ユーザーデータ分析と運用（K12オンライン教育製品を例に、データ分析を使用してユーザー階層化運用戦略を策定する方法）

K12オンライン教育製品を例に、データ分析を活用してユーザー層別運用戦略を策定する方法

この記事では、統計における一元配置分散分析法を組み合わせて、オペレーターの意思決定を支援できる新しいデータ分析方法を紹介します。

ユーザーオペレーションにおいては、ユーザー階層化オペレーションに着目した製品が増えてきています。多くの製品は、製品の背景にあるユーザーのポートレートを収集し、ユーザーの行動分析を実施し、最終的に正確な階層化された製品操作を実現することを望んでいます。しかし、ユーザーポートレートの収集から、階層化された運用戦略の策定まで、さまざまな作業が必要です。中間の厳密な分析が不足していることがよくあります。たとえば、さまざまな年齢のユーザーの興味は本当に私たちが考えているのと同じでしょうか?異なるアイデンティティを持つユーザーは、本当に価格に対する感度のレベルが異なるのでしょうか?多くの運用戦略は依然として直感や経験に基づいて決定されています。

この記事では、統計における一元配置分散分析法を組み合わせて、オペレーターの意思決定を支援できる新しいデータ分析方法を紹介します。

私が勤務する会社には、中学生向けにライブオンラインコースを提供する K12 オンライン教育プラットフォームがあります。

少し前に実施したユーザー調査では、社会的要因（広告やメディアの宣伝、親やクラスメートの口コミなど）が、ユーザーのオンラインコース購入意欲に大きな影響を与える可能性があることがわかりました。 （影響要因の調査・分析の具体的な手順については前回の記事をご参照ください）

この結論に基づき、同社はソーシャルな影響力を拡大するためにいくつかのチャンネル広告を掲載することを決定しました。したがって、次のステップは、さまざまなレベルのユーザーと、彼らが社会的要因によって影響を受ける範囲を調査し、企業がより正確な階層化プロモーション戦略を策定し、正確な配信を実現できるようにすることです。

したがって、私たちの分析の目的は次のように要約できます。

1. さまざまな層のユーザーを調査して、オンライン コースを購入する際に広告や周囲の環境がユーザーにどのように影響するかを確認します。
2. 違いがある場合、正確な広告配信をどのように策定すればよいのでしょうか?

当社の K12 オンライン教育プラットフォームは、バックエンドのユーザー ポートレートを通じてデータを蓄積しており、ユーザーの ID に基づいて、中学生、中学生の保護者、高校生、高校生の保護者の 4 つのカテゴリに分類できます。

アイデンティティに加えて、階層化のための別の次元としてユーザーの購入履歴を選択できます。つまり、登録ユーザー全員による私のプラットフォームの利用度合いは、正規料金のコースを購入した人、無料トライアルコースのみを購入した人、購入したことがない人の 3 つのカテゴリに分けられます。

もちろん、特定の操作では、性別、年齢階層化、地域階層化など、操作目的のニーズに応じて分析のさまざまな次元を選択できます。階層化はより詳細に行うことができます。例えば、中学校と高校に分けた後、さらに学年ごとに細分化することができますが、説明の便宜上、この記事では例として 2 つの次元と 1 つの影響要因のみを選択します。

この分析のデータの根拠は以前の調査データから得たものであり、収集プロセスは上記の記事に引き続き記載されているため、この記事では詳細には触れません。実際、二次的な作業を避けるために、調査前のアンケート設計でユーザー層別分析を行う必要があります。ご興味があれば、前回の記事でアンケートの設計についても詳しく説明しています。

次に、SPSS ソフトウェアを使用して一元配置分散分析を実行します。分散分析 (ANOVA) とも呼ばれる分散分析は、複数の平均を比較することができ、より効果的な数理統計手法です。

