ユーザー操作のデータ分析（オペレーターが習得すべきユーザー行動分析とは？）

リーン成長を始める

2021年、プライベートドメインの運用はあらゆる分野で必須となり、ユーザー行動分析はますます注目を集め、その理論とツールはますます成熟してきました。

ユーザー行動分析の重要性は、現在のシナリオで運用戦略を最適化する方法や、ビジネスで発生する特定の問題を解決する方法を理解するのに役立つデータの結論を提供してくれることです。

この記事では、ユーザー行動分析のロジックとアイデアを理解できるように、収集から分析までのユーザー行動分析の全体像を紹介します。これが皆様の業務に何らかのインスピレーションと助けとなることを願っています。

2015年以降、従来のオフライン産業はオンラインへと変革し始めました。変革プロセス中に、ユーザー行動がオフラインからオンラインに移行するという一般的な傾向が形成されます。

ユーザー行動分析はますます注目を集めており、今日の業界の実践においてもその重要性が強調されています。主な理由は2つあります。

• 業界がオンラインに移行した後、ユーザーによって生成される行動データは、以前のオフライン データよりも次元が広がり、より豊富になりました。

• オンラインデータは、収集、取得から分析までリアルタイムで処理できます。

これにより、企業はタイムリーに運用戦略を最適化できるようになります。たとえば、顧客がショッピング フェスティバルのプロモーションを開催したい場合、イベント開始後、データベース ツールがイベントのランディング ページをリアルタイムで追跡し、ユーザー アクセス データを取得します。得られたデータに基づいて、イベント開始後 30 分以内に戦略を調整できます。その後、ユーザーからのフィードバックを観察し、効果が良くない場合はさらに調整を行います。

ユーザー行動分析とは、製品やタッチポイントにおけるユーザー行動とその行動の背後にあるデータを分析することです。ユーザー行動データ分析システムとユーザーポートレートを構築することで、製品、マーケティング、運用の意思決定を変え、洗練された運用を実現し、ビジネスの成長を導きます。

ユーザー行動データのソースは、オンライン タッチポイントとオフライン タッチポイントの 2 つの部分に分けられます。主なオンラインタッチポイントには、APP、H5、Web、ミニプログラム、エンタープライズWeChat、eコマースプラットフォームなどがあります。オフラインのタッチポイントには、店舗の来店客数、400（カスタマー サービス電話番号）、ウェアラブル デバイスなどが含まれます。

データ属性の観点から、ユーザー行動データはファーストパーティデータ、セカンドパーティデータ、サードパーティデータに分類されます。

• ファーストパーティデータ: 顧客自身の行動やビジネス活動によって生成されるデータ。たとえば、自作のアプリやミニプログラムにアクセスしたりクリックしたりすることで生成されるユーザー行動データなどです。

• セカンドパーティデータ: 一般的には、顧客のビジネス活動やマーケティング活動を通じて偶発的に生成されるデータを指します。これは広告分野では典型的なことです。顧客が広告を掲載すると、ユーザー機器などの追加データが広告メディア上に生成されます。

• サードパーティデータ: 一般的に、クライアントの実際の業務とは関係がなく、外部調達やその他の手段を通じて合法かつ公開的に取得された、ユーザーまたは潜在的な訪問者に関するデータを指します。

データ価値の観点から見ると、ファーストパーティデータの価値が最も高く、セカンドパーティデータは2番目、サードパーティデータは最も価値が低くなります。ファーストパーティ データは顧客自身のタッチポイントまたはプラットフォームから生成されるため、顧客のビジネスと最も直接的かつ密接なつながりがあります。

効率的なデータ収集は適切な分析の前提と基礎となるため、ユーザー行動データを収集する方法も非常に重要です。ユーザー行動データの収集は、クライアント SDK (注: ソフトウェア開発キット)、サーバー SDK、ツールのインポートの 3 つのカテゴリに分けられます。

現在、クライアント向けにさまざまな SDK がサポートされています。 iResearchにしろ、国内外の同様の機能を持つ製品にしろ、基本的な方法はSDKを通じてプラットフォーム上のユーザー行動データを収集することです。たとえば、SDK を使用して、IOS、Android、H5 ミニプログラム、Alipay ミニプログラムなどのユーザー タッチポイントに関するデータを収集します。

サーバー側 SDK のデータ収集はバックエンド サーバーで完了し、アプリ上のユーザーが直感的に感じることはありません。たとえば、ユーザーがアプリの「カートに追加」ボタンをクリックすると、この動作によって、ユーザーが追加した製品の価格、在庫状況、さらには倉庫調整プロセス中の製品の動的在庫などの関連データが生成されます。

