運用データ分析（インターネット運用データ分析に習得すべき 10 の古典的な手法）

インターネット運用データ分析に必須の10の定番手法

注: すべての写真は、「Song Xing Classroom: データ駆動型マーケティングとオペレーション」の PPT ページからのものです。

この記事は、「インターネット事業の成長のための10の定番モデル（2019年版）」の「兄弟記事」です。 1 つの記事ではモデルについて説明し、もう 1 つの記事では方法について説明しています。どちらもデータドリブンマーケティングやオペレーションの分野において非常に重要な知識コンテンツです。

【文章】

素晴らしいものはたくさんありますが、本当に役に立つものは、必ずしも見た目がかっこいいものではありません。多くの方法は単純ですが、多くの問題を解決します。

以下の 10 の方法は、私が長年インターネット運用分析を行う際に使用してきた最も古典的な方法です。これらの方法に精通していれば、インターネット運用分析の中核部分を習得したことになります。実際にはそれほど複雑ではありません。

10番目の方法から順に説明します。重要度の順序はありませんが、最後のものが最も重要である場合がよくあります。

方法10: リンクタグのトラフィックマーキング

リンク タグはトラフィックのソースを示すもので、間違いなく最も基本的で重要な方法です。この方法は、Web サイトのトラフィック ソースだけでなく、アプリのダウンロード ソースの監視にも適用できます (ただし、後者は特定の条件を満たす必要があります)。

リンク タグとは、トラフィック ソースのアウトバウンド リンク (アウトバウンド URL) に末尾のパラメータを追加することを意味します。これらのパラメータはリンクジャンプに影響を与えないだけでなく、リンクが属するトラフィック ソースを示すこともできます (理論的には、トラフィック ソースを示すことができる属性の数は無限です)。

リンクタグは単独では機能せず、Webサイト分析ツールまたはアプリ分析ツールと連携して機能する必要があります。

リンクタグはトラフィック分析の基礎となります。通常の分析だけでなく、アトリビューション分析も含めたトラフィックの本格的な分析を行うには、リンク タグを使用する必要があります。

方法9: コンバージョンファネル

コンバージョンを分析するための基本モデルは、誰もがよく知っているコンバージョン ファネルです。

最も一般的なコンバージョンファネルは、最終的なコンバージョンを特定目的の実現として設定するもので、最も典型的なのは売上であるため、コンバージョンと売上は混同されがちです。ただし、コンバージョン ファネルの最終的なコンバージョンは、一度に 10 分以上アプリを使用する (セッション継続時間 > 10 分) など、他の目的の実現になることもあります。ファネルの構築は、グロースハッカーにとって最も一般的なタスクです。

ファネルは 2 つの問題を解決するのに役立ちます。まず、プロセス内でリークが発生するかどうかです。漏れがある場合は、漏斗内で確認し、さらに分析することで漏れを塞ぐことができます。 2 番目は、プロセスに出現すべきでない他のプロセスが出現し、メインの変換プロセスに損害を与えるかどうかです。

ファネルの構築は簡単で、Web でもアプリでも最も便利な方法の 1 つです。しかし、ファネルの使用には多くの秘密があります。さらに、ファネル方式は他の方式と組み合わせることができるので、楽しくなります。これについては、インターネットデータ操作コースでも詳しく説明します。

方法8: マイクロコンバージョン

誰もがコンバージョンファネルを理解していますが、マイクロコンバージョンに注目している人は多くありません。しかし、コンバージョンファネルで継続的にコンバージョン率を向上させることは難しいですが、マイクロコンバージョンではそれが可能です。コンバージョン ファネルは、コンバージョン プロセスにおける大きな問題を解決しますが、大きな問題は常に制限されています。これらの問題が解決された後も、コンバージョンを最適化し続ける必要があります。このとき、マイクロコンバージョンを使用する必要があります。

マイクロコンバージョンとは、必要なコンバージョンプロセスの範囲外であるものの、コンバージョンに影響を及ぼす可能性のあるさまざまな要素を指します。これらの要素とユーザーとの相互作用はユーザーの感情に影響を与え、直接的または間接的にユーザーの意思決定に影響を与えます。

