アプリデータ運用分析（オペレーターが習得すべきアプリデータ分析システム）

オペレーターが習得すべきAPPデータ分析システム

インターネット企業では、APP をオンラインで運用する前に、事前にデータ システムを計画する必要があります。データがあればこそ、より科学的に、より少ない労力で運用できるのです。この記事では、APP の基本的なデータインジケーター システムについて紹介します。

APPのデータ指標システムは、主にユーザー規模と品質、参加分析、チャネル分析、機能分析、ユーザー属性分析の5つの側面に分かれています。ユーザー スケールと品質の次元では、主に製品評価の重要な指標となるユーザー スケール指標を分析します。エンゲージメント分析は主にユーザーのアクティビティを分析します。チャネル分析は主にチャネルプロモーション効果を分析します。機能分析では、主に機能アクティビティ、ページアクセスパス、コンバージョン率を分析します。ユーザー属性分析では主にユーザーの特性を分析します。上記の 5 つの次元のデータは、APP データ分析ツールを通じて取得できます。この記事では、これら 5 つの側面について詳しく説明します。

ユーザーの規模と品質の分析には、アクティブ ユーザー、新規ユーザー、ユーザー構成、ユーザー維持率、ユーザーあたりのアクティブ日数の合計という 5 つの共通指標が含まれます。ユーザーの規模と品質は、APP 分析の最も重要な側面であり、それらの指標は他の側面と最も比較されるものでもあります。製品マネージャーはこの側面の指標に重点を置く必要があります。

（１）アクティブユーザー指標

アクティブユーザーとは、一定の統計期間内にアプリケーション（APP）を起動したユーザーを指します。アクティブ ユーザーの数は、通常、デバイス ディメンションによってカウントされます。つまり、一定期間内にアクティブ化されたデバイス (携帯電話やタブレットなど) の数がカウントされます。アクティブ ユーザーは、アプリケーションのユーザー規模を示す指標です。通常、製品が成功しているかどうかを判断するために 1 つの指標だけを見る場合、その指標はアクティブ ユーザーの数である必要があります。多くのインターネット企業は、アクティブユーザー数を製品マネージャーの KPI 評価指標として使用しています。

アクティブ ユーザー数は、さまざまな統計期間に応じて、日次アクティブ ユーザー (DAU)、週次アクティブ ユーザー (WAU)、月間アクティブ ユーザー (MAU) に分けられます。

ニュースアプリ、ソーシャルアプリ、音楽アプリなど、ユーザーが毎日開くことが予想されるアプリのほとんどは、1日あたりのアクティブユーザー数（DAU）を製品KPI評価指標としています。なぜ？これらのアプリの評価指標が月間アクティブユーザー数だとしたら、何が起こるでしょうか？月間アクティブ ユーザーとしてカウントされるには、ユーザーが月に 1 回アプリを起動するだけで済みます。そのため、毎日リリースすべきアプリを月間アクティブユーザー数をKPIとして評価すると、プロダクト運用担当者が怠惰になってしまいます。製品運用スタッフは、ユーザーに月に 1 回アプリを起動してもらう方法を見つけるだけでよく、おそらくこれは 2 つまたは 3 つのアクティビティをユーザーにプッシュすることで実現できるでしょう。そのような評価は、製品の魅力を失わせ、さらには不健康なものにしてしまうでしょう。デイリーアクティブユーザー数をプロダクトを評価するKPIとすると、プロダクト運用担当者は、ユーザーが毎日使いたくなるような機能を設計したり、ユーザーが毎日見たいコンテンツを更新したりして、ユーザーに使ってもらうようにするはずです。

