優れたデータ分析のための6つのステップ
元米国郵政長官で、アメリカの百貨店の父であるジョン・ワナメーカー氏は、「広告に費やしたお金の半分は無駄になっているが、問題はどの半分が無駄なのか分からないことだ」と嘆いた。 同じような叫び声が今、私たちの周りでよく聞かれます。 学生 A: プロジェクトが完了した後、プロジェクト データを取得して、自分の計画がデータの増加をもたらしたかどうかを確認しました。しかし、目の前の Excel テーブルに大量の密集した数字が並んでいるのを見て、どこから始めればいいのかわかりませんでした... 学生 B: 彼は、多大な労力を費やしたプロジェクトデータを入手した後、プロジェクトで実装したいくつかのソリューションを検証することに熱心でした。彼はプロジェクトの過去のデータも比較しました。多大な努力の末、全体的なデータが増加したことがわかりましたが、影響要因が多すぎたため、どの具体的な解決策が機能したのかはわかりませんでした... 私たちがよく遭遇するのは、データをどのように使用して実用的な効果をもたらすのかわからないということです。前回の記事「データをどのように活用してデザインを導くのか?」「デザイナーにとってのデータの価値」では、デザイナーにとってのデータの価値、データとは何か、いつデータを見るべきか、データに基づくデザインの基本的な考え方について説明しました。この記事では、実際のデータ分析の手順に焦点を当て、その実行方法について詳しく説明します。 データ分析は主に、X の質問の作成、仮説の提案と指標の選択、データの収集と整理、データ分析、データの提示、フォローアップの推奨事項の作成という 6 つのステップに分かれています。 以下では、これら 6 つのステップに焦点を当てて、各ステップの実行方法を詳しく説明します。 本質的に、データ分析の最終的な目標は問題を解決することです。異なる開始点から得られるデータ結果は大きく異なる可能性があります。したがって、すべての分析は、解決すべき重要な問題が何であるか、そしてなぜその問題が最も重要であるかを特定することから始めなければなりません。これら 2 つの質問は、データ分析の目的を明確にするという、問題を組み立てるプロセスにつながります。 (1)どこから始めるか: ① 予測分析については、既存の戦略計画に基づいて対応する定量的な測定方法を見つけることができます。たとえば、プロモーション ページ A のメリットを強調してユーザーの購入を促進しようとする場合、X の質問を「メリット情報を強化することでコンバージョン率を高めることができますか?」と直接設定できます。 ② 予測分析(問題や機会の発見)がなければ、問題構築の出発点はビジネス視点でのビジネス目標となることが多く、指標分解、経験判断、水平比較、論理的推論などを通じて効果的な実施方法が模索されます。例:電子商取引プロモーションページBの中核目標は「GMV(売上)の増加」であり、GMV = トラフィック * コンバージョン率 * 平均注文額です。コンバージョン率、平均注文額、その他の指標の改善を中心としたソリューションを探すことができます。 (2)重要かどうかを判断する ① 予測問題の場合、検証結果が信頼できるかどうかを評価するための指標を直接探すことができます。 ②予測(問題や機会の発見)がない場合は、問題解決後に最も重要なビジネス目標がどれだけの利益をもたらすかを評価できます。例えば、上記のGMV増加のケースでは、同種のページのデータを横並びで比較すると、このページのコンバージョン率は1.8%で、類似ページのコンバージョン率4.7%よりも大幅に低いことがわかりましたが、トラフィックと平均注文額は類似ページとほぼ同じでした。そのため、コンバージョン率は「GMV(売上)を上げる」ためのキーポイントとなる可能性が高いと判断され、「コンバージョン率を向上させるためのキーファクターは何か」が、このページのデータ分析における重要な課題と定義できます。 (3)X問題を定義する さまざまなタイプに応じて疑問文で表現できます:how/which/whether/what is the reason… 経験によると、洗練後の一般的な問題は次のカテゴリに分類でき、それぞれはX問題で説明できます。
(4)質問が広範囲になりすぎないように注意してください。 多くの場合、信頼性が高く決定的な結論に達するには、データを収集し、それを検証可能な仮説に適用する必要があります。質問が広すぎると、データ収集が非常に難しくなります。たとえば、「プロジェクト D のデータ効果は向上しましたか?」この例では、「改善されたか」の方向性としては、新規顧客獲得効果は改善されたか、売上は改善されたか、直帰率は改善されたかなどが考えられます... 非常に多くの方向があり、あらゆる方向を探索すると、分析が無限の海に迷い込んでしまい、道に迷ってしまいます。しかし、問題の範囲をあまり早く限定しないでください。最初は、問題についてオープンな姿勢で考え、頭の中でいくつかの方向性を思い描きます。たとえば、「プロジェクト D の売上向上につながる可能性のある状況は 1、2、3 です。予備データに基づくと、3 の可能性が高いです。」その後、3 の方向で詳細な分析を実施できます。 前のステップでは、データ分析の目標である X 問題を特定しました。次に、問題Xに焦点を当て、その問題に対する結論仮説を提案し、仮説が有効かどうかを検証するためのモデルを構築(測定指標を選択)します。 1.2.1 仮説を提案する 事前に設定された質問の場合、ソリューション A はコンバージョン率の向上に役立つなど、質問から直接仮説を導き出すことができます。実装されていない問題については、その問題に関する考えられる仮説をすべて検討する必要があります。たとえば、ページ E の直帰率は急激に低下します。考えられる理由は次のとおりです:
1.2.2 仮定に基づく指標の選択 異なるタイプの仮説には異なる測定方法が必要であり、一部の仮説では検証に定性的な調査が必要になる場合があります。電子商取引の定量データの範囲に関しては、次のアイデアを参考にすることができます。
