 つのタイプに分類できます。これは比較的よく使われる指標分類方法です。で：

• アトミック指標: 基本指標とも呼ばれ、取引数、取引額、取引ユーザー数など、ビジネスエンティティのアトミックな定量的属性を表す一連の不可分な概念を指します。
• 複合指標: 平均ユーザー取引額、負債対資産比率など、基本指標に基づいて一定の計算ルールに従って形成された計算指標のセットを指します。
• 派生指標：基本指標または複合指標に、ディメンションメンバー、統計属性、管理属性などを組み合わせて生成された指標で、完了値、計画値、累計値、前年比、前月比、取引金額の割合などが含まれます。

さらに、異なる記述オブジェクトに応じて、ユーザーインジケーター、イベントインジケーターなどに分類されます。

• 指標の変化頻度に応じて、静的指標と動的指標に分けられます。
• 次元別には、ユーザー指標、収入指標、行動指標などがあります。
• 顧客ライフサイクル別に、顧客獲得指標、契約履行指標、解約指標などに分かれています。
• 重要度に応じて、主要指標と副次指標に分けられます。
• 管理機能に応じて、観察指標、制御指標、チャレンジ指標に分類されます。

ラベルはインジケーターの詳細な処理の結果であり、人物またはエンティティ オブジェクトの説明に重点を置いています。ラベルは、ビジネス シナリオのニーズに基づいて、抽象化、帰納、推論などのルールやアルゴリズムを対象オブジェクトに適用することで得られる高度に洗練された機能識別子であり、差別化された管理や意思決定に使用されます。

ラベルはインジケーターをさらに発展させたものです。それらの分類は似ていますが、異なる点もあります。

ラベルの可変性に応じて、静的ラベルと動的ラベルに分けられます。

ラベルの基準や評価指標の違いにより、定性ラベルと定量ラベルに分けられます。

ラベル システムの階層的かつ階層化されたアプローチに従って、ラベル システムはプライマリ ラベル、セカンダリ ラベル、三次ラベルなどに分割できます。ラベルの各レベルは、ビジネス ディメンションのスライスに相当します。

複雑さに応じて、基本タグ、ルールタグ、モデルタグに分類されます。その中で、基本ラベルは通常、事実データに基づいており、身長、体重、性別などの指標と重複する度合いが高いです。ルール ラベルは通常、いくつかの単純なルールによって制御され、高価値顧客ラベルなどの特定のルールが満たされた場合にのみ、対応するラベルが生成されます。いくつかの指標が特定の条件を満たす場合、ユーザーを高価値顧客としてマークできます。モデル ラベルは通常、マイニング ラベルとも呼ばれる特定の機械学習アルゴリズムを通じて生成する必要があります。モデル タグはデータに基づいてモデル化されます。モデルとルールの違いは、ルールはビジネス経験に基づいてビジネスの専門家によって複数の指標を組み合わせて生成されることです。ルールには予測機能がありません。モデルの生成は、科学的なアルゴリズムを適用して指標を計算することであり、モデルには予測機能があります。

SaaS 製品には、顧客獲得段階、維持段階など、顧客段階ごとに異なるラベルがあります。顧客獲得段階: ポータル Web サイトにおけるユーザーの閲覧行動、顧客の基本情報の取得、既存の​​ユーザー グループのマッチングなどに重点を置くことができます。維持段階: 操作頻度、ニーズと問題のフィードバック、ニーズと問題の満足度、追加の製品購入、紹介など、製品に対するユーザーの参加に注目することができます。

機能、シナリオ、制作プロセス、プレゼンテーション方法など、さまざまな側面から比較します。

指標は情報化時代の共通言語です。指標は、物事や出来事のプロセスの包括的かつ体系的な説明に重点を置いています。指標の記述範囲は広く、プロセスと結果の両方をカバーします。インジケーターは、より厳密なロジックと、より真剣な表現スタイルを備えています。通常は数値型を使用します。

