データ駆動型ゲームオペレーション（データを活用してアクティビティオペレーションを推進する方法）

データを活用してアクティビティ運営を推進する方法

データ分析は、特にイベント運営において、運営の中核となる機能の 1 つです。データ分析を適用することで、イベント運営を主観的なものから客観的なものへ、混沌とした状態から制御可能な状態へ、欠陥のある状態から完璧な状態へと変えることができます。イベント全体を貫き、イベント運営を導く羅針盤です。

本日は、イベント運営においてデータをどのように活用していくかについて、具体的なデータ分析方法、イベント種別ごとのデータ分析、イベントの費用対効果評価、AB比較実験なども含めて体系的に議論していきたいと思います。お役に立てれば幸いです。

全文は長く、構造は次のようになります。

1. 運用データ分析の基礎スキル

イベント運営となると、ゲームを広めるための突飛なアイデアや奇抜な方法を思いつくのは簡単です。しかし、独創的なアイデアや企画業務には、データ分析による強力なサポートも必要です。

多くのイベント運営者はデータ分析の意識がないため、データ分析能力がないとは言えません。

データ分析の認識とは、データに注意を払い、データを評価し、業務のあらゆる側面でデータ分析に基づいて意思決定や行動を起こすことを意味します。

運用目標に焦点を当て、経験への依存を減らし、データ サポートを増やし、データ分析の認識を確立することが、適切なデータ分析を行うための前提条件です。

データ分析に対する認識が深まったら、データ分析機能についてお話ししましょう。データ分析機能は、分析方法とアイデアに重点を置いています。問題をどのように分解して特定するか。分析次元を見つけるにはどうすればいいですか?よく使われる分析方法モデルは?応用データ分析を学ぶときに重点を置くべきなのはこれです。さらに、データ分析機能について話すとき、多くの人はデータ分析ツールを思い浮かべます。運用においては、ツールの重要性ははるかに低くなります。基本的にはExcelで十分です。その他のツール機能はプラスですが、必須ではありません。

データ分析の基本的なスキル、つまり分析プロセスと分析方法の紹介に重点が置かれています。

データ分析プロセス

データ分析の最終目的は、因果関係の結論を導き出し、その後の方向性や行動を導くための推奨事項や決定を形成することです。

データ分析の最終段階に到達するには、次の 3 つのステップのプロセスが必要です。

最初のステップは、問題または目標を特定することです。

これはデータ分析の出発点であり、データ分析の中心と方向を決定し、効果的なデータ分析の前提条件となります。問題を明らかにする際には、先入観による問題定義を避け、現象やデータから出発し、問題の範囲と目的を定義し、それによってその後の分析の範囲とアイデアを導くことが必要です。

2 番目のステップは、原因を分解して分析することです。

特定された問題または目標に基づいて、問題を引き起こしたり目標に影響を与えたりする主な要因を特定するために、さらに細分化と分析が行われます。ほとんどの場合、影響要因は複数存在するため、影響を判断・分析し、要因の役割を検証する必要があります。効率的な分解と分析には、データ分析手法と運用実践経験の組み合わせが必要です。以下に方法を共有し、ゆっくりと経験を積み重ねていきます。

3 番目のステップは、推奨される結論を導き出すことです。

データ分析の最後のステップの価値は、問題の解決策や目標を達成するための道筋を見つけることであり、そのためには結論と提案を出力する必要があります。結論は、問題の主要な要因、要因の影響の方法と大きさ、およびその他の関連要因を指します。提案は、主要な要因にどのように影響を与えるか、どのような行動を取る必要があるか、そして行動のためのアイデアと戦略を指します。データを分析した後、アクションを実行します。

データ分析方法

データ分析方法モデルは多数あり、分析ニーズに応じて柔軟に選択する必要があります。複雑な運用分析の問題の場合、通常、複数の分析方法モデルが必要になります。ここでは、一般的に使用される 3 つの重要な分析方法を紹介します。

方法1: 比較分布分析

比較分布分析は最も一般的に使用される分析方法であり、分析の初期段階で差異定義の問題を特定するのに役立ちます。

比較の核心は、どのように効果的に比較するかという問題を解決し、違いの明確な特徴を見つけることです。外部比較は差異に重点を置きますが、内部比較は変化に重点を置きます。

具体的な比較を行う場合、規模の比較（合計金額/平均/中央値に注目）や変動の比較（分散/標準偏差/範囲に注目）や傾向の比較（前月比/前年比/変化に注目）を行うことができます。

