ユーザー階層化操作（ユーザー階層化を簡単に完了する 4 つの方法）

ユーザーセグメンテーションを簡単に完了する4つの方法

ほとんどすべてのインターネット製品が、ユーザー数が多い場合にユーザー階層化を実行するのはなぜですか?これは主に、ユーザー数が多い場合、数千人のパーソナライズされたニーズと普遍的な運用戦略との間の矛盾が、現在の製品の主な矛盾となるためです。ユーザー特性の違いにより、個別の要求が生じ、より洗練された操作の必要性も生じます。

ユーザーのセグメンテーションといえば、コアユーザー、シードユーザー、有料ユーザー、無料ユーザー、アクティブユーザー、離脱ユーザー、コンテンツ作成ユーザー、コンテンツ消費ユーザーといった言葉が思い浮かぶかもしれません。例えば、TikTok のユーザーはコンテンツ作成者とコンテンツ消費者に大別できますが、もちろん両者はさらに細分化できます。

製品の中心的な関心は利益です。この利益が金銭であろうとトラフィックであろうと、ユーザーをセグメント化し、異なるレベルのユーザーに対して異なる運用戦略を採用し、運用リソースを最大限に活用して製品の利点を最大化するために、洗練された運用を行う必要があります。

ユーザーセグメンテーションの本質は、ユーザーの特性や行動などに基づいてユーザーをセグメント化する洗練された操作手段です。

以下は、ユーザー セグメンテーションの一般的な 4 つの方法です。

1. ユーザー価値のセグメンテーションと階層化

ユーザー価値のセグメンテーションと階層化は、2 つの次元に分かれています。1 つ目は、ユーザー ライフ サイクルの定義に基づくユーザー価値のセグメンテーションです。 2 番目は、主要なユーザー行動に基づいたユーザー価値のセグメンテーションです。

ユーザーライフサイクルの定義は、ユーザー価値の成長パスに関連している必要があります。製品の種類によって価値の成長経路は異なります。製品が有料であるかどうかと製品の使用頻度に応じて、さまざまな製品の価値成長パスは次の 4 つの象限に分けられます。

誰もがユーザーライフサイクルモデルに精通している必要があります。一般的に、ユーザーのライフサイクルは 5 つの段階に分けられます。もちろん、これはすべてのユーザーがライフサイクル全体を経験することを意味するものではありません。これは単なる一般的なモデルです。

導入段階:ユーザーは登録後、まだ始めたばかりで、製品やそれがもたらす価値についてよくわかっていません。データ上の定義は、ユーザーが登録したばかりで、コア機能プロセスをまだ経験していないことです（コア機能プロセスは事前に定義され、統計のために埋め込まれている必要があります）

成長段階:製品についてある程度理解し、製品が提供するユーザー価値を認識し、初期の使用習慣を確立し、製品を定期的に使用します。データの定義は、コア機能プロセスが経験されており、使用頻度と使用時間が定義された最小しきい値以上であること（たとえば、週に 3 回ログインし、毎回 10 分間システムを使用すること）です。

成熟段階:製品に対する依存度と習慣性が高く、使用頻度と使用期間が著しく高く、比較的高い価値に貢献できます。データの位置付けは、使用頻度と使用期間が一定の閾値（製品によって決定）以上であるか、支払い頻度と金額が一定の閾値に達することです。

休眠段階:かつては成熟したユーザーでしたが、現在は製品を訪問したり使用したりしなくなったり、訪問頻度が減少しています。データの定義は、製品が10日以上使用されていないことです（具体的な分析は具体的な状況に基づいて行われます）。

離脱期間:長期間製品にログインしていない、または製品をアンインストールしたユーザー。データ定義は、製品を 30 日以上使用していないユーザーです (カスタマイズ)。

ユーザーの価値をセグメント化して階層化するもう 1 つの方法は、主要な行動に基づいてユーザーを分割することです。最も典型的で一般的に使用されている方法は、RFM 方式です。 RFM は、次の 3 つの主要なユーザー行動を表します。

1. R (Recency)、最新の取引からの距離

2. F（頻度）、取引頻度

3. M（金銭）、取引金額

RFM法ではユーザーを8つのタイプに分類できる

各ユーザーの RFM 値を分析して、ユーザーのタイプを判断する必要があります。 RFM 法による層別化は、主に次の手順に分かれます。

データをクロールするには、RFM の 3 つの次元のクロール原則を設定し、開発者またはデータ アナリストに支援を求めるだけです。

RFM の 3 つの次元の中央値を定義する一般的な方法は 3 つあります。

1. すべてのデータの平均または中央値

2. 投資や財務管理の R 値などのビジネス ノードの重要な値に基づきます。これは通常 1 か月です。給与が支払われた後にのみ投資できるお金があるためです。

3. 80/20 ルールによれば、ユーザーの 80% は低頻度かつ低額の範囲に集中し、ユーザーの 20% は高頻度かつ高額の範囲に集中します。

4. クラスタリングアルゴリズムを意味します。データアナリストがこれを知っていればベストです。

ここではデータ分析の実施方法については詳しく説明しません。 RFM の使い方を説明する記事はインターネット上にたくさんあります。

RFM メソッドの核となるロジックは、ユーザー価値に影響を与える主要な行動を見つけ出し、クロス分析とユーザー セグメンテーションを実行することです。そのため、RFM モデルは必ずしも上記のような意味を持つわけではなく、分野によって異なる定義を持つこともあります。例えば：

1. 金融分野では、R は最新の投資の時期、F は投資頻度、M は投資額を表します。

2. ライブ放送の分野では、R は最後のライブ放送の時間、F は視聴頻度、M は総視聴時間を表します。

3. ゲームの分野では、R は最後にプレイしたゲームの時間、F はゲームの頻度、M はゲームの継続時間を表します。次のように定義することもできます: R は最新のゲーム再充電の時間、F は再充電頻度、M は再充電量を表します。