たとえば、一部の商品写真はコンバージョンプロセスで見る必要はありませんが、その存在はユーザーの購入決定に影響を与えるでしょうか?これらの画像はマイクロコンバージョン要素です。

個人的には、コンバージョンを研究するよりもマイクロコンバージョンを研究する方が楽しいと思います。授業で皆さんに紹介するケースがいくつかあります。

方法7: 類似アイテムを組み合わせる

類似アイテムを組み合わせることは、見落とされがちな一般的な方法です。私たちはセグメンテーションに細心の注意を払う傾向がありますが、時にはよりマクロなパフォーマンスを理解する必要があります。

類似項を結合することは、そのような方法の 1 つです。たとえば、eコマースのウェブサイトの場合、すべての製品ページの全体的なパフォーマンスはどうでしょうか?全体的な直帰率、滞在時間、ユーザー満足度などはどの程度でしょうか?これに答えられますか？

各商品ページのパフォーマンスをチェックし、すべてのページのデータを1つずつ合計して分析すると、面倒すぎます（分析自体が不可能になります）。このとき、同類項を結合する必要があります。

マージする方法は?分析ツールのフィルタリング ツールまたは検索および置換機能を使用します。ツールがこの機能をサポートしていない場合は、グロースハッカーの専門的な機器ボックスに入れておくべきではないため、破棄することを検討してください。

類似のアイテムをマージする用途は多数あります。例えば、Web やアプリのセクション (チャネル) 全体のパフォーマンスを把握したい場合や、ナビゲーション システム全体の使用状況を把握したい場合には、この方法が必須です。

方法6: ABテスト

グロースハッカーが AB テストについて話さないのは残念です。

データを通じて業務と製品を最適化するロジックはシンプルです。問題を把握し、アイデアを出し、プロトタイプを作成し、テストして完成させます。

たとえば、コンバージョンファネルに穴が見つかった場合、商品の価格が間違っているに違いないと考え、人々がその商品を買いたがらなくなることがあります。問題（ファネル）を把握し、アイデアを思いついて価格を変更します。

しかし、このアイデアが信頼できるかどうかは、あなたが思いつくものではありません。実際のユーザーが使用する必要があります。したがって、AB テストを使用すると、一部のユーザーには古い価格が表示され、他のユーザーには新しい価格が表示されます。あなたのアイデアが本当にうまくいけば、新しい価格の方がコンバージョン率が高くなるはずです。そうであれば、新しい価格が設定（確定）され、改善が必要な新しい問題が発見されるまで、新しいコンバージョン レベルで運用が開始されます。

グロースハックの主なアイデアの 1 つは、大きくて包括的なものを作ることではなく、すぐに検証できる小さくて正確なものを継続的に作ることです。クイック検証、検証方法は？主な方法はABテストです。

今日のインターネットの世界では、トラフィック配当時代の終焉により、迅速な反復に対する要件が大幅に増加しており、テストの力にもさらに注目が集まっています。

ウェブ上でABテストを実施するのは簡単ですが、アプリ上でははるかに困難です。しかし、それでも解決策はたくさんあります。海外の定番アプリや金儲けゲームは、ほぼ毎日 AB テストされています。

方法5: ヒートマップと比較ヒートマップ

ヒートマップは誰もが好む機能です。これは、ユーザーと製品インターフェース間のやり取りを記録するための最も直感的なツールです。しかし、実際の使用に関しては、おそらくそれを徹底的に調べる人はほとんどいないでしょう。

