運用データシステム分析（オペレーターが持つべきデータ分析手法と意識）

オペレーターが持つべきデータ分析方法と意識

（1つ）

運用作業におけるデータの使用。

あるいは、データを活用して業務を導く方法についても述べることができます。

データの背後には論理と推論が存在します。

言い換えれば、データをより有効に活用したいのであれば、まず優れた論理と推論の分析スキルが必要です。

このレベルにさえ達することができなければ、たとえこの部分を読んで賞賛したとしても、形だけを掴んでいて精神を掴んでいない可能性が非常に高いです。

自分の論理的思考力を評価する方法については、一般的な参考例を挙げます。論理的思考力の強い人は、言語表現が体系化されており、話し方も構造化されて整理され、考えが明確である傾向があります。

例えば、質問に答えるときには、「原因-プロセス-結果」、「事例-問題-原因の分析-解決策」といったフレームワークを使って答えるのが好きです。

このフレームワークは思考を制限するものではなく、アイデアを整理するためのものです。

これを踏まえると、会話の中で話題から逸れがちで、元の話題に戻すことができない人や、矛盾した表現をすることが多く、自分の正当性を説明するのが難しい人は、論理性が低い可能性が高いと言えます。しかし、論理を実践することは不可能ではなく、ただ多くの時間を必要とするだけです。

たとえば、自分自身で特定の思考フレームワーク（前述の「ケース-問題-原因-解決策」フレームワークなど）を確立し、自分が経験する可能性のあるすべての関連シナリオで、対応するフレームワークを使用して考え、表現するように努めます。これを数か月続けると、通常は何らかの効果が現れます。

（二）

データについて言えば、アリババのデータシステムは国内インターネット業界全体で最も強力なはずです。以前、アリババを辞めた同級生のRui Xiさんが「アリババでの3年間の業務経験のすべてがここに」という記事を書いていました。この記事は、データの価値と運用業務における具体的な使用シナリオを詳しく説明していると思います。

簡単にまとめると、業務におけるデータの価値には次のような側面が含まれると考えられます。

1. データは製品の現在の状態と段階を客観的に反映できます。たとえば、Sanjieke がターゲットとするユーザー グループは、主にインターネット業界の「プロダクト マネージャー + 製品運用」です。このグループに 300 万人がいて、現在 10 万人のユーザーがいて、口コミによる自己成長が比較的速い場合、プロモーションをより効果的に行うために、プロモーションとマーケティングの取り組みを強化するべきでしょうか?あるいは、現在ユーザーが 10,000 人しかおらず、コースやその他の製品の製品エクスペリエンスが比較的平均的である場合、現在の主なタスクは、ペースを落として、まず製品エクスペリエンスの向上に努めることではないでしょうか。

2. 何かを実行したが結果が良くなかった場合、データによって問題がどこにあるのかがわかります。

たとえば、プロモーションを中心としたイベントを企画したが、終了後に参加したい人があまりいなかったことがわかったとします。では、トラフィックが足りなかったのか、ページのコンバージョン率が低すぎたのか、それとも登録プロセス全体に問題があったのかを確認すべきではないでしょうか?

3. 目標を達成したい場合、データは目標を達成するための最善の道を見つけるのに役立ちます。

これは先ほど述べたことと似ています。例えば、上司から売上を5倍に増やすように言われたら、売上を増やすためにどこから始めるべきかを考える必要があるのではないでしょうか。より多くのトラフィックをもたらすためですか?それとも、支払いコンバージョン率の向上に重点を置くべきでしょうか?それとも平均注文額を上げるべきでしょうか?あるいは、上司がユーザー数を 50 万人増やしたいと考えている場合は、この 50 万人のユーザーがどこから来るのかを検討する必要があります。ユーザーの口コミと自己成長からどれだけの成果が得られるでしょうか?オンライン同盟からどれだけの成果が得られるでしょうか? DoubanグループとSina Weiboからどれくらいの利益が得られるのでしょうか？

4. 非常に洗練されたデータ分析により、レイヤーごとの分解を通じてユーザーをより深く理解し、サイトエコシステム全体をより細かく制御できるようになります。

たとえば、Sanjieke サイトには非常に多くのコースがあり、そのデータを使用して次の質問に対する答えを得ることができます。コース レベルから見ると、どのようなコースがみんなに人気があるのでしょうか。では、あなたのリスニング習慣は何ですか?同じ授業を何度もじっくり聞くのが好きですか？それとも、授業を 3 ～ 5 分だけ聞いて、そのまま立ち去ってしまうのでしょうか?では、まだ卒業していない大学卒業生と、2～3年働いているインターネット実務家は、どちらも学びたいと思っていても、学習習慣や要求は異なるのではないでしょうか。また、3 つのクラスのすべてのユーザーに最大限のサービスを提供したい場合、これらのユーザーを異なるカテゴリに分類し、異なるコースや学習コンテンツをプッシュして、さまざまなユーザー行動を完了するようにガイドすることはできますか?