タグはビッグデータと人工知能の時代における世界共通の言語です。ラベルはインジケーターよりも一般的かつ簡潔であり、インジケーターの詳細な処理の結果です。ラベルは、人物やエンティティの説明、ローカル機能と結果の説明、特定のビジネス シナリオとの組み合わせに重点を置きます。記述範囲は比較的狭いです。ラベルはよりリアルで、口語的で、象徴的です。

指標には、企業の戦略、管理、運用、サポートのレベルに関係する多くの適用シナリオがあります。具体的には、戦略目標、市場でのポジショニング、ビジネスの監視、パフォーマンス評価、タスクの分解、データ分析、データ モデリング、BI アプリケーションなどが含まれます。

タグの適用シナリオは、ユーザー操作により適しています。たとえば、顧客プロファイリング、新規顧客獲得、ユーザーアクティベーション、既存顧客維持、データモデリングなどです。

指標の最適な用途は監視、分析、評価、モデリングであり、ラベルの最適な用途は注釈、特性評価、分類、特徴抽出です。

結果の注釈も一種のラベルであるため、ラベルは、自然言語処理や機械学習に関連するアルゴリズムの適用シナリオにおける教師あり学習にとって非常に価値があります。一般的な指標ではこれを達成するのは困難です。タスクの割り当てやパフォーマンス管理などの分野における指標の役割も、ラベルでは達成できないものです。

指標は分解に基づく思考の一種であり、物事をいくつかの部分に分解し、複数の角度と次元から説明するために分解し、多くの指標を取得する戦略を使用します。ラベルは、特定のルールやアルゴリズムに従って複数の散在する指標を包括的に処理し、一般化された結果を得る、総合的かつ集約的な思考の一種です。

一般的に言えば、インジケーターはラベルの前に来ます。指標は経営管理指向であり、事前に計画する必要があります。ラベルはアプリケーション指向であり、ビジネス ニーズに応じて変化します。ビジネスニーズに応じていつでも追加できます。

指標の作成には通常、まずデータ品質の問題を解決し、データの基準を統一する必要があります。データ品質の問題は指標作成段階で解決されているため、ラベル作成ではデータ品質の問題が少なくなります。インジケーターには通常、複数の口径があり、口径が一貫していないのに対し、ラベルではこの点に関する問題は比較的少なくなります。

指標の表現形式は比較的単純で、通常はフォーマットされたヒストグラム、トレンド チャート、ダッシュボード、円グラフ、その他のグラフで表されます。

ラベルの表現形式は比較的複雑で、一般的には視覚的なチャートや大きな画面に基づいています。たとえば、ユーザーのポートレートを表示する場合、その特徴を表現するためにワードクラウドチャートを使用することが多いです。

指標の設計は世界的な視点から検討する必要があります。指標は孤立したものではなく、体系的に設計する必要があります。指標システムとは、散在する一点の相互に関連する指標を体系的に整理し、一点の問題を総合的に解決するシステムであり、指標と次元から構成されます。

指標システムでは通常、コアビジネス指標、主要なビジネス行動プロセスの決定、多次元分解のモデルの選択、体系的な統合の優先順位の決定など、いくつかのステップが必要です。

SaaS プラットフォームのコア指標は、一般的に、顧客成長率、顧客更新率、顧客獲得コスト、平均注文額などの指標です。当社にとって、主要なビジネス行動プロセスは、主に新規エージェントの追加とエージェントによる顧客の獲得です。当然、指標はエージェントの成長率やエージェントが貢献した世帯数などの指標に細分化されます。これをフロントリンクに拡張すると、エージェントの訪問、エージェントのコンバージョン、エージェントの顧客獲得など、AARRR 顧客獲得モデルに似た指標も含まれます。モデルは多次元分解用に選択されます。指標の構成に基づいて分解できます。つまり、単一の指標の構成を分析します。たとえば、単一の指標がユーザーである場合、ユーザーは新規ユーザーと古いユーザーに分類できます。また、第一層、第二層、第三層などの都市区分により、異なる都市のユーザー数を分析できます。また、ビジネス プロセスから細分化することもできます。さまざまなチャネルでのユーザー更新率など、ビジネス プロセスに応じて細分化して分析します。

