運用指標データ（10,000語の要約：運用データ指標の最も包括的な解釈）

乾物に関する1万語の要約：運用データ指標の最も包括的な解釈

ビジネスは複雑なシステムであり、データ分析は決して単純ではありません。この 2 つを組み合わせるのは多くの課題を伴います。著者は、皆様の作業に助けとインスピレーションを提供することを願って、包括的な運用データ指標のセットをまとめました。

運用とデータ分析は切り離せないものです。ビジネスインサイトによってデータ分析結果の上限が決まり、データスキルはそれを近似するだけです。

すべての製品と操作には、ビジネス指標に関する洞察が必要です。この記事が、ビジネス指標を分析するための一般的な枠組みを初心者に提供してくれることを願っています。記事の内容から「幅広い」「一般的な」印象を受けます。新規ユーザーにとっては役立つと思いますが、古いユーザーはただ笑って流していただければ幸いです。

ユーザー獲得

運用とデータ分析は切り離せないものです。ビジネスインサイトによってデータ分析結果の上限が決まり、データスキルはそれを近似するだけです。

すべての製品と操作には、ビジネス指標に関する洞察が必要です。この記事が、ビジネス指標を分析するための一般的な枠組みを初心者に提供してくれることを願っています。記事の内容から「幅広い」「一般的な」印象を受けます。新規ユーザーにとっては役立つと思いますが、古いユーザーはただ笑って流していただければ幸いです。

一般的に露出と呼ばれ、商品のプロモーションページを閲覧したユーザーの数を指します。アプリストア、WeChat Moments、検索エンジンなど、トラフィックがある場所ならどこでも、露出のためのチャネルが存在します。

露出というのは、むしろ無駄な数字です。現代人が毎日どれだけの情報にさらされているか考えてみてください。そこにはいくつのプロモーションが含まれており、そのうちのどれだけが最終的にユーザーを引き付けることができるでしょうか?多くの場合、チャネル リーチはマーケティング プロモーション コストに結びついていますが、その結果は満足できるものではありません。

広告やマーケティングでは、プロモーションによってもたらされるブランド価値も​​考慮されます。ユーザーは製品をクリックしたり操作したりはしませんが、製品が存在することは知っており、それが将来の意思決定に微妙な影響を与えます。しかし、ブランド価値を定量化することは困難です。広告の計算では、システムはユーザーの行動を最新の広告露出にのみ関連付けます。

広告のクリック数は CTR（広告クリック数/広告表示数）と呼ばれます。広告以外にも、各種推奨システムの評価にも活用されています。

広告が表示されたら、ユーザーは行動を起こす必要があります。コンバージョン率は最も広く使用されている指標です。業界では、コンバージョン率とコストを組み合わせて、CPM、CPC、CPS、CPD、CPT などを導き出します。

• CPM (Cost Per Mille) は、1,000 インプレッションあたりのコストを指します。広告を見た人数に応じて課金されるもので、従来のメディアが採用する傾向にあります。 CPM プロモーションの効果はインプレッション数によって異なります。ユーザーはそれを閲覧することも無視することもできるため、さまざまなポータルやトラフィックの多いプラットフォームでブランドを表示するにはバナーを使用するのが適しています。
• CPC (クリック単価) は、クリックごとに計算されるユーザークリックあたりのコストを指します。広告主にとって、これは CPM モデルよりもはるかに合理的です。 CPC は不公平だと考える人も多くいます。ユーザーはクリックしませんが、露出はブランドに目に見えない価値をもたらし、広告スペースの供給者にとっては損失となります。
• CPA (Cost Per Action) とは、ユーザーの行動に基づいて計算されるアクションあたりのコストを指します。動作はダウンロードまたは注文購入になります。 CPA は前の 2 つよりも高い収益をもたらしますが、リスクもはるかに大きくなります。それは需要側には有利だが、供給側には不利である。

上記3つが一般的なプロモーション方法です。 CPT は時間に基づいており、CPS と CPS は CPA の範囲内でカウントされます。チャンネルプロモーションはテクノロジーに依存する業界です。ユーザーのポートレートがより正確で、コンテンツがユーザーにマッチしているほど、収益を生み出しやすくなります。

また、eCPM (effective cost per mille) と呼ばれる指標もあり、これは 1,000 インプレッションあたりの収益を測定します。これは広告主が自社の利益を見積もるための指標です。

ROI は、投資収益率を表す、広く適用可能な指標です。

マーケティングや業務活動はすべて企業の利益から始まり、利益/投資を通じて目標を定量化します。利益の計算には財務が関係し、多くの場合、より単純な収益が分子として使用されます。営業活動の ROI が 1 より大きい場合、その活動は成功しており、利益を上げることができることを意味します。

収益に加えて、ROI は他の指標にも拡張できます。ビジネスモデルが明確でなく、利益を生むことができない製品については、売上高の代わりに他の定量的な指標が用いられることになる。例えば、顧客獲得コストとなる登録ユーザー数などです。

アプリをダウンロードする必要があり、これは中間状態です。このリンクに注意を払わないと、多くのユーザーを失うことになります。アプリストアの製品紹介やプロモーションコピーに影響します。数百メガバイトのサイズがある製品の中には、ダウンロード時間が長くてプレイヤーを失う恐れがあるため、さまざまなゲームなど、アプリケーションを最初に起動したときにインストールの一部をパッチの形で完了させるものもあります。