5. データの中には、物事を改善するのに役立つ潜在的な手がかりやイースターエッグが隠されている可能性があり、発見して探索するのを待っています。

たとえば、Sanjieke のユーザー グループでは、データ分析を通じて次のような結論が見つかりました。過去 1 か月間に、Sanjieke でクラスに申し込んだユーザーの 70% は、当社の記事を読んだために来ていたのです。現時点で何をすべきだと思いますか?もちろん、間違いなく、この記事をホームページの目立つ場所、または新規ユーザーの登録や訪問プロセスの特定のノードに配置して、より多くの新規ユーザーを刺激するために使用する必要があります。

上記5つのポイントのうち、1つ目の、製品形態と製品開発動向を組み合わせてマクロ的な視点で製品の段階を判断し、それに応じた運用戦略を策定する方法については、後ほど詳しく説明します。

それでは、上記の 4 つの価値の現れ 2、3、4、5 について、より詳しい例を挙げながら順番に説明していきましょう。

（三つ）

まず最初の点についてお話ししましょう。何かを実行したが効果が良くなかった場合、データをどのように使用して問題がどこにあるのかを特定しますか?

実際の例を見てみましょう。 O2Oコース学習プラットフォームには50,000人の登録ユーザーがいます。そのモデルは、ユーザーがオンラインで登録して料金を支払い、オフラインで授業に参加するというものです。最近、パッケージプロモーション用に 6 つのコースを集約した特別なトピックが開始されました。各クラスに少なくとも40人が申し込むと予想されていましたが、結果から判断すると、効果は良くありませんでした。

この特別ページの関連データは図に示されています。

さて、このトピックの具体的な問題がどこにあるのかを知りたいと思います。私たちは何をすべきでしょうか?

ここで、まず少し時間を取って考えることをお勧めします。あなた自身で何らかの判断と結論を出した後、私の回答を読み続ける方が良いでしょう。ここで、私が以前に述べた 4 つの「運用思考」のうちの 1 つであるプロセス思考について言及する必要があるかもしれません。つまり、まずプロセスを整理し、次にそのプロセスを使用して問題がどこにあるかをリバース エンジニアリングする必要があります。

たとえば、コーストピックの運用の場合、ユーザーに到達するまでのプロセス全体は、おおよそ図のようになります。

したがって、このプロセスに基づいて振り返り、トピック全体の問題がどこにあるのかを確認することができます。例えば、プロモーション自体が効果的ではないのでしょうか?それとも、特別ページへのプロモーションのコンバージョン率が低すぎるのでしょうか?それとも、トピックページのポップアップウィンドウが高すぎて、ほとんど誰もコースに参加しないのでしょうか?あるいは、コースページから登録までのコンバージョン率が低すぎるのでしょうか?それとも、登録後の注文確認や支払い手続きで迷ってしまう人が多すぎるのでしょうか？

また、上記の主要なリンクの 1 つに問題があることが明確に定義されている場合、たとえば、トピックに宣伝されたトラフィック データが貧弱であることがわかった場合、具体的な理由は何ですか。チャンネル数が少なすぎるからでしょうか、それともチャンネルの実行力が十分でないからでしょうか?それとも、販促資料やコピーライティングが貧弱なのでしょうか?

上記の考え方に従ってこのトピックのデータを分析すると、このトピックの問題は主に次の側面に現れることがわかります。

（１）トピックページの全体的なUVが非常に悪い。合計で 1,000 個を超える UV は、特別なトピックとしては実に残念な数です。具体的な理由としては、トピックの開始があまりにも急ぎすぎたことなどが挙げられます。ご覧のとおり、8 月 3 日に開始されるはずだったトピックは 7 月 31 日まで開始されませんでした。この話題の宣伝はあまり効果的ではなかった。具体的には、レイアウトされたチャネルが不十分であったり、特定のチャネル内での実行がうまく行われなかったりすることが原因です。これには、各チャネルのトラフィックの構成をさらに調べ、実行状況と組み合わせて分析することが必要になる場合があります。

（２）トピックページの効率は総じて悪い。一方で、直帰率は40%を超えています。一方、特設ページから単一コースに誘導されたUV数は187個以下で、特設ページのトラフィックの10%程度に過ぎません。この効率は、まだ恐ろしいほど低いです。

（３）コース単体の観点から見ると、コース３はユーザーにとって魅力が低い（登録数が少なく、コースページへのアクセス数が少ない）可能性があり、コース４のコース詳細ページや価格設定には最適化の余地がある（アクセス数が多いが、登録数が少ない）可能性がある。コース 6 は登録コンバージョン率は良好ですが、サイト上で公開される機会は全体的に少ないようです。

この例を読んだ後、データは本当に問題を詳細に定義するのに役立ち、言葉に意味を持たせ、目標を明確にすることができると感じますか?

