パブリックアカウントデータ操作分析（WeChatパブリックアカウントのデータ分析はどのように行うのか？この2つの方法は誰もが学ぶことをお勧めします）

WeChat パブリックアカウントでデータ分析を行うにはどうすればいいですか?これらの2つの方法は誰もが学ぶことを推奨されます

「WeChatパブリックアカウントデータ分析とは何ですか？」有能なWeChatパブリックアカウントオペレーターと普通の編集者との最大の違いは、データ分析にあります。

では、「データ分析のやり方を知っていますか？」この問いに対して、多くの公開アカウント運営者は平静を装い、データ分析というのはフォロワーの増減や記事の閲覧数、いいねの数だけではないのかと答えた。声に出して言う自信すらありません。

ツイートするたびにフォロワーが減るのはなぜだろうと、自信を失ってしまうことがよくあります。記事がうまく書かれていないからでしょうか?実は、ツイートやフォロワーの増加、維持といった一連の課題の核心は、公開アカウントのデータ分析なのです。

データ分析は運用業務全体の要であり、多くの公会計運用者に欠けている能力でもあります。今回シェアさせていただいた運用経験やスキルは、パブリックアカウントの総合的なデータ分析についてです～ぜひ最後までお読みください！

サードパーティのデータ分析ツールを探す必要はありません。 Yiban は、資料の検索から編集と組版、バックエンドのメッセージ返信から詳細なデータ分析まで、パブリック アカウント操作全体のすべてのプロセスを完了するのに役立ちます。これらはすべて、WeChat パブリック アカウントのバックグラウンドで直接完了できます。プラグインをインストールすることで体験できます。

Yiban データ分析を使用すると、記事の開封率に基づいてプッシュ効果を判断したり、コメントをエクスポートして忠実なファンがいるかどうかを分析したり、フォロー解除分析を行ってどのファンがフォローを解除したかを確認したりできます。成長時間レポートは、ファンの成長と読書状況を 24 時間監視します。

WeChat公式アカウントのデータ分析は、WeChat公式アカウントの背景において、ユーザー分析、画像とテキスト分析、メニュー分析、メッセージ分析の4つのセクションに分かれています。 WeChat が提供するデータは比較的少ないです。

ユーザー分析

ファンの増加数の日々の変化を明確に把握します。フォロワーの純増加数 = 新規フォロワー数 - アンフォロワー数、累積数はリアルタイムのフォロワー総数です。

ユーザー分析のデータを見る際には、新規フォロワー数とフォロー解除数のピーク変動に注目する必要があります。新規フォロワー数が急に増えた場合は、活動やプラットフォームプロモーションなどを通じたフォロワー増加など、他のチャネルが登場したことを意味します。このとき、フォロワーを失う可能性が高まるため、投稿には注意が必要です。

あなたのフォロワーのほとんどが、あなたの活動にのみ興味があり、機会を利用した後に去っていく通行人である場合、彼らはあなたがプッシュする記事に興味を持っていません。新規ユーザー全員が、あなたの製品自体に興味を持っている正確なファンであるという状況もあります。あなたのツイートは、さらに正確なファンを誘導するものとなるため、記事の質を厳しく管理し、アカウントのポジショニングと矛盾するコンテンツを投稿しないようにする必要があります。

グラフィカル分析

WeChat パブリック バックグラウンドの画像とテキストの分析機能を使用すると、画像とテキストの閲覧数、パブリック アカウントの会話からの閲覧数、友達の輪での閲覧数、共有転送からの閲覧数を確認できます。非常に大まかなデータしかなく、詳細度が十分でなく、単一の記事のプッシュ効果を直接示すことはできません。

Yiban のグラフィックとテキストデータは非常に直感的で、開封率、メッセージ率、共有率、いいね率など、運営者が必要とする数十のデータをエクスポートします。見出しとサブ記事の影響も一目で区別できます。さまざまな開封率のプッシュ効果に基づいて、オペレーターは適切な公開時間を推測できます。

メニュー分析

WeChat パブリック バックエンドのメニュー分析では、パブリック アカウント会話ウィンドウの下部にあるカスタム メニュー バーのトラフィックを記録し、ユーザーがメニュー バーのさまざまなコンテンツをクリックした回数をチェックして、ユーザーが最もアクティブになっているセクションを判断します。

よく使用されるカスタム メニュー バー テンプレートは、[ユーザー ガイド] + [実用的なツール] + [連絡先プロモーション] です。セカンダリ メニュー バーを設定することもできます。

Yiban Assistant のメニューバー設定は次のとおりです。

最新バージョンにアップデート後、ユーザーは公式アカウントをフォローする必要がなくなり、フォローページでメニューバーの表示露出を直接得ることができます。以前は、会話ウィンドウの下部にあるメニュー バーをフォローして表示することしかできなかったため、トラフィックが増加します。オペレーターはぜひ活用しましょう！

メッセージ分析

メッセージ分析では、ファンがバックグラウンドで送信したメッセージの詳細が表示されます。すべてのメッセージ キーワードの概要と、ファンがさまざまなキーワードを使用して送信したメッセージの割合を表示できます。ファンがどのキーワードをより頻繁に送信しているか、どの期間にファンが送信したメッセージの増加傾向を直接確認できます。メッセージ分析機能を使用すると、ファンと最も直接的なコンタクトを初めて確立できるため、アカウントの評判を維持し、優れたサービス認知度を確立するのに非常に役立ちます。

以上がWeChat公式の4大データ分析機能です。完全なデータ分析レポートを作成したい場合、それだけでは十分ではありません。

Yibanのデータ分析機能は、WeChatにはない、より深い説明を提供します。

成長時間レポート: 24 時間のデータの詳細を調査し、ユーザーの成長パターンを発見します

ユーザー分析ではファンの増加数の日ごとの変動を観察できますが、24 時間の傾向はご存知ですか?同じ24時間内の各時間帯の読書量をご存知ですか?