サードパーティプラットフォームはユーザー登録アプリをダウンロードします。このステップでは、主にユーザーが一致しないためにデータ エラーが発生しやすくなります。固有のデバイス ID を介して技術的に照合されます。

新規ユーザー数はユーザー獲得の中心的な指標です。

新規ユーザーは、さらに自然増加とプロモーション増加に分けられます。自然成長は、ユーザー招待やユーザー検索などによってもたらされるユーザーであり、プロモーションは、運営者の強力な管理下でのユーザーの増加です。前者はスロークッキングの最適化であり、後者は揚げ物や炒め物のマーケティングである。

ユーザー獲得には必然的にコストがかかりますが、これは初心者のオペレーターが最も見落としがちなことです。新規ユーザーを獲得するには、運用担当者はこれらのことを知っておく必要があります。

顧客獲得コストは、フィールドマーケティング費用や新規ユーザーへのギフトなど、新規ユーザーの財務に直接結びつく必要があります。ただし、製品全体の運用コストは含めないでください。顧客獲得コストで見ると、WeChatファンは10～20元程度で、商品の価格はビジネスモデルによって大きく異なります。財務管理製品の場合、実効ユーザーあたりのコストは 4 桁を超えており、これは非常に誇張された数字です。しかし、業界全体の顧客獲得コストは依然として上昇傾向にあります。

1 セッション ユーザーとは、アプリをダウンロードし、製品を 1 回だけ開き、使用時間が 2 分未満の新規ユーザーを指します。このタイプのユーザーは、ブラックマーケターまたはロボットである可能性が高く、フリーライダーと見なすことすらできません。

これは商品プロモーションにおけるグレーゾーンであり、利益を得るためにトラフィックを増やし、偽のクリックを得るためにさまざまな手法が使われています。この指標はリスク管理指標であり、監視のために使用されます。

ユーザーアクティビティ

ユーザーアクティビティは運用の中核段階であり、モバイル、Web、WeChat のいずれであっても関連する指標があります。一方、データ分析は現在、ユーザーの行動にますます注目しており、洗練されつつある傾向にあります。

業界のデフォルトのアクティビティ基準は、ユーザーが製品を使用したことです。広義では、ウェブコンテンツの閲覧も「利用」に含まれ、公開アカウントでの注文も「利用」に含まれ、アプリの起動に限定されません。この部分については、前回の記事「ユーザーオペレーション、アクティブユーザーのデータ分析のやり方」を参考にしてください。

アクティブ指標はユーザー操作の基準となるもので、さらにアクティブ率（一定期間内のユーザー総数におけるアクティブユーザーの割合）を計算することができます。時間軸では、日次アクティブ率 DAU、週次アクティブ率 WAU、月間アクティブ率 MAU があります。アクティブユーザー数は製品の市場規模を測る指標となり、アクティビティ率は製品の健全性を反映します。

しかし、製品を開封するだけでその製品の健全性を測ることができるのでしょうか?答えはノーです。成熟したオペレーティング システムでは、アクティブ ユーザーをさらに新規ユーザー、アクティブ ユーザー、ロイヤル ユーザー、非アクティブ ユーザー、離脱したユーザー、リピーター ユーザーなどに細分化します。離脱したユーザーとは長期間非アクティブだったユーザー、ロイヤル ユーザーとは長期間アクティブだったユーザー、リピーター ユーザーとは、かつては非アクティブまたは離脱したが、後に再び製品を使用したアクティブ ユーザーです。

製品ユーザーは、さまざまなアクティブ状態に基づいていくつかのグループに分けられ、異なるグループが製品のユーザー総数を構成します。健全な製品の場合、離脱ユーザーの割合は高すぎず、新規ユーザーの数は離脱ユーザーの数より多くなければなりません。

PV は、インターネットの Web サイトの初期の指標であり、Web ページ バージョンのアクティビティとしても理解できます。 PV（PageView）はページビュー数です。ユーザの Web ページへのアクセス要求は PV とみなすことができます。ユーザーが 10 個の Web ページを閲覧した場合、PV は 10 になります。

UV（ユニークビジター）とは、一定期間内にウェブページを訪れた人の数であり、正式名称は独立訪問者数です。ユーザーが同じ日にいくつの Web ページにアクセスしたとしても、ユニーク訪問者は 1 人としてのみカウントされます。ユーザーが同一人物であるかどうかを確認するにはどうすればいいですか?技術的には、Web ページのキャッシュ クッキーまたは IP によって決定されます。これら両方が変更された場合、ユーザーは新規訪問者としてカウントされます。

PV と UV は非常に古い概念ですが、データ分析ではこれらを避けることはできません。製品のさまざまなページを閲覧することに加えて、WeChatなどのサードパーティプラットフォームでは、さまざまなマーケティング活動はWebページを通じてのみ実行できるため、PVとUVが輝く必要があります。

注意しなければならないのは、WeChat ブラウザはクッキーを長期間保持せず、携帯電話の IP アドレスは常に変化しているということです。したがって、これに基づく UV 統計には誤差が生じます (大きな問題ではありませんが、UV 内の新規訪問者の誤差は比較的大きくなります)。ここでは、WeChat が提供する openid を使用して、Cookie を UV ベンチマークとして置き換えることができますが、追加の技術サポートが必要です。

ユーザー セッション (セッションとも呼ばれます) は、時間枠内のすべてのユーザー動作の集合です。ユーザーはアプリを開き、商品を検索し、商品を閲覧し、注文して支払いを行い、最後に終了します。プロセス全体が 1 つのセッションとしてカウントされます。