（4）

次に、データが提供できる 2 番目の種類の価値について説明します。特定の目標を達成したい場合、データを使用して、それを達成するための最善の道筋を評価して指定するにはどうすればよいでしょうか。

例を見てみましょう。3 つのクラスの現在の平均 1 日の登録者数が 2,000 人で、来月の目標が平均 1 日の登録者数を 20,000 人に増やすことである場合、投資予算コストを最小限に抑えるにはどうすればよいでしょうか。この問題を解決したら、まず前のセクションで説明した目標分解法に従って目標を分解し、次の結果を得ることができます。

コース登録数 = ウェブサイトのトラフィック × コースコンバージョン率 × 1人あたりの平均登録コース数

そして、目標指標を10倍に増やしたいので、3つの要素を個別に増やす可能性を評価する必要があります。まずウェブサイトのトラフィックを見てみましょう。 3つのクラスのターゲットユーザーが主に3歳未満のインターネット製品および操作分野の実務者であると仮定すると、ターゲットユーザーの合計は約100万人になります。ただし、現在のウェブサイトの 1 日あたりの UV は 3,000 未満です。通常のロジックに基づくと、Web サイトの通常の 1 日の UV を対象ユーザーの 1/10 程度、つまり 100,000 まで増やすことができるはずです。

ただし、このトラフィックを短期的に増加させる必要がある場合は、必ずいくらかの費用が必要になります。

コースのコンバージョン率を見てみましょう。ウェブサイト全体の UV/コース登録数の現在のコンバージョン率が 2% であり、分析によりコース ページにアクセスする UV 数が 1 日あたり約 2,000 であることが示された場合、経験に基づくと、これはすでにかなり良好なコンバージョン率です。

他の同様のコース学習ウェブサイトのデータを参照すると、3% はすでに非常に高いウェブサイト UV/登録コンバージョン率です。

プロセスを整理した後、サイト上のコースの露出誘導、コース一覧ページと詳細ページのレイアウトの最適化、コースのコピーライティング、コース登録プロセスとエクスペリエンスの最適化など、一定の最適化を実施することで、3% のコンバージョン率と 1.5 倍の全体的な改善を達成できると暫定的に想定しています。

最後に、ユーザーごとに登録されたコースの平均数があります。 3 つのコースについて、ユーザー 1 人あたりの平均登録コース数が 2 であり、サイト上で毎月 25 のクラスが同時に提供され、これらの 25 のクラスは互いに関連していることが多く、論理的に進行する関係にあるとします。

したがって、人口一人当たりの登録コース数には明らかに改善の余地があると結論付けることができます。

Sanjieke には現在 2 つの主要なコース システムがあり、各システムには 12 のクラスがあるため、コースのバンドル、関連コースの推奨、サイト内メッセージ通知、複数のコースを一度に登録するための無料の極秘情報などの一連の運用手段を通じて、ユーザーあたりの平均登録コース数を約 10 クラス、全体で 5 倍に増やすことができると暫定的に推測されます。

そうですね、私たちの提案は「最低予算」が必要なので、予算なしで指標を上げる手段を優先し、その後に予算で指標を上げる手段を検討するという考え方になります。

上記の推論に基づくと、予算を投資することなく、次のことが達成できるはずです。

コース登録数 = ウェブサイトトラフィック × (コースコンバージョン率 × 1.5) × (平均登録コース数 × 5) = (コース登録数 = ウェブサイトトラフィック × コースコンバージョン率 × 平均登録コース数) × 7.5

この時点で、この推論に従うと、コース登録数が約 7.5 倍に増加していることがわかりました。

つまり、10 倍の目標を達成するには、理論的には予算をさらに投資し、ウェブサイトのトラフィックを元のレベルの 1.33 倍以上に増やすだけで、所定の目標を達成できます。

この時点で、最低コストで目標を達成するための運用計画が形になりました。

対象データを繰り返し推論し考えるという上記のプロセスが、皆さんにも何らかのインスピレーションを与えてくれることを願っています。

（五）

次に、データが表すことができる 3 番目の種類の価値について見てみましょう。非常に洗練されたデータ分析により、より深く掘り下げてユーザーをより深く理解し、サイトのエコシステム全体をより適切に制御できるようになります。

