データ操作方法論（データ操作の6つのステップ、方法論から開始するための事例まで）

データ操作の6つのステップ、方法論から事例まで、始めるのに役立つ情報

製品発売前後の準備

製品は基本的に開発済み、もしくは開発直後であり、製品の品質、関係する同級生のサポート、販売促進のための準備が必要です。この記事は主に上記の3点をまとめたものです

1. 販売促進

1. 優れたリソースを集中し、ターゲット顧客に影響を与える広告媒体に圧倒的な投資を行う

2. 大手企業顧客向けの新製品発表会を開催する

3. オンラインとオフライン

4. 関連する活動を組織し、次々と勢いをつける

2. 品質テスト

1. 社内トライアル、小規模テスト、イベントテストを企画する

2. 企業が実際に使用するプロセスを完全にシミュレートして、プロジェクト管理SOPのセットを作成します。

3. 製品ドキュメントの準備とトレーニング

1. 関係パートナーの準備とトレーニング: KA、プロジェクト マネージャー、製品運用など。

2. 製品紹介：製品名のスローガン、現状と問題点、ソリューション、利点と機能、技術サービスの安定性、プロモーションビデオ、顧客事例（後日更新予定）、デモアカウント

3. 製品マニュアル：製品の紹介とバージョン改訂記録、全体的な実行プロセス、使用プロセス、注意事項、FQAリスト

4. 製品見積もり: 競合製品を参照し、営業およびプロジェクト マネージャーと交渉するなど。

5. 製品のクローズドループドキュメント: 電子メール/SMS通知テンプレート、監査要件ドキュメント

6. ストレステストレポート: KAの売却を支援

7. 製品使用ドッキング テーブル: 顧客情報、KA/プロジェクト マネージャー情報、予算コスト、実装計画

8. プロジェクト運営管理SOP: 全体の連絡担当者、オンラインおよびオフラインのプロセス段階の完了、各段階の担当者、進捗報告

9. 販売支援ドキュメント: 競合製品との主要機能の比較、長所と短所の比較。顧客事例収集（後期）

---

データ操作の6つのステップ、方法論から事例まで、始めるためのガイド

1. データ操作

1. 目的

運用データを分析することで、ユーザー向けに差別化された運用をさらに実行できるようになります。

2. コア

問題にどのような側面が含まれているかを分析し、大きな割合を占めるポイントや力を入れられるポイントを最適化します。

2. データ分析プロセス

1. 作業項目を分割する

オペレーションは些細な事柄が多く関わる仕事です。運用担当者は、半分の労力で 2 倍の結果を達成するために、自分の作業項目を分割し、さまざまな作業項目の特性に基づいて特定の運用データをターゲットを絞って分析できる必要があります。

では、作業項目をどのように分割するのでしょうか?これは、通常ユーザー分類に関連する、対象とするユーザーグループに応じて細分化することができ、作業を、一般ユーザー全体、アクティブユーザー、有料ユーザーなどを対象とするものなどへと分割することができます。作業をプロジェクトに分割することもできます。また、さまざまなステージの目標を時系列で決定し、独自の目標に応じて作業項目を分割することもできます。

2. 指標システムを確立する

作業項目を分割すると、各作業項目に異なるインジケーターが設定されます。業務データ指標を業務項目の特性に応じてさらに細分化・精緻化し、各指標の分析を通じて運用上の問題点を判断し、運用計画を継続的に最適化していく必要があります。

分割ディメンションは、データ包含構造または各作業項目に含まれるサブ項目に基づくことができます。

ユーザーオペレーションを例にとると、ユーザーオペレーションには、新規ユーザーの誘致、アクティベーションの促進、ユーザーの維持、有料ユーザーへの転換などが含まれます。新規ユーザーの獲得に関しては、登録ユーザーの規模と成長率が重要な指標となります。チャネル品質 - 登録チャネルとチャネルの登録コンバージョン率はどれくらいか。登録プロセスの品質 - 登録を完了したユーザーの数、および登録プロセスにおけるユーザーの脱落ポイントに関する統計。登録ユーザーの行動追跡 - 登録完了後のユーザーの行動に関する統計。

3. 分析目的を絞り込む

分析目標を絞り込むということは、運用目標に基づいて最適化できるデータ ポイントを決定することを意味します。このステップは、その後のデータの抽出、処理、分析の基礎となります。