ソリューション2: パスファネル分析

パス ファンネル分析方法は、イベント操作に特に適しており、プロセスの影響を効果的に監視し、重要な要素を見つけることができます。

パスファネル分析法を使用するには、まず活動段階を宣伝とリーチ段階、参加と共有段階、分裂と変換段階などに分割し、各段階でのユーザー行動、特に価値の高いユーザー行動を明確にし、対応するデータ指標を整理して完全なパスファネルを形成する必要があります。実際のモニタリングでは、比較分析と組み合わせて、変化の違いや異常なデータに注目し、分析アプリケーションを実行します。

方法3: 次元解析

次元分解分析は、特定の問題の原因を特定し、対象コンポーネントを分解する上で大きな役割を果たします。

多くの場合、私たちは問題の現れや結果に直面し、データ分析によって具体的な原因を見つける必要があります。このとき、全体のデータと問題を次元に分解することが原因を発見する有効な手段となります。

一般的な分解ディメンションには、時間ディメンション、チャネル ディメンション、ユーザー階層化などがあります。たとえば、プロモーション活動の毎日の売上が減少した場合、チャネル ディメンションから分解して、注文数が減ったのか、注文数が減ったのかを確認できます。注文ディメンションから分解して、注文数が減ったのか、注文金額が減ったのかを確認することもできます。継続的に分解することで、最終的な原因を特定し、その後の運用アクションを導くことができます。

データ分析は、認識と注意を必要とする継続的な仕事です。同時に、データ分析は、方法を学び、経験を積み、しっかりとした基盤を築くことを必要とする複雑な仕事でもあります。そうすることで初めてデータ分析が容易になります。

2. 活動全体を通じてのデータ分析

イベント運営におけるデータ分析の適用はプロセス全体にわたって行われ、あらゆるリンクでデータの価値を活かすことができます。

イベント前にデータを活用する方法

イベント前に何をする必要がありますか?最初のステップは活動を確立することです。具体的な目標と背景に基づいて、活動を行うことを決定します。次に、具体的な目標とリソースを明確にし、活動計画とリソース投資を導きます。活動計画のコミュニケーションを行い、活動計画を立て、その実施を推進します。

データはこれにおいてどのような役割を果たすことができるのでしょうか?

1 つ目は、プロジェクト設立の初期段階であり、必要性を示すためのデータのサポートが必要です。

なぜこの活動を行うのでしょうか?どのような問題を解決できるのでしょうか?研究分析、データの内訳、運用上の洞察を通じて、説明活動の必要性をサポートできます。

第二に、目標を明確にする段階では、方向性を明確にするためにデータによる裏付けが必要です。

活動目標を設定するには？それは合理的ですか?競合他社の活動と過去の活動データを通じて、違いを比較して全体的なおおよその目標を定義し、活動プロセスを細分化してリソースの投資を決定し、各リンクの効果を徐々に推定して、全体的な目標の精度を向上させます。

最後に、イベント計画段階では、実現可能性を向上させるためにデータのサポートが必要です。

アクティビティ プロセス ルールがこのように設計されているのはなぜですか?活動の有効性をどのように確保するか?時間リズム、シナリオチャネル、アクティビティ報酬、ユーザー特性、プロセス特性、費用対効果の観点から、データの比較・分解と組み合わせて、アクティビティゲームプレイプロセスの策定をサポートします。

アクティビティでデータを活用する方法

イベントの事前準備が完了したら、次のステップはオンライン運用です。このとき、イベント データの監視と反復的な最適化が焦点になります。

アクティビティデータの監視により、アクティビティの機能状態と運用効果を管理し、アクティビティの安定した進行を確保します。

アクティビティ モニタリングでは、プロセス インジケーターと各リンクの最終目標に焦点を当てて、アクティビティ プロセスを細分化します。また、時間ディメンション、チャネルディメンション、ユーザーディメンションなどから全体のデータをさらに細分化して、アクティビティ結果をより正確に監視することもできます。

データ監視に基づいて、データ分析を組み合わせて、アクティビティ中に調整と最適化を行う必要があります。

時間の次元からデータの変動を見たり、異常なデータの増加や減少に注目したり、具体的な理由を分析するなど、最適化のアイデアを見つけるための角度はさまざまです。ユーザー/チャネル次元から機能の違いに注目し、異なるチャネルや異なるタイプのユーザーのアクティビティデータの違いに注意し、有利なチャネルとユーザーに焦点を当てます。また、履歴データの次元から改善の余地を見ることもでき、過去の活動と業界の競合データに基づいて現在の活動の効果と改善の余地を明らかにし、最適化の価値と投資を判断することができます。

