データ操作のやり方（操作は必ず読んでください：データ操作の仁徳経絡を開くには？）

運用者必読：データ駆動型運用の仁徳経絡を開くには？

Come to Everyoneはプロダクトマネージャー[Starting Point Academy]で、BATの実践的なプロダクトディレクターが製品と運用について段階的に教えてくれます。

スタートアップ企業の増加に伴い、多くのオペレーション職では標準化されたスキル研修が実施されておらず、フルタイムのデータ分析職も存在しません。これが必要になるのは、上司が概要レポートを見たいときだけです。

3～4 年勤務したオペレーション担当者の多くは、美しい表を作成できず、製品や活動に問題が発生したときにその原因を論理的に特定できないことがわかります。データ管理スキルを持たないオペレーターは単なるリソースポーターであり、真の意味で成長することはできません。

図のような簡単な分析リンクのケースを見てみましょう。優れたオペレーターであれば、このようなリンクを心に刻んでおく必要があります。

今日は、よりわかりやすい視点からデータ操作の考え方を養うお手伝いをしたいと思います。

データ分析には、2 つの基本的なデータ タイプがあります。 1つは、来店回数や注文数など、直接記録できる基本データです。もう1つは、クリック率、購入コンバージョン率、平均注文額などの基本データを使用して計算式で算出される複合データです。

もちろん、式の逆の性質により、分析の際には、複合データを使用して基本データの問題を逆に診断することがよくあります。

データで遊ぶには、まず各データの意味と計算式を理解する必要があります。すべての企業は、新入社員がそれを習得できるように、または正社員になるための評価として使用するために、よく使用されるデータドキュメントをコンパイルする必要があります。

次に、業務のあらゆる側面で統計分析を行う方法について説明します。

Web 製品でもアプリ製品でも、技術力に応じて、外部ツールや独自に開発した統計バックグラウンドの助けを借りてトラフィック統計を完了できます。トラフィック統計の核心は、訪問数、登録数、登録コスト、アクティビティなどを含むプロモーションの効果を測定し、プロモーション チャネルを最適化することです。より詳細な統計により、その後の消費変換を追跡できます。

Web は、Web ページの統計情報 (モバイル Web ページを含む) を指します。外部製品には、Baidu Statistics、CNZZ、その他のツールが含まれます。ウェブサイトが提供する標準コードを追加すると、そのコードを使用して、訪問数、アクセス パス、直帰率、ヒート マップなどのデータを表示し、ユーザーのアクセス設定を分析し、直帰率の高いページを最適化できるようになります。

ウェブサイトは、登録数、ログイン数などを独自にカウントする必要があります。外部プロモーション、特にSEMなどの大規模な広告を行う場合、より詳細なプロモーションリンクを用意し、ユニットごと、さらにはキーワードごとのコンバージョン効果とコストをカウントすることが最適な状況です。

アプリのサードパーティ統計では、複数のオーバーレイが提供される場合があります。 Umeng などのサードパーティの全サイト統計を使用できます。同時に、さまざまな Android アプリ マーケットのインストール パッケージは、異なるパッケージ名を使用して、ユーザーのソースを個別にカウントします。もちろん、各アプリケーション市場には独自の統計的背景もあります。

これらの基本的なデータ レイアウトを使用して、さまざまなチャネル ソースからのユーザー数、コンバージョン率、コストを分析することが目標です。対応する作業としては、外部の販促資料、ランディングページ、チャネル選択などの基本作業を最適化することです。原則としては、詳細であればあるほど良いです。

SEM Baidu 配信を例にとると、各ユニット (同じ種類のキーワードを含むグループをユニットと呼びます) が異なる統計リンクを使用しているため、昨日はアカウント全体のコストが 8% 増加しました。このとき、クリック数、登録数、消費量、ユニットごとのコストがエクスポートされます。結果は 2 つ考えられます:

1. すべての単位コストが増加しました。この状況は（Baidu の麻痺を除く）、通常は登録ページの問題によって発生します。昨日の登録数の推移を確認できます。広告クリックは継続しているものの、一定期間経過後に登録数が大幅に減少している可能性があります。サインアップページを簡単に修正します。

2. 特定のユニットを固定するためのコストが増加し、全体のコストが上昇します。その後、特定のキーワードを固定すると、競合他社が参加してクリック単価が上がる可能性があります。これらのキーワードの配信を一時的に停止することができます。

ビジネス統計は、製品内のデータである傾向があり、中核となる目標に関する一連の分析を参照します。この部分の統計を通じて、ビジネス上の問題の原因とビジネス データを改善するための重要な要素を見つけることができます。製品の種類によって、主な目標は異なります。いくつかのケースの分析ロジックを見てみましょう。

ユーザー数だけでなく、一人当たりの平均読書時間にも注目しましょう。優れた読書アプリは、お気に入りの本をすばやく見つけることができ、優れた読書体験（ページをめくるジェスチャーなど）を提供する必要があります。平均読書時間に影響を与える要因には、電子書籍の数、カテゴリ計画、パーソナライズされた推奨ルールなどがあります。

一人当たりの平均読書時間を増やしたい場合、これらの要因に関する理由を探す必要があります。たとえば、空の書籍タイトルを含む検索結果の割合、ユーザーのアクセス パスとバウンス ページ、パーソナライズされた推奨事項のクリック率とコンバージョン率に注意する必要があります。

データは質問数と回答数です。質問の数に影響を与える要因には、応答時間、回答の品質、採用率などがあります。回答数に影響を与える要因には、期間、賞や栄誉、質問の質などがあります。