ヒートマップは、Web およびアプリの分析にとって非常に重要です。今日のヒートマップは、過去のヒートマップに比べて機能が大幅に向上しています。

ウェブ上では、リンクがクリックされたかどうかしか分からない、クリック位置が間違っている、フローティング部分のクリックをマークする、アウトバウンドリンクをマークするなど、以前は解決が難しかったいくつかの問題が、今では多くの新しい解決方法を提供できる優れたツールがあります。アプリ側では、2 つの状況があります。コンテンツ アプリではヒート マップの需要が弱いですが、ツール アプリではヒート マップの需要が非常に高いです。前者の画面は主に並列コンテンツで構成されており、コンテンツが動的に変化するため、ヒートマップの応用価値は高くありません。特に後者は、ヒートマップを通じてユーザーの使用習慣を反映し、アプリ内の他のエンゲージメント分析（アプリ内エンゲージメント）と組み合わせて機能やレイアウトデザインを最適化する必要があるため、ヒートマップは非常に重要です。

ヒートマップをうまく活用するために非常に重要な点は、ヒートマップだけを使用しても問題を解決することはほとんどできないということです。私は集中比較ヒートマップという手法をよく使います。

まず、各種ヒートマップの比較分析、特にクリックヒートマップ（タッチヒートマップ）、読み取り行ヒートマップ、画面一時停止ヒートマップの比較分析を行います。

2 番目は、異なるチャネル、新規ユーザーと既存ユーザー、異なる期間、AB テストなどのヒート マップ比較など、セグメント化された集団のヒート マップの比較分析です。

3 番目に、異なる深さの相互作用は異なるヒート マップを反映します。この状況では、ヒートマップ比較機能も活用する価値があります。たとえば、クリック ヒート マップとコンバージョン ヒート マップの比較分析などです。

つまり、ヒートマップは多くのユーザーインタラクションを分析するための優れたツールですが、ヒートマップには目に見える以上の機能があります。

方法4: イベントトラッキング

インターネット運用データ分析の非常に重要な基礎となるのがウェブサイト分析です。今日のアプリ分析、トラフィック分析、チャネル分析、そして後述するアトリビューション分析などは、すべてウェブサイト分析に基づいて開発されています。

ただし、初期の Web サイト分析の特徴の 1 つは、ページ上のユーザー インタラクション動作のうち、http リンクのクリック (URL のクリック) のみを記録できることです。しかし、技術の発展に伴い、ページには http リンクだけでなく、フラッシュ リンク (現在フラッシュは廃止されつつあります)、JavaScript インタラクティブ リンク、ビデオ再生、他の Web へのリンク、アプリ リンクなども多く存在するようになりました。これらのものに対するユーザーのクリックは、従来の方法では記録できません。

しかし、問題があれば解決策がなければなりません。上記の問題を解決するために、イベント トラッキングが発明されました。イベント トラッキングは、本質的にはこれらの特別なインタラクションのカスタマイズされた監視であり、カスタマイズされているため、アクティビティの追加の説明 (イベント トラッキング メソッドの添付プロパティの形式で) を追加する機能など、さらに多くの利点があります。結果として、この方法は少し逆効果になってしまいました。一部の http リンクの場合でも、多くのベテランアナリストは、追加の監視属性の説明を取得するために、イベント トラッキングを追加することを好みます (これは技術的には可能です)。

アプリの登場により、アプリの特殊性（画面が小さい、1 つの画面でインタラクションを完了することに重点が置かれている）により、アプリ ページ（実際にはアプリの画面）間のジャンプを分析することの重要性は、Web 上のページ間のジャンプを分析することほど大きくありません。ただし、アプリ上のクリック動作を分析することの重要性は極めて大きいです。つまり、アプリ内エンゲージメントを分析する場合、イベントに大きく依存し、画面にはあまり依存しない必要があります。つまり、アプリ側ではイベントがメインであり、ページ (正確には画面) は二次的なものです。

だからこそ、この方法を習得しなければなりません。

方法3: コホート分析

コホート分析には、まだ普遍的に受け入れられている単一の翻訳はありません。コホート分析だと言う人もいれば、世代分析だと言う人もいれば、コホート時系列分析だと言う人もいます。 Wikipedia を参照できます:
https://zh.wikipedia.org/wiki/%E9%98%9F%E5%88%97%E7%A0%94%E7%A9%B6 で、適切と思われる翻訳を見つけてください。