セッションの時間枠については厳格な標準はありません。ウェブ上の従来の標準は30分です。ユーザーが 30 分以内に何を行ったとしても、それはセッションとみなされます。 30 分を超える場合は、食事に出かけてから戻って操作するか、もう一度開いて、2 回目のセッションとみなすこともできます。

モバイル端末のデフォルトの時間枠は 5 分です。

ユーザー セッション数とアクティブ ユーザー数の組み合わせによって、ユーザーの粘着性を判断できます。 1 日のアクティブ ユーザー数が 100 で、1 日のセッション数が 120 の場合、ほとんどのユーザーが製品に 1 回しかアクセスせず、製品に粘着性がないことを意味します。

ユーザー セッションは、使用時点でのデータ収集に依存します。ユーザーの操作を記録しなければ、ユーザーの行動がどこで始まり、どこで終わるのかを知ることは不可能です。一方、ユーザーセッションはユーザー行動分析の基礎となります。

名前が示すように、ユーザーの訪問期間はセッションの継続時間です。製品タイプによってアクセス時間は異なります。ソーシャル製品はツール製品よりも間違いなく長く、コンテンツ プラットフォームは財務管理製品よりも間違いなく長くなります。コンテンツ製品のほとんどのユーザーが数秒しか訪問していないことをアナリストが発見した場合、その理由を分析するのが最善です。

アクティビティに重点を置くことに加えて、運用およびデータ アナリストは製品の重要な機能にも重点を置く必要があります。コレクション、いいね、コメントなど。これらの機能は、製品の開発とユーザーの使用の深さに関連しています。毎日製品を開いても他に何もしないユーザーを喜ぶ人はいないでしょう。

機能使用率も非常に幅広い範囲を持っています。たとえば、ユーザーが記事を閲覧した場合、何人のユーザーがコメントし、何人のユーザーがそれを気に入るでしょうか?いいね率とコメント率を2つの指標として使用し、異なる記事のいいね率とコメント率に違いがあるかどうか、いいね率とコメント率がコンテンツ運用に役立つかどうかを確認できます。これらはすべて機能使用率に属します。たとえば、動画サイトの場合、コア機能の使用率は動画の再生音量と動画の再生時間になります。

WeChat パブリック アカウント指標については、個別に議論することも、製品機能の拡張として見ることもできます。画像・テキスト配信率、コンバージョンシェア率、二次コンバージョンシェア率、フォロワー増加数などは、本記事内の他の指標と一致しています。ただ、サードパーティのデータは不便であり、より多くの分析が推測に依存することになります。

ユーザー維持

アクティブ ユーザー数とアクティブ率が市場規模と製品の健全性を表すのであれば、ユーザー維持率は製品の持続可能な発展を表します。

一定期間製品を使用し、一定期間経過後も継続して使用し続けるユーザーを維持ユーザーと呼びます。維持率 = アプリをまだ使用しているユーザーの数 / その時点でのユーザー総数。

今日のインターネット業界では、新規ユーザーやアクティブな言及よりも、リテンションの方が重要な指標です。これは、モバイル人口のボーナスがなくなり、ユーザー獲得がますます困難になり、競争がますます激しくなっているためです。ユーザーを獲得することよりも、いかにユーザーを維持するかが重要です。

ある製品が 1 日に 1,000 人の新規ユーザーを獲得し、そのうち 350 人が翌日もアクティブである場合、翌日の維持率は 35% になります。 7 日目でも 100 人がアクティブな場合、7 日間の維持率は 10% になります。

Facebook には有名な 40-20-10 ルールがあり、新規ユーザーの翌日の維持率は 40%、7 日間の維持率は 20%、30 日間の維持率は 10% であると規定されています。この性能を持つ製品は比較的良好なデータを持っています。

上記のケースはすべて新規ユーザーを中心としたものです。保持率には、アクティブ ユーザー保持率、または古いユーザー アクティビティ率という別の種類もあります。これは、特定の時点でアクティブであり、その後もアクティブなままであるユーザーの割合です。より多くの週次保持率と月次保持率のディメンションを使用します。

新規ユーザー維持率とアクティブユーザー率は異なります。新規ユーザー維持率は製品の初心者向けガイダンスやさまざまな特典に関連し、アクティブユーザー維持率は製品の雰囲気、運営戦略、マーケティング手法などに関連し、製品と運営のレベルに重点が置かれます。

ユーザーの離脱率と維持率は正反対です。製品の新規ユーザーの翌日維持率が 30% の場合、70% のユーザーが失われたことを意味します。

解約率によって、製品の発展をある程度予測することができます。ある段階で製品のユーザーが 10 万人いて、月間解約率が 20% の場合、5 か月後にはすべてのユーザーを失うことが簡単に推測できます。このモデルは粗雑で、ユーザーの復帰や新規追加を考慮していませんが、製品の将来のライフサイクルが楽観的ではないことを反映しています。

ここで次の式を導き出すことができます: ライフサイクル = (1/解約率) * 解約率の時間次元。これは経験的な式であり、効果的ではない可能性があります。

製品の解約率が高すぎると問題になりますか?必ずしもそうではありません。それは商品の背景によって異なります。たとえば、製品が結婚式管理ツールに重点を置いている場合、ほとんどのユーザーは結婚後にその製品を使用しないため、その製品の維持率は間違いなく低くなります。しかし、このタイプの製品が生き残るためには論理がなければなりません。旅行アプリでも同様です。ユーザーは年に数回しか開きませんが、それでも成長する可能性があります。