イベント後のデータ活用方法

イベント終了後、データはイベントの効果を反映し、レビューや概要を行うための効果的な手段となります。

活動結果では、中核指標結果、補助指標結果、プロセス指標結果を強調し、目標と実際の結果の違いを比較し、同時に次元を細分化して、活動の効果が良好/不良である具体的な理由を特定する必要があります。特定のチャネルが機能していないためでしょうか?あるいは、特定のユーザーグループの参加が予想を上回っているのでしょうか?そうすることで、貴重なイベント経験を積むことができ、その後のイベントの企画や運営を指導できるようになります。

データ分析は、イベントの前、最中、そして後に重要な役割を果たします。それはイベントの成否に関係すると言えるでしょう。データに注意を払い、有効活用しましょう。

3. リターン目標の費用対効果

イベント運営には、イベント投資にかかる費用、イベントによって生み出されるさまざまな利益、そして費用と利益の相対関係、つまり投資収益率（ROI）など、「お金」が欠かせません。

まずは活動にかかる費用についてお話ししましょう

ほとんどの新規顧客獲得/コンバージョン/プロモーション活動にはコスト投資が伴い、正確な計算と評価が必要です。

（１）新規顧客獲得活動には新規顧客獲得コストがかかる

つまり、新規ユーザーを獲得するためにかかる費用のことで、顧客獲得コスト (CAC) とも呼ばれ、通常は新規ユーザー獲得活動の総コスト (プロモーション コスト、賞品コストなどを含む) をその活動によって獲得された新規ユーザーの数で割って計算されます。

CAC はユーザー獲得コストを反映し、新規顧客獲得活動の持続可能性に影響を与えます。新規顧客獲得活動の有効性を実際に決定するのは、ユーザー獲得コストとユーザー生涯価値の相対的な関係です。また、新規顧客獲得活動で新規ユーザーを獲得するために 100 元を費やし、そのユーザーが最終的に製品内で 1,000 元の消費に貢献した場合、そのような新規顧客獲得活動を積極的に実行する必要があることも容易に理解できます。

（２）変換活動には一次変換コストがかかる

つまり、新規ユーザーに最初の注文を完了してもらうためにどれだけのお金が費やされるかということです。一次コンバージョンコストは、コンバージョンアクティビティの有効性を反映し、ユーザーの質を判断する方法でもあります。ユーザー転換のための補助金コストが高くなるほど、ユーザーの質が低下し、期待されるその後の維持効果は良くありません。

（３）プロモーション活動にはプロモーション費用がかかる

つまり、一定の売上を上げるためにどれだけのお金が費やされるかということです。例えば、100 万の補助金で 1,000 万の売上があり、そのうち 100 万がプロモーション費用です。また、注文ディメンションとユーザーディメンションからプロモーション注文/注文ユーザーごとのコストにも注目し、プロモーション活動のコストをより正確に監視・分析することができます。

収益とROIを見てみましょう

製品の長期運用とユーザーのライフサイクルにおいて、非常に重要な概念があります。それは、ユーザーの生涯価値の純価値です。

ユーザー生涯価値の純価値 = ユーザー貢献価値 - 製品コスト

ユーザーが貢献する価値とは、製品に費やした金額とそれがもたらす利益を指します。また、招待した友人の数や口コミで広まったことなど、広義で定義することもできます。製品のコストには、前述の新規顧客獲得コスト、コンバージョンコスト、プロモーションコストが含まれます。

ユーザーが初めて製品を使用するとき、ユーザーの生涯価値の純額は通常マイナスになります。ユーザーの積極的な消費がより多くの価値に貢献するにつれて、ユーザーの生涯価値の純額はプラスになります。正味価値がプラスのユーザーベースが大きいほど、製品の価値が高くなります。

特定の活動においては、活動の ROI (投資収益率)、つまり利益をコストで割った値にさらに注目が集まります。

（１）新規顧客獲得活動のROI

新規顧客獲得活動においては、顧客獲得コストを投資する必要がありますが、獲得したユーザーの質や生涯価値を直接測定することはできません。新規顧客獲得活動の ROI を計算するには、製品内でのユーザーの過去の活動実績と、その生涯価値の推定利益を参照する必要があります。

例えば、前回の新規ユーザー獲得キャンペーンで獲得した新規ユーザーの平均貢献値は100元、今回のキャンペーンの顧客獲得コストは110元、活動のROIは1未満だったため、損失となり、この活動を継続することはできないということになります。