回答率を分析するには、回答が遅い質問や回答がない質問をカウントし、時間帯、質問内容、報酬額の共通点を分析できます。採用率を分析するには、最も多くの回答を採用したユーザーの割合と、採用されなかった回答の品質をカウントし、「採用機能プロンプト」の問題なのか、回答品質の低さの問題なのかを判断できます。

コアデータは、注文量、取引金額、平均注文額です。これら 3 つのデータには正確な計算式があります。以前、注文量を分析しましたが、平均注文額 = 取引金額 / 取引を完了したユーザー数です。

平均注文額を上げるためには、取引を完了したユーザーの数を減らすことは当然不可能です。唯一の選択肢は、取引総額を増やすことです。これを判断できるデータは 2 つあります。1 つは商品の平均価格を上げるか、新しいカテゴリを計画することです。もう 1 つは、関連する推奨、パッケージ、割引などを通じて関連する売上を増やすことです。

このような場合:

1. まず、ターゲット データまたは KPI を決定します。
2. 製品の使用ロジックまたは計算式に従って、ターゲットに最も関連性の高い一連の関連データを検索します。
3. 関連するデータに影響を与える行動上の理由をリストし、検証します。
4. 特定の行動上の理由を最適化します。

多くの上司はトラフィックや営業目標データに基づいて仕事を与えるため、毎日これらに注意を払う必要があるかもしれません。

ユーザー分析の本質は、主要なビジネスプロセスや主要な機能の使用など、製品上のユーザーの行動経路を分析し、各リンクと機能のデータの長所と短所を理解し、データに基づいて製品を最適化し、全体的なアクティビティとエクスペリエンスを向上させることです。 KPIではありませんが、その重要性は自明です。

ユーザー分析の出発点を詳しく見ていきましょう。

まず、ユーザーが頻繁に製品にアクセスできるようにしたいので、訪問パターンを把握するために、各日および各週のさまざまな時間帯の訪問回数をカウントする必要があります。次に、ユーザーがアプリを開いた目的を判断するために、訪問したページの割合をカウントする必要があります。アクセス頻度の高い時間帯や用途に合わせて、ユーザーを喚起するための事前コンテンツやプッシュ通知を準備します。

アクセス比率が中程度または増加している関数の場合は、エントリとルールを最適化します。たとえば、製品を使用するたびに経験値を確認したり、製品を収集したりするユーザーもいます。この場合、体験ポイントや商品の変更に関する通知をプッシュして、訪問頻度を高めることができます。

最初のステップは、バウンス ページの割合を数え、これらのページの共通点を分析することです。 3 日間、7 日間、15 日間、30 日間訪問していないユーザーなど、さまざまな期間に訪問したユーザーの行動、およびアクセス パス、終了ページ、消費、情報の完全性に関する類似点と相違点に関する統計が収集されます。たとえば、3 番目と 15 番目との違いは、前者の情報が完全ではないことです。そのため、情報を完了するためのプロンプトと報酬を追加してみることができます。

主要なリンクのページコンバージョンをカウントします。例えば、読書アプリでは電子書籍の紹介ディレクトリと読書開始ページ間のコンバージョン率が低いです。全体的に低い率なのか、それとも孤立した現象なのかを分析し、ターゲットを絞って「読むボタン」や推奨コピーを最適化します。

ユーザーの行動の好みに注意を払うことで、新たな成長ポイントを発見できる可能性があります。たとえば、統計共有機能では、ユーザーは WeChat 共有、QQ 共有、Weibo 共有、またはメール共有をより多くクリックし、招待コードのコピーやワンクリック共有機能を好みます。

たとえば、ユーザーは一度に複数の本を集めてゆっくり読んだり、1 冊の本を読み終えてから次の本を探したりすることを好みます。

たとえば、ユーザーは明確なニーズを持つキーワードやロングテールワードを検索したり、おすすめの商品や電子書籍を閲覧したりすることを好みます。

サードパーティの統計プラットフォームによって提供されるデータと分析を最大限に活用して、より価値のある分析結果を発見してください。

データの異常に対する感度を高めます。スタートアップ企業にはデータのしきい値を監視する技術的能力がないため、運用部門はレポートと詳細を通じてデータの異常を検出する必要があります。いくつかの異常は、帳簿上の資本損失に直接つながる可能性もあります。

• 登録数が異常です。これは最も一般的なタイプです。特定のチャンネルのトラフィックが突然増加したり、プロモーションの過程で不正行為が行われたりする可能性があります。登録アカウント、場所、アカウント パターン、登録 IP、再訪問サンプリングの詳細を比較して原因を特定します。
• 注文が異常です。補助金やキャッシュバック、お歳暮などがあると発生しやすいです。これは通常、注文頻度の高さ、配送先住所の同一性、金額の類似性、キャッシュバック額の類似性などとして現れます。注文の詳細を定期的に確認し、運に頼らないようにしてください。
• 特定の行動異常。たとえば、サインイン、赤い封筒の取得、タスクの完了などの報酬行動は、引き出し口座の監視と時間強度の監視を通じて定期的に統計的に分析できます。

上記は、若いオペレーターを目指す人が押さえておきたい基本操作リンクにおけるデータ分析の考え方を紹介したものです。

データによって仁経と杜経が開かれるこの手術は、未来を予測できる「占い師」のような商品です。

著者：Tian Zuo（WeChat 公開アカウント：运行有毒、yyyoudu）は、猿族の運営マネージャーであり、4 年間にわたって猿族を運営してきました。事例分析、オンライン運用、プロモーションが得意です。

この記事はもともと @天佐 によって Everyone is a Product Manager に掲載されました。無断転載は禁止です。