離脱率はウェブページの指標です。ウェブページは、ユーザーが 1 回のセッションで何ページ閲覧したかという訪問の深さを追求します。ユーザーがウェブページを閉じると、ユーザーは「保持」されていないとみなされます。離脱率の計算式: このページから離脱したページ訪問数 / このページにアクセスしたページ訪問数。商品ページがPV1000に到達し、ページを直接閉じる訪問数が300の場合、離脱率は30%になります。

直帰率は、ユーザーが 1 ページのみ閲覧した後に離脱した回数/訪問回数である離脱率の特殊な形式です。 1 ページのみを閲覧するということは、これがユーザーが Web サイトにアクセスする最初のページであり、一般にランディング ページと呼ばれるページであることを意味します。

離脱率は、Web ページ構造の最適化とコンテンツの最適化に使用されます。直帰率はプロモーションや運用活動の分析でよく使用されますが、この 2 つは混同されやすいです。

マーケティング

ユーザー ライフ サイクルはマーケティング理論に由来し、以前は顧客ライフ サイクルと呼ばれていました。

それは2つの意味があります。 1 つは、個々のユーザー/グループのマーケティング存続期間です。ユーザーは時間の経過とともに変化し、この変化は無数のマーケティングの機会をもたらし、それは市場と企業にとってのチャンスとなります。妊娠期間が 10 か月続くのと同じように、これは 10 か月のライフサイクルを持つマーケティング期間です。この期間に企業はユーザーを中心とした具体的なマーケティングを展開します。引越し、大学卒業、住宅購入などはすべて典型的な周期的特徴を持っています。

もう 1 つは、運用担当者にとってより重要な、ユーザー リレーションシップ管理レベルでのライフ サイクルです。製品とそのユーザー間のビジネス関係は時間の経過とともに変化します。従来のマーケティングでは、顧客は潜在的ユーザー、関心のあるユーザー、新規顧客、古い/成熟した顧客、失われた顧客に分類されます。これらの進行段階は、ユーザーのアクティビティと非常によく似ています。

母子向け製品の場合、マーケティング生存期間、つまり妊娠何ヶ月かを知る必要があります。妊娠初期と後期ではマーケティングの焦点が異なり、妊娠直後の期間が最も適切であることは間違いありません。また、この母親が新規顧客なのか、以前にアプリを使用したことがあるが興味を失ってしまったのかなど、ユーザーと製品の関係性も把握する必要があります。

マーケティングデータ分析において最も重要なリンクは、新規顧客から失った顧客までの段階です。ユーザーが製品をどれだけ長く使用できるかによって、製品の活力が決まります。それは保持と非常によく似ています。上記のライフサイクル計算式はマーケティングから導き出されたものです。

生涯価値とは、ユーザーが生涯にわたって企業に提供できる利益のことで、財務的な定義が必要です。インターネット業界では、ライフサイクル値よりもライフサイクルについて言及することが多いです。これは、インターネットのビジネス モデルが従来のマーケティングでの売買ほど単純で明確ではないためです。

たとえば、WeChat ユーザーの生涯価値を計算することはできますか?いいえ、GuangDianTong であれ、ゲームであれ、WeChat Finance であれ、一般化されたモデルを導き出すことは不可能です。ただし、金融や電子商取引などの一部の製品については、生涯価値を計算できます。

インターネット金融を例にとると、アプリは財務管理と現金ローンの 2 つのビジネスを提供します。同社のこれら 2 つの事業からの収益は通常比較的安定した比率にあり、ユーザーあたりのコスト支出も一定です。したがって、収益はユーザーの財務管理とローンの金額、およびライフサイクルの長さになります。どちらも評価に値する。

生涯価値はライフサイクルよりも重要です。なぜなら、企業が生き残るためには、ユーザーが製品をどれだけ長く使用するかではなく、より多くの収益を上げなければならないからです。詳細については、「操作のビジネス ロジックに関する簡単な説明: CAC と CLV」を参照してください。

ロイヤルティ指数は、アクティブな維持を再定量化したものです。アクティビティとは、製品が使用されているかどうかのみを指します。ユーザー A とユーザー B はどちらも毎日アプリを開きますが、B は購入を行うため、B のほうが A よりも忠誠度が高くなります。データでは、ユーザーを説明するためにより多くの商業指標が必要になることが多く、ユーザーが消費するかどうかは適切な指標となります。

これを簡略化したモデルで表現すると次のようになります。

t は時間ウィンドウ、s は消費回数、一定期間内の消費回数を表します。時間ウィンドウを月として選択した場合、t=1 は現在から 1 か月以内の消費数、t=2 は現在から 2 か月以内の消費数になります。データは以下のとおりです。

消費回数をs/(s+1)に代入し、データを変換します。その目的は収束することです。ロイヤルティの観点から見ると、10 倍消費と 100 倍消費の間に大きな違いはありません。どちらも非常に忠誠度の高いユーザーであり、失うことは困難です。 10/11 と 100/101 の関係も同様であり、極端な値は効果的に回避されます。 0、1、2 回消費するユーザーの場合、対応する値は 0、0.5、0.66 となり、これもビジネス用語で説明可能です。