（２）コンバージョン活動のROI

コンバージョン アクティビティは、新規ユーザーの最初のコンバージョンを促進することを目的としています。売上をもたらすことはできるものの、新規ユーザーには多額の補助金が与えられることが多く、コンバージョン活動のROIが直接的に1を超えることは難しいです。

コンバージョン活動では、短期的な ROI と長期的な ROI の両方に重点を置く必要があります。短期的な ROI は、コンバージョン活動におけるユーザーの売上高からコンバージョン活動のコストを差し引いたものですが、長期的な ROI は、一定期間内でのユーザーの貢献価値からコンバージョン活動のコストを差し引いたものに焦点を当てています。一般的に言えば、長期的な ROI の方が重要です。

（３）プロモーション活動のROI

プロモーション活動は、売上とユーザー価値を高めるための主な活動形態であり、短期的な売上収益と ROI に重点を置いています。さらに、プロモーション活動では、新規ユーザーのコンバージョンとサイレントユーザーのリコールが発生します。これらのユーザーに対しては、その後の維持と長期的なメリットに適切な注意を払うことができます。

イベントを企画するということはお金をかけることを意味します。コストに注意を払うことは「お金を賢く使う」ことを意味し、収益と ROI に注意を払うことは「結果を伴うお金の使い方」を意味します。コストと利益の考え方は、業務において必ず身につけておくべきものであり、重視されるべきものです。

IV.反復的かつアップグレードされたアクティビティ実験

A/Bテストを理解する

データアプリケーション主導の運用においては、A/B テストは非常に重要なツールです。 A/B テストは事実に基づいて比較分析を行う手法であり、プラン A、プラン B などを比較して最適なものを選択します。

厳密に言えば、A/B テストとは、複数のプランの有効性を判断できない場合に、同じ期間内に同様の構成と特性を持つターゲット グループに対してこれらのプランをランダムにテストすることを意味します。最終的に、計画結果データの比較分析を通じて最も効果の高い計画が評価され、正式に全面的に採用されます。要約すると、前提は不確実性、中核は単一の変数、そして結論は適者生存です。

A/B テストは、運用アクティビティ、特に長期または定期的なアクティビティの設計、運用、反復的な最適化を効果的にサポートし、A/B テストの助けを借りてアクティビティの有効性を効果的に向上させることができます。

アクティビティのプロセスとルールの設計から、アクティビティの報酬とゲームプレイの選択、アクティビティ ページのスタイルとコピーライティングまで、A/B テストを使用して検証と最適化を行うことができます。

A/Bテストを適用する

A/B テストの適用は、次の 4 つのステップのプロセスに分けられます。

ステップ1: 目標を定義し、仮説を立てる

A/B テスト実験を行うときは、盲目的に複数のテストソリューションを考え出すのではなく、まず何を検証したいのかを明確にし、事前の分析と判断を行う必要があります。結局のところ、A/B テストには一定のコスト投資と期間も必要です。 100 万の中から 1 つを選ぶのではなく、最良の中から最良なものを選ぶようにしてください。

ステップ2: 指標を決定し、ユーザーを選択する

テストおよび検証する主要要素を決定し、それらに影響を与える主要指標を明確にすることで、後続のテストが完了した後、効果的な比較を行ってテストの結論を導き出すことができます。同時に、A/B テストは不確実なソリューションの検証でもあります。あまり多くのユーザーを使用することは避けてください。 A/B テストのためにランダムにユーザーを選択します。

ステップ3: 計画を立ててオンライン実験を実施する

A/B テスト実験計画で最も重要なことは、テスト変数の一意性を確保することです。検証する可変要素を除き、各計画の他のすべての側面は同じであり、テスト結果の分析と判断への干渉を回避します。

ステップ4: 結果を分析して解決策を決定する

A/B テスト実験の結果データが得られたら、各プランの長所と短所を分析し、最適なプランを決定します。主な比較は、最初に決定された主要な指標ですが、プロセス指標と経験関連の指標にも注意を払います。

イベント運営のためのデータ分析については以上です。データ分析の基本的なスキルを強化し、プロセスにおけるデータ分析を徹底し、費用対効果にさらに注意を払い、データ実験を使用して結果を改善する必要があります。

データ分析が業務に及ぼす重要性については、これ以上説明する必要はないでしょう。日々の仕事で、データを意識的かつ体系的に適用すると、より良いフィードバックが得られます。

著者 |コルセアのオーナー、ウー・イラン氏