オンラインストア運営のデータ分析（オンラインストアのデータ分析についてお話します）

オンラインストアのデータ分析についてお話しましょう

オンラインストアのデータ駆動型運用のプロセスにはなぜこれほど多くの抜け穴があるのでしょうか?データを使って方向を定めようとすればするほど、道に迷いやすくなるのでしょうか?

数年前、「ビジネスアドバイザー」の名前がまだ「Quantum Hengdao」と呼ばれていた頃、「データ駆動型運営」の概念は、TaobaoやTmallのオンラインストアを運営するほとんどの友人に受け入れられ、データ分析をオンラインストアの戦略策定と戦術的応用に統合することを主張する人も増えました。

オンラインストアのデータ分析とビジネスアドバイザーの使用は、もはや誰もが知らないものではありません。今日、私たちはみな無意識のうちにそれらを使用しています。しかし、データ駆動型運用の概念がますます多くのオンラインストアに採用されるにつれて、問題が発生します。突然、データが私たちの管理下にないことに気づき、データ フィードバックに基づいて実行した運用アクションは、実行後に肯定的なフィードバックをまったく得られませんでした。徐々に、「データ」は私たちの行動に応えるためのツールになってきました。私たちの行動が効果的であることを証明するために、私たちはその行動の有効性を証明するフィードバックを提供できる関連データを探します。何が悪かったのでしょうか?私たちの方法論に何か問題があるのでしょうか?私たちのアプローチに何か問題があるのでしょうか?実行が不十分なのでしょうか?私たちの理解は十分に正確ではないのでしょうか?

次に、この謎を解いて、何が間違っていたのか、何をすべきかを見つけ出せるかどうか試してみましょう。

1. 各データ指標は複数の要因の結果である

まずは誰もが最も気にするデータ指標である「コンバージョン率」から見ていきましょう。 「コンバージョン率」のデータ指標に影響を与える要因は多数あります。たとえば、製品カテゴリ内の競争、製品詳細ページ、プロモーション、販売、レビューなどはすべてコンバージョン率に影響を与える要因です。つまり、コンバージョン率が十分に高くないことがわかった場合、できることはたくさんあります。ただし、各イベントは多くのデータ インジケーターに対応します。たとえば、商品詳細ページの品質は、滞在時間や訪問の深さなどのデータ指標から判断できます。訪問深度データ指標は、マーケティング活動、収集と購入のガイダンスなどのいくつかのデータ指標につながることもあります。すべての接続を行った後、データ指標の変更によって、実際にオンラインストアの運用のすべての作業を移行できることがわかりました。したがって、多くの分析を行うのではなく、オンラインストアに関連するすべての作業をリスト化し、それらを 1 つずつ実行する方がよいでしょう。データ分析は私たちにとって役に立たないようです。そのため、多くの場合、作業を段階的に完了した後、そのデータは「レポートの作成」にのみ使用されます。

各データ インジケーターは複数の運用アクションに対応し、各運用アクションは複数の運用インジケーターに影響を与える可能性があります。したがって、データと操作の間には 1 対 1 の因果関係はありません。

2. データは比較した場合にのみ有用です。データの「絶対値」は私たちにとって意味がありません。

「コンバージョン率」インジケーターの例を続けると、「高い」と「低い」と呼ばれるものは、実際には比較値です。 「5% のコンバージョン率は低すぎる」とは言えません。そのような結論は無意味です。このような結論は、「今週のコンバージョン率は先週より 5% 低い」または「今週のコンバージョン率は同業他社の平均より 5% 低い」という場合にのみ意味を持ちます。言い換えれば、あらゆるデータ指標の結論は、水平方向と垂直方向の比較を行った後にのみ意味を持ちます。私たちは、データ指標の絶対的な価値を追い求めるという誤解に陥りがちです。

自社の店舗データを業界や競合他社のデータと比較すると、より深刻な問題、つまり「比較対象」のエラーに直面します。 「自社店舗のデータ指標と業界データ指標を比較し、比較結果を導き出し、運用の指針を提供してください。」これは非常に科学的な方法のように思えますが、実際のところ、「業界平均が参照標準でなければならないことをどうやって知るのでしょうか?」

