データ分析と運用トレーニング（このようにデータ分析を行えば、運用上の争いが半減します）

データ分析により運用上の紛争を半減できる

運用作業とデータ分析の間には強い相関関係があります。この記事では、アクティビティ操作の問題から始めて、データ分析をどのように実行する必要があるかを分析します。お役に立てれば幸いです。

データ分析を行う学生は、ほとんどの場合、運用を担当しており、運用上の問題を最も恐れています。運用業務自体がデータ分析と密接に関係しているため、オンラインで目にするデータ分析記事の 10 件中 6 件は運用スタッフによって書かれています。運用部門はデータ分析に深く関与しているため、分析のアイデア、方法、結論をめぐってデータ アナリストと衝突することがよくあります。

今日は最も大きな問題の 1 つについて見ていきます。オペレーション業務にはさまざまな種類がありますが（下図参照）、その中でもイベントオペレーションは最も戦略的であり、データ分析と最も密接に関連しており、最も批判を受けるポジションでもあります。今日はそれを例として使います。

Q: あなたはデータアナリストです。何をすべきでしょうか?

まず、この質問の要点は何でしょうか?

A. ユーザーアクティビティ率の低下

B. 自然成長率

C. 人工知能とビッグデータ

ちょっと考えてみてください。

逆に質問してみましょう。ある日、男性があなたのところへお辞儀をしてやって来て、「人工知能とビッグデータを使って、私の命中率が自然よりどれだけ高いかを正確に分析してください」と尋ねました。あなたならどうしますか？キーボードを手に取ってコードを入力し始めますか? --しませんよ！まず彼に尋ねます。「何を撮影したのですか?」

もし彼が「何を撮影したか分からない」と言ったら、分析を手伝ってくれませんか？あなたならどうしますか？彼が何を撮影しようとしているのか分析するために人工知能のビッグデータを使用しますか? - もちろん違います！あなたが礼儀正しいなら、彼が最初に放った矢を見つけさせてあげるでしょう。失礼な場合は、ただ彼を罵倒すればいいのです。なぜなら、矢を射る前にまず的を立てなければならないことは、幼稚園児でも知っているからです。

これは常識です。

したがって、質問の全体的な要点は、改善が具体的にどの程度であるかが述べられていないということです。タイトル自体にも問題がある。問題の原因はアクティブユーザー数の減少にあることに注意してください。その結果、目標を設定する際には、ユーザーのアクティビティを重視した運用が求められるようになりました。単語が 1 つ違うだけで、意味は明確から曖昧になってしまいます。

• 「学位」とは何ですか？
• アクティブユーザーの数を意味します。直接使用してみませんか?
• ユーザーアクティビティ率とはどういう意味ですか?式は誰にとっても同じですか?
• 総合計算という意味ですが、計算式や重みは何ですか？

指標自体が不明確であり、どの程度改善すべきかが明確に示されていないため、活動後の分析には不都合です。それは単に弓術の物語のレプリカです。問題は、なぜこのような奇妙なことが起こったのかということです。

実際に企業で働いたことがある人なら、すべての決定が高度に合理的であるとは限らないことをご存知でしょう。たとえば、

• これは定期的な活動です。この操作では、テンプレートを変更してオンラインで公開しただけです。
• これは上司の直接の指示のもとに行われました。理解できないし、質問する勇気もありません。
• これはビジネス上の直感です。何かがおかしい気がします。実際に観察してから変更しても遅すぎます。
• これは一種の迷信です。人工知能やビッグデータは存在しないのですか?あなたはドゥアンであるべきです!すぐに到着します。

つまり、実際の企業では、おそらく次のようになります。

• 活動計画の30％は明確に書かれておらず、「消費を増やす/活動を増やす」という漠然とした記述のみであった。
• アクティビティ プランの 30% では、アクティビティ、アクティビティ値、アクティビティ パワーなどの空想的な概念が多く含まれ、不正確な用語が使用されています。
• 活動計画の30％は計算されておらず、行き当たりばったりで決められています。中には、キャッチーなスローガンにするために 1 億という目標を設定する人もいます。
• 明確に記述できる計画は10%程度にとどまる: アクティブユーザー数を増やし、5月にDAUをXXレベル以上に維持する

もちろん、標準化された管理を行っている大企業では、このような混乱はほとんど起こりません。しかし、ほとんどの企業では、事前に明確な目標を定めず、事後の分析にビッグデータに頼るといった同様の問題が存在します。彼らは、非常に低いマイナスの自然成長率を人為的に作り出すことで、それを逃れようとさえした。本当にこんなことが起こったらどうすればいいのでしょうか？

まず第一に、「自然増加率」について語ってはいけません。特に、短期的な活動が非常に集中するこのようなビジネスではそうです。本当に議論しなければならない場合は、 「買ってそのままにしておく」というメカニズムを採用します。つまり、事前に自然成長率について合意し、その後この数字を見て調整しないでください。これは、チェスをするときに、手を後悔しないことと同じです。

1. 事前に目標を明確にし、それを X% から y% に増やします。
2. 明確で直感的な目標を見つけ、空想的/複雑な概念を避けます。
3. コア KPI に関連する目標を見つけ、さまざまな干渉を回避します。

これらは問題を徹底的に解決するための3つの原則です。

もちろん、これを行うには 2 つの課題があります。

課題 1: 目標の設定方法がわからないオペレーションもあります。サポートしてもらえますか?

