オンラインストア運営データ分析（オンラインストア運営中、データ分析へのアプローチが間違っている）

オンラインストアを運営する際に、データ分析を正しく行っていない

オンラインストアの運営プロセスにおいて、分析の次元が細かければ細かいほど良いという見解を持つ人は多く、常に「詳細」からデータを分析することで、より良いソリューションが確実に得られると信じています。ただし、詳細からデータを分析することは、ディメンションのセグメンテーションを強調することを意味するものではありません。オンライン ストアのデータ指標の変化は「ドミノ効果」となるためです。たとえば、コンバージョン率インジケーターの変動は、トラフィック ソース、ページ訪問の深さ、滞在時間などの一連の要素に関連しています。 「ビジネスアドバイザー」では、コンバージョン率指標自体は地域別の「地域別コンバージョン率」として閲覧できますが、訪問深度や滞在時間は地域別に閲覧できません。 「地域別コンバージョン率」データも、各地域の広告の強度の違いによって変化します。このデータについて議論する意味は何でしょうか?

直通列車の発車時には「地域データ」という指標が非常に重要だと考える人もいるでしょう。地域のクリック率によって配信エリアを決定し、地域のコンバージョン状況に応じて配信調整を行うことができます。そこでお聞きしたいのですが、あるエリアのクリックスルー率は非常に低いが、コンバージョン率は非常に高い場合、投資しますか、しないでしょうか？特定の地域での配信をオフにしていますが、他のトラフィック ソースに関しては、これらの地域のコンバージョン率は正常です。では、これらの分野に投資すべきでしょうか?閉鎖したこれらの地域のコンバージョン率が低いのは、不当なキーワード入札または不当なキーワード購入によるものでしょうか?エリア A のコンバージョン率が非常に高く、人口 Y のコンバージョン率も非常に高いことがわかった場合、エリア A の人口 Y にプレミアムを追加することで、より正確なユーザーを獲得できるため、まるで金鉱を発見したかのように興奮する人もいます。待って！直通列車の混雑プレミアムは地域限定にできません。どうやって設定するんですか？ 「それは簡単だ」と言う人もいるかもしれません。地域 A でのみ開始できる別のプランを開始するだけです。その後、グループにプレミアムを請求することで、目標を達成できます。しかし！新しく計画したキーワードの品質スコアが標準を満たしていることを保証できますか?品質スコアが許容範囲内であると仮定すると、合計 6 つの商品を宣伝しており、地域やユーザー層によって商品のパフォーマンスが異なります。いくつのプランを立ち上げる予定ですか?神様は何回あなたに恵みを与えてくれると思いますか？

おそらくあなたはまだ納得しておらず、通常はこのように詳細からデータを一つずつ収集し、その結果をまとめ、運用上の調整を行うと常に感じているかもしれません。

セグメンテーションの次元でデータを分析することには何の問題もありませんが、視点が間違っています。これまで発生した不合理な問題はすべて、実際には詳細ディメンションのデータを取得し、そのデータ自体に基づいて一連の運用調整を開始したことが原因でした。ただし、データ分析の目的は、運用上の問題を作り出すことではなく、運用上の問題を解決することであり、運用上のニーズを満たすことです。運用で解決する必要がある問題が何であれ、データ分析はデータを分解、分析、解釈することで、合理的な参考資料や提案を提供できます。

たとえば、店舗のコンバージョン率を改善する必要があることが判明したため、データ分析が必要になります。まず、各トラフィックソースディメンションのコンバージョン率の分析から始め、分析を通じて、自然検索のコンバージョン率は比較的高いが、突破口を開くのは難しいことがわかりました。ダイヤモンド展のコンバージョン率は非常に不安定ですが、ダイヤモンド展はマーケティング活動とブランドを公開するためのものです。コンバージョン率は不安定ですが、ダイヤモンド展はショッピングカートの量を大幅に増加させ、ショッピングカートのコンバージョン率は比較的高いことを考慮すると、ダイヤモンド展を停止してトラフィックを減らしてコンバージョン率を向上させるという目的を達成することはできません。既存顧客が全取引に占める割合は非常に低いため、既存顧客に対してマーケティングを行っても、彼らをアクティブ化することはできず、トラフィックをもたらすこともないため、店舗全体のコンバージョン率は低下しません。一度有効化すれば、コンバージョン率の向上につながることは間違いないので、既存顧客へのマーケティングは良い導入ポイントとなります。ライブ放送のコンバージョン率は非常に高く、ライブ放送の数を増やすとコンバージョン率の増加をもたらすことができますが、もちろん、上司が特別価格を承認できる限りです。直通列車のコンバージョン率は他の交通源のコンバージョン率と比較してすでに比較的高く、最適化の余地はあまりありません。

上記はトラフィックソースに基づいたコンバージョン率分析です。実際、私たちは、詳細な分析のためにさらに細分化できるいくつかの次元を発見しました。たとえば、ショッピングカートのコンバージョン率が比較的高い場合は、ショッピングカートのトラフィック ソースを分析できます。購入時にショッピングカートを追加するアクションが実行され、この部分のデータが非常に大きな影響を与えていることがわかった場合、人々はいずれにしてもそれを購入することになるため、ショッピングカートへの取り組みを増やし続けるのは無駄です。ショッピングカートに追加してから購入するように誘導しても、コンバージョン率指標の改善には役立ちません。しかし、その逆は異なります。ショッピングカートのソースの割合を分析し、高品質なソースの転用を増やすことでコンバージョン率を向上させるという目標を達成できます。

このような複雑な例を挙げましたが、セグメント化されたディメンションでデータ分析を行わないのではなく、セグメント化されたディメンションに基づいてセグメント化されたディメンションの重要性を強調できないことにお気づきでしょうか。代わりに、運用の観点から上から下まで、粗い層から細かい層まで分析する必要があります。このプロセスでは、セグメント化されたディメンション データの値の範囲にも注意する必要があります。一部のディメンションでは、システム値の範囲は、関連するすべての動作を 3 日以内に記録すること、一部は 7 日以内に記録すること、一部は 30 日以内に記録することになっています。このため、さまざまなディメンションからのトラフィック ソースの売上が総売上を上回ることがよくあります。これは、細かい次元から分析すると逸脱や誤解が生じることを一面から証明しており、全体から細かい次元まで層ごとに分析する必要があることを示しています。

同時に、いわゆる「セグメンテーション次元」もエントリーポイントに関連しており、エントリーポイントが異なると変化するということも理解する必要があります。コンバージョン率の観点から見ると、各トラフィック ソースのコンバージョン率はセグメンテーション ディメンションですが、トラフィックの観点から見ると、コンバージョン率はセグメンテーション ディメンションになります。したがって、「セグメンテーション次元」は相対的なものであり、運用上のニーズの観点から決定されます。データ駆動型の運用では、データが原動力として重視されますが、方向性とペースは依然として運用によって決まります。