運用にはデータ分析が必要ですか? （運用で習得すべき4つのデータ分析思考）

業務で習得すべき4つのデータ分析の考え方

業務で習得すべき4つのデータ分析の考え方

運用データ分析に関して、多くの友人が次のような疑問を持っていると思います。

異常なデータに直面すると、私たちは「何が行われたのだろう？何が起こったのだろう？それで何か影響があったのかもしれない」といった主観的な推測をすることがよくあります。

データレポートの分析方法がわかりませんか?何を分析すればよいか分からないですか?

データ分析は運用における最も基本的なスキルです。本当にその価値を引き出せるかどうかは、データを動かす操作ではなく、データ主導の操作でなければいけません。

単一次元から体系化へ

データ分析では、単一次元から体系的な思考への移行が不可欠です。データ分析には体系的なデータ フレームワークが必要です。

問題を考えるときには、マクロからミクロへ、グローバルからローカルへと常に思考の流れをたどりますが、データ分析も例外ではありません。製品運用におけるデータ分析の状況については、これ以上の説明は必要ありません。データ分析は、製品データ システムの詳細な理解に基づいて行う必要があります。データ分析を行う際には、頭の中でデータシステムを確立する必要があります。製品データ ディメンション システムは、マクロ データ、メソ データ、ミクロ データの 3 つのレベルに分けられます。

上記のデータ分析ディメンションには、当社が運営する製品のすべてのデータディメンションが含まれているわけではありません。データ分析を行う際には、自社の製品状況に応じて有用なデータを選別する必要があります。もちろん、運用担当者がバックグラウンド要件を提案する場合、ユーザープロファイルデータ、PV数、UV数、UID数、起動時間、保持率、直帰率、ページアクセスパスなどの基本的なデータ要件である必要があります。多くの運用担当者は、バックグラウンドデータ要件を完成させる際に大量のデータを提案しますが、大量のデータは複雑な定義と計算を伴うため、バックグラウンドデータの計算負荷が増加するだけで、実際の運用分析にはほとんど役に立たず、データ表示の効率に影響を与えます。運用データ分析は、Excel スプレッドシートのエクスポート機能と組み合わせた背景の基本データに基づいて実行でき、補助分析にはサードパーティのデータ プラットフォームの助けを借りて実行できます。これにより、バックグラウンドデータ開発のコストを削減できるだけでなく、データ分析の効率も大幅に向上します。

目標志向

データ分析は目標指向である必要があります。データの次元を段階的に分割し、構造化された思考を使用して運用データの包括的かつ体系的な分析を実行する方法を学ぶ必要があります。

製品運用のデータ分析を行う場合、次の考え方に従うことができます。

1. データ分析の目標を決定する

2. データ目標に影響を与える主要な側面を明確にする

3. 異なるデータ次元間の相関関係を見つけてデータ関係モデルを確立する

4. 問題のあるデータとその原因を発見する

5. 問題データの影響を受ける次元に基づいて、対応する最適化を行う

たとえば、Tmall ストアの利益を分析します。店舗運営において最も重要なのは売上高ですが、最も本質的なのは収益性です。上記の考え方に従って分析します。

1. データ分析の目的：店舗利益分析

2. データ目標の主要な影響次元を決定します。

3. 異なる次元間の相関関係を見つけてデータ分析モデルを確立します。

利益 = 売上 - コスト = トラフィック * コンバージョン率 * 平均注文額 - (店舗固定費 + 運営費 + 製品費 + 人件費)。

4. データ モデルに基づいて問題のあるデータを検出する:

店舗利益（L）を最大化するには：L（最大）＝R（最大）-C（最小）

店舗が損失を出している場合、R は C より小さくなければなりません。つまり、コストが収入より大きくなります。次のような状況を想定してみましょう。

上記の仮定に基づくと、合理的なコスト条件下で店舗が損失を被っている場合、売上高が低すぎると結論付けることができます。売上高が低い理由は、トラフィックのコンバージョン率が低いためです。したがって、このような状況で私たちが行う必要があるのは、ストアのコンバージョン率を向上させることです。

5. 問題データの影響を受けるディメンションに基づいて対応する最適化を行い、コンバージョン率を向上させる

コンバージョン率を向上させるには、次の方法があります。

——製品パッケージの改善

——詳細ページの写真と紹介文を最適化

——消費者の注文決済経路と体験を最適化する

——顧客サービスレベルと受注促進スキルの向上

——ユーザー評価管理の最適化

——割引、無料ギフト、割引などの対応するプロモーション戦略を実施します。

…

引き続き、製品操作を例に挙げて説明しましょう。たとえば、ある日突然、ある製品の DAU 成長率が上昇したことに気付いた場合、上記の分析のアイデアに従って対応するソートを実行できます。

複数のデータ次元間の相関関係に焦点を当てる

データ分析では、単一のデータによって生成される因果関係よりも、複数のデータ次元間の相関関係に重点を置く必要があります。主要な指標に影響を与えるデータ次元間の相関関係を通じてデータ分析モデルを確立します。