例を見てみましょう。現在、サイト上のすべてのデータが公開されている場合、運用面では、運用作業をより適切に導くために、3 つのクラスのユーザー行動をより詳細かつ正確に理解する必要がある場合、より価値のある情報を取得するためにデータをどのように分析して比較すればよいでしょうか。

ここで、データ分析における 2 つの基本概念、「次元」と「測定」を紹介する必要があります。

簡単に言えば、メトリックは特定のデータ指標であり、通常は定量化されたデータ値として表現されますが、ディメンションは図に示すように、これらの指標を見る別の角度です。

たとえば、Web サイトの UV (ユーザー訪問数) はデータ指標です。これを日付という次元から見ると、どの曜日や月でトラフィックが多いか少ないか、またパターンがあるかどうかを評価できます。

24 時間の時間区分の観点から見て、毎日の異なる時間帯のトラフィック分布を評価することもできます。また、地理的な側面から見て、 Web サイトを使用するさまざまな地域のユーザーの習慣や状況に違いがあるかどうかを把握することもできます...これら 2 つの単語を理解すると、いわゆるデータ分析とは、評価する指標を明確に定義することだけであり、次にこれらの指標をどの側面から見る必要があるかを知る必要があることがわかります。場合によっては、さまざまなディメンションとメトリックを相互分析して比較し、最終的に結論を出して、結果をグラフなどの方法で提示する必要があることもあります。

それで、この例に戻ると、特定の製品形式を組み合わせて、ユーザーエコロジーと使用習慣をより深く理解したい場合、まず評価する必要がある指標が何であるかを明確に定義する必要があるのではないでしょうか。

この指標は、コア製品の機能と併せて考慮する必要があります。 Sanjieke ウェブサイトの現在の主な製品機能である授業の受講と学習から始めて、このウェブサイトでのユーザーのコア行動に基づいて、訪問、登録、授業という 3 種類の行動に焦点を当てる必要があります。

したがって、上記の 3 つの動作に関して注目すべき指標としては、Web サイト訪問数、登録数、コース登録数、実際に授業を受講しているユーザーの数、ビデオの滞在時間、単一ビデオの繰り返し再生数などが挙げられます。

同時に、上記の指標のいくつかについては、自分で事前に設定した妥当な範囲が必要です (この範囲は、業界やユーザーに関する独自の理解に基づいて、または継続的な調査を通じて決定する必要があります)。

例えば、1 つのコースを実際に受講するユーザー数は、そのコースに登録したユーザー数の 20% ～ 50% 程度が妥当であると考えています。数値がこの範囲よりも高いか低い場合は異常とみなされます。

次に、各メトリックを 1 つずつ確認し、それを表示、分析、評価するためにどのディメンションを使用できるのかを確認する必要があります。

例えば：

最も単純な例として、コース登録数を挙げると、評価する必要があるこのデータのディメンションには、日付、時間、地域、新規ユーザーと既存ユーザーなどが含まれる可能性があります。

この評価を極限まで行うには、何らかの手がかりや結論を見つけるために、各次元からの登録数の変化を順に評価する必要があるかもしれません。

基本的に、この評価には 2 つの方法があります。

まず、データに注意が必要な異常な状態があるかどうかを判断します（異常なデータが発生した場合は、必ず原因を分析します）。

2 つ目は、私自身の業務の方向性を示す指針を見つけることです。例えば、サイト上のコースの月間登録数を 10 倍に増やしたい場合、ユーザーの行動や習慣から具体的なヒントを得ることはできますか?

さらに、多くの場合、これら 2 つの目的は同じである可能性があります。

たとえば、図に示すように、過去 30 日間の登録データを表示するとします。

では、登録数が急増し始めた当時に何が起こったのかを振り返る必要があるのでしょうか?意識的にプロモーションや活動を行ったからでしょうか？それとも新しいコースが開始されたからでしょうか?それとも何か他のことが起こったからでしょうか?対応するデータが励起されている場合 この増加は、コース情報が偶然コミュニティ（Zhihu など）で共有され、小規模な普及活動が引き起こされたためです。では、運用面から講座登録数を増やすために何かしたい場合、 Zhihu で意識的に何かを行うことはできますか?

