データ運用分析のやり方（データ分析方法：データ指標システムを構築する4つのステップ）

データ分析方法: データ指標システムを構築するための 4 つのステップ

まずはデータインジケーターシステムの構築から始めましょう。成熟したプロジェクトの指標システムは、先行者によって構築および改善された後、非常に成熟していることが多いため、製品のデータ指標システムをゼロから構築する必要はありません。しかし、プロダクトマネージャーは、キャリアの中で必然的に新しい製品に触れることになり、同じ製品であってもライフサイクルのさまざまな段階では主要なデータ指標が異なる可能性があるため、データシステムをゼロから構築する能力が求められます。

データ指標システムを構築する過程で、製品は指標の意味を深く考える必要があります。そうすることで、その後のデータ分析を行う際に、その理由をよりよく理解できるようになります。次の 4 つの手順では、独自の製品のデータ インジケーターを構築する方法について説明します。

最初のステップはデータ指標を収集することです

データ インジケーター システムを構築する前に、まず製品の関連インジケーターが何であるかを把握する必要があります。その前に、1 つの点を明確にする必要があります。それは、あらゆる製品の最終的な目標は、企業またはユーザーの価値を最大化することにあるということです。次に、ユーザーライフサイクルビジネスプロセスに従ってすべてのデータインジケーターを収集できます。 P2P 製品を例に挙げてみましょう。

1. P2P商品の最終的な目標は、投資と借入の規模を最大化することです。したがって、データ指標に関して言えば、最も直接的な指標は投資額と融資額の 2 つです。 （投資指標と融資指標は比較的独立したデータシステムであるため、この記事の例では融資側のデータシステムは取り上げていません）

2.あらゆる製品のユーザーにはライフサイクルがあり、これはユーザーが製品に接触してから製品を放棄するまでのプロセスです。このプロセスはいくつかの段階に分けられます。各段階のユーザーが製品の最終目標を達成できるようにする方法を明確に考えれば、製品全体に必要なデータのほとんどを収集できます。 P2P 製品のユーザー ベースのライフ サイクルは、自然な順序で 5 つの段階に分けられます。

ユーザーライフサイクル

投資ユーザーステージは、製品の最終目的を達成するためのステージなので、他のステージのユーザーを投資ユーザーステージに入らせることが必要なのです。したがって、製品の観点から言えば、私たちは実際にすべてのユーザー ライフサイクルがこのように進化することを期待しています。

ユーザーライフサイクル

その中で、訪問者段階、登録投資段階、解約リコール段階は、比較的独立した3つの段階であり、特定の精製後に対応するデータ指標を取得できます。

ビジターステージ

登録・リコールフェーズ

完全なユーザー ライフ サイクルまたはビジネス プロセスに従って、基本的に製品の関連するすべての指標を整理できます。データ指標を収集する際には、ビジネスリンクごとに、規模、品質、コンバージョン率、使用率/シェア**などの主要なデータ評価目的を考慮することができます。たとえば、最初の投資フェーズでは次のようになります。

規模指標：人数、投資額、投資順位、投資件数など

品質指標：登録・実名投資サイクル、一人当たり投資額等

コンバージョン率指標：登録/実名/チャージ投資コンバージョン率。

利用率・割合指標：投資利用者全体に対する初回投資利用者の割合等

ステップ2: データ指標分析

製品に関係する指標を収集してみると、指標がたくさんあることがわかります。ただし、特定のビジネスでは、ビジネスの段階によって重要な指標が異なる場合があります。例えば、チャネルプロモーションでは顧客獲得コストやコンバージョン効果に重点を置き、投資では投資額や投資家数などに重点を置きます。したがって、異なるビジネスステージごとに、そのステージのコア指標を選択し、それを細分化し、細分化した指標に重点を置く必要があります。

例えば、新規ユーザー獲得段階では、新規投資ユーザーの成長が最も重要となるため、新規ユーザー成長データ指標は以下のように分けられます。

新規投資ユーザー増加率 = 閲覧UV/APPアクティベーション × 登録コンバージョン率 × 実名コンバージョン率 × 投資コンバージョン率

投資段階では、投資額の伸びが最も重要となるため、投資額データ指標は、投資額の伸び＝新規投資利用者数×投資件数×一人当たり平均投資額＋既存投資利用者×収益率×投資件数×一人当たり平均投資額に分けられる。

このようにして、さまざまな段階でどのコアデータに焦点を当てて分析する必要があるかがわかります。コア指標の効果を最大化するセグメント化された指標だけが、最も注目に値します。

さらに、部門によって重点を置くデータが異なります。たとえば、マーケティング部門はチャネルプロモーションデータに重点​​を置き、運用部門はビジネス成長データに重点​​を置き、技術部門は製品の安定性とパフォーマンスデータに重点​​を置きます。製品部門では、機能の使用状況データとユーザーポートレートデータに重点​​を置いています。財務部門は取引データに重点​​を置いています。

ステップ3: データディメンションを決定する

重点を置く必要があるデータ指標を決定した後、データ指標を次の例のようなディメンションに細分化する必要があります。

時間軸別：秒、分、時間、日、週、月、季節、年

チャネルディメンション別:プロモーション登録、自然登録、イベント登録

ユーザータイプ別:新規ユーザーと既存ユーザー、高純資産ユーザーと低純資産ユーザー、アクティブユーザー/失ったユーザー

端末種別： WeChat公式アカウント、PC公式サイト、Androidアプリ、iOSアプリ

地域別：州、市など

この時点で、予備的なデータ指標システムが完全に構築されました。ただし、使用中は実際の状況に応じて継続的に調整し、最適化することも必要です。結局、同じ製品であっても、異なる段階で注目されるデータは異なります。

ステップ4 まとめ

データ指標システムを構築した後、私は近代経営の父であるピーター・ドラッカーの有名な言葉、「測定できなければ、効果的に成長させることはできない」をより個人的に理解するようになりました。データ分析は一種の思考能力です。これはビジネスを成長させるための強力なツールであるだけでなく、問題を解決する効果的な方法でもあります。