（２）新規ユーザー指標

新規ユーザーとは、アプリをインストールした後に初めてアプリを起動するユーザーを指します。統計期間に応じて、新規ユーザーは日次、週次、月次に分類されます。

新規ユーザー数指標は、主にマーケティングプロモーションチャネルの有効性を測定するための最も基本的な指標です。

一方、新規ユーザーとアクティブユーザーの比率を使用して、製品の健全性を測定することもできます。製品の新規ユーザーの割合が高すぎる場合、この製品のアクティビティはプロモーションを通じて達成されていることを意味します。この状況は、特にユーザー維持率に注目する価値があります。

（３）ユーザー構成指標

ユーザー構成は、週次アクティブ ユーザーまたは月間アクティブ ユーザーの構成を分析したものです。これにより、新規ユーザーと既存ユーザーの構造を通じてアクティブ ユーザーの健全性を把握できます。

週間アクティブ ユーザーを例にとると、週間アクティブ ユーザーには、今週戻ってきたユーザー、n 週間連続でアクティブなユーザー、ロイヤル ユーザー、継続的にアクティブなユーザーなど、次のカテゴリのユーザーが含まれます。

今週のリピーターユーザーとは、先週はアプリを起動しなかったが、今週はアプリを起動したユーザーを指します。

n 週間継続してアクティブなユーザーとは、n 週間連続して少なくとも週に 1 回アプリを起動したアクティブ ユーザーのことです。

ロイヤルユーザーとは、5 週間以上アクティブであるユーザーを指します。

継続アクティブユーザーとは、2 週間以上アクティブになっているユーザーを指します。

最近離脱したユーザーとは、n 週間連続して (1 週間以上 4 週間以下) アプリを起動していないユーザーを指します。

（4）ユーザー維持率指標

ユーザー維持率とは、特定の統計期間内の新規ユーザー数のうち、一定期間後に引き続きアプリを起動するユーザーの割合を指します。

ユーザー維持率は、翌日、7 日間、14 日間、30 日間の維持率に焦点を当てることができます。

翌日のリテンション率とは、特定の統計期間（今日など）にアプリを再度起動した新規ユーザーの割合です。

7 日間のリテンション率とは、特定の統計期間 (今日など) に新規ユーザーのうち 7 日目に再度アプリを起動したユーザーの割合です。

14 日間および 30 日間の保持率についても同様です。

ユーザー維持率は、製品のユーザーの魅力を検証するための重要な指標です。通常、ユーザー維持率を使用して、同じカテゴリ内のさまざまなアプリのユーザーの魅力を比較できます。あるアプリケーションにおいて、比較的成熟したバージョンでユーザー維持率が大幅に変化した場合、それはユーザーの質が大幅に変化したことを意味し、これはプロモーション チャネルの質の変化によって生じたものと考えられます。

（5）ユーザーあたりの総アクティブ日数

ユーザーあたりの合計アクティブ日数 (TAD) メトリックは、統計期間中に各ユーザーがアプリでアクティブであった平均日数です。統計期間が 1 年以上など比較的長い場合、各ユーザーのアクティブ日数の合計は、基本的に、ユーザーが離脱する前にアプリで過ごした日数を反映できます。これは、ユーザーの質、特にユーザーのアクティビティを反映する非常に重要な指標です。

一般的なエンゲージメント分析には、起動回数分析、使用期間分析、ページ訪問分析、使用時間間隔分析が含まれます。エンゲージメント分析は主にユーザーのアクティビティを分析します

（１）起動時間表示

起動回数とは、一定の統計期間内にユーザーがアプリケーションを起動した回数を指します。データ分析を行う際には、一方では起動回数の総推移に注目する必要があり、他方では一人当たりの平均起動回数、つまり同じ統計期間における起動回数とアクティブユーザー数の比率に注目する必要があります。たとえば、1 人あたりの 1 日あたりの平均スタートアップ数は、1 日あたりのスタートアップ数と 1 日あたりのアクティブ ユーザー数の比率であり、1 日あたりのユーザーあたりの平均スタートアップ数を反映しています。通常、1人あたりの平均起動回数と1人あたりの平均使用時間を合わせて分析できます。