「ビジネスアドバイザー」は、業種カテゴリや店舗レベルなどのいくつかの次元に従って店舗を分類し、これを使用してより正確な業界データ指標を提供します。しかし、店舗によって運営戦略は大きく異なります。極端な例を挙げてみましょう。ある競合企業がインターネットの有名人であり、店舗への来店者数は主にWeiboのファンから来ているとします。この状況は間違いなく非常に高いコンバージョン率をもたらすでしょう。一方、当店はより伝統的なタオバオの運営方法を採用しているため、2つの店舗間のコンバージョン率データの比較は運営上の参考値がありません。もちろん、これは極端な例です。業界にはさまざまな運用手段や方法があり、平均化することで、これらの極端なケースがデータに与える影響を大幅に軽減できます。ただし、「業界平均」や「競合他社」はあくまでも参考指標であり、このデータ指標をそのまま運用目標として使用することはできないことを理解する必要があります。業界平均を上回ることを目標とした運営計画を立てることはできません。また、業界平均を使用して当社の運用能力を測定することもできません。

データは孤立した指標ではなく、「絶対値」ではなく「相対値」を使用する必要があります。データ ソースが複雑なため、データ比較の結果を運用目標として使用することはできません。

3. オンラインストアのデータ指標は多様性から構成される

「ビジネスアドバイザー」をよく使う友人は、「ビジネスアドバイザー」が提供するデータ垂直指標が非常に詳細であることを知っています。コンバージョン率は、さまざまなディメンションのトラフィックのコンバージョン率に分類できるほか、さまざまな製品、ページ、アクティビティのコンバージョン率に分類することもできます。トラフィック指標は、さまざまなディメンションのソースに細分化することも、製品、ページなどに細分化することもできます。ここでは例を 1 つずつ挙げることはしません。いずれにしても、垂直方向の深さが十分であることが分かっている限り、作業方向をガイドするための大きなインジケータを使用することはできません。例えば、過去 1 か月間の店舗のトラフィック指標を横方向に比較すると、トラフィックが大きく変動していることがわかりました。次に必要なのは、トラフィック指標を垂直方向に見て、指標のどの次元が大きな変動を引き起こしたかを確認することです。この変動は新しい更新ルールによって発生したものである可能性が非常に高く、つまりこの変動は完全に無視できることを意味します。時間軸を伸ばすと、突然変動が消えていることに気づくことがあります。時間軸が長くなると、全体的なトレンド曲線は上昇します。もちろん、時間軸を短くすると、変動が大きいことがわかります。したがって、実際にはトラフィックに関するアクションを調整する必要はありません。つまり、データから導き出されたと思われる運用調整の方向性が、実際には何の役にも立たず、本当にやるべきことが見つからないことが多々あるのです。

先ほどは店舗独自のデータを比較しましたが、次は業界データの比較を見てみましょう。私たちの店舗のコンバージョン率が同業他社よりも低いことがわかり、垂直データ分析を通じて「Taobao グループ」ディメンションのコンバージョン率が特に低いことがわかったとします。この値を上げることで、業界指数に追いつくことができます。非常に科学的かつ論理的な分析方法のように思えますが、よく考えてみると、データ分析がなければ「タオバオグループ」は存在しなかったのではないでしょうか。テキストや画像のライブストリーミング、ショートビデオ、ファン操作、自然検索、直通列車、ダイヤモンド展示、アクティビティなど、あらゆる次元で私たちが知らない何かがありますか？タオバオが私たちに強調していないことはありますか?真剣に受け止める前に、なぜデータから結果が得られるまで待たなければならないのでしょうか?

データ自体は、一連の作業からの結果であり、フィードバックです。状況がどうであろうと、やるべきことをやらなければならず、データ報告を待つ必要はありません。

運用プロセスでは、データに基づいていくつかの作業方法を推測することがよくあります。この方法論自体は非常に論理的であるように見えますが、実際には導出プロセスで使用するデータは「アクションの結果」であり、つまりほとんどの場合「論理的証明」ではなく「事実的証明」を使用します。これらの「証明された」事柄の結論は私たちがすでに知っている事柄であり、「証明された」事柄は真実を推論することはできないため、データ分析を通じてオンラインストアの運営に関する一連の真実を導き出すことは不可能です。データ変更の理由が見つかったとしても、前回の解決策が今回も機能するとは限りません。

まとめると、オンラインストアのデジタル運用に関する重要なポイントをまとめました。

1. オンラインストアの運営中に何に重点を置くべきか、何を遅らせることができるかは、データ分析とは関係なく、人的資源、物的資源、財務資源など、ストアの厳しい条件とニーズに応じて調整する必要があります。

2. データ分析の前提は、大量のデータ、多次元、リアルタイムの 3 つが不可欠であることです。

3. オンラインストア運営の複雑なシステムエンジニアリングに直面すると、単純で抽象的なモデルは役に立たなくなります。

4. オンラインストアのデータ分析は問題を見つけるのに役立ちますが、解決策を提供したり、事業の方向性を導いたりすることはできません。