月ごとのデータを集計して得られる指数は、ユーザーの消費に対する忠誠心を反映することができます。凡例は単なる説明です。実際の適用では、正規化して時間の重みを考慮する必要があります。つまり、消費が最近であればあるほど、消費者の忠誠度が高くなります。上記のモデルはシンプルで、さまざまなビジネス モデルの初期分析に適しています。たとえば、金融投資では、四半期ごとにユーザーが行った投資の数を計算できます。

解約指数は解約を再定量化したものであって、ロイヤルティ指数の反対です。解約率はすべてのユーザーを測定しますが、異なるユーザー間の微妙な違いを区別するためには、解約指数が必要です。初期段階では、解約指数 = 1 - ロイヤルティ指数です。

解約指数とロイヤルティ指数の具体的な定義は、ビジネスニーズに応じて調整できます。たとえば、説明が妥当である限り、ロイヤルティは消費があるかどうかに基づき、解約はユーザーがオープンでアクティブであるかどうかに基づきます。

十分な行動データが得られたら、回帰を使用して解約の確率を予測し、[0,1]の間の値を出力できます。このときの解約確率が解約指数となります。

ユーザー価値指数は、過去から現在に至るまでユーザーが貢献した利益を測定します（ライフサイクル価値は、将来を含むサイクル全体です）。それは洗練された運用の前提です。効果を最大化するために、異なる価値観のユーザーに対して異なる戦略が採用されています。

ユーザー価値指数の算出方法は主に2つあります。 1つはRMFモデルで、R（最新の消費時刻）、M（総消費量）、F（消費頻度）を使用してユーザーを複数のグループに分けます。異なるグループは異なる値のインデックスを表します。

2 つ目は主成分分析 (PCA) です。これは、複数の指標をいくつかの包括的な指標 (つまり、主成分) に変換します。各指標は元の変数のほとんどの情報を反映でき、含まれる情報は重複しません。

旅行ガイドのウェブサイトがあるとします。高品質なコンテンツの投稿者をどのように定義しますか?ユーザーはいくつの記事を公開していますか?この記事はいくつの「いいね！」を獲得しましたか？ユーザーには何人のフォロワーがいますか?この記事には肯定的なレビューがいくつありますか?記事はどのくらいの頻度で更新されますか?それぞれの指標は非常に重要です。主成分分析では、上記の指標をすべて含めて、2 つまたは 3 つの指標に処理できます (通常、線形に関連する指標は結合されます)。この時点で、それを値インデックスに処理することは難しくありません。

上記の指標はいずれもユーザーマーケティングのための詳細なデータです。どうやって応用するのですか？最も古典的なのは、ユーザー価値指数やユーザー離脱指数などの指標を複数の象限に分割するマトリックス方式です。

ユーザー価値が高く、解約率も高いユーザーに対しては、アクティブリコール戦略を採用する必要があります。ユーザー価値が低く、解約率が高いユーザーに対しては、コストバランスを考慮して適切な運用を行う…これは洗練された運用の一例であり、長年のマーケティングでまとめられた効果的な方法でもあります。

コミュニケーション/活動

海外で広く使用されている概念: 各ユーザーが平均して何人のユーザーを招待するか、そしてその招待の有効なコンバージョン率がどれくらいか、つまり各ユーザーがどれだけの新規ユーザーを連れてくることができるか。 K 係数が 1 より大きい場合、各ユーザーは少なくとも 1 人の新規ユーザーを連れてくることができ、ユーザー数は雪だるま式に増加し、最終的に自己増殖を達成します。 K 係数が十分に大きい場合、口コミによるバイラル マーケティングになります。

国内招待の配信の主なチャネルは、当然ながらWeChat Momentsです。 WeChat の共​​有機能と Web ページはどちらもパラメータ統計を増やすことができますが、これを定量化するのは難しくありません。

活動、広告、マーケティングなど、あらゆる形式のコミュニケーションにはコミュニケーション サイクルがあります。バイラル マーケティングは強力かもしれませんが、フォローアップがなければ、そのピークは 2 ～ 3 日しか続かないことがよくあります。これは新規顧客を獲得するための絶好の時期でもあります。

もう一つの普及サイクルは、製品をめぐる招待メカニズムであり、これはシードユーザーが一定期間後に招待できるユーザーを指します。

ほとんどのユーザーは他のユーザーを招待した後、再度招待する意欲を失うため、伝播サイクルは次のように大幅に簡略化できます。1,000 人のシード ユーザーが 10 日間で 1,500 人のユーザーを招待すると仮定すると、伝播サイクルは 10 日、K 係数は 1.5、これらの 1,500 人のユーザーは次の 10 日間でさらに 2,250 人のユーザーを招待します。

理論的には、K 係数とコミュニケーション サイクルを使用して、コミュニケーションによってもたらされるユーザー数を予測できますが、これは実用的な意味はほとんどなく、さまざまなアクティビティや運用レポートの解釈と分析に使用されます。

最近では、すべての製品に共有機能が組み込まれています。コンテンツベースのプラットフォームや普及に依存する製品の場合、共有率はより重要な指標となります。さらに、WeChat 友達/グループ、WeChat モーメンツ、Weibo などのチャネルに分けられます。

注目すべき点は、データにはユーザーがメッセージを転送したかどうかしか表示されず、メッセージが誰に転送されたかを追跡することは不可能であるということです。したがって、製品がユーザーに共有を促す物質的なインセンティブを使用する場合は、だまされないよう注意してください。とにかく、「ファイル転送アシスタント」に転送しました...