データ ソースは定量的データと定性データに分けられます。定性データは研究方法に傾く傾向があります。この記事では、定量的データの収集と整理に焦点を当てます。 1.3.1 データ収集 さまざまなプラットフォームからの生データは、指数関数的な爆発段階に入りつつあります。電子商取引プラットフォームだけを見ても、さまざまなデータ指標は非常に多く、複雑です。取得前の段階では、データ製品または開発者と次の点を明確にすることが重要です。
1.3.2 データの照合 データ整理の最初のステップはデータのクリーニングです。元のデータ テーブルには、テスト データ、外れ値、ギャップなどの汚れたデータが大量に含まれていることがよくあります。これを計算や分析に直接使用すると、偏ったデータの結論が導かれたり、計算が不可能になったりする可能性があります。データクリーニングとは、元のデータ テーブルを、計算や分析が簡単にできるクリーンで整頓されたデータ テーブルに処理することです。 主なものは次のとおりです:
1.3.3 データ処理と計算 データが整理されたら、初期データ処理を実行できます。元のデータが分析要件を満たしていない可能性があります。たとえば、特定のモジュールのデータを確認したいが、元のデータがクリック位置ごとのデータに分割されている場合、各クリック位置のデータを合計してモジュール データに変換する必要があります。 また、業界標準の計算式を使用して複数の指標を数学的に計算し、別の指標を取得する一般的な状況もあります。たとえば、単一の UV 値 = GMV/ページ UV、注文変換率 = 紹介された注文数/ページ UV、1 人あたりの平均クリック数 = クリック PV/クリック UV などです。このステップを通じて、仮説を検証するために必要ないくつかの基本的な指標のデータを最初に確認できるようになります。 データがソートされたら、本当のハイライトであるデータ分析を開始します。これは最も重要なステップでもあります。データ分析には、非常に基本的でありながら極めて重要な考え方があります。それは「比較」です。基本的に、分析の 90% 以上は比較から切り離すことはできません。 2.2 仮定と測定指標の考え方に従い、「戦略 X はページ A のコンバージョン率を改善できる」という仮説を立て、この仮説の測定指標を「ページコンバージョン率」と定義します。ページコンバージョン率インジケーターを取得した場合、どの程度のコンバージョン率が良好と見なされるのでしょうか?これは戦略 X によってもたらされた改善によるものでしょうか、それとも時間の経過とともに自然に増加したものなのでしょうか?この時点で、比較を通じて分析することができます。
あらゆる角度から比較することで、現在の指標をより明確に理解し、それに基づいて次の計画を立てることができます。 1 つの記事の長さの制限により、この記事では 6 つのステップのうち最初の 3 つのステップのみを紹介し、いくつかの基本的な分析のアイデアを簡単に提示します。以降の一連の記事では、最後の 3 つのステップ (データ分析、データの提示、その後の提案) について、さらに詳しく説明します。 参考文献: Zhang Wenlin、Liu Xialu、Di Song、「初心者はデータ分析ができないと誰が言ったのか?」、Electronic Industry Press トーマス・ダベンポート金振豪(米国)「データアナリストになる」浙江人民出版社 ミルトン、M. (米国) 「シンプルな用語によるデータ分析」 電子産業出版 著者:胡耀、WeChat公開アカウント:JDデザインセンターJDC(ID:JDCdesign) ソース: この記事は、@Jingdong Design Center JDC の許可を得て、Everyone is a Product Manager に掲載されています。著者の許可なく転載することは禁止されています タイトル画像はCC0ライセンスに基づいてUnsplashから引用しています |
<<: ビジネスデータ分析のやり方(データ分析はこのように行われます)
>>: 運用データ分析を行う方法 (新しいメディア運用とデータ分析: データを活用して運用上の意思決定を行う方法)
市場、ブランド、販売、運営の曖昧な関係について声明:著者はブランディング、マーケティング、オペレーシ...
ワイルドカード SSL 証明書でサポートされているドメイン名は何ですか?ワイルドカード SSL 証明...
中国保険協会は保険業界の企業統治慣行に関する4つの基準を発表し、「3つの会議」の組織と運営手順を明確...
ユーザーの成長を支えるデータ機能のインベントリ1. はじめに近年、ユーザー増加という概念が市場で話題...
北京の SEO 最適化: 私たちが犯したいくつかの SEO ミスエラーが発生しました。検索エンジン最...
Baota Panel は、Linux および Windows システムをサポートする、シンプルで使...
カスタマイズ農業:ジャック・マーのアイデアの一つ、小規模農家に適した新しいマーケティングモデル(計画...
広東省文化観光:文化と観光の融合による無形文化遺産の活性化、特色発揮、継承の促進China.com、...
データ分析求人検索これは私たちの乾物の最初の品です。毎日更新のリズムを保ち、皆さんと共有できるように...
ビッグモデルが人気ですが、データのセキュリティをどのように確保するのでしょうか?業界の専門家が浦東で...
2019年中国情報フロー広告レポート:モバイル広告市場規模は4000億元を超え、情報フローが広告の...
ネットワークの企画と推進上海ウェブサイト構築会社 - ウェブサイト制作とデザイン - カスタマイズウ...
Semushを無料で利用できる期間はどのくらいですか? Semush は、世界的に人気の高いオンライ...
3つの製鉄所は市場志向の運営メカニズムを徹底して実施している3つの製鉄所は市場志向の運営メカニズム...
モバイルゲームの運営とプロモーション、Testin Cloud Testing ASOサロン広州深圳...