運用管理データ分析（運用データ分析の3つのコツ）

運用データ分析の3つのコツ

毎日役立つ記事を共有丨クリックしてフォローしてください

天山インテリジェンスのWeChat公式アカウントをフォローすることを歓迎します。私たちは、ビジネス インテリジェンス (BI)、ビッグ データ、データ分析に重点を置いた垂直コミュニティです。

ビジネスインテリジェンス (BI)、ビッグデータ分析とマイニング、機械学習、Python、R などのデータ分野に興味のある学生は、WeChat: tstoutiaoを追加すると、すべてのデータ愛好家が集まる Toutiao データ愛好家交流グループに参加するよう招待されます。

この記事の著者: ピグレット

0. はじめに

製品が作られた後、それをどのように改善し最適化するのでしょうか?もちろん、各方面からのフィードバックや苦情は重要な要素ですが、主観的な「感情や感覚」に基づいて製品を改善することは持続不可能であり、厳密さを欠きます。プロダクトマネージャーとして、製品を最適化したい場合、最も重要なタスクは、まず製品を理解して分析し（さまざまな側面から製品を分析できます）、次に製品を測定することです。では、製品をどのように測定するのでしょうか?データ！

李延紅氏は「データはアルゴリズムよりも重要だ」と発言したが、これは偏った見方だが、データの重要性も明らかにしている。データは結局のところツールです。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。データ分析とデータ処理は、比較的専門的で複雑な分野です。ここでは、日常業務で大きな役割を果たすいくつかの基本的なデータ分析手法について簡単に説明します。私はこれを「データ分析の 3 つの軸」と呼んでいます。

1. トレンド分析

製品開発者、オペレーター、意思決定者は、いくつかの重要な概要データを確認したいと考えています。毎日データをチェックすることはほとんどありません。彼らは、月次または四半期ベースでの主要指標のパフォーマンスをより重視しています。同時に、企業全体の業績を直感的に反映するためには、これらの主要指標の変化する傾向を把握する必要があります。 GMV、UV、コンバージョン率、アクティブユーザー数などの指標を単に提示するだけでは意味がありません。データの傾向を分析し、直感的にわかるように数値化する必要があります。ここでは、統計における前年比、前四半期比、固定ベース比率など、いくつかの概念を紹介します。

前年比: 前年比の比較の目的は、今週のデータと前サイクルの同じ時点のデータを比較することにより、データの周期的な変動の影響を排除することです。例: 2017 年 2 月の注文量と 2016 年 2 月の注文量を比較して、前年比成長率を取得します。

前年比成長率 = (当期値 - 前期値) / 前期値 * 100%

前月比: 前月比成長率は、現期間のデータと前期間のデータを比較して、データの継続的な変化傾向を反映します。最も一般的な方法は、今月のデータと先月のデータを比較することです。たとえば、2017 年 2 月の支払い注文数と 2017 年 1 月の支払い注文数を比較して、月ごとの成長率を取得します。

前月比成長率 = (現在の期間の値 - 前期間の値) / 前期間の値 * 100%

固定ベース比率: 固定ベース比率の成長率は、すべてのデータをベースライン データと比較します。通常、このベースラインは、企業または製品の開発におけるマイルストーンまたは重要なデータ ポイントです。その後のデータはこのベースラインと比較され、この重要なベースポイントを通過した後の会社の発展状況を反映します。

固定基準比率成長率 = (当期値 - 基準期間値) / 基準期間値 * 100%

トレンド分析のもう一つの中心的な目的は、トレンドを説明することです。トレンド ラインの明らかな転換点については、外部的な理由か内部的な理由かを問わず、何が起こったのかについて合理的な説明が与えられる必要があります。

2. 比較分析

単独のデータ分析では信頼できる結論を導き出すことはできません。傾向分析によりデータの変化についての洞察を得ることができ、比較分析により長所と短所を明確に特定し、強みを最大限に高め、弱点を最小限に抑えることができます。傾向分析では、時系列で自身の変化を比較し、比較分析では、データセットに対していくつかの合理的な比較環境を設定します。つまり、データの「基準」を設定し、データセット内の異なるデータの利点と欠点を導き出します。もう一度強調しておきますが、孤立したデータセットからは何も学べません。

