ユーザー分析、完全なガイドを見つける

学生からは、弊社のユーザー分析があまりにもイライラさせられるとよく​​苦情が来ます。掲載されているデータは多いのですが、単純にユーザーを新旧のカテゴリーに分類し、性別、年齢、アクティブ時間、支払いの違いを比較しているだけです。最後に「新規ユーザーは検索機能をほとんど使わないので、検索機能を増やすことをおすすめします…」と言いたいところですが、この分析は全く役に立ちません！ユーザー分析を有効活用するにはどうすればよいでしょうか?今日は体系的な答えをお伝えします。

まず、誰もが理解すべきことは、クロス集計を単に描くだけでは分析とは呼ばず、単なる表だということです。データ分析を行うときは、明確な目標と実現可能な詳細が必要です。ユーザー分析の分野では、戦略と実行という 2 つの主要なトピックに分かれています。

戦略的なユーザー分析

戦略レベルでは、ユーザー分析は3つの中核的な問題の解決に焦点を当てるべきである。

1. 主要ユーザーは誰か: 私のビジネスは少数の高レベルユーザーに依存しているのか、それとも多数の低レベルユーザーに依存しているのか?

2. ユーザー獲得方法: スクリーニングまたは育成を通じてターゲットユーザーを獲得しますか?

3. 入出力比率の計算：適格なターゲットユーザーを獲得・育成するにはどのくらいの時間がかかり、入出力比率はどれくらいか？

質問 1 は、ビジネスの成功または失敗の鍵となります。なぜなら、高レベル、中レベル、低レベルのユーザーのニーズは本質的に異なるからです。少数の高レベルユーザーを満足させることを選択した場合、新規ユーザーの離脱率が非常に高くなることを意味します。一般の人々を思いとどまらせ、富裕層が気高くて十分に楽しめると思わせるほど魅力的な製品やサービスを提供する必要があります。大多数の人々のニーズを満たすことを選択した場合、利益は小さくても回転率は速くなるのは避けられません (下の図を参照)。

あらゆるレベルの人々のニーズを満たすビジネスを展開するのは困難であり、トレードオフを行う必要があります。ビジネスが一定の規模に達する前に、まずブランドイメージと評判を確立するために、特定のグループに十分なサービスを提供する必要があります。そのため、ユーザー価値の層別分析は非常に重要です。また、実際のユーザーのデータを見るだけではなく、ターゲットグループと比較して、構築したブランドが十分にハイエンドではなく、改善する必要があるかどうかを判断する必要があります。

質問 2 は、実装計画を設計するためのアイデアの源です。すべての顧客を開拓できるわけではありません。金融、自動車、住宅、事業投資、さらには美容やヘルスケアなどの高級サービスの多くは、本質的に高級顧客が利用できるものでなければなりません。現時点ではスクリーニングのみを行っており、多数の新規ユーザーの中から目的に合うユーザーを選抜しています。小売業や飲食業などの業界では、忠実なユーザーを育成するルートを取ることも、ハイエンドのルートを取ることもできます。このとき、ビジネス関係者自身が、超ハイエンドユーザーを育成したいのか、それとも選別したいのかを明確にする必要があります。

データ的には、ユーザーと当社との関係性が深まるにつれてニーズが高まるかどうか、また、当社のマーケティング行動によって影響を受けることができるかどうかを中心に、育成とスクリーニングの違いを観察しています。長期間のインタラクションと繰り返しの配信を経てもユーザーのパフォーマンスを向上させることが難しい場合、少なくとも現在の弊社の能力の範囲内では、ユーザーを育成することができないことを意味します。特定の対策によってユーザーのパフォーマンスが大幅に向上する場合、この方法は優れたトレーニング方法であることを意味します。

質問 3 は、実装計画を設計するための基準です。利用者に際限なく補助金を出すことは不可能です。最終的な結果は、ユーザーの獲得と育成の入出力比率によって決まるはずです。

ユーザーの行動自体がランダムに発生する場合、測定を簡素化できます。例えば、ビールやメロンの種、ミネラルウォーターなどのスナック類は、ユーザーは深く考えずに気まぐれで購入してしまう可能性があり、忠誠心はほとんどありません。現時点では、単一の広告キャンペーンに基づいてコストを計算するだけで済みます。投資するすべての製品が利益を生むことができれば、それで十分です。

さらに難しいのは、ユーザーが効果を発揮できるようになる前に、ユーザーを育成する必要があることです。例えば、美容施術を行う場合、最初の 3 回はトライアルサービスとして、ユーザーにカードをチャージして会員になってもらうように誘導することができます。手数料は非常に低く、試用期間中にカードを再チャージした人だけが利益を得ることができます。この時点で、どれくらいの割合のユーザーがコンバージョンしたか、また、コンバージョンしたユーザーからの利益がユーザー体験のコストをカバーできるかどうかを把握する必要があります。

戦略的問題を解決した後、要約の出力はユーザー価値分布マップ（以下に示す）であり、次のことを明確に示す必要があります。

1. 私が頼りにしているユーザー グループは誰ですか。また、その商業的価値はどの程度ですか。

2. ユーザーの成長軌道はどのようなものですか?顧客を獲得してから期待される成果を達成するまでどのくらいの時間がかかりますか?