例えば、公的アカウントの運用を考えてみましょう。パブリックアカウントの運用における重要な指標はファン数と記事閲覧数であり、ファン数と記事閲覧数はさまざまな側面から影響を与えます。これらの緯度の間には、次のような対応する影響関係もあります。

パブリックアカウントを操作するときは、記事の閲覧数に影響するすべてのデータを整理し、比較的有用なデータディメンションをフィルタリングして、それらの相関関係を確立することができます。実際の運用プロセスでは、多くの運用パートナーは、毎週どれだけの記事がプッシュされ、どれだけのファンが追加されるかということだけに注目しています。実は、記事のタイトル、コンテンツの長さ、コンテンツの種類と閲覧数や転送数の関係、プッシュ時間と頻度が閲覧数やファンの増減に与える影響、写真、テキスト、純テキスト、記事写真の数、パブリックアカウントの単一写真とテキストのプッシュ、複数写真とテキストのプッシュ、見出しのプッシュと非見出しのプッシュが閲覧数に与える影響など、いくつかの詳細なデータにも注意を払う必要があります。これらはすべて、運用プロセス中に考慮する必要があるものであり、これらのデータを記録する習慣を身に付ける必要があります。

コミュニティ運営プロセスにおける最も基本的なモデルは、ユーザーピラミッドモデルです。このピラミッドモデルは、ユーザーのアクティビティと貢献価値に基づいて構築されます。ピラミッドモデルはユーザーをいくつかのレベルに分けます。レベルが高くなるほど、ユーザーの価値が高まり、貢献度も高くなります。もちろん、このユーザーピラミッドモデルの構築は絶対に固定されているわけではなく、具体的なコミュニティデータに基づいてレベル区分や各レベルの割合が異なり、各レベルの具体的なニーズや運用方法も異なります。たとえば、K12 教育コミュニティの運営を例に挙げてみましょう。

コミュニティ投稿量のコアデータ指標の向上は、コミュニティ全体のユーザー数、ユーザーレベルの割合、ユーザーレベルの変換、各レベルでのユーザー行動、ユーザーの粘着性、コミュニティコンテンツの品質に関連しています。

コンテンツの表示とプッシュステータスの間には一定の相関関係があります。したがって、コミュニティ運営の過程では、さまざまな影響力の次元とコミュニティ投稿数との間の正の相関関係を継続的に促進する必要があります。では、コミュニティ投稿数と他のデータディメンションとの相関関係をどのように確立するのでしょうか?チャオ兄弟は簡単なソートを試みましたが、対応するデータディメンションがすべて含まれているわけではありません。この関係図はまだ改善する必要があります。以下に、並べ替えのアイデアをいくつか示します。

データ分析を無意識の行動にする

運用を行う際には、データ分析を無意識の行動として培うことが重要です。業務プロセスにおけるすべての動作や手段をデジタル化し、データに基づいて業務を駆動することができます。

1. データ分析における体系的な思考を養う

一般的に、データ分析にはトップダウンとボトムアップの 2 つの方向があります。

トップダウンアプローチについては前回の記事で説明しました。具体的なアプローチは、データ分析の目標を設定する、目標に影響を与えるディメンションを細分化する、データ ディメンション間の相関関係を確立する、問題のあるデータとその原因を発見する、問題のあるデータを最適化する、というものです。このアプローチにより、複数のユーザー製品に対するデータ分析システムまたはモデルが確立され、データ分析の包括性が保証されます。

ボトムアップ データ分析アプローチは、既存のデータ レポート内のデータの問題を発見するためによく使用されます。具体的なアプローチは、異常なデータを発見する、異常なデータに影響を与える要因を特定する、影響要因と問題のあるデータとの相関関係を特定する、異常なデータの原因を特定する、異常なデータに対する解決策を見つける、というものです。

2. データ感度を高める

データ感度を高めるには、これ以外の方法はありません。正しいデータ分析方法を習得するだけでなく、毎日データを見て、毎日データを分析し、データと対話する必要があります。

3. データを記録する習慣を身につける

操作プロセスには多くの詳細なデータがあり、それを記録する必要があります。記録されたデータの数が一定のレベルに達すると、要約されたデータを通じて、次のような対応するデータ パターンを見つけることができます。

コミュニティUGC投稿、ホット投稿、プレミアム投稿の記録

メッセージセンターPUSHのデータレコード

公開アカウントの過去のツイートデータの記録

毎日の作業内容や作業時間を記録して、作業効率を最適化することもできます。

…

データは比較的合理的かつ厳密でなければならないため、合理的に扱う必要があります。もちろん、必要なデータのディメンションは、運用製品によって異なります。運用を行う際には、データを定義し、その論理性と厳密性を確保し、精査に耐えられるようにならなければなりません。

データ分析は高​​度な業務であり、盲目的または大まかな分析を避け、体系的な考え方を確立する必要があります。