データ運用（5つのステップ、3つのキーデータ、コミュニティ運用データ分析システムの構築（第2部））

5つのステップ、3つのキーデータ、コミュニティ運営データ分析システムの構築（パート2）

[ステップ3: データアクセス]

ユーザー ジャーニー マップを設計し、主要なデータ指標を整理したら、このデータを取得する方法を決定する必要があります。それがデータアクセスです。

このステップは実は非常に簡単です。データ統計作業を手動で行うか、Weiban Assistant などのサードパーティ ツールを使用して行うかを決定します。一般的に言えば、ツールを使用するのが最善であり、これにより操作全体が簡単になります。さらに、現在のツールは基本的に、すべてのパスをリアルタイムで監視するというコミュニティ運営のニーズを満たすことができ、基本データやコンバージョンデータ、さらにはユーザー行動分析、ヒートマップなど、データを独自のデータベースにエクスポートできます。いわゆるデータ分析には、まずデータが必要ですよね？

さて、この時点で、コミュニティ運営に関するさまざまなデータがすでに存在しており、これらのデータをユーザーパスマップとキーノードに従って分類しています。次のステップは分析フェーズに入ることです。つまり、分析フレームワークを構築する必要があります。

[ステップ4: データ分析フレームワークを構築する]

データを直接分析するのではなく、まず分析フレームワークを構築する必要があるのはなぜですか?データ分析の方法が多すぎます。特定のデータを分析するために異なるデータ分析方法を使用すると、異なる結論に達することがよくあります。さらに、コミュニティの規模が拡大し続けると、データベース内のデータは、種類と量の両方において、比較的大きな規模に達します。現時点では、これらの膨大なデータから重要なデータを探し出し、分析し、初期の運用指標に関連するデータを取得する方法を学ぶ必要があります。

したがって、データ分析手法に関しては、必ずしもすべてを習得する必要はありません。最も重要なものを把握し、どのリンクにどの分析方法を使用するかを知る必要があります。さらに、分析フレームワークを構築することの利点は、一方では作業効率を向上させることができ、他方では適切なデータ分析習慣を身に付けることができることです。

では、具体的な分析フレームワークはどのように構築すればよいのでしょうか?

まず、ユーザー パス マップを引き続き使用してみましょう。前回の記事で紹介したケースを引き続き使用します。ユーザーパス全体は、広告露出、公式アカウント、顧客サービスWeChat、コミュニティ、有料注文の5つの主要ノードに大まかに分けられます。

このパスでは、ファネル分析方法を使用してユーザー パス全体を分析することを選択できます。

方法1: ファネル分析法

プロセスベースのデータ分析の集合体であり、ユーザーの行動状況を科学的に反映することができ、開始点から終了点までの各段階でのコンバージョン率の重要な分析手法です。

ユーザーが最初に当社の広告コンテンツを見た時点から、最終的に注文の支払いを行う時点まで、このプロセス全体を通じて、各主要ノードにおけるユーザーのコンバージョン率を把握できます。これにより、どのステップのユーザーコンバージョン率が低いかがわかるので、このリンクを調整することができます。

方法2: 解約分析法

ファネル分析に対応する方法は、ユーザー離脱分析です。この方法により、どのタイプのユーザーがどの段階で離脱しているかを特定し、さらに離脱した理由を分析できます。

上記の 2 つの方法は、一般的に、トラフィックの生成から最終的な有料注文、さらにはその後の共有プロセスに至るまで、コミュニティ全体の運用を分析します。

操作リンクごとに異なる分析方法を採用することもできます。

方法3: チャネル分析

たとえば、トラフィック転換プロセスにおける広告露出の部分については、チャネル分析手法を使用できます。コミュニティのアクティブな部分については、主要な行動分析手法を使用できます。もちろん、この方法を使用する場合は、公式アカウントのバックグラウンドでキーワードに返信したり、コミュニティのトピックに参加したり、イベントにチェックインしたりするなど、どのような行動がキーとなる行動であるかを最初に定義する必要があります。

