運用データ分析方法論（衛慧東ニュース：運用で良い仕事をしたいなら、これらのデータ分析方法論を習得する必要があります）

Weihuidong News: 運用で良い仕事をしたいなら、これらのデータ分析手法を習得する必要があります

優れたインターネット製品のオペレーターは、さまざまなスキルを持ち、ユーザーを理解し、ユーザーの中心的なニーズを明確に把握している必要があります。最も重要なのは、データ分析スキルを習得し、データ分析ツールを使用できることです。

近年、インターネット業界の発展に伴い、ビッグデータの重要性と洗練された運用を認識する企業が増えています。データの価値をより有効に活用し、ビジネスの最適化と発展を導くために、インターネットデータ分析業務が登場しました。データ分析手法に基づいて問題を発見し、重要な要素を抽出し、運用製品を改良して商品価値を実現します。

インターネットデータ分析業務ではありますが、真に核心的な問題を解決するためには、初期から中期にかけて大量のデータ分析作業を行うことが不可欠です。では、実用的なデータ分析方法にはどのようなものがあるのでしょうか?

1.1 デュポンの分析

デュポン分析法は現在、主に金融分野で使用されています。財務比率の関係を通じて財務状況を分析します。その中心となるポイントは、問題がどこにあるのかを理解し、適切な解決策を見つけるために、大きな問題を小さな指標に分解することです。

電子商取引業界を例にとると、GMV（ウェブサイト取引額）はパフォーマンスを評価するための最も直感的な指標です。 GMV が前年比または前月比で減少している場合は、GMV に影響を与える要因を見つけて、それらを 1 つずつ分析する必要があります。

GMV の低下が注文するユーザー数の減少によって引き起こされた場合、訪問者数 (トラフィック) が減少したためか、コンバージョン率が減少したためか?訪問者数が減少した場合、それはオーガニックトラフィックの減少によるものでしょうか、それともマーケティングトラフィックの不足によるものでしょうか。

自然トラフィックが減少している場合は、ユーザー操作と製品操作に重点を置く必要があるかもしれません。マーケティング トラフィックが不十分な場合は、マーケティング活動やオフサイト トラフィックの迂回を通じて露出を増やすことができます。

同様に、コンバージョン率の問題であれば、ユーザーをセグメント化し、段階ごとに異なる運用戦略を採用する必要があります。ユーザー部分に関しては、ここでは詳細には触れません。興味のある方は以下の記事もご覧ください。

最後に、平均注文額が高くないことが理由である場合は、価格設定の最適化のために GMV 増加の可能性がある製品を特定し、現在のプロモーションの ROI を評価し、製品の選択、強度、プロモーション形式を最適化するなど、価格設定とプロモーション計画を最適化する必要があります。同時に、関連商品を推奨したり、商品パッケージを宣伝したりすることで、ユーザーに複数の商品を購入するよう促すことができ、平均注文額を効果的に高めることもできます。

1.2 前年比ヒートマップ分析法

前年比ヒートマップ分析手法の名前は私が作ったものです。実際には、各事業の状況を、より直感的に把握できるように、各事業ラインの前年比データをまとめて比較しているに過ぎません。

前年比ヒートマップを作成するには、通常、次の 3 つの手順が必要です。

1. デュポン分析法に従って、中核問題を分解します。ここでも、電子商取引を例に挙げます。 GMV をトラフィック、コンバージョン率、商品の平均価格、および 1 人あたりの購入量に分解します。つまり、GMV = トラフィック * コンバージョン率 * 商品の平均価格 * 1 人あたりの購入量です。
2. 各ビジネス指標の前年比データを計算します。
3. 各指標ごとに、各事業の前年比成長を比較し、色のグラデーションで条件付き書式を設定します。上図のコンバージョン率の前年比成長率を例にとると、事業5は前年比コンバージョン率が最も高く背景が濃いオレンジ色、事業3は前年比コンバージョン率が最も低くマイナス値なので青色の背景に赤色に設定されています。

前年比ヒートマップの分析により、まず垂直比較を通じて事業自体の前年比動向を把握することができます。第二に、横方向の比較を通じて、類似のビジネスの中での自社の位置を把握することができます。さらに、GMVなどの主要指標の変動理由も総合的に分析できます。

