ユーザー階層化操作 (1 つの記事の例の解釈: ユーザー階層化操作方法論)

記事例の解釈：ユーザー階層化操作方法論

ユーザー階層化操作については、あまりにも多くの記事や有名人によって言及されてきました。 Baidu 百科事典のより「科学的」な理論は、RFM モデルに基づいています。 RFM モデルは、従来の企業やインターネット企業で広く使用されてきました。ユーザーを区別するために主に次の 3 つの次元を使用します。

• R (最新性): 特定の時点に最も近い消費、つまり「最新性」の次元。
• F (頻度): 一定期間内の消費頻度。これは「頻度」の次元です。
• M (金額): この期間中の消費量に対応し、「金額」ディメンションです。

しかし、業界、企業、事業ごとに、同じシナリオでも人によってアプローチは異なります。以下は、インターネット＋ファンド業界をベースにしたファンド変革（商業収益化）における私の方法論的経験の一部です。具体的な結果、結論、および関連する一部のデータは省略しました。私たちはこれについて、次の 4 つの側面から議論します。

1. ユーザー階層化ディメンションの確認
2. ユーザーレベルのラベルサポート
3. 改良された運用テスト出力
4. 操作性の向上とエネルギー効率の向上
5. その他のメッセージ

最初に注意すべきことは、選択するユーザー階層化ディメンションは、目的やビジネス属性に応じて異なるということです。最終的な結果は、「象限階層化における 4 種類のユーザー」、「時間軸における複数の種類のユーザー」、「製品のコア動作におけるユーザーの複数のリンク」などになります。これは一種のユーザー セグメンテーションです。

ここでのファンドビジネスに関しては、主にユーザーの意欲とユーザー属性に基づいた「象限階層化」を行っています。

• ユーザーの意欲、つまり対象ユーザーの特定の行動に反映される製品やサービスに対する意欲。
• ユーザー属性とは、対象ユーザーが製品やサービスに反映する関連属性を指します。特にファンドビジネスの場合、ファンド商品への投資におけるユーザーの専門性をベンチマークすることができます。
• ビジネス指向とは、上記の次元を通じて象限ユーザーを区別した後、どのようなユーザーニーズが途中でテストされ、検証され、満たされたとしても、最終的にはビジネス変換に到達し、トラフィック収益化のステップを考慮する必要があることを意味します。

上記では、基本的に、ユーザーの資金投資意思の強さと専門性のレベルに応じて、横軸と縦軸の階層化次元を決定しました。では、象限識別のために製品内でユーザー タグを見つけるにはどうすればよいでしょうか?

そのためには、自社のビジネスと階層化の両面の理解に立ち戻り、この2つの側面から「ユーザーの意欲」と「ユーザーの専門性」を支える製品内のさまざまなデータを抽出して活用する必要があります。ここでは、これらのユーザー タグがユーザー階層化ディメンションの正しい方向を証明できると仮定し、継続的にテスト、検証、最適化するという仮定プロセスがあります。さらに、洗練されたユーザー セグメンテーション操作の 3 つの主要要素は、継続的な動的な調整と更新のプロセスであることを理解することが重要です。これらは、セグメンテーション ラベルの継続的な検証とサポートによって、または製品開発のさまざまな段階で更新される可能性があります。いずれにせよ、それらは静的なものではありません。

• ユーザー階層化ディメンション自体。
• ユーザー階層ディメンションのユーザー ラベルをサポートします。
• ユーザー行動データ自体はユーザータグ自体をサポートします。

以下の関連データはプラットフォームから抽出されたものであり、ユーザー階層化次元の方向性の証拠として役立つと考えられます。ここでの結果、つまり、「非マネーマーケットファンドを購入」したユーザーは、より専門的なファンド投資ユーザーであると事前に想定されます。しかし、継続的なテストと検証を経て、私たちは「購入した非マネーファンド」に基づいて「最初の購入から1か月以上」というラベルを追加する必要があると考えました。

これについて言えば、この仮想ビジネス シナリオを現実的な方法で考えることをお勧めします。たとえば、顧客があなたの店の前を通りかかり、一目見てから振り返って二度と振り返らない、またはあなたのドアの前や特定の商品の前を通り過ぎ、立ち止まって何度も何度もいじっているような状況です。実際、オンライン製品と同様に、このようなユーザー行動にはパフォーマンスと反映が残っています。

ここでは主に、ユーザーがファンド商品ページと購入プロセスの各パスボタンを訪れた回数と頻度を抽出し、上記パスのユーザー行動を一つずつラベル付けして重み付けします。重みスコアはアクセス パスの深さに応じて増加します。