コミュニケーションとオンライン活動は密接に関連しており、両者の間に大きな違いはありません。成功するイベントを開催したい場合、イベントの視聴回数を知るだけでは十分ではありません。良いイベントはデータ分析の結果でなければなりません。友人間で最も一般的な赤い封筒のマーケティングを例に挙げてみましょう。 Web ページのパラメータを次のように分析します。

aaa.com/activity/bigsales/?source=weixin&content=h9j76g&inviter=00001×tamp=1495286598

疑問符の後の部分は Web ページのパラメータです。 source=weixin は、Web ページが WeChat で共有されていることを意味します。 content=h9j76g はページの具体的な内容であり、マーケティング用の赤い封筒の種類です。 invester=00001 はどのユーザーがメッセージを共有したかを示し、timestamp は共有の具体的なタイムスタンプです。異なるユーザーの共有ページには異なるパラメーターがあり、それに応じて区別されます。

これらのページがユーザーによって Moments に共有されると、データ収集システムは開かれ閲覧されたすべてのページを記録します。ページ パラメータは、アクティビティの詳細な分析の前提条件です。出典=weixinを通じて、データ分析者はWeChatでの紅包活動の閲覧数を知り、対応する数字はQQとWeiboにもある。コンテンツには、ユーザーが好む紅包の種類、最も多く受け取られる紅包の種類、およびその価格などが表示されます。招待者は、各共有者の共有ページが平均してどのくらいの閲覧数をもたらすかを確認できます。

パラメータの数が多いほど、分析の次元を細かく設定でき、アクティビティの最適化の余地が大きくなります。興味があれば、友達サークル内のさまざまなアクティビティ（Web ページを含む）の Web ページ パラメータを確認し、他の製品の分析ディメンションを観察できます。他人の経験から学ぶのは良い習慣です。

アクティビティ参加率はアクティビティの全体的な状況を測定するもので、ユーザーアクティビティの分析指標に適用できます。

このアクティビティに参加した人数（アクティブ人数）は何人ですか？このアクティビティに参加した古いユーザーは何人ですか?このアクティビティによって何人の新規ユーザーが来ましたか?コミュニケーション活動の共有データとは何ですか?アクティビティ内のさまざまなプロセスはどのように変換されますか?アクティビティによってもたらされた新規注文の数。実際、業務活動はライフサイクルの短い製品とみなすことができ、すべての製品指標を適用できます。

優れた活動は制度化され、製品の機能メカニズムに統合される必要があります。例えば、滴滴タクシーの紅包や、美図やEle.meの紅包は、徐々にアクティビティから遊び方、人を引き付ける手段へと進化してきました。初期のさまざまなオンラインゲームもアクティビティを通じて宣伝され、現在では標準化されたゲーム機能となっています。

アクティビティのメカニズムとは、データを分析してアクティビティ指標を分析し、改善の利点を特定し、それらをレポートに正規化する必要があることを意味します。たとえば、今日使用された赤い封筒の数、アクティビティにより今日追加されたユーザー数などです。

収益

製品、運用、マーケティング担当者は、活動や維持について責任を負うことはなく、むしろ、企業の基本的な財務であるビジネスについて責任を負います。データ分析は、アクティビティやリテンションを高めることを目的としているのではなく、最終的にビジネスを推進する巨大なファネルのように機能すること、つまりビジネスの本質に戻ることを目的としています。

製品の露出からユーザーのダウンロード、アクティブなオープンから収益の創出まで、製品指標は段階的に商業化に近づいており、アクティブな取引ユーザーがその中核となる指標です。プロセス全体は漏斗型です。

ここでの取引は、買い手の消費と売り手の供給の両方を指します。プラットフォームに B エンドと C エンドが含まれる場合、両方のエンドは同等に重要であり、データ システムに含める必要があります。

アクティブユーザーと同様に、アクティブトランザクションユーザーも、初回ユーザー（初回消費）、ロイヤルティ消費者ユーザー、チャーン消費者ユーザーなどに分類できます。トランザクションデータと指標をセグメント化することは、製品の商品化の進捗に関係するため、必要です。実際、この段階では、さまざまな指標がレポート統計よりもユーザーのポートレートに傾いています。

アクティブユーザートランザクション比率。アクティブユーザーのうちトランザクションユーザーの割合をカウントします。製品のアクティブ ユーザーは十分いても、取引ユーザーが少ない場合、商品化に問題が生じます。これは一般に、収益化の難しさとして知られています。多くの企業はこのステップで失敗します。

ユーザーが実際に製品を購入するかどうかに関係なく、ユーザーが注文を行って注文番号を生成する限り、GMVで合計トランザクション額をカウントできます。インターネット電子商取引ではこの指標が好まれます。

取引額は、実際のキャッシュフローに対応します。これは、購入後のユーザーによる消費量です。販売収益は、取引額から払い戻しを差し引いたものです。利益と純利益率については、財務費用が関与しており、データ分析を通じてそのようなデータを取得することは困難であるため、使用することはめったにありません。

上記の3つの指標をユーザー支払いの動的リンクと見なす場合、2つの新しいインジケーターを生成できます。これは、データ分析の考え方の1つでもあります。 GMVに対するトランザクション額の比率は、実際には注文支払い率に変換できます。販売収益と取引額には払い戻し率も含まれます。分析が立ち往生している場合、これらの2つの指標を観察することが役立つ場合があります。