3. ユーザー増加の主要ノードは何ですか、ノードでのビジネスアクションは何ですか、次の段階でのコンバージョン率/維持率はどれくらいですか?

これら 3 つの質問に答えると、戦略レベルはほぼ完了し、実行レベルについて議論できるようになります。

経営レベルのユーザー分析

実行レベルでは、ユーザー分析が簡単になります。実行層では、解決すべき中心的な問題は、ユーザーに自分の戦略に反応してもらう方法だからです。 「ユーザーの二次消費を促進する」といった具体的な戦略は、以下のように実行されます。

1. 何時か（自然時間またはユーザーライフサイクル時間）

2. どのようなチャネルが使用されていますか（オンサイト広告ページ、オフサイト広告、SMS など）

3. どのようなコピーライティングを使用するか（興味ベース、感情ベース、ホットトピックベースなど）

4. どの製品と組み合わせるか（類似製品、関連製品、売れ筋製品など）

5. 割引額（ポイント、ギフト、クーポンなど）

この一連の情報はユーザーにプッシュされ、ユーザーはそれに応答することが求められます (以下を参照)。

実行レベルでは、自分の運用方法が目標を達成できるかどうかを確認するために、さらに応答分析が行われます。 1 回のプッシュに対する応答のみを見ると、ゲインは小さくなります。同じ目標をめぐるこれまでのすべての実行をまとめると、多くのパターンを見つけることができます。たとえば、下の図では、ユーザーの最初の購入の場合、複数のプッシュ通知のリストにより、より多くの問題を発見できます。

現時点では、履歴データを使用して、ユーザーとビジネスに同時にラベルを付けることができます。

ユーザータグ: アクティビティの好み、プロモーションの感度、チャンネルの好み、コンテンツの好み

ビジネスタグ: XX チャンネル/コンテンツ/製品、XX タイプのユーザーを引き付ける可能性が高くなります

これらのラベルはビジネス行動を直接導くことができます。ユーザーの好みがわかっている場合は、ラベルの組み合わせに基づいて運用戦略を直接生成できます。いわゆる自動マーケティング（略して MA）はこの考えに基づいています。

ユーザー グループのすべてのタグをまとめて、グループのニーズを確認することもできます。たとえば、高価値グループが特定の種類の製品を好むことがわかった場合、それに応じて一致する製品やアップグレードされた製品を開発できます。

実行層での結果に基づいて、戦略に逆の影響を与えることも可能です。たとえば、当初のユーザー成長の軌跡では、約 1 か月で明確な転換点がありました。運用後はユーザーライフサイクルが3か月に延長されましたが、対応コストも増加しています。このとき、コスト損失を補い、高い収益を維持するために、2 か月目、3 か月目に高収益商品のプッシュを徐々に増やすことを検討できます。

まとめ

多くの企業が適切なユーザー分析を行えない理由は非常に明確です。

1. 戦略レベルの分析がない。ユーザーは、性別、年齢、累計消費量、アクティビティなどの単純な分類ディメンションを使用して毎回分類されます。平均値を見るために様々な種類を混ぜて見ていると、焦点がぼやけてしまいます。

2. 戦略的なガイダンスがなく、実行層が非常に分散しています。常に散在したアクティビティの評価を実行し、目標の周りの複数のテストには注意を払わず、同じグループの複数のアクティビティを比較しません。

3. ラベルの蓄積がなく、ラベルを沈殿させたり、ラベルを検証したりすることなく、常にさまざまなデータを散在的に見ています。多くのことが行われているように見えますが、安定したパフォーマンスを示すラベルが不足しています。

こうすると、あなたは常に手がかりのないハエのようになり、結論を蓄積することは絶対にできなくなります。もちろん、すべての企業の業務において、まず戦略を明確に決定し、それを実行し、そしてラベルをレビューして蓄積できるわけではありません。多くの企業の業務も、根本的な原因に対処せずに対症療法的なものである。アクティビティが低い場合は、ルーレットを回します。新規ユーザーが少数であれば、トラフィックが増加します。コンバージョン率が低い場合は、クーポンを送信します。これにより、実行レベルで行われる作業が非常に分散され、データ エクスペリエンスの蓄積につながりません。