上記のユーザー行動タグと対応する重みスコアを決定した後、対応するユーザー UID とボリュームの絶対値をデータベースで実行できます。また、重み付けポイントには厳密な境界や基準はなく、ファンネル路盤の方向とパスの重みに概ね従う限り、厳密な境界や基準は存在しないことにも注意してください。最終的に、次の結果が得られました。

上記の階層化ディメンションと対応するユーザー タグのサポートに従って、階層化されたターゲット ユーザーに徐々に到達します。それらのイメージはまだ比較的漠然としており、徐々に明確にする必要があります。同時に、特定のロジックと対応するデータを通じて選別された、特定の特性を持つユーザー グループを最初に取得しました。ここでは、とりあえず絶対的な因果関係と決めつけるのではなく、慎重かつ大胆な仮定を保って、とりあえずは関連現象として扱うことが推奨される。

上記のユーザー階層化ディメンションの 4 つの象限によれば、ユーザーには 4 つのタイプがあります (移行段階では考慮されません)。

• 購入意欲は強いが、比較的初心者のユーザー
• 購入意欲が弱いユーザーや比較的初心者のユーザー
• 購買意欲が強く、プロフェッショナル志向のユーザー
• 購入意欲は弱いが、プロフェッショナル志向のユーザー

次のステップは、上記の 4 種類のユーザーを徐々にターゲットにし、ユーザー エクスペリエンスを確保しながらさまざまなテスト変換を継続的に試行し、ビジネス目標に向けて継続的に検証して対応する結論を導き出すことです。以下は、学生が他のビジネスアイデアを開拓するのに役立つ、ファンド商品の初回購入とリピート購入に関するいくつかのテストポイントです。実際の事業実績や結論についてはここでは開示できません。

• 10元で購入できる資金は、敷居の低い初回購入を誘導するために使用されます。
• リスク選好に応じて、ユーザーの保有資産と同じ属性を持つファンドが、繰り返し購入を促すために推奨されます。
• 資産配分を活用し、リスクレベルが重複するファンドを推奨して、繰り返し購入を促します。
• ファンド投資とファンド固定投資のメリットを通じて、ユーザーを継続的に教育し、コンテンツを収益化します。
• 特定のシナリオでは、一定額のコストインセンティブを付けて再試行します。
• ファンド金利割引など。

前回の記事「古いドライバーの操作ルーチン：インターネットファンドの操作方法」もご覧ください

ユーザー階層化ディメンションを決定し、ユーザー タグを抽出し、さまざまな属性を持つユーザーを継続的にテストした後、最終的にビジネス目標に基づいた結論に到達する必要があります。さらに、本文のビジネスの観点から、特に「購入意向が強い」ユーザーなど、最も大きな価値出力が見込めるユーザーへのフォローアップを優先する必要があります。潜在的価値が低い他のユーザーについては、無視するわけではありません。例えば、コンバージョンに時間がかかったり、難しい場合もあるので、計画を立てて一歩ずつ進めていく必要があります。これは「収益化可能な潜在的なユーザーの蓄積」を構築することと同じです。これに基づいて、提案された出力の結論は主に次の側面から得られます。

• ターゲットとなる階層化されたユーザーは誰ですか?
• 最高の目標効果を達成するには、どのようなポイントを取り上げ、それをどのように変換すればよいでしょうか?
• 目標効果の面では、改善の余地はどこにあるのでしょうか?

もちろん、上記のテスト結果を得るだけでは十分ではありません。さらに推進する必要があるのは、結果と結論をどのように運用してエネルギー効率を最大化するかということです。著者は主に以下の点に焦点を当てています。

• まず、結果と結論を製品化し、ユーザーのシナリオとプロセスに組み込みます。これにより、エネルギー効率が向上します。
• エリアを拡大し、点から面へとユーザーにプッシュし、その過程で継続的に最適化と改善を行い、生産能力を高めます。
• 特にユーザーセグメンテーションやシナリオセグメンテーションが非常に細かい場合には、必要に応じて運用背景を構築して迅速に成果を出す必要があります。

経験から言うと、これは紆余曲折の多い道ですが、最も重要なことは始めることです。自社のビジネス目標、コアビジネスパス、ユーザー行動パフォーマンスデータなどに基づいて、まずは着手し、継続的に最適化と調整を行い、最終的に自社の運用戦略とシステムを確立します。さらに、このフレームワークとシステムでは、イベント操作、コンテンツ操作、データ操作などが、孤立したリズムのないサポートされていない操作の支点ではなく、より論理的で目的のあるものとして見えるようになります。

著者: Shancaijun、WeChat ID: zhima_lvdou;いくつかの個人的な方法論の要約、議論と交換を歓迎します。

この記事はもともと @善财君 によって Everyone is a Product Manager に掲載されました。無断転載禁止