運用データとは何か（39の運用データ指標の完全な解釈）

39の運用データ指標の完全な解釈

ビジネス洞察力によってデータ アナリストの能力開発の上限が決まり、データ スキルはそれに近づくだけです。優れたアナリストはビジネスを理解しており、ビジネスを理解する必要があります。

ユーザー獲得

ユーザー獲得は運用の始まりです。ユーザー獲得は、ユーザーとの接触、ユーザーの認知、ユーザーの関心、ユーザーのアクション/ダウンロードという線形思考、つまり固定されたプロセスに近いものです。各プロセスには複数のデータ インジケーターが関係します。

チャネルリーチ

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。

チャネルコンバージョン率

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表します。これはトラフィック所有者が自身の利益を見積もるための指標です。

チャネルROI

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。

毎日のアプリダウンロード数

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。

1日あたりの新規ユーザー数

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。

ユーザー獲得コスト

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。私はかつて、「新規ユーザー獲得についてオペレーションが知っておくべきこと」という顧客獲得コストに関する記事を書きました。

1セッションあたりのユーザー数

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。

1日あたりのアクティブユーザー数/月間アクティブユーザー数

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。

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とUV

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。

注意すべき点は、WeChat ブラウザはクッキーを長期間保持せず、携帯電話の IP は常に変化しているということです。この統計に基づく UV にはエラーが発生します (大きな問題ではありませんが、UV 内の新しい訪問者のエラーは大きくなります)。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数

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。

ユーザーアクセス時間

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。

機能の活用

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。

定着率

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。

ユーザー離脱率

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

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

マーケティングにも独自のデータ システムがあり、インターネットのデータ システムはそこから派生して AARRR フレームワークを開発しました。製品開発モデルは2つあります。製品が短期間で数百万人のユーザーを獲得できる場合、AARRR フレームワークの方が適しています。製品が最初のユーザーから見て明確なビジネス モデルを持っている場合は、マーケティングの概念を適用することもできます。

ユーザーライフサイクル

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。ご興味がございましたら、「わかりやすい、ユーザーライフサイクル運用」をご覧ください。

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。

ユーザー生涯価値

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: CAC と CLV」を参照してください。

顧客/ユーザーロイヤルティ指数

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。

L = \sum_{t=1}^{n}{\frac{s}{s+1} }

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。

顧客/ユーザー離脱指数

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。

顧客/ユーザー価値指数

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

コミュニケーションと活動を合わせると、それらは同じコインの裏表になります。

K係数

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。

ウイルス感染サイクル

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。

ユーザー共有率

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...

アクティビティの露出/視聴回数

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。

http://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。

活動参加率

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。

アクティブな取引ユーザーの数

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）、ロイヤルティ消費ユーザー、チャーン消費ユーザーなどに分類できます。トランザクションデータや指標を細分化することは、製品の商品化の進捗状況に関係するため、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。

総流通総額

ユーザーが実際に商品を購入したかどうかに関係なく、ユーザーが注文して注文番号を生成している限り、合計取引金額を GMV にカウントできます。インターネット電子商取引ではこの指標が好まれます。

取引金額は実際のキャッシュフロー、つまり購入後のユーザーの消費金額に相当します。売上収益は取引額から払い戻し額を差し引いたものです。利益や純利益率に関しては、財務コストがかかり、データ分析で入手することが難しいため、あまり利用されていません。

上記の3つの指標をユーザーの支払いの動的なリンクと見なすと、2つの新しい指標を生成することができ、これもデータ分析の考え方の1つです。取引額とGMVの比率は、実際に注文の支払い率に変換できます。売上収益と取引額には返金率も関係します。分析が行き詰まった場合は、これら 2 つの指標を観察すると役立つ場合があります。

平均注文額

従来の業界では、平均注文額は、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、各ユーザーの注文からの収益、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、業界の性質上、ユーザーがもたらす直接的な価値を重視しているため、平均注文額には重点を置いていません。スーパーマーケットでの買い物では、ユーザーの購入は長期にわたるため、平均注文額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。しかし、ゲームなどの業界ではユーザーの離脱率が非常に高く、事業者はARPU指標である平均ユーザー支払額（総収益/ユーザー数）をより重視しています。

ARPUはさらに細分化できます。一般ユーザーの割合が大きすぎる場合は、有料ユーザーあたりの平均収益（ARPPU）、つまり総収益/有料ユーザー数が使用されることが多いです。