RFM は単純に階層的な考え方を表します。どの製品でも、ユーザーに影響を与える主要な行動を定義し、これらの行動の指標を定義し、これらの指標を相互分析してユーザーの層別化を完了することができます。

2. AARRRモデルの階層化

グロースハッキングについて聞いたことがある人なら、このモデルをよくご存知でしょう。 AARRR モデルは成長だけでなく、ユーザー セグメンテーションにも使用できます。

1. ユーザーを獲得する: 登録せずにダウンロードするか、登録は完了するがそれ以上のアクションは不要です。この段階では、さまざまなチャネルの登録コンバージョン率に注意を払い、チャネル リソースの割り当てを最適化する必要があります。

2. アクティビティの改善: 登録はしましたが、製品のコアプロセスエクスペリエンスは完了していません。この段階では、コアプロセスを完了するためにユーザーへの指導を強化する必要があります。

3. 保持率の向上: ユーザーはコアプロセスを体験していますが、保持時間は長くありません。保持の問題を分析し、具体的な運用戦略を提供します。

4. ウイルス拡散: アクティブ頻度が一定の閾値を超えるユーザー。ツールの最適化を通じてユーザーの宣伝を促進

5. 収入の獲得：アクティビティと滞在時間が一定の基準を超えるユーザーに対して、特定のユーザーへの支払いのガイダンスを強化し、特定のシナリオと組み合わせます。

AARRR は比較的大まかなユーザー層別モデルであり、製品の初期段階に適しています。現段階では、ユーザー数も多くも少なくもなく、会社のデータシステムもまだ確立されていない可能性があります。

3. ユーザーIDのセグメンテーションと階層化

ユーザーアイデンティティについて話すとき、誰もが最初に思い浮かべる言葉は KOL です。コンテンツ コミュニティでは、通常、ユーザーは少なくとも KOL と一般ユーザーの 2 つのカテゴリに分類されます。これら 2 種類のユーザーでは、操作戦略が異なります。

製品分野におけるユーザーの行動特性や要求が大きく異なる場合にのみ、階層化にアイデンティティ セグメンテーションを使用する方が適切です。たとえば、Weibo は少なくとも、有名人ユーザー、KOL ユーザー、アクティブユーザー、一般ユーザーに分類できます。

製品のユーザー ID セグメンテーション モデルをどのように整理すればよいでしょうか?自分自身に次の 3 つの質問をしてください。

1. ユーザー間に関係性はありますか？

2. 特定のタイプのユーザーは、投稿するコンテンツの希少性に基づいてユーザー クラスを形成しますか?

3. ユーザーが自然な方法でクラス昇格を達成できるかどうか。

ユーザー間に関係がない場合、アイデンティティ セグメンテーション階層モデルは適用されません。

関係があり、貢献度または希少性によりユーザーの階層化が発生する場合は、貢献度または希少性に基づいてユーザー階層化モデルを構築する必要があります。

さまざまなレベルのユーザーが自然に進歩できる場合は、上級レベルに基づいてユーザー階層化モデルを構築します。

4. ユーザー需要のセグメンテーションと階層化

ユーザーの需要のセグメンテーションと階層化は、主に次の 2 つの次元に分けられます。

1.ユーザー属性。主に性別、年齢、職業、収入などユーザーの基本データに基づきます。

2.ユーザーのパーソナライズされたニーズは、主にユーザーの行動データ、個人の消費嗜好、個人のシナリオ嗜好に依存します。

したがって、ユーザーの需要のセグメンテーションと階層化は、主に、ユーザーのニーズがこれら 2 つの次元で明らかな違いがあるかどうかを分析することによって実現されます。判断する方法は 2 つあります。経験による洞察とデータです。

特定の操作では、単一のディメンションを使用して差別化を図ったり、2 つのディメンションを使用してクロス分析を行ったりすることができます。

差別化の対象となる次元を選択します。たとえば、代表的な製品である Mayu は、妊娠準備中、妊娠中、ホットなママなど、さまざまな状態のユーザーにさまざまなコンテンツをプッシュします。たとえば、マッチメイキング製品では、ユーザーのニーズをさまざまな年齢層や性別に応じてセグメント化および階層化します。

クロス分析の対象となる 2 つの次元を選択します。たとえば、ショッピング製品の場合、ユーザーの性別、年齢、消費嗜好の属性に基づいて、さまざまな製品がユーザーにプッシュされます。

ユーザー セグメンテーションの主な目的は、その後の洗練されたユーザー操作を容易にすることであり、最終的な目標は、最低の運用コストで製品収益を最​​大化することです。

ユーザー階層化の 2 つの中核要素は次のとおりです。1 つ目は、明確なデータ ラベルと属性ラベルを使用してさまざまなレベルのユーザーを定義できるため、ユーザー ラベリングの自動化を実現できることです。 2 つ目は、さまざまなレベルでのユーザー操作の戦略がターゲットを絞って安定していることです。

ユーザーセグメンテーションの一般的な 4 つの方法:

1. ユーザーライフサイクルとRFM手法を含むユーザー価値のセグメンテーションと階層化

2. AARRRモデルは製品の初期段階に適しており、単純で大まかな層別化方法です。

3. ユーザー ID のセグメンテーションと階層化。これは、ユーザーが接続されており、貢献度や希少性によりクラスが明確にセグメンテーションされている製品に適しています。

4. ユーザー需要のセグメンテーションと階層化とは、簡単に言えば、ユーザー特性の違いによって製品に対するユーザー需要が異なるかどうかということです。