簡単な例を挙げると、イベントを終えたばかりで、次回同じまたは類似のイベントを開催するときに最適化できる領域を知りたい場合、最終的な参加効果だけでなく、イベントプロモーションのチャネルは何か、各チャネルの参加パスは何か、パスの各ステップに何人が参加したか、コンバージョン率はどれくらいか、などにも注意する必要があります。分析の明確な目標が決まったら、どのデータポイントを抽出するかを決めることができます。

4. データの抽出と処理

データの抽出には、データ追跡の問題が伴います。製品設計の初期段階で、運用担当者は主要な運用ポイントを計画し、追跡ポイントをリストして開発者に提出し、後の操作中に特定のデータを表示したいがデータ レコード情報がないという状況を回避する必要があります。

さらに、抽出されたデータは分析段階に入る前に一連の処理を経る必要があります。

では、一般的なデータ処理には何が含まれるのでしょうか?

まず、取得したデータをクリーンアップする必要があります。これは、データ内の重複、欠落項目、矛盾項目、異常なピークや谷を処理するプロセスです。重複したアイテムを削除する方法は多数ありますが、ここでは詳しく説明しません。欠損データを処理する最も一般的な方法は、平均値でデータを埋めることです。平均値は、すべてのデータの算術平均、または一定期間の平均値になります。矛盾する項目は誤ったデータを指します。例えば、データはすべて1桁の数字だったはずなのに、抽出したデータに複数の数字が現れたり、名前欄にメールアドレスが現れたりなどです。このとき、データ抽出時のエラーなのか、データ入力時のエラーなのか確認する必要があります。抽出時のエラーであり、そのエラーが結果分析に大きな影響を与える場合は、速やかに担当者にフィードバックする必要があります。

収集されたデータのピークと谷には特に注意してください。これらは多くの場合、問題分析の鍵となります。一般的に、データのピークや谷が発生する理由としては、追加のプロモーション機会、システム障害、統計上のバグなどが挙げられます。

第二に、データをさらに処理する必要があります。抽出されたデータは直接分析するには適さない可能性があるため、このときは VLOOKUP 関数やピボット テーブルなどの関数やツールがよく使用されます。

上記の洗浄および処理手順の後、予備分析に使用できるデータが得られます。詳細な分析を行うには、これらのデータをさらに処理する必要があります。

5. データ分析の概要

（１）データ分析方法

一般的なデータ分析方法には、比較分析、構造分析、平均分析、重量分析、デュポン分析などがあります。

1) 比較分析

さまざまな次元に沿って比較を行い、データの変化を調査し、そこに含まれるパターンや洞察を発見することを指します。

比較の次元には、期待される目標との比較、異なる期間での比較、同業他社との比較、操作前の結果との比較、異なるユーザー間の比較、異なる操作間の比較などがあります。

次に、異なる期間のデータを比較してユーザー プロファイルを作成し、ユーザー プロファイルに基づいて運用戦略を調整する方法について例を使用して説明します。

上記の折れ線グラフは、特定の製品の毎日のアクティブユーザー数の変化パターンを反映しています。 2016年4月上旬から7月上旬までは、基本的に1週間のサイクルで変化しました。データが大きいポイントは主に週末であったため、この製品の主なユーザーは学生であると推測できます。さらに、1 日のアクティブ データは 6 月にわずかに減少しましたが、7 月中旬以降は増加しており、その変化は基本的に学生の期末試験や休暇の時期と一致しており、ユーザーの状況をさらに裏付けています。

2) 構造解析法

分析対象集団の各部分と全体との比較分析は、多くの場合、構造相対指数（＝（部分／全体）×100％）によって表現されます。値が大きいほど、全体におけるその部分の重みが大きくなり、その部分の重要性が増し、全体への影響が大きくなります。

3) 平均分析法

これは、特定の条件下での指標の一般的なレベルを反映し、主にビジネスの健全性を測定するために使用されます。

たとえば、ある製品には A、B、C という 3 つの販売チャネルがあります。これら 3 つの販売チャネルのうちどれが収益に最も貢献しているかを知りたい場合は、これら 3 つのチャネルの平均売上高を計算できます。このとき、平均分析法における「平均」には前提条件があり、平均を計算するために使用したデータが有効であるかどうかに基づかなければならないことに注意する必要があります。たとえば、ある日突然チャネル A の売上データが 0 に落ち込んだ場合、これは非常に異常です。現時点では、問題がどこにあるのかを突き止める必要があります。その日にチャネル A で何らかの突然の障害が発生したためであれば、このデータを除外して平均値を計算する必要があります。

つまり、平均値が高いほど、ビジネスが健全であることを意味するのでしょうか?