名前にかかわらず、コホート分析はデータ操作の分野で非常に重要になっています。その理由は、トラフィック経済の衰退に伴い、集中的なインターネット運用では維持に関する慎重な洞察が必要になるためです。これもコホート分析の最大の価値です。コホート分析では、まったく同じ特性を持つ類似グループの保持率を比較し、短期、中期、長期の保持率に影響を与える要因を明らかにします。

コホート分析が人気であるもう一つの理由は、使い方が非常にシンプルで直感的であることです。より複雑な解約分析、RFM、ユーザー クラスタリングと比較すると、Cohort は算術演算さえ使用せずに単純なグラフのみを使用して、一定期間 (または LTV 全体) にわたるユーザー維持率 (または解約率) の変化を直接説明します。コホートは予測を行うのにも役立ちます。

コホート分析はシンプルさの美しさを体現した最も典型的な手法だと私は常に感じています。

方法2: 帰属

帰属表示について聞いたことがある人は皆無であり、それをうまく活用している人はさらに少ないです。しかし、人々が何かを購入するという決定は、商品について知るために広告を見たり、商品についてさらに理解するために検索を使用したり、ソーシャル チャネルで商品の公式アカウントを見たりといった、複数の要因 (デジタル マーケティング メディア) によって影響を受ける可能性があることを考慮すると、これらの要因の組み合わせによって、人は購入を決意することになります。

したがって、多くの場合、単一の広告チャネルは顧客への扉を開く弁ではなく、複数のチャネルの複合効果の結果です。

デジタル マーケティング チャネル間のこのシーケンスまたは相互作用をどのように理解すればよいでしょうか?この関係を促進するために、合理的なデジタル マーケティング チャネル戦略をどのように設定すればよいでしょうか?チャネルを評価する際に、より客観的に測定できるようにアトリビューションを考慮するにはどうすればよいでしょうか?これらすべてには帰属表示が必要です。

インターネットマーケティングを担当している場合、アトリビューション分析は必須の分析方法です。私の授業では、この方法を説明するのに多くの時間を費やすつもりです。

方法1: セグメンテーション

厳密に言えば、セグメンテーションは方法ではありません。それはすべての分析の起源です。だから、1位にランクされるに値するのです。

私のモットーは、目立たずに生きるよりは死んだほうがましだということです。セグメンテーションなしで分析を行うにはどうすればよいでしょうか?

セグメンテーションには 2 つの種類があり、そのうちの 1 つは特定の条件下でのセグメンテーションです。たとえば、ページに 30 秒以上滞在する訪問 (セッション) などです。または北京地域からの訪問者のみなど、実際にフィルタリングしています。もう 1 つのタイプは、次元間の交差です。例: 北京エリアへの新しい訪問者。それがセグメンテーションです。

セグメンテーションはほぼすべての問題を解決するのに役立ちます。たとえば、先ほど説明したコンバージョンファネルの構築は、実際にはコンバージョンプロセスをステップに細分化することです。トラフィック チャネルの分析と評価には、セグメンテーション手法の広範な使用も必要です。

次元間の交差は、人の分析レベルをよりよく反映するセグメンテーション方法です。たとえば、私の友人の Sun Wei (Truck Home のデータ マネージャー) は、ユーザー フィードバックをイベント トラッキング属性 (イベント アクション属性に配置) として GA に送信し、カスタム レポートでユーザー フィードバックを他のユーザー行動と交差させて、特定の種類のフィードバックを持つユーザーの行動の軌跡を確認し、どのような問題が発生したかを推測します。

直帰率を分析する際には、ランディング ページとそのトラフィック ソースを相互チェックし、高い直帰率がランディング ページによるものか、トラフィック ソースによるものかを確認します。これも次元間セグメンテーションの典型的な応用例です。

分裂しないよりは死んだほうがましだ。

さて、10の方法について説明しました。実のところ、まだ追加できるものはたくさんあります。後で（または授業中に）保存してください。