たとえば、eコマース ウェブサイトの購入コンバージョン率は 3% です。コンバージョン率の高低を判断することはできませんが、参考までに、業界全体の平均購入コンバージョン率は 1.5% であり、両者を比較すると、電子商取引サイトの購入コンバージョン率は平均レベルよりもはるかに高いことがすぐに判断できます。一部のデータの比較ではデータの品質を反映できず、単純な結合が必要になる場合があります。たとえば、eコマースアプリにAとBという2つの商品があるとします。Aの訪問回数は100回、Bの訪問回数は1000回です。AとBの注文回数を直接比較すると、明らかに不合理です。正しいアプローチは、注文数/訪問者数を使用し、注文コンバージョン率を通じて比較することです。 A と B を比較するには、データを結合する方が合理的です。ここでは、注文変換率が単純な結合指標です。

一般的に比較対象となるデータは、業界の状況、サイト全体の状況など、データの基礎となるものです。異なる環境から特定のデータ指標を横並びで比較し、その指標が良いか悪いかを調べます。場合によっては、製品の反復をテストする際に、説得力を高めるために、古典的な「A/B テスト」などの比較ベンチマークが人為的に設定されることがあります。

データの比較分析の鍵は、他の条件 (変数) を一定に保ちながら単一の変数を比較することであることを指摘しておく必要があります。たとえば、ホームページの改訂による効果をテストする場合、2 つのユーザー グループ (A/B) の品質、オンライン時間、ソース チャネルを同じに保つ必要があります。この方法でのみ、より説得力のあるデータを得ることができます。

3. セグメント分析

データ分析の 3 つの方法のうち、最後の方法はセグメンテーション分析です。セグメンテーションには、分析のための特定の専門的なツールの使用が必要です。彼女の最大の価値は、私たちが問題を明確に理解できるように助けてくれることです。通常、私たちが取得する運用データは、APP の訪問数、ダウンロード数、総売上数、総滞在時間などの包括的なデータです。これらの包括的なデータは、APP 運用の全体的な状況を示しますが、いくつかの問題や機会も隠れてしまいます。

セグメンテーションは、単に指標とディメンションを組み合わせたものです。メトリックとディメンションの概念を紹介します。メトリクス: 訪問者の行動を記録するために使用される数値。最も一般的な指標には、訪問回数、ページビュー、訪問の深さ、コンバージョン率、離脱率などがあります。ディメンション: 訪問者の行動を観察する角度です。より一般的なディメンションには、訪問者属性ディメンション、時間ディメンション、トラフィック ソース ディメンション、地理ディメンション、コンテンツ ディメンション、システム ディメンションなどがあります。

同じインジケーターでも、異なるディメンションでは異なる属性が表示されます。たとえば、Web サイトへの訪問数が 1,000 であるとします。このインジケーターを訪問者ディメンションと組み合わせると、600 人の新規訪問者と 400 人のリピーターがいることが示されます。同様に、この訪問指標を時間ディメンションおよび地理ディメンションと組み合わせると、異なるデータが分割されます。これは単純な内訳です​​。

4. まとめ

最も一般的に使用される傾向分析方法は前年比と前月比であり、傾向分析はデータ監視の最も基本的な方法でもあります。比較分析により、長所と短所を明確に特定して最も効果的な決定を下すことができ、目標との比較によりウェブサイトのパフォーマンスを効果的に評価できます。セグメンテーションは分析の最も基本的な表現であり、トラブルシューティングのための強力なツールです。セグメンテーションを使用すると、全体から詳細まで段階的に問題を特定し、ターゲットを絞った解決策を見つけることができます。

もちろん、運用データ分析を行う場合、データはどこから来るのでしょうか?どうやって入手するのですか?データを取得するための専門的な方法も必要です。データの取得方法や専門的な分析方法については、次回ご説明します。

ビジネス インテリジェンス (BI)、ビッグ データ分析とマイニング、機械学習、Python、R、その他のデータ分野に興味のある学生は、WeChat: tstoutiaoを追加できます。 Toutiao データ愛好家交流グループへの参加を歓迎します。データ愛好家は皆ここにいます。