不確か。たとえば、A はダウンジャケットを販売し、B はショートスカートを販売しています。夏には、A の平均売上高は B よりも低くなりますが、これは A のビジネスが B よりも悪いことを意味するものではありません。

平均分析法は、両者の事業や状況が比較的類似している場合、つまりよく言われるように比較可能な場合にのみ意味を持ちます。

4) 重量分析法

複数の指標を、分析と評価のために全体の状況を反映できる 1 つの指標に変換します。具体的なアプローチとしては、各指標の重みを決定し、処理された指標を合計して総合評価指数を算出するというものです。並列関係にあるサブカテゴリを分析するためによく使用されます。

図に示すように、製品には A、B、C の 3 つのプロモーション チャネルがあります。これらの 3 つのチャネルは、さらに、母親と乳児向けの製品の購入の推奨によるコンバージョン、関連するオフライン アクティビティへの参加によるコンバージョン、およびパブリック プラットフォームからのコンバージョンに分けられます。チャネルA、B、Cの品質を測定する場合は、セグメント化された各チャネルに一定の重みを設定し、「チャネル品質」という指標に対応する数式を定義し（例：チャネル品質 = 母子用品購入後の推奨コンバージョン数 * 60% + オフライン活動によるコンバージョン数 * 30% + パブリックアカウントによるコンバージョン数 * 10%）、加重合計を取ることで3つのチャネルの品質を比較します。

重みを設定する基準は何ですか? 1 つは各セグメント指標の重要性に基づいており、もう 1 つは過去の営業実績に基づいています。先ほどの製品を例に挙げてみましょう。商品が母子用品関連であると仮定すると、これまでの運営経験から、母子用品購入後におすすめで集客したユーザーは、将来的にアクティブユーザーになる確率が高くなります。したがって、このチャネルの重みはそれに応じて高く設定できます。公式アカウント経由で流入したユーザーの離脱率は非常に高いため、その重みは比較的低く抑えられます。

5) デュポンの分析

デュポン分析は、アメリカのデュポン社によって考案され、初めて採用された総合的な分析方法です。さまざまな指標間の内部接続を活用することで、運用状況や利益を総合的に分析・評価することができます。

図に示すように、製品のアップデート後に最近の収益が減少し、上司からその理由と調整できる点を分析するように求められた場合、収益を「収益 = 有料ユーザー数 * ARPU (ユーザーあたりの平均収益)」に分割できます。次に、有料ユーザー数を分割します。有料ユーザー数 = アクティブユーザー数 * 支払い普及率。有料普及率はほとんど変化していない一方で、アクティブユーザー数は減少しており、アクティブユーザー数の内訳がさらに細分化されていることが分かります。アクティブユーザー数 = 新規ユーザーのうちのアクティブユーザー数 + 既存ユーザーのうちのアクティブユーザー数。既存ユーザーのうちアクティブユーザー数が増加し、新規ユーザーのうちアクティブユーザー数が減少する場合は、さらに分割することができます。次に、新規ユーザー = プロモーションの対象となる人数 * コンバージョン率を分析します。コンバージョン率が基本的に変わらない場合は、プロモーション チャネルをセグメント化します。データによると、チャネル 1 は減少し、チャネル 2 は増加しました。インジケーターを分割できなくなるまで、さらに分割を続けます。セグメント化された指標を分析して、最終的な収益に大きな影響を与えるものは何か、変更の理由は何か、人的調整計画を通じて改善できるかどうかなどを確認します。

（２）データ変動の原因

データ変更の一般的な理由: 時間、プロモーションとリーチ、運用アクティビティ、関連する特性、ユーザー属性と構成、障害、業界動向。

最初の 3 つについては詳しく説明しません。ここでは最後のいくつかの要素について説明します。いわゆる相関特性は、実際にはデュポン分析法によって分割された要素であり、ユーザー属性と構成要素は、同じ製品または活動の日々の活動、支払い、およびその他のデータがユーザーごとに変化するという事実を指します。業界動向が業務データに与える影響：昨年非常に人気があったO2Oを例に挙げてみましょう。昨年はO2Oという概念が特に流行し、この市場に多額の資金が投入されました。各種補助金の刺激もあり、利用者数は急増した。現在、市場は成熟しており、ユーザー数の増加は比較的緩やかになっています。