課題 2: 一部のアクティビティでは、事前に目標が設定されていません。これをどのように改善すればよいでしょうか?

目標を設定するには、次の 3 つの基本的なアプローチがあります。

次の 3 つのシナリオに対応します。

1. 活動目標はKPI指標である
2. 活動目標はKPIプロセス指標である
3. 活動目標はKPI関連の指標である

学生の中には、「なぜこれらすべてが KPI にリンクされているのか」と疑問に思う人もいるかもしれません。回答: あなたが行っていることが KPI とは何の関係もないのであれば、あなたもこの問題の重要性と緊急性を理解しているはずです。 KPI と関係のないことで大騒ぎすること自体が、KPI に影響を与える原因になる場合があります。

KPI分解方法の例:

KPI逆計算例:

KPIシナリオメソッドの例:

データアナリストが計画の早い段階で介入できるように、平常時から運用部門と良好なコミュニケーションを維持することが非常に重要です。オペレーション側のアイデアの明確化だけでなく、オペレーション側の目標算出にも役立ち、また、発売後のモニタリングやイベント後のレビューの準備もできるため、3つの目標を一挙に達成できます。最良の状況は、事前に作業を完了して、後で議論する必要がなくなり、全員が協力して一緒に勝利できることです。

事前に目標を設定せず、後で修正しなければならない場合は、中心となるのは自然な成長率ではなく、「ビジネスが達成する必要のある指標」であることを忘れないでください。特に冒頭のケースでは。全体的な目標が達成されると、その後の自然成長率を心配することは、責任の押し付け合いに変わることがよくあります。これは次の 3 つのステップで実行できます。

ステップ1: 方向を設定する

ステップ2: 方法を見つける

ステップ3: 詳細を確認する

このような操作を通じて、少なくとも混乱した状態を終わらせ、どのような曲線を作成したいのかを明確にすることができます。今回の審査方法はその方法に変更すべきです。詳細では、次の反復の最適化の方向を見つけます。

これはどちらかというと「現時点では失敗した」という判断に基づいて行われることに注意してください。これは活動の有効性を評価する科学的な方法ではありません。活動を科学的に評価したい場合は、事前に実験を設計し、テストグループと参照グループに分けて、ユーザーの反応効果をテストする必要があります。古いことわざにもあるように、事前にたくさん準備しておけば、後で心配する必要が減ります。

多くの学生はこう言うでしょう。「たとえ私たちがそうしたとしても、私たちの会社のリーダーたちは依然として非常に迷信深く、業務は依然として非常に無知で、問題が発生すると依然として他の全員を責めるのです。」どうすればいいでしょうか！それでも、陳先生は、まずこれをどうやって行うかを理解することを皆に勧めています。

こうすることで、問題に遭遇したときに、少なくとも誰もがそれが自分の問題なのか、他人の問題なのかを判断できるようになります。少なくとも、どの方向に向かって努力すべきかは分かっています。これは、実際のビジネス シナリオと科学研究室の違いでもあります。つまり、束縛を受けながら、限られたデータ、さまざまなタイプの同僚、高すぎる期待や低すぎる期待の間で綱渡りをしなければなりません。

生徒の中には「えっ?」と言う人もいるでしょう。戦闘の半分だけが欠落しているのはなぜですか、残りの半分は何ですか? A: これは事後分析におけるもう一つの永遠の疑問です。「これをやったらどうなるのか？」アクティブユーザー数をもっと増やせないのはなぜですか?もっと高かったらどうする？ 1 つの指標が高く、他の指標が低い場合はどうすればよいでしょうか?

これは、包括的評価問題と呼ばれることが多いものです。

コラムニスト

堅実な陳先生、WeChat公開アカウント：『誰もがプロダクトマネージャー』のコラムニスト、堅実な陳先生。インターネット、金融、日用消費財、小売、耐久財、美容など 15 の業界でデータ関連の豊富な経験を持つ上級コンサルティング コンサルタント。

この記事はもともと「Everyone is a Product Manager」に掲載されました。無断転載は禁止です。

タイトル画像は、CC0 プロトコルに基づいて Unsplash から取得したものです。

この記事で述べられている意見は著者自身の意見のみを表しており、人人士品夢家プラットフォームは情報保存スペースサービスのみを提供します。