まず、ユーザーのアイデンティティの側面から分析してみましょう。

分散分析 (ANOVA) の結果は、社会的影響力の平均の差が有意であることを示しています (*** は有意差を表します)。これは、異なる ID を持つユーザーにはこの要因に大きな違いがあることを示しており、この分析の必要性を証明しています。次に、異なるアイデンティティを持つユーザー間でのこの要素の認識の違いを分析するために、一対比較分析を実施します。

重要度の列では、値が小さいほど重要度が高くなります。上記のデータから、社会的影響力変数において、中学生と高校生の親の間には有意差があり（P=0.045<0.05）、平均差は0.62642であり、中学生の親の社会的影響力の認識は高校生よりも有意に高いことがわかりますが、他のグループ間の分配の公平性の認識の差は有意ではありません（P値はすべて0.05より大きい）。

言い換えれば、中学生の親は高校生の親よりも、購入の決定をする際に広告や周囲の人々の影響を受けやすいが、他のグループ間では、ペアで比較した場合の違いはそれほど大きくない。

主観的な理由も比較的簡単に分析できます。中学生は学習段階で補助教材を選ぶ際に、依然として親の助けを頼りにしているからです。年齢的な要因により、ほとんどの中学生はコースを購入するかどうかを選択する自主性を持っていません。しかし、実際にはほとんどの親は教育を理解しておらず、混乱しているときに周囲の人々や広告の影響を受けやすくなっています。

高校生の場合、親は学業の進歩や進路選択に干渉する力が比較的弱い。高校生はすでに、自分の学習状況に基づいて主観的な判断を下す能力を持っています。また、10代の頃には反抗的な精神を持ち、群衆に従うことを好まないこともあります。そのため、中学生の親ほど、他人が勧めたり宣伝したりするコースに対して敏感ではありません。

購入履歴が異なるユーザーを分析してみましょう。

分散分析 (ANOVA) の結果から、購入履歴が異なるユーザーではこれらの社会的影響要因に大きな違いがあることが示されており、さらに分析を進めることができます。

上記の表のデータから得られる結論は次のとおりです。

オンラインコースを購入したユーザーとトライアルコースを購入したことがないユーザーの間には有意差があり (P=0.041<0.05)、平均差は 0.27685 でした。トライアルコースのみを購入したユーザーも、コースを購入したことがないユーザーと有意に異なり (P=0.004<0.05)、平均差は 0.34722 でした。これは、フルプライスのオンラインコースを購入したユーザーは、トライアルコースのみを購入したユーザーよりも社会的影響に対する認識が有意に高く、トライアルコースのみを購入したユーザーは、コースを購入したことがないユーザーよりも社会的影響に対する認識が有意に高いことを示しています。

つまり、ユーザーがアプリをより深く使用すればするほど、周囲の人々からの広告や推奨の影響を受ける可能性が高くなるという結論になります。

これは、純粋に経験に基づいた私たちの以前の考えとはまったく逆です。ほとんどの場合、新しいユーザーは広告や友人の推薦の影響を受けやすい一方で、古いユーザーは自分の経験に基づいて購入するかどうかを決定すると考えています。

しかし、データ分析を通じて、私たちの経験的判断が必ずしも信頼できるわけではないことが確認できるかもしれません。

オンラインコースを購入したことがあるユーザーは、オンラインコースの認知度が高いため、周囲の人から勧められたり、再度広告を見たりして、再度コースを購入する可能性が高くなります。

2 次元でのユーザー階層化のデータ分析に基づいて、製品内でのユーザー プロモーションによって古いユーザーをさらに開拓できるという暫定的な結論に達しました。これは、私たちが以前提唱した RARRA モデルとまったく同じです。

学校ステージ選定においては、中学生の保護者の意見を優先し、コンテンツの設計・運営にあたります。例えば、広告配信戦略としては、中学生の保護者層をターゲットにし、主に中学講座の宣伝をしたり、高校入試の成績向上などのテーマに沿って関連コンテンツを企画したりすることができます。

この記事はもともと @路易丝 によって 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