これらの指標を分解した後、順序と重要度を整理し、優先順位を評価する必要があります。

インジケーター システムを設計する際には、いくつかの側面に注意する必要があります。

まず、1 つまたは複数の主要指標、つまりノース スター指標を確立する必要があります。主要な指標を決定すると、後で主要なタスクと優先順位を整理するのに役立ちます。 SaaS プラットフォームの North Star 指標は、更新率または成長率として設定できます。主要指標の設定は、発展段階や業界の特性に応じて異なります。

2つ目は作業の重複を減らすことです。さまざまなビジネスやビジネス ラインのデータ要件が整理され、指標項目は分割せずに再利用できる粒度に細分化されます。これらは原子インジケーターと呼ばれます。各関係者から提起された統計事項については、その後のデータ処理の負荷を軽減するために、可能な限りアトミック指標を再利用します。

第三に、データ次元の不一致による比較不能を回避するために、ビジネス、製品、技術などさまざまな側面の指標の統計的品質を統一するために、統計次元を明確にする必要があります。

説明のために、SaaS の更新率を例に挙げてみましょう。ここではまずいくつかの概念を紹介します。

業務プロセス: 業務操作が完了すると、統計指標の数量が変化します。加盟店決済、注文代金支払い、契約締結、更新サービスなど。

インジケータ識別フィールド: インジケータ名の辞書定義です。

次元: 一般的には、現象の特定の特性、特定の角度からの測定統計を指し、角度が次元です。一般的なディメンションは、データの集約、データのドリルダウン、データのスライスなどに使用できます。たとえば、異なる月のユーザー数をカウントする場合、月はディメンションになります。ディメンションは通常、時間、地域、チャネルなどです。

精度: 指標を測定する際の数値精度。特に金額などの指標を分析する場合は、小数点以下何桁を残すかを明確に指定する必要があります。

機密レベル: L1、L2、L3、L4 の 4 つのレベルがあります。 LはLevelの略です。 L1 は完全に公開され、L2 は社内公開、L3 は関連する製品ビジネス関係者と一部の中間管理職および上級管理職のみが閲覧可能、L4 は意思決定者のみが閲覧可能などです。機密レベルは自分で定義できます。

これらの概念を理解した後、インジケーターの設計例を完成させます。

（１）SaaSの更新率は複合指標であり、以下のように表される。

顧客更新率 = 実際にサブスクリプションを更新した顧客数 / サブスクリプションを更新すべきだった顧客数

実際の更新顧客数は、統計期間中に実際にサブスクリプションを更新したユーザーの数を示すアトミック指標です。

契約更新予定顧客数は、最終サービス月（またはサービス有効期限）が統計期間内にある顧客の数を示すアトミック指標です。

（２）指標が決定された後、統計的側面を追加する必要がある。ディメンションを使用してのみデータを比較できます。

• 時間ディメンション、年間更新率、月間更新率。
• 地域的側面、州別の統計;
• エージェントディメンション: さまざまなエージェント顧客の更新率。
• 業界ディメンション: 企業が属するさまざまな業界の更新率。

（３）指標のマーキングを容易にするために、指標の識別辞書を作成することができます。経験があれば、事前に辞書テーブルを構築しておくこともできます。経験がない場合は、指標分析の過程で徐々に構築することができます。実際のビジネス状況に基づいて、顧客の更新率は次のように特定されます。

fp_顧客更新率

最初の単語 fp は請求商品ラインを意味し、2 番目の単語 customer は顧客指標（他には代理店指標など）、3 番目の単語 renew は更新（他には新規追加、損失など）、4 番目の単語 rate は比率（他には数量、金額など）を意味します。

a.指標辞書表

上記の情報を要約して整理すると、シンプルな指標記録表が作成されます。指標記録表には、以下の項目を含めることができます（表示の便宜上、ここでは縦の表として記載していますが、実際の作業では横の表の方が一般的です）、参照表：