サーバー側 SDK の収集により、データの範囲と次元が強化され、より理想的な分析結果を得ることができます。

多くの小売顧客は、ユーザー タッチポイントとして独自のミニプログラムを使用するだけでなく、サードパーティの電子商取引プラットフォームも使用しています。

データセキュリティ上の理由から、Douyin E-commerce、Taobao、JD.com などの大手プラットフォームは、データをますます非公開にしています。従来のAPI（注：アプリケーションプログラミングインターフェース）を介して顧客独自のサーバーにデータを同期する方法は、現在では実装が困難になっています。

現在、正式なサービスプロバイダーを介してサードパーティの電子商取引プラットフォームからデータを同期することは困難であり、電子商取引プラットフォームのデータを統合するためのハードルがますます高くなっています。

ユーザー行動分析の中心的な対象はユーザーです。 BI 分析との最大の違いは、BI 分析には財務分析、在庫分析、相互作用分析、人的資源分析なども含まれることです。したがって、BI 分析の対象は、商品、財務表、サプライ チェーンなどになります。

ただし、ユーザー行動分析はユーザーに焦点を当てており、実際のビジネスプロセス中にある特定のビジネスシナリオでどのようなユーザーイベントが発生したかに主に答えます。ユーザー イベントには、誰が (Who)、どこで (Where)、いつ (When)、何を (What)、どのように (How) という 5 つの基本要素が含まれます。

ユーザー行動データは、データ生成とデータ消費の 2 つの部分に分かれています。

その中で、データ生成はユーザータッチポイントで発生し、さまざまなユーザー行動データが生成されます。顧客は、特定のデータの結論を得るために、適切なツールと合理的な方法を通じてデータを利用する必要があります。

ユーザー、場所、時間、イベント、方法の組み合わせでユーザー イベントが構成されます。たとえば、2021年5月1日20:00:00に、Zhang SanはJD APPのiPhone 12製品詳細ページで「カートに追加」ボタンをクリックしました。これは、張三が分析対象となっているユーザー行動の説明です。

日常のシナリオにおけるユーザーの操作は、データ ディメンションとインジケーターに抽象化できます。小さなイベントを通じて、ユーザーの ID と対応する基本属性を収集できます。たとえば、追加された製品の名前、価格、数量、その他のイベント属性などです。

まとめると、収集されたデータの範囲は次のとおりです。

• ユーザーとユーザー属性: ユーザーID + ユーザー基本属性 + ユーザータグ

• イベントとイベント属性: カートに追加イベント + ショッピングカートの商品名、価格、数量

データを収集することで、ユーザー関連の分析を行うことができますが、その中で最も重要なのはユーザー属性です。

ユーザー属性によってユーザーポートレートを形成できます。ユーザーポートレートの記述が正確であればあるほど、運用中にターゲットを絞った戦略やマーケティング活動を策定しやすくなります。ユーザーポートレートの正確さは、ユーザーの行動について収集されたデータの品質に依存します。

業界によってポートレートシステムは異なります。金融業界のユーザーベースのポートレートを例に挙げてみましょう。

このポートレート システムには、ユーザーの基本属性、関連関係、興味の好み、顧客価値、世論評価などが含まれます。これらの属性の一部はユーザーの行動に密接に関連していますが、その他の属性は、名前、性別、住所など、ユーザーの自然な属性です。

データが収集されるにつれて、ユーザーポートレートは継続的に最適化されます。たとえば、ユーザー行動の分析が深まるにつれて、ユーザーの好みは動的に調整されます。

以下では、チャネル分析、コンバージョン分析、パス分析、リテンション分析の 4 つの側面から、ユーザー行動分析の基本的な考え方を簡単に紹介します。

まず、チャネルの新規顧客獲得能力と顧客獲得の質を評価する必要があります。

評価には、次のような一連の質問が含まれる場合があります: どのチャネルがより多くの新規ユーザーを獲得するか?偽のトラフィックが少ないのはどのチャネルですか?どのチャネルに高価値ユーザーがより多くいますか?どのチャネルの変換効果がより優れているでしょうか?

これらの質問に対する答えを得るには、イベント分析またはチャネル分析を行う必要があります。最初のステップは分析対象を定義することです。たとえば、チャネルの新規ユーザー獲得能力を評価する場合、分析の対象は新規ユーザーになります。 2 番目のステップでは、新規顧客チャネルの顧客獲得量と、その後のユーザーのコンバージョンと価値を分析します。

顧客獲得チャネルの分析と組み合わせることで、より高い ROI を実現するチャネルの組み合わせを見つけ、予算を合理的に割り当てることができます。

ユーザーがリーチした後の理想的な経路は、マーケティング活動を通じてランディング ページに到達し、次に特定の製品の詳細ページに移動し、最終的に購入を完了することです。ランディングページの直帰率が 90% であれば、どんなに優れた製品であっても効果はありません。