従来の業界では、平均注文値は、消費者がサイトにアクセスするたびに費やす平均金額です。インターネットでは、各ユーザー注文からの収益、総収益/注文数です。

多くのゲームやライブストリーミングプラットフォームは、業界の性質により、ユーザーがもたらす直接的な価値により関心があるため、平均的な注文値に焦点を当てていません。スーパーマーケットの買い物では、ユーザーの購入は長期的であり、平均注文値を使用してスーパーマーケットのビジネス戦略を調整できます。ただし、ゲームなどの業界では、ユーザーの解約率は非常に高く、オペレーターはARPUインジケーター、総収益/ユーザー数である平均ユーザー支払いについてより懸念しています。

ARPUはさらに細分化できます。通常のユーザーが割合が大きすぎると説明する場合、有料ユーザーあたりの平均収益（ARPPU）、総収益/有料ユーザー数がよく使用されます。

買戻し率が収益の世界の保持率であると言うと、それがどれほど重要かを知ることができます。新しいユーザーを追加するのと同じように、新しい支払い顧客を獲得するコストは、既存の顧客を維持するコストよりもすでに高くなっています。

多くの分析シナリオでは、初めてのユーザーがレーベルとして選ばれ、2回以上購入を行ったユーザーは通常の顧客と見なされます。これを行う理由は、1から2つに進むことの意味は、単に1つ追加するよりもはるかに多いためです。

ユーザーが購入するのは、製品を体験することである可能性があります。割引を受けるか、運用からの強力な昇進が原因である可能性があります。さまざまな要因が最初の注文に貢献しています。この時点での消費は製品に対するユーザーの信頼とモデルまたは習慣の形成が好むことに依存するため、2番目の消費量の割合は劇的に低下します（翌日の保持率の低下に対応）。

多くの場合、ユーザーが決定を下すのに時間がかかるほど、投資や旅行など、平均注文値が高くなります。現時点では、1次買戻し率は、より多くの利益を意味するため、より注意を必要とする指標です。

買い戻し率は、繰り返し購入の全体的な統計でより頻繁に使用されます。これは、購入ユーザーの総数について、時間単位で2回以上消費するユーザーの数です。

買い戻し率は別の指標であり、前の時間ウィンドウで取引し、次の時間ウィンドウで消費し続けるユーザーの比率を指します。たとえば、eコマース会社が4月に1,000人の消費者を抱えており、そのうち600人が5月に消費し続けている場合、買戻し率は60％です。 600人の顧客のうち300人が2回以上購入を行った場合、買戻し率は50％です。

リターン率はリスク指標です。リターン率が低いほど良いです。財務レベルを直接反映するだけでなく、ユーザーエクスペリエンスとユーザー関係のメンテナンスにも影響します。

商品

ここでは、主に商品に基づいてデータ分析について説明しています。商品は小売業界に限定されません。知識市場、仮想サービス、および付加価値サービスは、すべての種類の商品です。ショッピングカート、購入、販売など、多くの一般的な分析テンプレートがあります。

ショッピングバスケット分析は、電子商取引分析に限定されるべきではなく、ユーザー消費行動分析に限定されます。

相関レートは、ショッピングバスケット分析の指標、特に販売数と取引数の比率です。大規模なショッピングモールやショッピングセンターでは、共同消費が事業運営の中核であり、ユーザーによる複数の購入が共同消費と見なされます。 eコマースでは、単一の消費から利益を増やすための前提条件であるのはショッピングの深さです。

製品の人気は、迅速かつ効果的な分析です。製品は、最も人気のある上位20の製品、トップ20の最も収益性の高い製品などに分けることができます。利益レバーを見つけるために80/20ルールに依存しています。多くのマーケティングは、それをリンケージレートと組み合わせます。たとえば、eコマースは、トラフィックをもたらすことができる複数の一般的な製品の促進に焦点を当てています。ホット製品はお金を稼ぎませんが、他の収益性の高い製品の共同販売に依存しています。交通製品と利益製品を組み合わせるこの戦略は珍しくありません。

ショッピングバスケット分析の最もよく知られている側面はおそらく関連性があります。これは、特定の種類の製品を購入した他のユーザーが購入する可能性が高いものとして簡単に理解できます。ビールとおむつはおそらく最も有名な例であり、それは間違っていますが、製品の間に実際につながりがあることを明らかにしています。

関連分析には、自信とサポートという2つのコア指標があります。サポートの程度は、同時にショッピングバスケットの特定の製品Aと特定の製品Bの割合を同時に示し、自信の程度は、製品を購入した人も何人購入したかを示します。ラオン・ワンが野菜を買うために市場に行くたびに、彼はたくさんの玉ねぎを買うのが好きです。 Lao Wangの野菜バスケット（ショッピングバスケット）の分析では、玉ねぎやその他の野菜が高いサポートをしています。しかし、それはラオワンが玉ねぎ（玉ねぎ→他の野菜）を買った後、間違いなく他の野菜を買うことを意味しますか？いいえ、野菜を購入した後、ラオンはタマネギ（他の野菜→タマネギ）を買うと言えます。さらに、改善もあります。最も有名なのはAprioriアルゴリズムです。

協会分析はショッピングカートに適用できるだけでなく、アップセリングやクロスセリングのために多くのマーケティングシナリオでも使用されています。一般的なものには、大規模な消費と現金ローン、医療 +保険などが含まれます。目的は収益を増やすことです。

購入、販売、在庫管理は、従来の小売業界の古典的な管理モデルです。企業の商品運用を3つのリンクに分割します：購入、倉庫、販売、フルリンクデータシステムを確立します。実際のビジネスでは、多くのシナリオが購入、販売、在庫に密接に関連しています。