Yiban の 1 時間ごとの成長レポート機能を使用すると、24 時間にわたるフォロワーの増減や読者数の変化を詳細に監視し、ファンのアクティブな属性を発見し、これをツイートを送信する時間の基準要素として使用できます。たとえば、特定の期間に新しいファンや読者が多数いる場合は、その期間にツイートをプッシュすることを検討できます。

メッセージ分析: 潜在顧客を見つけてメッセージをエクスポートする

メッセージ データは見落とされやすいことがよくあります。送信された写真やテキストを含むすべてのメッセージに対して、フィルタリング、選択、マーク、返信する方法しかわかりません。ファンからのメッセージの内容をじっくり調べたことはありますか？

自分でコードを書く必要はありません。 Yiban のメッセージエクスポート機能 (オープンメッセージ管理) を使用すると、メッセージの内容、投稿からの時間、メッセージ数、送信されたメッセージ数などのデータを含むすべての記事のメッセージをエクスポートできます。メッセージの内容と数に基づいて、アクティブなユーザーを見つけることができます。このユーザー グループは製品に対して最も忠実なユーザーであり、必要に応じて調査やコミュニケーションのために追加できます。

フォロー解除分析: あなたとフォロー解除したユーザーとの関係を語ります

WeChat の年次レポートには、あなたの最初の友達が誰で、その人と何日友達になっているかが表示されます。同様に、WeChat パブリック バックグラウンドでユーザー管理ページを開き、フォロー解除リストで、フォロー解除した各ファンのフォロー期間、フォロー元、メッセージ インタラクション記録を確認できます。

ある日にフォローを解除する人の数が急増し、ツイートのフォロワーが減ってしまったらどうしますか?活動によりフォロワーが減っていませんか？それとも、自社製品に重大なバグがあり、それがファンの喪失につながっているのでしょうか?フォローしていないファンの中から長くフォローしているユーザーを選んで友達追加し、1対1でコミュニケーションを取ることができます。ユーザーの声に耳を傾け、フォローを解除した理由を知り、古いユーザーの流出を防ぐ対策を講じ、ユーザーとの距離を縮めることができます。

データを理解するだけでは十分ではありません。実質的なデータ分析方法がなければ、すべての操作は無駄になります。

クラスター分析とファネル分析は、洗練されたデータ分析によく使用される 2 つの方法です。これらを柔軟に使用することで、専門的なデータ分析能力が向上します。

クラスター分析

クラスター分析とは、同様の基準で分類するためのデータを収集することを目的として、物理的または抽象的なオブジェクトのコレクションを、類似のオブジェクトで構成される複数のクラスターにグループ化する分析プロセスを指します。

簡単に言えば、クラスター分析は、類似した特性に基づいてさまざまな個人を分類および集約し、さまざまなグループ/クラスを形成します (対象グループの複数の指標に基づいてさまざまなグループをセグメント化します)。 「類は友を呼ぶ」というのが最も適切な説明です。

クラスター分析を使用すると、公開アカウント記事の内容とタイトルの関係と結果を調査できます。

Yibanを使用してすべての記事をエクスポートし、開封率と共有率の2つの側面に応じて、SPSS（統計分析ソフトウェア）のクラスター分析のK平均アルゴリズムを使用して、記事を高開封率かつ高共有率、低開封率かつ高共有率、低開封率かつ低共有率、高開封率かつ低共有率の4つのカテゴリに分類します。

分類された記事の問題点を見つけ出し、4大タグが付けられた記事の割合をもとにターゲットを絞った調整を行い、「開封率・共有率が低い」記事の最適化に注力します。

ファネル分析

ファネル分析では、指定したパス内の各リンクのユーザー行動状況やコンバージョン率を科学的に反映し、最適化できる部分を発見することができます。ファネル全体のコンバージョン サイクルが短いほど良いです。コンバージョン率の低いノードを見つけ、プロセス内で損失が最も大きいリンクを発見して、最適化の方向を決定します。

コンバージョン率 = ページを通過するトラフィック / 最終リンクに到達するトラフィック

たとえば、ある Web サイトに 100 人の訪問者がいて、そのうち 40 人が登録をクリックし、最終的に 10 人が正常に登録したとします。すると、訪問から登録ページをクリックするまでのコンバージョン率は 40%、登録ページに入ってから最終的に登録が成功するまでのコンバージョン率は 25% になります。プロセス全体のコンバージョン率は10%です。

例:

下の図の電子商取引プラットフォームのコンバージョン率が低い問題ノードは、支払いプロセスの最後のステップです。実際、支払いページの次のステップは、私たちがさらに細分化して「支払い方法」を選択し、支払いページがどのくらいの時間滞在しているか、支払い失敗があるかどうかなど、ユーザーの詳細を詳細に分析することです。支払い成功と支払い失敗の 2 つのデータを比較することで、最終的に、一部のモデルが適応できず、支払いページが長時間空白になっていたことがわかりました。最終的に、解決策を見つけ、適応モデルを修復し、読み込み待機ページを最適化し、ユーザーの感情を和らげるためのコピーライティングを追加しました。

公的アカウントのデータ分析について漠然とした理解しか持っていない人にとって、上記の内容を読んだ後、データ分析のアイデアがより明確になるはずです。 Yiban をデータ分析に使用すると、業務がより効率的かつ専門的になります。