商品運用データ分析（Airbnb商品運用データ分析）

Airbnb製品運用データ分析

現在、Airbnbは191か国で事業を展開するコミュニティプラットフォーム製品であり、ビジネス分析の優れた事例にもよく登場します。 Airbnb は製品体験、リスティングの美しさ、ホームステイ共有サービスを改善してきましたが、この製品とその背後にあるビジネスには改善の余地があるでしょうか?

分析には、ユーザーポートレート、プロモーションチャネル、コンバージョンファネルの3つの側面を使用します。

•データセット名: Airbnb顧客予約データ •データセットソース:
https://www.kaggle.com/c/airbnb-recruiting-new-user-bookings/data

•データセットの紹介：このデータセットは、Kaggleのコンペティションプロジェクトであり、主に目的地情報の予測モデルを作成するために使用されます。このデータ集約には 2 つのデータ テーブルが含まれており、train_user テーブルにはユーザー データが含まれ、sessions テーブルには動作データが含まれます。

 train_users_ = pd.read_csv("train_users_2.csv")
train_users = train_users_.drop(["country_destination"],axis = 1)
# トレイン テーブルから宛先列を削除します。
all_users = pd.concat([train_users,test_users])
# トレーニング テーブルとテスト テーブルからすべてのデータを集計します。
all_users["性別"].value_counts()

Airbnbのユーザーにおける男女比にほとんど差はなく、女性ユーザーが男性ユーザーを上回り、ユーザー総数の6.4%を占めています。

 all_users.loc[((all_users["年齢"]<7)|(all_users["年齢"]>75)),"年齢"]=0
#7歳未満と75歳以上のユーザーを選択し、異常データを0に設定します。
年齢 = all_users.loc[all_users["年齢"]!=0,"年齢"]
#年齢がゼロでないユーザーのみをカウントします。
年齢 = age.dropna()
age_counts = age.value_counts()
age_counts_sort = age_counts.sort_index()

Airbnbの利用者は主に「若年層・中年層」で、その中で最も利用者数が多いのは1980年代生まれ（29～39歳）で、次いで1990年代生まれ、そして1970年代生まれの順となっている。

 all_users["first_device_type"].value_counts()
#直接統計。

Airbnb ユーザーの多くは、Windows よりも Mac でログインしており、Android よりも iPhone と iPad でログインしているユーザーが多いです。

 train_users_no_NDF = train_users_.loc[train_users_["country_destination"]!="NDF"]
#ユーザートレーニングなし
lan = train_users_no_NDF.groupby("language")["country_destination"].value_counts()
ラン

Airbnb の製品は真に国際的であり、ユーザーは複数の地域に分散しています。ユーザーの90%以上は英語圏（ヨーロッパとアメリカ）の国から来ています。 Airbnbは2013年に中国市場に参入した（このデータセットは2014年まで）ため、この時点では中国人ユーザー数は2位にランクされていたものの、その割合は非常に小さかった。

結局のところ、Airbnbは主に欧米のユーザーが利用しており、中国ユーザーが最も多く訪れる国は米国です。

 all_users["ym"] = train_users["date_account_created"].str[:7]
#日付の最初の 7 桁のみを取得し、日から月までは無視します。
date_account_created = all_users.groupby("ym")["id"].count()
アカウント作成日

視覚化の結果から、次のことがわかります。

Airbnb のユーザー成長曲線は健全です。初期段階（2011年以前）では横ばいでしたが、2012年2月以降は急速に成長し始めました。2012年以降の成長率は非常に速いです。

この製品の新規ユーザーの増加には季節的なパターンがあり、毎年 1 月から 7 月にかけて、この製品はユーザー数の増加のピークを迎えます。夏（北半球）は旅行のピークシーズンであり、短期レンタル商品自体が旅行消費の一種であると推測されます。

 all_users["チャンネルプロバイダー"] = all_users["アフィリエイトチャンネル"].str.cat(all_users["アフィリエイトプロバイダー"],sep ="-")
#チャネルとプロモーション方法を「-」でつなげます。
訪問 = all_users.groupby(["チャンネルプロバイダー"])["id"].count()
#アクセス統計 booking = all_users.groupby(["channel-provider"])["date_first_booking"].count()
#登録統計率 = 予約/訪問
#コンバージョン統計

チャンネル登録数:

•Airbnb の全体的なチャネルコンバージョン率は非常に良好で、ほとんどのチャネルのコンバージョン率は 30% を超えました。

•最もパフォーマンスが良いのは Google 入札 (SEM) で、ブランド入札の登録数は非ブランド入札の登録数より多くなっています。

•チャンネル登録量は80/20ルールに準拠しています。上位7チャネル（プロモーション用チャネルは合計40チャネル）の登録量が、製品の総チャネルソースの90％以上を占めています。

•コンテンツ - Google のコンバージョン率は 14.82% で、他のチャネルよりも低いです。

訪問 = all_users.groupby(["first_affiliate_tracked"])["id"].count()
#さまざまなコンテンツへのアクセス数をカウントします booking = all_users.groupby(["first_affiliate_tracked"])["date_first_booking"].count()
# さまざまなコンテンツの登録数をカウントします v_b = pd.merge(visit,booking,on = "first_affiliate_tracked" )
v_b["料金"] = v_b["予約"] / v_b["訪問"]
# 統計的コンバージョン率 v_b = v_b.sort_values("booking",ascending = False)
翻訳

マーケティングコンテンツ:

統計機能が異常であり、データ追跡効果が低い。

リンクされたコンテンツやOMGマーケティングコンテンツのコンバージョン率は良好です。

他のマーケティングコンテンツのコンバージョン率と比較すると、Localops のコンバージョン率は非常に低いです。

 # ユーザーの総数をカウントする_sum = sessions.groupby(["user_id"])["user_id"].count()
ユーザーの合計.形状
#全ユーザーのうちアクティブユーザーの数 user_active = user_action_count[user_action_count>=10]
ユーザーアクティブシェイプ
#登録ユーザー数 pd_all = pd.merge(sessions,all_users,left_on="user_id",right_on="id")
pd_all.groupby(["user_id"])["user_id"].count().shape
# 注文ユーザー行動において、「予約」は予約（注文）したユーザーの数です。reser = sessions.loc[sessions["action_detail"]=="reservations"]
reser.groupby("user_id")["user_id"].count().shape
#実際の支払いユーザーの行動では、「payment_instruments」は支払いユーザーの数です payment = sessions.loc[sessions["action_detail"]=="payment_instruments"]
支払い.groupby("user_id")["user_id"].count().shape
#再購入ユーザー統計 「payment_instruments」を複数回実行したユーザー reply = sessions.loc[sessions["action_detail"]=="payment_instruments"]
repay_count = repay.groupby("user_id")["user_id"].count()
返済回数[返済回数>=2]

視覚化の結果から、次のことがわかります。

•登録ユーザーから注文ユーザーへのリンクは、Airbnb のコンバージョン ファネルの中で最も離脱率が高いリンクです。登録ユーザーのうち注文したのはわずか 14% で、全ユーザーの 7.651% に過ぎません。

•アクティブ購入とリピート購入のパフォーマンスは良好で、注文したユーザーの60％がリピート購入しており、Airbnbの製品とサービスが非常に優れていることがわかります。

•注文したユーザーのうち約 13% が最終支払いを行っておらず、製品開発部門が介入して調査する必要があります。

プロモーションチャネルの改善

•7月から10月はビジネスのピークシーズンです。運営部門は毎年7月から10月にかけてマーケティング活動の強度を高め、同時にチャネル広告の強度を高めることが推奨されます。

• 主要チャネル（登録数上位 7 位のチャネル）の中で、content_google のコンバージョン率は非常に低いです（わずか 15%）。運用部門では、このチャネルの*ROIとARPU（顧客あたりの平均収益）を計算することをお勧めします。 ROI が低すぎる場合は、このチャネルの配信を停止することをお勧めします。

•SEOプロモーションにより、すべてのチャネルで新規顧客とコンバージョンが良好です。比較的低コスト（主に人件費）で顧客を獲得できる方法として、企業経営側は日常的にSEO関連のリソース投資をより積極的に支援し、SEOチームの拡大も検討することが推奨されます。

注：分析プロセス全体は、Zhihuの先週のErmaoに基づいています。
https://zhuanlan.zhihu.com/p/77558304 の分析プロセスは sql で記述されており、pandas を使用しました。彼は画像にTableauを使用し、私はPyeChartsを使用しました。

*ROI=コンバージョン率*ARPU値/CPC