設計された経路の途中でユーザーの損失が発生します。どの段階でユーザーが離脱するかという問題を解決するには、ユーザー行動分析が必要です。ユーザー離脱率が最も高いリンクが、最適化の焦点となります。主要なリンクを戦略的に改善することで、全体的なユーザーコンバージョンとビジネス収益に大きく貢献できます。

コンバージョン分析では、ファネル分析モデルは、ユーザーのアクセス パスに 1、2、3、4、5 などのステップ番号を付け、各ステップでのユーザーのコンバージョン状況を確認し、コンバージョン ファネルを使用してコンバージョンのボトルネックをすばやく見つけ、ディメンション セグメンテーションを通じてユーザーの離脱を分析するために使用されることがよくあります。

ファネル分析を通じて、ユーザー離脱につながったイベントを取得し、問題の根本原因を発見しました。これらはすべて、製品設計やユーザーエクスペリエンスの向上、さらにはビジネスプロセスの再構築の促進に役立ちます。

ユーザー パス分析では、インテリジェント パスを使用して、コンバージョン プロセスの開始からコンバージョン目標の最終的な達成までユーザーが通過する主要なノードを追跡します。ノード間のユーザーフローを観察し、いくつかの問題を発見します。

たとえば、ユーザーグループ A と B があり、2 つのユーザーグループの値が異なります。価値の低いユーザー グループが出現する理由はさまざまです。ユーザーグループ自体の消費能力が不十分であるか、製品の設計が貧弱であるために、この一部のユーザーのコンバージョンに障害が生じている可能性があります。

ユーザーがアプリ内で実際にたどるパスは、私たちが事前に設定したコンバージョン パスとは異なることがよくあります。オンライン ユーザー パス分析は、実際にはオフラインのトラフィック フロー分析に似ています。重要なデータは、ユーザーがどのページを訪問し、どの段階でコンバージョン プロセスを終了したかです。

現時点では、損失を減らすために主要なページにプロモーション情報をプッシュするなど、ニーズに基づいてターゲットを絞った最適化を行います。

ユーザー行動分析において最も重要な指標はユーザー維持率です。継続してビジネスに貢献できる可能性を持つのは、保持されたユーザーだけです。

そのため、ユーザー維持分析を実施し、7日間の維持、30日間の維持、リピート購入などの指標を通じて新規ユーザーの維持状況を判断する必要があります。

しかし、ユーザー維持率の分析には、これらの指標だけでは不十分であり、ユーザーの主要な行動も考慮する必要があります。多くの場合、ユーザーの購買行動は単なる結果であり、プロセスにおける行動を分析し、ユーザーの注文の背後にあるロジックを理解する必要があるからです。

たとえば、プロモーション活動ページを頻繁にクリックするユーザーと割引活動ページを頻繁にクリックするユーザーでは、どちらのタイプのユーザーの購買力がより高いでしょうか?このような分析を通じて、価値の高いユーザーの真のニーズをより深く理解することができます。

ユーザーの行動プロセスと最終結果の論理的な関係を調査および分析することで、ユーザーの行動にどのように影響を与え、最終的にビジネス変換の目標を達成するかを理解するのに役立ちます。

ここでは、iResearch のスマート ハードウェア (豆乳メーカー) の顧客を例に挙げます。 IOT SDK + サーバー SDK + オフライン データのインポートを通じて、ユーザーの固有の ID を接続し、顧客がパノラマ データのインテリジェントな操作を実現できるように支援します。

このブランドのカプセル豆乳マシンは、オフラインからオンラインに移行する顧客向けです。カプセル豆乳マシンのユーザー行動データは 2 つの部分から得られます。オンラインデータはブランドのアプリやミニプログラムなどから取得され、オフラインデータはカプセル豆乳マシン製品によって収集されたデータから取得されます。

当社は、オンラインとオフラインの両方のシナリオからのユーザー行動データを統合し、そのデータを使用してブランドのカプセル豆乳マシンのユーザー行動を効果的に評価し、豆乳マシンを使用する際のユーザーのカプセル消費習慣を見つけ出し、カプセルの需要が出現する時点を顧客が見つけられるように支援し、顧客にプロモーションや割引などのマーケティング活動を設計して実施することを推奨します。

ユーザー行動分析の最終的な目標は、さまざまなユーザー グループを作成し、同じ特性を持つユーザーをグループ化することです。そして、このタイプのユーザーをターゲットにして、彼らの問題を特定し、ターゲットを絞ったマーケティング戦略や運用戦略を策定し、設計された戦略を実行します。これがユーザー行動分析の完全なビジネス プロセスです。

iResearch Ark デモでは、さまざまな分析方法とモデルが提供されており、さまざまな業界のユーザー グループのニーズに応じてさまざまなテンプレートが提供されます。ユーザー行動分析では、イベント分析、チャネル分析、ヒートマップ分析、ファネル分析、アトリビューション分析など、12 の主要な分析モデルが製品にプリインストールされています。ぜひ皆様も体験しに来てください。