（２）使用期間

総使用時間とは、一定の統計期間内におけるアプリの使用開始から使用終了までの合計期間を指します。

利用時間は、一人当たりの平均利用時間や一回の利用時間の観点からも分析できます。

1 人あたりの平均使用時間は、同じ統計期間内のアクティブ ユーザー数に対する合計使用時間の比率です。

単一使用期間は、同じ統計期間内の開始回数に対する合計使用期間の比率です。

使用時間に関する指標も、製品の活性度や品質を測る上で重要な指標となります。理由は簡単です。ユーザーの毎日の時間は限られており、貴重だからです。ユーザーが製品にもっと時間を費やす意思がある場合、それはそのアプリケーションがユーザーにとって重要であることを証明します。起動回数と使用時間を合わせて分析できます。ユーザーの起動回数が多く、使用時間が長い場合、その APP は、人気のソーシャル アプリケーションなど、ユーザーの質が非常に高く、ユーザーの定着率も高いアプリケーションです。

（３）アクセスページ

訪問ページ数とは、ユーザーが一度にアクセスするページの数を指します。通常、訪問ページ数の分布を分析する必要があります。つまり、1～2 ページを訪問したアクティブ ユーザー数、3～5 ページを訪問したアクティブ ユーザー数、6～9 ページを訪問したアクティブ ユーザー数、10～29 ページを訪問したアクティブ ユーザー数、30～50 ページを訪問したアクティブ ユーザー数、50 ページ以上を訪問したアクティブ ユーザー数など、一定期間 (1 日、7 日、30 日など) 内のアプリケーションの訪問ページ数のアクティブ ユーザー数の分布をカウントする必要があります。同時に、異なる統計期間（ただし、7 日間など、同じ統計期間）における訪問ページの分布の違いを調べることで、ユーザー エクスペリエンスの問題を発見できます。

（４）時間間隔を使用する

使用時間間隔とは、同じユーザーによる 2 つの連続したアクティベーション間の時間間隔を指します。通常、使用時間間隔の分布を分析する必要があります。一般的には、1 日、1 日、2 日...7 日、8 ～ 14 日、15 ～ 30 日以内の使用時間間隔でのアクティブ ユーザーの分布など、1 か月以内のアプリケーションのアクティブ ユーザーの分布をカウントします。同時に、異なる統計期間（ただし、統計期間は 30 日間など同じ）における使用時間間隔の分布の違いを通じて、ユーザー エクスペリエンスの問題を発見できます。

チャネル分析は、主に各チャネルの変化と傾向を関連するチャネル品質の観点から分析し、チャネル品質を科学的に評価し、チャネルプロモーション戦略を最適化します。チャネル分析には、チャネルのプロモーション担当者の集中力が必要です。特に、現在のモバイル アプリケーション市場ではチャネルの不正行為が蔓延しています。チャンネルプロモーションの分析では、特にチャンネル不正行為の分析に重点を置く必要があります。

チャネル分析には、新規ユーザー、アクティブ ユーザー、起動数、単一使用期間、維持率などの指標が含まれます。これらの指標については上で説明済みなので、ここでは繰り返しません。上記は、チャネル品質評価の予備的な側面にすぎません。チャネル、特にチャネルの不正防止レベルに関するさらなる調査が必要な場合は、主要な操作アクティビティが全体のアクティビティに占める割合や、ユーザーがアプリをアクティブ化する時間が正常であるかどうかなど、ユーザーの使用行動が正常かどうかを判断するための指標を含む、より多くの指標が必要です。機種やOSの集中度などの分析など、ユーザーのデバイスが本物かどうかを判断するため。

つまり、チャネル不正行為について徹底的に調査したい場合、アルゴリズムの核心となる考え方は、プロモーション チャネルによってもたらされたユーザーが実際にそれを使用している「人々」であるかどうかを調査することであり、この方向から関連する評価指標とアルゴリズムを設計します。たとえば、あるチャネルによって誘導されたユーザーのほとんどが午前 2 時にアプリを使用している場合、このチャネルによって誘導されたユーザーはおそらく正常な人間ではなく、機械が不正行為をしていると考えられます。

