データ運用分析手法（乾物共有 | 運用ニーズの 99% を解決する 6 つのビッグデータ分析手法を学ぶ）

実践的な共有 | 6つのビッグデータ分析手法を学んで、運用上のニーズの99%を解決しましょう

製品を測定できなければ、理解できず、当然、改善することもできません。結局のところ、データ分析はまさにそのようなツールです。データを通じて、製品を測定し、製品を理解し、データに基づいて製品を改善することができます。

データ分析の分野では、道教が重視する「道、法、修、気」という4つの言葉を使用します。

「道」とは、方向、指導理念、戦略を指します。

「Fa」は選択方法を指します。 「努力よりも選択が大切」ということわざがあります

「スキル」とは、操作技術、スキルのレベル、効率を指します。たとえば、分析ツールを使用するスキル（例：Excel を使用したデータ分析のレベル）。

「気」は物や道具を指します。データ分析の分野では、データ分析の製品またはツールを指します。 「仕事をうまくやりたかったら、まず道具を研がなければなりません。」

データ分析と製品および運用の最適化の観点から、データ分析方法は中核であり、「方法」と「技術」に属します。

では、データ分析の方法は何でしょうか?以下では、Zhuge Jun がデータ分析プロセスでよく使用される 6 つの分析手法を紹介します。

1. セグメンテーション分析

セグメンテーション分析は最も一般的に使用されるデータ分析方法です。指標をさまざまな次元でセグメント化することで、データ指標の増加に影響を与える理由を見つけることができます。セグメンテーション方法は 2 つのカテゴリに分けられます。 1つは段階的な分析です。たとえば、北京を訪れる観光客は朝陽区、海淀区などの地区に分けられます。もう 1 つは、有料 SEM からの新規訪問者などのディメンション クロスオーバーです。

Zhuge io eコマースデモを例に挙げます。

[支払い成功] イベントを [省] 属性別に分類すると、[北京] 地域の増加が [支払い成功] データ指標の増加と密接に関連していることが明確にわかります。

Zhuge io デモ実用インターフェース

指標の異常の詳細な分析に加えて、各指標の割合を知りたい場合は、日常的なデータ指標にセグメンテーション機能がよく使用されます。たとえば、登録に成功した人の何パーセントが男性で、何パーセントが女性かなど。支払いが成功した人の何パーセントが会員で、何パーセントが非会員か。セグメンテーションは非常に頻繁に使用される機能であるため、これ以上頻繁に使用することはできません。

2. ファネル分析

コンバージョン ファネル分析は、ビジネス分析の基本モデルです。最も一般的な方法は、最終的なコンバージョンを特定の目的の実現として設定することであり、最も典型的なのはトランザクションを完了することです。ファネルを使用する場合は、各ステップのイベントを選択するだけでなく、ファネルの変換時間にも特に注意する必要があります。変換時間はアプリケーション シナリオによって異なります。たとえば、ローンを申請するときに、同じセッションに基づいて変換ステータスを表示できます。電子商取引のコンバージョン時間を当日中に確認することができます。具体的な変換サイクルは、実際のビジネスシナリオに応じて設定する必要があります。

ファネル方式で各プロセス間のコンバージョンを確認することに加えて、コンバージョン率を計算する場合もあります。たとえば、新規ユーザーから登録成功までのコンバージョン率はどれくらいでしょうか?このタイプの変換は、通常、2 つのイベント間で四則演算を実行することによって実現されます。

ファネル分析モデルは、トラフィック監視、CRM システム、SEO 最適化、製品のマーケティングと販売、その他の日常的なデータ操作やデータ分析作業など、Web サイトやアプリのユーザー行動分析に広く使用されています。

3. 保持分析

リテンション分析は、ユーザーのエンゲージメントとアクティビティを分析するために使用される分析モデルです。ユーザーの視点から見ると、リテンション率が高ければ高いほど、製品はユーザーのコアニーズをよりよく把握し、より多くのアクティブユーザーが製品に変換され、最終的には企業がより良い利益を上げるのに役立ちます。

現在の顧客獲得コストは非常に高く、広告チャネルを通じて獲得したユーザーは、当然、できるだけ多くの顧客を維持したいと考えています。リテンション分析を通じて、維持されたユーザーを見つけ、プラットフォームが彼らにどのような価値を提供しているかを知ることができます。プラットフォームの価値を新規ユーザーに適切に提供できれば、より多くの新規ユーザーを維持できます。

新規ユーザーの維持率を向上させるだけでなく、全体的なユーザー維持率にも注意を払う必要があります。セグメンテーション、比較、その他の方法を通じて、高いリテンション率を持つユーザーの特性を見つけ、全体的なユーザーリテンション率を向上させます。

4. 画像解析

ユーザーポートレート分析はデータ分析でよく使用されます。たとえば、ファネル変換プロセスでは、特定のプロセスで 200 人のユーザーが失われます。次に、これらの 200 人のユーザーをプロファイルして、どのようなユーザーが特に損失を起こしやすいかを確認する必要があります。たとえば、広告を掲載する前に、製品のコアユーザーのユーザープロファイルを把握して、広告チャネルを簡単に選択できるようにする必要があります。ボリュームを交換するチャネルでは、そのユーザー グループが当社製品のユーザー プロファイルと一致しているかどうか、および重複の割合も評価できます。

5. 比較分析

比較分析では、主に相互に関連する 2 つの指標データを比較します。指標自体はあまり有用な情報を明らかにしないかもしれませんが、2 つのデータセットを比較することで、以前よりも多くの側面から解釈できるようになります。同じ次元で指標を分析することで、さまざまな段階でビジネスの問題を発見できます。

一般的な比較方法には、時間比較、空間比較、標準比較などがあります。

例えば、絶対値や割合値の比較、前月比や前年比、同業種や自社との比較、ユーザーグループを分けてユーザーグループ間での比較・分析などが可能です。

Zhuge io eコマースデモを例に挙げます。

「商品詳細の表示」イベントを「商品カテゴリ」属性でセグメント化し、「Sogou ユーザーグループ」と「Baidu ユーザーグループ」を比較すると、「Baidu からのユーザー」の割合が高いことが明確にわかり、その後の操作の基礎が築かれます。

Zhuge io デモ実用インターフェース

6. ABテスト

グロースハックの主な考え方の 1 つは、大きくて包括的なものを作ることではなく、すぐに検証できる小さくて正確なものを継続的に作ることです。素早く確認するにはどうすればいいですか?主な方法はABテストです。データに問題が見つかった場合は、その洞察が正しいかどうかを確認する必要があります。現時点では、ユーザーグループを新しい運用計画に導き、その洞察が正しいかどうかを確認するために、AB テストの助けが必要です。ユーザーによって検証された仮説だけが価値があります。

たとえば、ファネル変換に抜け穴が見つかり、損失は製品の価格に起因していると推測します。問題を認識してアイデアを思いつきます。しかし、そのアイデアが正しいかどうかは実際のユーザーの反応次第なので、ABテストが使用されます。一部のユーザーには古い価格が表示されたままになり、一部のユーザーには新しい価格が表示されます。あなたのアイデアが本当にうまくいけば、新しい価格のコンバージョン率はもっと高くなるはずです。そうであれば、新しい価格を決定し、このように最適化を繰り返す必要があります。

もちろん、上記で挙げた分析方法以外にも、ヒートマップ分析やアトリビューション分析など、より技術的なレベルの分析方法もあります。分析方法を使用する前に、問題を明確に定義し、それらの側面から突破口を見つけ、データ分析方法を使用して半分の労力で 2 倍の結果を達成する必要があります。