（３）まとめ

大量のデータを分析した後、最終的な結論を上司に報告する必要があります。では、要約には何が含まれるのでしょうか?一般的に言えば、どこで問題が発生し、どこで最適化と改善を実行できるかを説明する必要があります。

結論を提示する際には、チャートや PPT がよく使用されます。 PPT はこの記事の焦点では​​ないので、ここでは詳細には触れません。では、チャートに関して注意すべき点は何でしょうか?

まず、適切なチャートを選択する必要があります。たとえば、プロジェクト全体におけるさまざまなプロジェクトの割合を確認する場合は、円グラフを使用できます。データの変化の傾向を確認したい場合、プロジェクト数が少ないときは棒グラフや縦棒グラフを使用できます。データ項目が多い場合は折れ線グラフを使用できます。

次に、グラフは完全である必要があり、タイトル、軸と単位、凡例 (、脚注、データ ソース) などが含まれている必要があります。

さらに、各写真は 1 つの視点を反映しており、タイトルはデータによって反映された問題を直接述べる必要があります。たとえば、製品のユーザーがアクティブな期間を分析した場合、タイトルに「ユーザーのアクティブな期間」と書くべきではありません。代わりに、グラフに反映された結論、「特定の期間にはユーザー アクティビティが高く、特定の期間にはユーザー アクティビティが低い」と記述する必要があります。こうすることで、一目でわかりやすくなり、上司はチャートが伝えようとしている核心的な情報をすぐに理解できるようになります。

6. フィードバックと応用

注意深く観察すると、上記のデータ分析プロセスは実際には閉じたループを形成していることがわかります。要約レポートの後は、結論を実践し、データの変化を継続的に観察し、運用戦略を継続的に最適化する必要があります。

有能な Taobao ストア運営者は、経営者としての責任感、芸術家としての審美的センス、プロモーションに関する市場洞察力だけでなく、きめ細かな顧客サービスも備えていなければなりません。オペレーションは店舗の魂とも言えます。操作は難しくも簡単でもありませんが、自分なりのプレイ方法を確立しておけば、操作はそれほど面倒ではありません。今日は、有資格オペレーターが持つべき資格について紹介します。

1. データ分析やカテゴリー最適化などの基本的なスキルを有する

カテゴリの最適化、データ分析、プロモーションの最適化などが含まれます。オペレーターは、製品構造の最適化、製品機能の表示、関連プロセスとユーザーエクスペリエンスの構築、プロモーション活動の整理、販売プロセスの追跡、販売データの分析を行い、全体的なエクスペリエンスを継続的に最適化および改善する必要があります。

2. 専門的な指導と総合的な調整能力

オペレーターは、プロセス SOP 仕様を確立し、さまざまな問題を解決する責任を負います。したがって、統合と調整について話す前に、関連部門の業務内容を熟知している必要があります。

たとえば、カスタマー サービスと物流のフィードバックに「靴は購入者に配達されたときに破損していました」と記載されている場合、オペレーターは購入した商品に問題があるのか​​、倉庫の梱包に問題があるのか​​を判断する必要があります。その後、購買部門や倉庫部門とコミュニケーションを取り、靴そのものを基準に、購買チャネル、梱包コスト、粗利率、梱包方法などの解決策を提案し、各部門の実施を調整しました。

3. 業界に対する理解。

上級オペレーターの最も重要な役割は、ビジネスモデルの創始者と一貫して、業界に精通し、人間性を理解し、データを分析し、トレンドを把握し、製品構造、販売方法、コスト構造などの最適化と変更を主導することです。 オペレーションの基本スキルが「芸術」であるならば、業界を理解することは「道」です！プロモーション、企画、販売促進の「芸術」はすべて、良い製品と良いモデルという「道」のサポートを必要とします。電子商取引の基本的なスキルでは通常、内部の強みを限られた範囲でしか最適化できませんが、業界を理解することでビジネスモデルを調整でき、実際に企業の収益性を変えることができます。