機能分析では、主に機能アクティビティ、ページアクセスパス、コンバージョン率を分析します。これらの指標には、機能運用を担当する製品マネージャーの特別な注意が必要です。

（１）機能活動指標

機能アクティビティ指標は、主に特定機能のアクティブユーザー数、特定機能の新規ユーザー数、特定機能のユーザー構成、特定機能のユーザー維持率に焦点を当てています。これらの指標の定義は、この論文の最初の部分と同じです。ユーザーの規模と品質。指標は似ています。ただし、このセクションでは、APP 全体ではなく、特定の機能モジュールのみに焦点を当てています。

（２）ページアクセスパス解析

APP ページ アクセス パスは、アプリケーションを開いてからアプリケーションを終了するまでの各ステップで、ユーザーのページ アクセスとジャンプのステータスを統計します。ページ アクセス パス分析の目的は、APP ユーザーが APP のビジネス目標を達成しながら、APP の使用のさまざまな段階でタスクを完了できるようにし、タスク完了の効率を向上させることです。 APPページのアクセスパスを分析する際には、次の3つの側面を考慮する必要があります。

（a）APPユーザーIDの多様性。ユーザーには、あなたのメンバーや潜在的なメンバー、同僚、競合他社などが含まれる場合があります。

（b）APP利用者の目的は多様である。ユーザーによってアプリの使用目的は異なります。

（c）APPユーザーのアクセスパスの多様性。たとえ ID と使用目的が類似していたとしても、アクセス パスは異なる可能性があります。

したがって、APP ページ アクセス パスを分析する場合は、APP ユーザーをセグメント化してから、APP ページ アクセス パス分析を実行する必要があります。最も一般的に使用されるセグメンテーション方法は、APP の使用目的に応じてユーザーを分類することです。例えば、自動車アプリのユーザーを注目型、意図型、購入型のユーザーに分類し、それぞれのユーザーに対して異なるアクセスタスクに基づくパス分析を行うことができます。たとえば、意図型のユーザーの場合、さまざまな車種を比較するためにどのような経路をたどり、どのような問題に遭遇するのでしょうか。もう 1 つの方法は、アルゴリズムを使用してすべてのユーザー アクセス パスに基づいてクラスター分析を実行し、アクセス パスの類似性に基づいてユーザーを分類し、各タイプのユーザーを分析することです。

（３）ファネルモデル

ファネル モデルは、製品内の主要パスのコンバージョン率を分析して、製品プロセスの設計が妥当かどうかを判断し、ユーザー エクスペリエンスの問題を分析するために使用されます。コンバージョン率とは、現在のページにアクセスした人数（またはページビュー数）に対する次のページにアクセスした人数（またはページビュー数）の比率を指します。ユーザーが商品にアクセスし、主要なタスク（ショッピングなど）を完了すると、異なるステップ間でのコンバージョンが失われます。

たとえば、ユーザーが電子商取引のウェブサイトにアクセスし、商品を閲覧し、商品をショッピングカートに入れて、最終的に支払いを行うと、各リンクで多くのユーザー損失が発生します。コンバージョン率を分析することで、ユーザーが当社製品を使用する際にたどるさまざまなパスのいずれかに問題があるかどうかをすぐに判断できます。もちろん、製品マネージャーはコンバージョン率レポートを毎日確認する必要はありません。毎日のコンバージョン率を継続的に監視できます。コンバージョン率が大幅に変動すると、製品の問題をタイムリーに検出するために、対応する製品マネージャーにアラートメールを送信します。

