データ駆動型運用とは何ですか? （データ駆動型運用はここ 2 年で非常に普及しました。データ駆動型運用とはどのようなことを行うのでしょうか。）

データ操作はここ2年間で非常に人気が高まっています。データ操作は何を行いますか?

データ操作は何を行いますか?他のオペレーション職種よりも競争が激しいのはなぜですか?データ操作は近年登場した概念です。技術的なエントリーが求められるオペレーションポジションです。そのため、データ操作の開始点は他の位置の操作の開始点よりも高くなります。これはまた、給与構造の面では、データ操作の給与が他の操作職の給与よりも一般的に高いことを意味します。

1. データ操作とは：市場分析

データ操作は何を行いますか?ユーザー グループは、さまざまな次元に従って階層化され、さらに差別化されて、運用上の意思決定をサポートすることができます。

インターネットの発展が加速するにつれ、従来のトラフィック思考を徐々に捨て去り、正確なトラフィックにもっと注意を払うようになり、正確な操作における意思決定の根拠としてデータがますます重要になってきています。当社では、製品を購入したユーザーについて、どのような ID タグ、行動タグ、興味タグをまとめることができるか、それらはどこに表示されるか、どうすればこれらのユーザーにより効果的にアプローチできるかを継続的に研究しています。これらすべてを解決するにはデータ操作が必要です。

現在、データ操作はどのようになっていますか?関連データを通じて、以下の基本的な状況を確認できます。

上記の図から、過去 1 年間の求人サンプルに基づくと、北京の平均給与は 12,300 元であり、給与範囲の最大の割合は 10K ～ 15K 元です。

1～3年の職務経験を持つデータ操作担当者の給与は月額10,000元近くになり、3～5年の職務経験を持つ人員の給与は基本管理職の給与レベルに達します。

データは、製品とユーザーの状況を反映する最も信頼できる方法です。運用上の意思決定を導き、ビジネスの成長を促進するために使用されます。そのため、データオペレーションは高いスキルが求められ、敷居が高い職種です。当社のデータ研究の目的は、データを通じて問題を発見し、効率性を向上させ、成長を促進することです。

2. データ操作とは：具体的な作業分析

データ操作は何を行いますか?すべてがデータに従い、大量の Excel スプレッドシートが分析される、データベース操作ですか?あるいは、Python、データベースなどの高度なツールを勉強したいですか?

おそらく、データ操作はデータ分析としての方が皆さんよく理解されていると思います。実際、データ操作には、データ収集、データ分析、意思決定サポートという 3 つの側面が含まれます。データ分析は方程式の一部にすぎません。

1. データ操作とは：データ収集
データ収集に関しては、可能な限りすべてのデータを収集する必要があると誰もが考えるかもしれません。実際、データ収集は運用目標を中心に行う必要があります。すべてのデータがあなたにとって価値があるわけではありません。データにはさまざまな種類があります。使用しない場合は、単なる乱雑なデータの集まりになります。データ分析の目的が明確になって初めて、データ分析を実施することができます。電子商取引のバックエンドには、商品名、モデル、サイズ、価格、原産地、購入者の Taobao アカウント、注文番号、注文住所、購入者の身元（新規ユーザーか既存ユーザーか）など、多くのデータが存在します。

データを収集する際には、守るべき原則が 1 つあります。それは、遅く行うよりも早く行う方がよいということです。つまり、企業が B ラウンドや C ラウンドに発展するまで待つのではなく、製品の作成段階から意識的にデータを収集する必要があるということです。イベントの場合は、統計を収集するためにイベントの終了を待つのではなく、イベントの開始時にデータを収集する必要があります。そうしないと、プロセス中に発生した問題にタイムリーに調整することができない可能性があります。

データ収集では主にどのようなデータが収集されますか?運用目標に基づいて、収集するデータは、行動データ、トラフィックデータ、ビジネスデータ、外部データの 4 つのタイプに分類できます。

以下では、それらを一つずつ分析します。

a.データ収集: 行動データ
製品に対するユーザー操作を時系列順に記録したものです。

たとえば、ユーザーがアプリを開いたり、メニューをクリックしたり、ページを閲覧したりすることは動作です。
ユーザーは曲を収集したり、曲をループ再生したり、曲を早送りしたりスキップしたりできます。