前年比ヒートマップは、電子商取引ビジネスの分析に加えて、インターネット製品データ指標の監視と分析にも適しています。この分析方法の重要なポイントは、コア指標を細分化することです。関連する指標を分解する方法については、この記事の後半の製品操作方法で紹介します。

1.3 BCGのようなマトリックス

BCGマトリックスは誰もがよく知っています。市場シェアと成長率を軸として座標系を4つの象限に分割し、各事業の位置づけを決定します。

ここでお話ししたいのは、従来の BCG マトリックスではなく、BCG マトリックスのバリエーション、つまり BCG のようなマトリックスです。

さまざまなビジネス シナリオやビジネス ニーズに応じて、任意の 2 つの指標を座標軸として使用し、さまざまなビジネスやユーザーを異なるタイプに分類できます。

例えば、ブランドのGMV成長率と市場シェアに基づいて座標システムを構築し、各ブランドの状況を分析することで、どのブランドが将来のスターブランドとなり注力できるか、またどのブランドが弱い立場にあり成長が足りずブランド内での商品レイアウトを最適化する必要があるかをビジネス側が理解するのに役立ちます。

さらに、次のシナリオに基づいて BCG のようなマトリックスを構築することもできます。

• 製品のトラフィック生成とコンバージョン率を分析する: トラフィックシェアコンバージョン率
• 製品の売上総利益/GMVへの貢献を分析する：売上総利益率 - 売上高
• RFM（訪問頻度と消費量）に基づいてユーザー価値を分析する

上記の方法によれば、必要に応じて想像力を働かせ、一定の基準に従って研究対象を分類し、分析することができます。

2.1 TGI指数

ユーザーを分析する場合、通常は対象ユーザーを分類し、各タイプのユーザーと全体のユーザー層との違いを比較します。 TGI インデックスは、特定の調査範囲 (地理的エリア、人口統計、メディアの好みなど) 内のさまざまなユーザー グループの長所や短所を反映するのに適した方法を提供します。

TGI指数 = ユーザー分類における特定の特性を持つグループの割合 / 全体の人口における同じ特性を持つグループの割合 * 100

たとえば、ユーザーの年齢層を分析する場合、TGI インデックスを使用して、各ユーザー カテゴリと全体の年齢層の違いを比較できます。ユーザーカテゴリ 1 の 16 ～ 25 歳のユーザーが 4%、全体の 16 ～ 25 歳のユーザーが 8.3% を占めるとすると、16 ～ 25 歳のユーザーにおけるユーザーカテゴリ 1 の TGI 指数は 4%/8.3% = 48 となります。この方法によれば、異なる年齢層の異なるタイプのユーザーの TGI 指数を比較することができます。

上図に示すように、16～25歳の年齢層における各ターゲットユーザーの割合は、全体の割合（TGI指数<100）よりも小さくなっています。このうち、カテゴリー 1 のユーザーは年齢が高く、36 歳以上のすべての年齢層におけるこのタイプのユーザーの TGI 指数は 100 を大幅に上回っており、他の 3 つのタイプのユーザーよりも高くなっています。

現在、インターネット分野では、ユーザーの実名データに加えて、その他のユーザーの肖像画寸法はモデルを構築することによって判断されるのが一般的であるため、正確性が完全に保証されるわけではありません。ただし、小規模サンプル調査とは異なり、ビッグデータ分析では、ある程度のデータエラーが許容されます。ただし、これらすべては比較に基づいていなければなりません。

したがって、ユーザーポートレートを分析する際には、シナリオに応じてユーザーを分類し、各タイプのユーザーと全体のユーザー層との違いを比較する必要があります。これは、分析結果の信頼性と適用性を確保するためです。 TGI 指数は優れた比較指標です。

2.2 LRFMCモデル

RFM モデルは顧客関係管理で最も一般的に使用されるモデルですが、このモデルは十分に完璧ではありません。例えば、M（お金）の場合、つまり消費額が等しい2人のユーザーのうち、1人は2年間登録している古いユーザーであり、もう1人は登録したばかりの新規ユーザーです。企業にとって、これら 2 つのユーザーのタイプと価値はまったく異なるため、より包括的なモデルが必要になります。

LRFMC モデルはより完全な視点を提供し、ユーザーの特性をより包括的に理解することができます。 LRFMC の各次元の解釈は次のとおりです。

L (ライフタイム): ユーザーの最初の消費から現在までの時間を表し、ユーザーとの関係を確立するまでの時間の長さを表し、ユーザーの可能な合計アクティブ時間も反映します。