方法4: ROI予測

有料発注において最も重要なことは、 ROI予測を行うことです。簡単に言えば、このコミュニティの運営にどれだけのマーケティング予算を費やす予定か、どれだけの売上を達成する予定か、全体的な入出力比率はいくらかを把握する必要があります。これにより、有料コミュニティを含むコミュニティ製品の価格設定も容易になります。

もちろん、コミュニティによっては、売上を伸ばすためではなく、顧客サービスの質を向上させるために企業がコミュニティを運営している場合もあります。これにはブランドプレミアムも含まれる場合があります。

したがって、ROI 予測に関しては、最初にコミュニティをどのように位置付けるかが鍵となります。ここではこれについて詳しく説明しません。

方法5: ユーザーの階層化

最後に、共有セッションでは、通常、ユーザーを階層化し、4 象限ルールを通じてユーザーの忠誠度と満足度を測定します。実は、この部分の分析方法は必ずしも共有段階にあるわけではありません。成長中のコミュニティでは、この方法を使用してユーザーを定期的に分析することもできます。

この方法は以前の方法とは異なる可能性があります。ほとんどの学生はそれをよく知っていると思うので、詳細には説明しません。ユーザーのロイヤルティや満足度の測定については、あまり知られていないと思いますので、簡単にお話ししたいと思います。

コミュニティを運営する際には、まずカスタマー サービス WeChat を追加し、その後カスタマー サービスがユーザーをグループに引き込むなど、ユーザーを階層化する必要があります。実際、その目的は、異なるタイプのユーザーの割合を区別するためにユーザーにラベルを付けることです。ユーザーのニーズにさらに応えるために、さまざまなコミュニティ コンテンツやアクティビティなどを設計します。

次に、4 象限ルールを使用して分析します。まず、満足度と忠誠度の強さに応じてユーザーを 4 つのタイプに分類できます。次の図をご覧ください。

横軸は満足度を表し、右に行くほど満足度が高くなります。縦軸はユーザーの忠誠度を表し、レベルが高いほど忠誠度が高くなります。

このように、ユーザーを4つのタイプに分類します。これらは、忠実なユーザー、需要ベースのユーザー、ウールタイプのユーザー、および低需要のユーザーです。 （もちろんラベル名をカスタマイズすることもできます）

ただし、ユーザー差別化基準を事前に定義する必要があります。

例えば：

1. 忠実なユーザー（満足度、忠誠度が高い）：毎月再購入し、友人に複数回購入を勧めることに成功しています。

2. ウーブン型ユーザー（満足度は低いが、忠誠心は高い）：手頃な価格のため購入し、製品に関する推奨は行いません。平均顧客単価はxx元未満です

3. 需要ベースのユーザー（満足度は高いが忠誠心は低い）：製品に対する需要は高いがブランド忠誠心は低く、3か月以内に再購入はない

4. 需要の低いユーザー（満足度、忠誠度が低い）: 一度しか購入していない、または一度も購入したことがないユーザー

これらすべての情報をフォームに入力して、ユーザーを区別することができます。次に、さまざまな運用戦略をターゲットに応じて採用します。

たとえば、欲しいものを手に入れたいユーザーの場合、通常、組み合わせ割引、平均注文額の増加、または友人を交渉に招待するなどして販売を促進し、アクティビティのトラフィックを増やすことができます。また、忠実なユーザーが多いコミュニティには、平均注文額の高い商品を推奨し、よりきめ細かなサービスを提供することができます。等

さて、上記はユーザー パス マップに基づいてさまざまなリンク用に構築された分析フレームワークです。そこに含まれるデータ分析方法はすべて非常に実用的です。

実際、この時点で、ほとんどの人はコミュニティ運営のデータ分析作業についてすでに非常に明確に理解しており、全体的な考え方も明確になっているはずだと私は信じています。何をすべきか、どのようなデータを習得する必要があるか、さまざまなリンクでどのようなデータ分析方法を使用する必要があるかを把握します。しかし、私たちがデータ分析を行う理由は、分析のためではありません。すべてのデータ分析は、最終的にはコミュニティ運営の目標に役立ちます。したがって、データ分析システムを構築する最後のステップは、意思決定支援を完了することです。