行動データの中核は、製品のさまざまな時点やさまざまな段階で、ユーザーがさまざまな種類の操作を完了するために使用する方法と手法を記述することです。

たとえば、コンテンツを読む、いいねする、コメントする、共有するといったことはコミュニティ製品のユーザー行動ですが、製品をクリックする、ショッピングカートに追加する、注文する、支払う、レビューするといったことは電子商取引製品のユーザー行動です。プラットフォームによってユーザー行動の定義が異なるため、自社のビジネスと合わせて分析する必要があります。

一方、ユーザーの行動はユーザー操作システムの基礎でもあります。異なる行動に応じて異なるグラデーションを分割し、ユーザーをコアユーザー、重要ユーザー、一般ユーザー、潜在的ユーザーに分類して、階層的な管理を行うことができます。もちろん、ユーザーを階層化する基準は企業ごとに異なります。

b.データ収集: 交通データ
通常、最初にトラフィックが発生し、その後にユーザーの行動が集まります。トラフィックが一定のレベルに達しない場合、ユーザーの個々の行動は比較的独立しており、意思決定を効果的にサポートできない可能性があります。

トラフィック データと行動データとの最大の違いは、トラフィック データでは、検索エンジン、外部リンク、直接訪問のいずれを経由してユーザーが来たのかがわかることです。これらのデータは通常、チャネル変換分析や広告配置の決定などのアプリケーションに使用されます。

紀元前データ収集: ビジネスデータ
ビジネスデータは、製品の運用プロセス中にビジネスとともに生成されます。たとえば、電子商取引製品の場合、プロモーションを実行すると、クーポンを受け取るユーザーの数、使用されるクーポンの数、クーポンが使用される製品がわかります。これらのデータは業務と密接に関係していますが、行動データやトラフィックデータでは明確に説明できないため、ビジネスデータとして分類されます。

このデータは売上やダウンロード数を直接反映し、企業の存続に大きく関係するため、企業は一般的にこの部分のデータに注目します。

d.データ収集: 外部データ
通常、外部データとは、一部のサードパーティプラットフォームによって収集された業界データやユーザー行動データなど、社内には表示されないデータを指します。これらのデータは、企業の意思決定を支援する上でも大きな役割を果たします。企業はこのデータを社内データと比較して、自社が現在どのレベルにあるかを確認することができます。

2. データ操作とは：データ分析
データ操作で製品のデータ分析を実行する場合、製品に影響を与えるコア指標を考慮する必要があります。たとえば、電子商取引のウェブサイトの場合、トラフィックは非常に重要な指標です。重要な指標データや傾向がマクロ的すぎる場合は、より詳細なデータの洞察を得るために、コアデータをさまざまな次元で分解する必要があります。

ディメンションを選択するときは、分析結果への影響について慎重に検討する必要があります。たとえば、異常な Web サイトのトラフィックが検出された場合、データを地域、アクセス元、デバイス、ブラウザなどのディメンションに分割することで、問題を発見できます。下の図に示すように、その日のウェブサイト訪問者数は先週よりも大幅に増加しました。理由は何ですか？アクセス元ごとにトラフィックを分割する場合。直接アクセス ソースからのアクセス数が大幅に増加していることに気付くのは難しくなく、これが問題をさらに深刻化させます。

データ分析を行う際には、まず製品に影響を与えるコア指標を選択し、次にさまざまな次元のデータを通じてコア指標を分析し、コア指標に影響を与える要因を特定し、データを使用して検証する必要があります。
3. データ操作は何をするのか：意思決定支援
データ操作にデータ レポートやデータ分析が含まれるかどうかにかかわらず、目的はデータを使用して意思決定をサポートすることです。たとえば、ファネル モデルを使用してユーザー登録を分析すると、各パス ノードでのユーザーのコンバージョンを復元できます。

上図では、登録プロセスは 3 つのステップに分かれています。全体のコンバージョン率は45.5%です。 2 番目のステップのコンバージョン率は 56.8% で、1 番目のステップ (89.3%) や 3 番目のステップ (89.7%) よりも大幅に低くなっています。 2 段階目の登録プロセスに問題があると推測できます。

改善の2番目のステップが私たちの焦点です。次に必要なのは、製品を最適化し、新しいデータに注目すること、つまりデータを活用して意思決定をサポートすることです。そうしないと、登録プロセスに問題があることしかわかりませんが、具体的な小さな問題がどこで発生するかがわからず、無力感を感じてしまいます。