買戻し率

再購入率は収益の世界では維持率であると言われれば、それがいかに重要であるかがわかるでしょう。新規ユーザーを追加する場合と同様に、新規の有料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、初めてのユーザーはラベルとして区別され、2 回以上購入したユーザーは常連顧客と見なされます。これを行う理由は、1 から 2 に移行することの意味は、単に 1 を追加することよりもはるかに大きいためです。

ユーザーが初めて購入する場合は、製品を体験するため、割引を受けるため、または運営側からの強力なプロモーションによるものである可能性があります。第一順位にはさまざまな要因が寄与します。この時点での消費は、ユーザーの製品に対する信頼、モデルに対する好み、または習慣の形成に徐々に左右されるため、2 回目の消費の割合は大幅に低下します (翌日の維持率の低下に対応)。

多くの場合、投資や旅行などでは、ユーザーが意思決定するまでに時間がかかるほど、平均注文額が高くなります。現時点では、一次買戻し率はより多くの利益を意味するため、より注目する必要がある指標です。

再購入率は、繰り返し購入の全体的な統計でよく使用されます。つまり、単位時間内に 2 回以上消費するユーザーの数が、購入するユーザーの総数を占めます。

再購入率は別の指標であり、前の期間に取引を行い、次の期間でも引き続き消費するユーザーの割合を示します。たとえば、ある電子商取引会社が 4 月に 1,000 人の消費者を抱え、そのうち 600 人が 5 月も引き続き購入した場合、再購入率は 60% になります。 600 人の顧客のうち 300 人が 2 回以上購入した場合、再購入率は 50% になります。

返品率

収益率はリスク指標です。返品率は低ければ低いほど良いです。これは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やユーザー関係の維持にも影響します。

商品

ここでは主に商品をベースにしたデータ分析について議論します。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、付加価値サービスはすべて商品の一種です。ショッピングカート、購入、販売など、一般的な分析テンプレートが多数あります。

ショッピングカート分析

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のではなく、ユーザーの消費行動分析も行う必要があります。

相関率はショッピングバスケット分析の指標であり、具体的には販売数と取引数の比率です。大規模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となっており、利用者による複数回の購入も共同消費とみなされます。電子商取引では、一回の消費から得られる利益を増やすための前提条件は、ショッピングの深さです。

製品の人気度を迅速かつ効果的に分析します。製品は、最も人気のある製品トップ 20、最も収益性の高い製品トップ 20 などに分類できます。利益レバーを見つけるには、80/20 ルールに依存します。多くのマーケティングでは、これをリンク率と組み合わせます。たとえば、電子商取引では、トラフィックをもたらす可能性のある複数の人気商品の宣伝に重点を置いています。人気商品は利益を生むのではなく、他の利益を生む商品との共同販売に依存しています。トラフィック製品と収益製品を組み合わせるこの戦略は珍しいことではありません。

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です。これは、特定の種類の製品を購入したユーザーが他にどのようなものを購入する可能性が高いか、と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、これは間違っているものの、製品間に確かにつながりがあることを明らかにしています。

関連性分析には、信頼度とサポートという 2 つの主要な指標があります。支持度は、ある商品Aとある商品Bが同時に買い物かごに入っている割合を示し、信頼度は、商品Aを購入した人が何人Bも購入したかをA→Bで表します。ラオ・ワンさんは野菜を買いに市場に行くたびに、玉ねぎをたくさん買うのが好きです。老王の野菜かご（買い物かご）の分析では、タマネギなどの野菜の支持が高い。しかし、それは、老王が玉ねぎを買った後に必ず他の野菜も買う（玉ねぎ→他の野菜）という意味でしょうか？いいえ、野菜を買った後、老王さんは玉ねぎ（他の野菜→玉ねぎ）を買うとしか言えません。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。

関連性分析はショッピングカートに適用できるだけでなく、アップセルやクロスセルの多くのマーケティングシナリオでも使用されます。よくあるものとしては、大量消費＋現金ローン、医療＋保険などがあり、目的は収益を増やすことです。

購入、販売、在庫

購買、販売、在庫管理は、伝統的な小売業界における古典的な管理モデルです。企業の商品業務を購買、倉庫保管、販売の 3 つのリンクに分割し、フルリンク データ システムを構築します。実際のビジネスでは、多くのシナリオが購買、販売、在庫と密接に関連しています。

電子商取引には、製品、SKU、SPU といったいくつかの基本的な概念があります。商品とは、消費者が理解する単一の製品です。主流の電子商取引 Web サイトでは、製品詳細ページは 1 つの商品に対応しており、SPU とも呼ばれます。商品詳細ページには、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、衣服に SML の 3 つのサイズがある場合、この衣服は SPU であり、3 つのサイズは 3 つの SKU に対応します。

