オンラインストア運営データ分析まとめ（オンラインストアはデータレビューをどのように行っているのか？）

オンラインストアはどのようにデータレビューを実施しますか?

レビューと要約は異なります。要約とは、結論を述べて終止符を打つことです。レビューは学習プロセスであり、その後の改善とフィードバックを必要とするプロセスです。要約は各個人が独自の要約を作成することですが、レビューは学習と改善を目的として全員が一緒にレビューするチームワークが重要です。

時間の観点から見ると、オンライン ストアの運用の概要とレビューは、年、四半期、月、週、日レベルで行われます。これは、毎日のレビューから年次の要約まで、ほぼ毎日実行する必要があるものです。要約と検討において最も重要なのはデータです。なぜなら、データは客観的な事実を反映し、業務の目となるからです。データの客観的事実を尊重することが、業務の基本的な品質です。

データに直面した際に、企業が直面する困惑は次のとおりです。

1. データはあるが洞察がない

2. データはあるが行動がない

つまり、データを通じてビジネスチャンスを洞察し、この仕事に行き詰まらないように行動することができます。

しかし、データから洞察を得るには、データの整理や提示に関する技術的なスキルが制限されることが多くあります。実際、自分のチームでレビューを行う場合、データを提示する必要はなく、表を使用するだけで済みますが、基本的なデータ整理スキルは不可欠です。

1. データの照合

このとき、生産データ、業務データ、環境データにデータが分かれているため、生産と販売が一体となった企業では、データの照合が少し難しくなります。これらのデータの収集とその後の共同分析は、一般のオペレータが簡単に解決できる問題ではなく、データアナリストや関連サービスプロバイダのサポートが必要になる場合が多くあります。

2. データの提示

データのプレゼンテーションは、多くの場合、ケーキにアイシングを施す領域です。もちろん例外もありますが、ここではそれについては説明しません。企業がデジタル変革を進めている場合は、大画面コックピットなどのデータの表示に注目することができます。データのプレゼンテーションが適切であれば、企業の従業員がデジタル変革を受け入れやすくなります。また、豊富な視点を直感的に表示できるため、企業の従業員教育コストも削減できます。

データレビューが業務に必須のスキルの一つとなった理由は、インターネット時代の急速な変化のもと、試行錯誤のコストの高さが企業にとって致命的な毒にも、命取りにもなり得るからです。

データレビューを実施する場合、各部門が関心を持つ情報が異なるため、異なる部門で個別にレビューを実施することができます。一部のプロジェクトまたは問題については、部門間のレビューを実施できます。

運用を例にとると、レビューとは、さまざまな視点からデータを観察し、ビジネスチャンスに関する洞察を得ることです。

1. 店舗の視点

2. チャネルの視点

3. 製品の観点

4. 価格の見通し

5. 製品の視点

使用される分析的思考は、対比とセグメンテーションです。

以下、実際のケースを用いてレビュープロセスを説明します。

データは月単位の時間粒度に基づいており、2017年4月から2018年8月までの合計13か月のデータが選択されています。連続データは状況に関する洞察を提供できるため、分析には連続データを選択する必要があります。

まずは店舗全体の中核となる指標です。表 1 の背景色で塗りつぶされた数字は、最良のデータがあった 2 か月を表しています。この店のデータが楽観的ではないことは容易に分かります。来場者数、支払額ともに減少傾向が続いています。この時点で、問題の根本原因を見つけることができます。問題を解決するには遅すぎるかどうかにかかわらず、データの低下の原因を理解する必要があります。その人が救われることができれば素晴らしいのですが、救われないのであれば、次回同じ過ちを繰り返さないように注意しなければなりません。

表1 店舗全体のコア指標一覧

さらに来場者数を観察すると、4月の前年同月比は60％以上の減少となっている。店舗の運営は楽観的ではない。 2017年の状態を取り戻すことができれば、収益は60％以上増加するでしょう。

図1 訪問者の傾向チャート

★表1の利点は、1画面に多くの情報を表示できることですが、欠点は直感性が十分ではないことです。

★図1の利点は直感的であることです。しかし、欠点は表示される情報量が限られていることです。

トラフィックチャネルの観点から見ると、2017年10月以降にトラフィックが減少し始めたことがわかりました。論理的に言えば、11月と12月にダブルイレブンとダブルトゥエルブがあったため、トラフィックが減少するはずはありませんでした。店舗衰退の具体的な理由は不明だが、在庫切れや降格など集客資金に問題があったのではないかと推測されている。

表2 トラフィックチャネル別訪問者数の推移

表 3 から、この店舗の主力カテゴリーはドレスであり、次にスーツであることがわかります。次のステップでは、これら 2 つのカテゴリの分析に焦点を当てます。

表3 各カテゴリーの情報の要約

★一部のTaobaoストアでは、1つのIDに複数のスタイルがあります。この場合は、id または item を使用する方が適切です。

2017 年 11 月と 12 月には、店舗内のほとんどのカテゴリの売上が減少しました。トラフィックを生成する製品に問題があるという以前の仮定は、トラフィックを生成する製品のこれほど多くのカテゴリに問題があることはあり得ないため、支持できません。

表4 各カテゴリーの訪問者数の分布傾向

その店の新製品発売戦略は合理的ではない。売れ行きの悪いIDが多すぎます（販売数が20未満のものを売れ行きの悪いIDと定義します）。売れ行きの悪い ID を定期的に整理し、有利な ID の最適化に重点を置くことができます。

表5 各カテゴリーのID数量の分布傾向

表6 各カテゴリーの販売量間隔IDの分布

価格帯が広すぎるため、消費者の購入選択に役立ちません。ドレスを例にとると、価格帯は60～700以上になります。

表7 価格帯別カテゴリー別販売数量分布

9月と10月に季節が変わるときに、リズムがうまく制御されず、季節のギャップが生じていることに気づくのは難しくありません。これは表面的な理由です。季節的なギャップの原因については、操作ログで調べる必要があります。

表8 トップIDの相対トラフィック分布

★データ分析は数値だけを分析するものだと思われている方が多いです。実際、現在の技術レベルではすべてのデータを分析できます。

操作ログはテキストと画像データです。量が多い場合は、この種のデータをテクノロジーで分析し、それが操作上のエラーなのか客観的な理由なのかを判断して、本当の原因を突き止めることができます。

原因を見つけたら、次のステップは問題の解決策を見つけることです。まず、チームは問題の核心を認識し、次にチームの集合的な知恵を活用して一緒に問題を解決する必要があります。

ゼロワンデータ——電子商取引ビッグデータ分析に注力