R (Recency): ユーザーの最新の消費からの経過時間を表し、ユーザーの現在のアクティビティ ステータスを反映します。

F（Frequency）：一定期間内におけるユーザーの消費頻度を表し、ユーザーの忠誠度を反映します。

M (Monetary): ユーザーが一定期間内に費やす金額を表し、ユーザーの購買力を反映します。

C (コスト比率): 一定期間内のユーザーの消費の割引係数を表し、プロモーションに対するユーザーの好みを反映します。

Qunar のビジネスを例にとると、LRFMC モデルを使用してユーザーの習慣、好み、現在の状況を総合的に分析し、精密なマーケティング プランの実施を導くことができます。

L (生涯): ユーザーはどのくらいの期間ここに滞在しましたか?

R (Recency): ユーザーは最近何か購入しましたか?ユーザーが長期間購入していない場合、ユーザーを起こす必要がありますか?

F (頻度): ユーザーはどのくらいの頻度で旅行しますか?固定スケジュールで旅行する場合、再購入を促すリマインダーを送信する必要がありますか?

M (金額): ユーザーはいくら使いますか?単価が高い（ファーストクラスを買う）のか、頻度が高いのか？

C (コスト比率): ユーザーは割引をどの程度好みますか?ユーザーのメリットを増やすためですか、それともプロモーションのために価格を下げるためですか?

製品の運用は長期的なプロセスであり、問​​題を特定し、運用の方向性を決定するために、製品の使用状況データを定期的に監視する必要があります。運用の有効性を評価するためにも使用できます。

製品運用の一般的な指標は次のとおりです。

1. 利用範囲: 総ユーザー数、月間アクティブユーザー数。
2. 利用の深さ: 1 人あたり 1 日あたりの平均ページビュー数、平均訪問時間。
3. 使用の持続性: 1人あたりの平均使用日数。
4. 総合指標: 月間訪問期間 = 月間アクティブユーザー数 * 1 人あたりの平均使用日数 * 1 人あたり 1 日あたりの平均ページビュー数 * 平均訪問期間。

製品の段階に応じて、運用の重点は異なります。製品の初期段階では、新しいユーザーを引き付けることが中心的なタスクであり、製品の利用範囲の広さにもっと注意を払う必要があります。製品の中期および後期段階では、使用感の深さと粘着性の向上にさらに注意を払う必要があります。

製品ごとに、製品の性質に基づいてコア指標を決定する必要もあります。たとえば、ソーシャル製品の場合、使用範囲の広さと粘着性が重要ですが、一部の中規模分析製品の場合、使用範囲の深さと粘着性を向上させることの方が意味があります。

データ製品が誕生する前に、まずデータがあり、次に分析があり、最後に製品がある必要があります。分析の幅と深さが、製品の位置付けと価値を直接決定します。

上記の内容は、基本的なツールと思考の方向性のみを示しています。データ運用マネージャーは新興分野であり、現在成熟した学習システムは存在しません。今後も、より深く、より分かりやすく説明し、皆様とともに成長していきたいと考えております。

|コンテンツソース: インターネット

[ヘッドラインアカウント - 新社会と維財東 袁帥] 運営者：袁帥、展示会業界の情報化とデジタル化の専門家、PMPプロジェクトマネージャー、ネットワークマーケティング、検索エンジンマーケティング運用の経験、データ分析者、中国電子商取引専門マネージャー、CEAC国家情報化コンピュータ教育認定：ネットワークマーケティング担当者、SEM検索エンジンマーケティング担当者、SEOエンジニア。彼は現在、北京新会友科技有限公司の共同創設者兼執行役員、新社会プラットフォームの共同創設者、衛会東プラットフォームの創設者兼チーフマーケティングコンサルタント、Jinghuayuan Boutique Series of Homestaysのオンラインオペレーター、北京宏宇インタラクティブテクノロジー株式会社のビジネスパートナー、およびTASブロックチェーントレーサビリティプロジェクトのマーケティングパートナーを務めています。 O2O2O活動現場デュアルラインクローズドループデジタル操作総合サービスソリューションと活動現場デジタル情報操作総合ソリューション実行計画の提案者であり、マイクロアクションサービスコミュニティの発起者。