指標辞書が確立された後、関連データを処理し、指標をいくつかのチャートを通じて表示する必要があります。

インジケーターの設計と同様に、ラベルを設計する際にもラベル システムを確立する必要があります。

ラベリング システムの価値を真に実現するには、ラベリング システムの構築はビジネス シナリオに基づいて行う必要があり、ビジネスと連携してビジネスの成長と最適化を促進する必要があります。

ステップ 1: 目標を決定し、ビジネス目標を分析します。

ステップ 2: ターゲット オブジェクトを選択し、ニーズに応じてタグ付けするビジネス オブジェクト (通常は顧客、ユーザー、アクティビティなど) を決定します。

ステップ 3: ラベルの複雑さに応じてラベル階層を設計します。一般的に、より複雑なラベル システムには 3 つのレベルがあり、必要に応じてレベルを追加または削除できます。

ステップ4：ラベル定義、ラベルタイプ、適用範囲、ラベル生成ロジック、ラベル値など、詳細なラベルとラベル値を設計します。（2）ラベル設計例

SaaS プラットフォームの外部ユーザーには 3 つの種類があります。 1 つは、企業がリーチするユーザーである C エンド カスタマーです。 1つは、当社のプラットフォームサービスの主体となる法人顧客です。 1 つはエージェント ユーザーで、プラットフォームが法人顧客を開拓するのを支援するパートナーです。

当社のプラットフォームサービスの主体は法人顧客です。ここでは法人顧客を主体として例を挙げて説明します。

（１）事業目的

SaaS 製品の更新は経営管理の重要なタスクであり、顧客アクティビティは顧客更新の評価において重要な要素となります。

（２）タグの定義

顧客活動はさまざまな側面に反映され、企業顧客の全体的なユーザー行動によって判断できます。たとえば、何人のユーザーが使用しているか、ユーザーが請求書を発行する頻度などです。顧客アクティビティ ラベルは次のように定義します。

上記の表は簡略化されたラベル定義モデルです。ユーザーのアクティビティには、請求シナリオなどのコア機能の使用頻度などの側面も含まれます。値の定義は複数の間隔で定義することもできます。例えば、利用者数を2人未満、2人以上5人未満、5人以上といった複数の区間値に分割することができます。

（１）タグの完全な定義

表 10-2 は、タグ属性値の具体的な定義です。タグ システムを確立する場合、タグ属性値は重要ですが、それだけでは完全ではありません。ラベルの完全な定義は次のとおりです (ラベル設計プロセスでは、Excel テーブルを使用して記録できます)。

第 1 レベルのカテゴリ: エンタープライズ

二次カテゴリ: 行動特性

レベル3カテゴリー: 統計的行動

タグ名: 顧客アクティビティ

優先度: 高

タグ番号: qy_xw_tj_hyd

タグの種類: 統計

属性値タイプ: 列挙クラス

データソース: ユーザーテーブル、請求書テーブル

計算ロジック: 表10-2を参照

属性値: 高アクティビティ、中アクティビティ、低アクティビティ

権限の所在: カスタマーサクセスチーム、管理チーム

（２）データ取得

ラベル設計プロセスでは、データ ソースと計算ルールを指定する必要があります。一般的に、ラベル データ ソースは、ビジネス データ、ユーザー基本データ、ログ データ、調査データ、アルゴリズム処理データなどです。この記事の例のラベル データ ソースは、ユーザー基本データ (ユーザー テーブル) とビジネス データ (請求書データ テーブル) です。ソースは比較的明確で、ルールもシンプルです。

この記事はもともと @原始森林 によって Everyone is a Product Manager に掲載されました。無断転載禁止

タイトル画像はCC0プロトコルに基づいたUnsplashからのものです

この記事で述べられている意見は著者自身の意見のみを表しており、人人士品夢家プラットフォームは情報保存スペースサービスのみを提供します。