製品管理は私たちが考えるほど単純ではありません。ローズゴールドの iPhone を好むユーザーもいれば、128G の iPhone を好むユーザーもいます。これらの製品をより良く販売する方法は、調達段階から始まります。

調達には、幅、広さ、深さという 3 つの側面が含まれます。幅広さは製品カテゴリーを指します。カテゴリーが豊富であればあるほど、消費者のニーズを満たすことができます。しかし、管理や販売が難しいというデメリットも生じます。携帯電話には50のカテゴリがあり、ある携帯電話ショップではそのうち30のカテゴリを販売しており、カテゴリ比率は60％です。

調達幅とは、商品選択の豊富さを表すSKU比率です。 iPhone には、ブラック、シルバー、ローズゴールドの 3 色と、16G、64G、128G の 3 つの容量があり、合計 9 つの SKU があります。携帯電話ショップがローズゴールドのみを販売している場合、SKU 比率は 0.33 になります。調達深度は、SKU あたりのアイテムの平均数です。

在庫は中間状態であり、購買は入力であり、販売は出力です。在庫は動的かつ継続的に変化するプロセスです。既存の在庫の消費量を測定するために、過去の期間内の在庫消費率を使用することがよくあります。あるショッピングモールでは、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50,000個を消費するには50日かかります。 50 日を在庫日数と呼びます。この計算式は理想的な状況ですが、在庫切れ状況の判断に使用しても問題ありません。

販売リンクは誰もがよく知っているもので、指標は販売速度と販売品質という 2 つの側面に焦点を当てています。販売速度は、多くの場合、売り切れ率として表され、時間枠内の販売数量/時間枠内の在庫数量として表されます。これは比率なので、累積売り切れ率を使うことができます。ある商品の累計売り切れ率は、3月は50％、4月は60％、5月は80％であり、徐々に売り切れており、再入荷する必要があることを示しています。逆に、売り切れ率が低い場合は、プロモーションを実施するか、購入を減らす必要があります。

売上の質は割引率、つまり実際に回収された金額と標準金額の比率に関係しています。中国では紅包割引プロモーションが多数あるため、割引率の統計学者が非常に必要です。割引率の典型的な応用例は、価格弾力性指数、つまり価格が 1% 変化した場合の製品売上の変化率です。この指標は利益に直接影響します。

購買、売上、在庫分析の内容が多いため、リテンションやアクティビティ分析に慣れている人にとっては少し違和感があるかもしれません。しかし、インターネット収益化の主流モデルは電子商取引またはその派生であり、この分野に関する知識は不可欠です。インターネット金融を例にとると、投資対象には典型的な購買と在庫の特性があります。ターゲットの投資額、リスクレベルとタイプ、ターゲットの残量、推定在庫日数はすべて、購入、販売、在庫指標に直接適用できます。アナリストが金融商品の在庫日数が長すぎることに気付いた場合、SKU が多すぎるのか、成長が弱いのかなど、その理由を分析する必要があります。

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。 |コンテンツソース: データ愛好家コミュニティ

【ヘッドライン記事 - 袁帥が運営者について語る】袁帥は、インターネットデータ分析運営者であり、新社会の共同創設者であり、ブティックホームステイ中庭[Jinghuayuan·Menghui Gudao]のオンライン運営者でもあります。展示会業界の情報技術の専門家、CEAC 国家情報技術コンピュータ教育認定資格: インターネット マーケター、SEM 検索エンジン マーケター、SEO エンジニア。 Yonghong Data Science Research Institute のデータアナリスト、MVP。中国電子商取引協会認定：中国電子商取引専門マネージャー、ベストセラー書籍「インターネット販売ハンドブック」の共同制作者の一人。中国国際貿易促進委員会：今日展会員連盟VIP個人会員、中華全国工商連合会パーク委員会事務局メンバー、中国低炭素スマートパーク連盟理事、金曜コーヒーメディアクラブ創設パートナー。 Baidu VIP 認定ウェブマスター、Baidu Wenku 認定著者、Baidu Experience 契約著者、Baijiahao/Yidian Zixun/DaYuhao/Sohuhao/NetEasehao/Toutiaohao/Zhihu Column/iResearch Column などのメディア プラットフォームの常駐著者、Internet Data Officer (iCDO) のオリジナル著者、Internet Marketing Officer CMO のオリジナル著者。