例えば、以前のコンテンツがなぜ知乎での拡散を誘発できたのかを慎重に分析し、拡散のポイントを洗練させ、知乎により適した形でパッケージ化し、あらゆる手段を講じて知乎での新たな拡散を実行します。

ここで 2 つの追加メモを示します。

まず、理論的には、運用担当者であれば、各主要ユーザー行動の包括的かつ多次元的な分析を定期的に（たとえば、3か月ごと、6か月ごと）実施し、各主要ユーザー行動のユーザー習慣と現在の製品指標の問題点を明確に把握する必要があります。

しかし、実際には、ほとんどの操作では、そのような完全なデータを見ることができない可能性があります。これには、データの背景が不完全、データの権限が不足しているなど、さまざまな理由があります。この場合、何をすべきでしょうか?

私の提案は次のとおりです:

（１）見えるかどうかに関わらず、問題を分析し解決する認識と能力を身につけなければならない。

（２）欠落したデータが仕事に重大な影響を与えている場合は、上司とコミュニケーションを取り、データが手に入るまで要求し続けなければなりません。

（３）部分的なデータしか得られない場合は、まず部分的なデータを分析して推測し、次にいくつかの仮定に基づいて作業を進め、作業の結果を使用して仮定を検証します。その後、ビジネスが発展し、要件が増加するにつれて、データ要件は改善され続けます。

第二に、多くの製品では、主要ユーザーの 20% が製品の価値の 80% をもたらすことがよくあります。

したがって、データを分析する場合でも、特定の操作を実行する場合でも、最も価値のあるユーザーに焦点を合わせ、少なくとも 50% のエネルギーを注ぐ必要があるという意識を養う必要があります。

たとえば、サイト上でよりアクティブなユーザー、コンテンツを投稿する意欲が高いユーザー、ユーザー サービスや管理に参加する意欲が高いユーザーなどです。

（六）

データの中には、物事をより良くするのに役立つ潜在的な手がかりやイースターエッグが隠されている可能性があり、発見して探索するのを待っています。

この問題に関して、基本的な論理は次のようになると考えられます。

まず、製品内で問題がある可能性のある主要な指標 (または指標) を見つける必要があります。

次に、この指標の概要を把握し、その構成を調べて、すべてのユーザーまたはすべてのサービスがこの指標でパフォーマンスが低いかどうか、または一部のユーザーまたはサービスがこの指標で他のユーザーまたはサービスよりも大幅に優れているかどうかを確認する必要があります。

3 番目に、さまざまな側面で大幅に優れたパフォーマンスを発揮するユーザーとサービスをさらに調査し、その背後にある共通のユーザー行動や特性を見つけて、これらの特性を極限まで増幅することができます。

たとえば、コース登録数は低迷し、明らかに減少していました。以上の論理に従えば、以下のように考え、判断することができます。

先月のすべてのコースの登録数をリストし、すべてのコースの登録数が非常に少ないのか、それとも一部のコースの登録数が多いのかを観察します。

最終的に、他のコースよりも登録者数が 2 倍以上多いコースが 6 つあることがわかりました。

登録数の多い 6 つのコースをグループ化し、さまざまな側面から見て、共通点があるかどうかを確認します。

たとえば、コースはすべて特定の時間に開始され、特定のカテゴリに属し、特定の講師によって教えられ、テキストは特定のテンプレートに従って書かれ、ユーザーはこれらのコースにサインアップする前に特定のガイダンスを受ける、などです。

最終的に、このような比較を通じて、これら 6 つのコースではすべて同じコピーライティング テンプレートが使用されていることや、ユーザーがこれら 6 つのコースにサインアップする前に当社の記事を 1 つ読んでいることなどがわかるなどの結論を導き出せれば、この時点で、状況を改善するのに役立つ手がかりが見つかったことになります。

したがって、次に行うべき最も重要なことは、対応するコピー テンプレートを他のコースのコピー紹介にコピーするか、より多くの新規ユーザーに、クラスにサインアップする前に当社の魔法の記事を読むように誘導することです。そうは言っても、データと操作の関係について、より具体的かつ深く理解できると思います。

例え話をすると、戦争に勝ちたいなら、戦場で敵を殺す能力がなければなりません。また、戦略を立てて突破口や勝利の戦略を見つける能力も必要です。

適切な戦略と突破口を見つけなければ、どんなに勇敢であっても、群衆の中で無慈悲に失われてしまう可能性が非常に高くなります。

ハードスキルが十分に強くなければ、どんなに優れた戦略を持っていても勝つチャンスはありません。その中で、作戦におけるデータの役割と価値は、戦場での強みや突破口を見つけるのに役立つことです。

つまり、データの扱い方を知らないオペレーターは、戦場では盲目になる可能性が高いということです。

データと操作の関係については、以上が説明のすべてです。