データ分析と運用管理（データ分析は運用の反復をどのようにサポートするか）

データ分析は運用の反復をどのようにサポートしますか?

運用面では、データ分析能力を習得することで運用に多大なサポートを提供できますが、ほとんどの人はまだ認知段階にあります。では、運用における反復的なアップグレードをサポートするには、他に何が必要でしょうか?これには、運用の反復とアップグレードが実際に何を実行しているかから始める必要があります。

オペレーションが反復処理について語る理由は、まず第一に、オペレーションには参照できる基本的なルーチン、テンプレート、ケースが多数あり、ゼロから始める必要がないからです。したがって、「イノベーション、デザイン、創造」などの言葉を使う必要はありません。

男の子はあなたが遊んだゲームを思い出すことができます。初回入金でXX、7日後にログインでXX、そして競争力のあるコンテストでメダルを獲得できますか？ルーチンは非常に似ています。女の子たちは、ショッピング ウェブサイト上のさまざまな割引、オファー、懸賞を調べて、それらが非常に似ているかどうかを確認できます。まさにそんな感じです！

たとえば、AARRR はオペレーションが最も話題にしたいものです。実際、それぞれの側面には多くのルーチンがあります (以下に示すように)。

第二に、環境が変化し、企業の規模が拡大するにつれて、ルーチンは常に固定された方法で適用されるわけではなく、常に時間の経過とともに変化します。この変化は 5 つのレベルに分けられます (以下を参照)。

これらの 5 つのレベルの変更は、次のプロセスに従って実行されます。

上記の内容を読んで、データでいろいろなことができると感じましたか?ちょっと待ってください。どれくらいの量を行うかは、行われる作業の種類によって異なります。適切なサービス オブジェクトが選択されていない場合、単に不要なものになる可能性があります。

オペレーションと呼ばれていますが、実際にはオペレーションには多くの作業が伴います。それぞれの業務ごとに具体的な問題点は異なります。これらの問題点については、データ分析によってどの程度対処できるかが異なります。

本質的に、データ分析方法は合理性、論理、計算を表します。しかし、これが仕事のすべてではありません。仕事には多くの感性、感情、創造性も関わってきます。したがって、一部の仕事は本質的にデータの助けをあまり必要とせず、現状と結果を見るだけで済みますが、他の仕事では慎重な計算と分析が必要になります。上記の要素を組み合わせると、次のように要約できます。

そのため、表示される詳細な分析はすべてユーザーに関連するものになります。ユーザーオペレーション自体が非常に戦略的な仕事だからです。しかし、ユーザー操作自体も非常に重要です。多くのインターネット企業は、株式を公開して資金調達をするために、一定レベルのユーザー数、ユーザー増加率、決済コンバージョン率を達成する必要があり、チャネル運営（新規ユーザーの獲得）とユーザー運営（既存ユーザーの開拓）に資金を投入することをいとわない。

データ分析は合理的な問題を解決するのに適しているため、上記の分類を見ると、データ分析がどの問題に適しているかがわかるでしょう。しかし、運営上の最大の問題は資金不足であることを忘れないでください。そのため、各業務の経費需要度も加味し、資金が不足している部門の経費問題を優先的に解決する必要があります（下図参照）。

したがって、理論的には、データ支援型運用の最初のステップは「資金を分配する」ことであるはずです。まず、お金に関する次のような非常に合理的で戦略的な質問に答えます。

1. 同社が目指すのは（業界初？売上高100億突破？）
2. この目標に基づいて、XX 万人の新規ユーザーを獲得し、既存のアクティブユーザー数を XX レベルに維持する必要があります。
3. 新規ユーザー数と現在の市場価格に基づくと、チャネルコストはXXX億ドルとなる。
4. 現在の対策に基づくと、古いユーザーの維持費はXXX億円となる。
5. 上記の目標は段階的なプロモーションを通じてx%達成され、毎日のチャネル/ユーザーはX%を投資します。

これらの分析（実際にはビジネス分析）により、お金、時間、責任が明確に区別され、その後の運用が非常にスムーズになります！私は高い目標を設定することを決して恐れません。ただ、資金が足りないことを恐れているだけです。資金援助と適切な時間的調整があれば、具体的な実施方法を選択することも容易になります (以下を参照)。

具体的な実装レベルに関しては、サブカテゴリが多すぎて、1 つの記事で明確に説明するのは困難です。機会があればゆっくり更新していきます。

しかし、これらの分析のアイデアや方法だけでは役に立ちません。さらに重要なのは実装です。原理は説明されれば誰でも理解できますが、実際に実行するとなると苦痛です。

これは最大、最大、最大の問題です。多くの場合、決定は、実際の分析を行わずに、経験、対戦相手の真似、または指示に従って、衝動的に行われます。分析を行う人は、実際には意見や解釈、洞察を持たずにデータを更新しているだけです。

これが2番目に大きな問題です。多くの場合、方向性、コスト、戦略はトップリーダーによって決定され、草の根レベルの学生は、計画を立てる - 指示を求める - 計画を修正する - 指示を求める - 計画を修正する - 指示を求める、と毎日忙しくしています。なぜこれをやっているのか、どこで止めるべきなのか、まったくわかりません。分析は役に立ちません。

これが3番目に大きな問題です。 AARRR についてはよくわかっていますが、特定の業界、ビジネス、アクティビティ、コピーライティングなどになると、データ形式が何なのか、適切な量はどれくらいなのかがわかりません。

過去のデータの収集や蓄積はなく、データを扱う学生の多くは、企業が過去に何をしていたかはおろか、現在何をしているのかさえ知りません。分析を行うことは不可能です。

ユーザータグがないとユーザーを理解することが難しいのと同様に、ビジネスタグがないと、ルーチンを要約するどころか、ビジネスを具体的に分類して比較することは不可能です。

上記をまとめると、優れたデータ サポート システムは常に、統合されたビジネス データ操作と共同の取り組みの結果です。 「アーラララー」と叫ぶだけですべての問題を解決できる神レベルのデータアナリストはこれまで存在したことがありません。事例の共有を含め、多くの学生は次のように言います。「ここに 2 つの素晴らしい事例があります。」結局、素晴らしい事例は常に素晴らしい企業によって促進されることがわかりました。再現したいなら、ビジネスラベルの付け方など、基礎をやはり練習しなければなりません。

地道な教師の陳、WeChat 公開アカウント: 地道なアカデミー、そして「みんなはプロダクトマネージャー」のコラムニスト。インターネット、金融、日用消費財、小売、耐久財、美容など 15 の業界でデータ関連の豊富な経験を持つ上級コンサルティング コンサルタント。

この記事はもともと「Everyone is a Product Manager」に掲載されました。無断転載禁止

タイトル画像はCC0ライセンスに基づいてUnsplashから引用しています