ユーザー属性分析は、主にユーザーが利用するデバイス端末、ネットワークやオペレータの分析、ユーザーポートレートの観点から分析します。

（１）機器端末分析

デバイス端末の分析次元には、モデル分析、解像度分析、オペレーティング システム分析が含まれます。分析では、これらのオブジェクトのアクティブ ユーザー、新規ユーザー数、スタートアップ数を分析することに主に重点が置かれます。つまり、異なるモデルのアクティブユーザー数、新規ユーザー数、起動時間を分析し、異なる解像度のデバイスのアクティブユーザー数、新規ユーザー数、起動時間を分析し、異なるオペレーティングシステムのデバイスのアクティブユーザー数、新規ユーザー数、起動時間を分析します。

（２）ネットワークとオペレータの分析

ネットワークとオペレータは、主にユーザーのインターネット アクセス方法と使用されている通信事業者を分析し、これらのオブジェクトをアクティブ ユーザー、新規ユーザー数、スタートアップ数の観点から主に分析します。つまり、ネットワーク方式（Nifi、2G、3G、4Gを含む）のアクティブユーザー数、新規ユーザー数、起動時間を分析し、さまざまなオペレータ（China Mobile、China Telecom、China Unicomなど）のアクティブユーザー数、新規ユーザー数、起動時間を分析します。

（３）地域分析

主な分析は、アクティブ ユーザー数、新規ユーザー数、さまざまな州、都市、国でのローンチ数など、さまざまな地域に関するものです。

（４）ユーザーポートレート分析

ユーザー ポートレート分析には、人口統計特性分析、ユーザーの個人的な興味の分析、ユーザーのビジネス興味の分析が含まれます。人口統計学的特性には、性別、年齢、教育、収入、支出、職業、産業が含まれます。ユーザーの個人的な興味とは、音楽を聴くこと、映画を見ること、フィットネス、ペットを飼うことなど、個人的な生活の興味や趣味の分析を指します。ユーザーのビジネス興味とは、不動産、自動車、金融などの消費者分野における興味分析を指します。より詳細なポートレート分析をサポートするには、関連するポートレートデータに従ってユーザーポートレートのデータを収集する必要があります。

この記事では主に基本的なAPPデータ分析システムについて紹介します。 APP の特性に応じて特別に設計する必要がある指標システムが他にもあります。例えば、検索アプリでは、検索キーワードの数、一人当たりの平均検索キーワード数など、その特性に関連する指標に注目する必要があります。また、注目すべきもう1つの点は、多くの製品マネージャーや運用担当者が、この記事で述べた指標の多くは、製品の発売後に自然に見られるようになると考えていることです。これは非常によくある誤解です。なぜなら、この記事で言及されている指標のほとんどについては、データ管理とレポート作成を行わず、関連するデータ開発統計を行わない場合は、関連するデータレポートを確認する必要があるからです。したがって、製品がオンラインになる前に、製品マネージャーは担当する製品のデータ システムを計画し、開発を推進して関連データを収集および報告し、運用プロセス中にデータ システムを動的に最適化および強化する必要があります。

製品マネージャーが独自のデータ システムを構築する方法について特に経験がない場合、中国の Shujike などのデータ分析ベンダーが、経験豊富なデータ コンサルティング チームと成熟したデータ分析製品を備えており、独自のデータ システムを迅速に構築するのに役立ちます。データ システムがオンラインになるのが早ければ早いほど、後の段階でそのアプリケーションの価値が顕著になります。

Digital Geeks の簡単な紹介は次のとおりです。

Shujike は、中国の新世代のユーザー行動分析プラットフォームであり、グロースハッカーにとって不可欠なビッグデータ分析ツールです。 APPデータ分析とウェブサイト分析をサポートし、6つの独自のコンバージョン率分析モデルを作成しました。定量的・定性的な分析手法を適用したユーザー行動分析分野初のデータ分析製品です。ユーザー行動分析システムをベースに、会員マーケティングシステムとA/Bテストツールという2つの主要なデータインテリジェンスアプリケーションソリューションを提供し、企業がデータ主導の成長を迅速に実現できるようにします。

著者: 傅志華