ステップ5: 意思決定のサポート

いわゆる意思決定支援は、実際には運用戦略策定、貢献評価、成長ポイントの発見という3つの部分に大別できます。

私たちのデータ分析の最終的な目標は、フィードバックを得て上記の問題の解決に役立てることです。

最初のステップは運用戦略を策定することです

さまざまなデータ分析を通じて、トピックが効果的にユーザーエンゲージメントを高めることができるか、コンテンツの出力がユーザーを満足させることができるか、コミュニティ活動がユーザーの欲求を刺激できるかなど、運用プロセスでどのような問題があるかを把握します。次に、ABテストを実施し、最終的に適切な運用戦略を策定して統合します。こうすることで、事業を拡大する際に直接適用することができます。

2番目のステップは貢献を評価することです

主にオペレーター向け。コミュニティ品質スコアリング、活動効果評価、運営方法スコアリング、コミュニティ内取引額など、各リンク内のデータ指標を分析し、多次元で重み付けを算出し、最終的に総合スコアを算出して運営者を評価します。

私は多くの企業と接触してきました。コミュニティ運営を行っている場合、運営者の業績評価は、最終的な取引金額を運営評価の内容とするなど、比較的単純かつ大まかなものとなっています。

しかし、運用は実際には体系的なプロジェクトであることは誰もが知っています。多くの場合、プロセスの重要性と複雑さは結果よりも重要です。この点を無視すると、コミュニティ運営が拡大しないばかりか、コミュニティ運営者自身も仕事に満足感が得られず、能力向上も望めません。

最後に成長点を見つける

すでに一定の規模に達している一部のコミュニティ活動にとって、この部分は最も重要です。

特にトラフィック運用がリテンション運用の時代に入ると、ユーザー数の増加やパフォーマンスの向上など、既存の運用モデルから新たな成長ポイントをいかに見つけるかが最も重要かつ重要になります。さらに、企業や運用チームにとって最も重要な課題は、私たちが構築したコミュニティ運用データ分析システムを合理的に活用し、その枠組みの中でさまざまな分析手法を適用し、ビジネスの突破口を見つけることです。

【まとめ】

さて、コミュニティ運営のデータ分析については以上です。最後にまとめると次のようになります。

コミュニティ運営におけるデータ分析作業で最も重要なことは、独自のデータ分析システムを構築することです。具体的な構築プロセスは、ユーザーパスマップの設計、キーノードとノード上のキーデータ指標の整理、データアクセス、分析フレームワークの構築、最終意思決定支援の5つのステップに大別できます。

ユーザーパスの設計は、実際の運用に基づいて決定することもできますし、運用プロセス全体をユーザーフロー、コミュニティ活動、有料化の3段階に分けるなど、前回の講座で説明したコミュニティ運用モデルに基づいて決定することもできます。

各ステージでいくつかの重要なノードを分類できます。同時に、基本データ、コンバージョンデータ、ユーザー行動の 3 つのタイプに応じて、いくつかのコアデータ指標をキーノードに 1 つずつリストすることもできます。

次に、データアクセスを完了するために、対応する操作ツールを事前に準備する必要があります。このようにして、取得したデータに基づいて、確立された分析フレームワークを使用して、データのターゲットを絞った分析を行うことができます。

このように、データ分析システム全体を 1 つの図にまとめました。

コミュニティ運営のデータ分析作業を思考の観点から解説する内容です。具体的な詳細に関しては、当初のコミュニティの位置付けと実際の運用戦略と組み合わせて調整する必要があります。

コミュニティ運営というと、それ自体がユーザー運営の範疇に入るもので、ユーザーに一番近い場所です。また、オペレーション自体は、結果のみが判断基準となるポジションではありません。したがって、オペレーターはモジュール式ツールを習得し、武装し、データを通じて専門性を高め、より合理的な補助判断を通じて各決定をより適切に行い、プロセス全体をより明確かつ可視化する必要があります。

もちろん、時間の制約により、チャネル分析、ファネル分析などの特定の分析方法については詳しく説明しませんでした。しかし、この記事を書いた理由は、コミュニティ運営データ分析と全体的なフレームワーク構築のアイデアを皆さんに確立してもらうためです。あまり実用的ではないかもしれませんが、それが根底にある論理です。それは、私たちが仕事をより良く行うために役立つ作業ガイドのようなものです。