電子商取引には、製品、SKU、SPUなど、いくつかの基本的な概念があります。商品は、消費者が理解している単一の製品です。主流のeコマースWebサイトでは、製品の詳細ページは、SPUとしても知られる1つの商品に対応しています。製品の詳細ページには、サイズ、色、スタイルのオプションもあります。これらの属性は、在庫の最小単位であるSKUを形成します。各属性は異なるSKUに対応します。たとえば、衣類に3つのサイズがある場合、SML、この衣類はSPUであり、3つのサイズは3つのSKUに対応しています。

製品管理は、私たちが考えるほど単純ではありません。一部のユーザーはローズゴールドiPhoneが好きで、一部のユーザーは128G iPhoneを好みます。これらの製品をより適切に販売する方法は、調達段階から始まります。

調達には、幅、幅、深さの3つの寸法が含まれます。幅は、製品カテゴリを指します。カテゴリが豊富になればなるほど、消費者のニーズを満たすことができます。ただし、困難な管理と販売の欠点ももたらします。市場には50のカテゴリの携帯電話があり、特定の携帯電話店では30の携帯電話が販売されており、カテゴリの比率は60％です。

調達の幅はSKU比であり、製品の選択の豊かさを表しています。 iPhoneには、黒、銀、ローズゴールドの3つの色があり、16G、64G、および128Gの3つの容量で、合計9つのSKUです。携帯電話ストアがローズゴールドのみを販売している場合、SKU比は0.33です。調達の深さは、SKUあたりの平均アイテム数です。

在庫は中級の状態であり、購入は入力され、販売は出力です。在庫は、変化の動的でローリングプロセスです。過去の時間枠内で在庫消費率を使用して、既存の在庫の消費を測定することがよくあります。ショッピングモールは4月に毎日1,000個の在庫を消費し、4月末の在庫は50,000個です。これらの50,000個を消費するには50日かかります。 50日間は在庫日と呼ばれます。フォーミュラは理想的な状況ですが、在庫外の状況を判断するために使用しても大丈夫です。

誰もが販売リンクに精通しており、指標は2つの側面に焦点を当てています。販売速度と販売品質です。販売速度は、多くの場合、売り切れの速度として表されます。これは、時間枠内の販売量/時間窓内の在庫量として表されます。これは比率であるため、累積的な売り切れのレートを使用できます。特定の製品の累積完売金利は、3月に50％、4月に60％、5月に80％でした。つまり、製品は徐々に売り切れて補充する必要があります。逆に、売り切れの料金が低い場合、プロモーションを実施するか、購入する必要があります。

販売の質は割引率に関連しており、これは標準額に徴収される実際の金額の比率です。中国には多くの赤い封筒割引プロモーションがあるため、割引率の統計学者が非常に必要です。割引率の典型的な適用は、価格弾力性指数です。価格が1％変化すると、製品販売の割合の変化です。このインデックスは、利益に直接影響します。

購入、販売、在庫分析には多くのコンテンツがあるため、保持と活動分析に精通している人は、少し不快に感じるかもしれません。ただし、インターネット収益化の主流モデルはeコマースまたはそのバリアントであり、この分野の知識は不可欠です。例としてインターネットファイナンスを取ります。投資目標には、典型的な購入と在庫の特性、目標の投資額、リスクレベルとタイプ、目標の残りの量、および購入および販売および在庫の指標を直接適用できる推定在庫日があります。アナリストが、特定の財務管理目標の在庫日が長すぎることを発見したとき、彼はSKUが多すぎるか弱い成長であろうと、理由を分析する必要があります。

結論：

この時点で、誰もがすでにめまいがしています。ビジネスは複雑なシステムであり、データ分析は決して簡単ではありません。 2つの組み合わせには課題がたくさんあります。私のコンテンツは含まれていません。たとえば、eコマースには検索効果の指標もあります。ユーザーは検索ボックスで検索しますが、空の検索はいくつありますか？空の検索ではなく、クリックを生成する効果的な検索がいくつあるのですか？小さな検索ボックスを検索する方法はたくさんあります。

さらに重要なことは、私の能力は洞察と発見です。記事のすべての指標は私によって発明されませんでした。それらは、マーケティングとデータ分析の私の前任者によって要約されました。しかし、私の個人的な研究では、私はすべてを飲み込みませんでした。各インジケータの使用方法について考えるのをやめますか？どのような過去の経験が彼にリンクできるか。データ分析は、短期的にはすぐにビジネスエクスペリエンスを得ることができませんが、より多くのことを考えると、より良いスキルです。

もちろん、分析で使用される指標はそれほど多くなく、多くの場合、2〜3つの重要なインジケーターで十分です。ビジネス面の観点から見ると、これらの指標は完全に機能するものではありません。 KPIにプレッシャーを感じないでください。より良い運転と分析の方法は、収益、収益を2〜3つの論理的に関連する二次指標に分割するなど、部門に大きな目標を設定することです。より多くの有料ユーザーが収益をもたらすことができ、ライフサイクルが長くなると収益をもたらすことができ、顧客単価の増加は収益をもたらすことができます。二次指標に複数の小グループが割り当てられたり、スケジュールに応じて実行されたりする場合、二次指標は3つのレベルに分割することもできます。

著者：Qinlu Wechat公式アカウント：Tracykanc、著者に連絡して転載してください！