ついに誰かがユーザー分析の方法論を徹底的に説明しました

1. ユーザー操作とは何ですか?

ユーザーオペレーションとは、ユーザーのライフサイクル全体を踏まえた管理活動を指し、ユーザー価値の向上と売上の拡大を目指します。ショッピングを例にとると、販売者は広告などの手段を通じてユーザーの注目を集め、ユーザーを購入完了に導き、購入プロセス中に高品質のサービスを提供してユーザーが購入できるようにします。ユーザーのライフサイクルは限られているため、販売者はユーザー操作を利用してユーザーにできるだけ多くのお金を使ってもらい、売上を増やす必要があります。

ユーザー操作の目的は、ユーザーのコンバージョン率を向上させ、ユーザー価値を高めることです。販売者は、ユーザーを登録完了、初回注文、ユーザーアクティビティの増加に導くなど、ユーザーのライフサイクルのさまざまな段階で対応する運用アクションを実行できます。これらの運用アクションの目的は、ユーザー価値を高め、売上を伸ばすことです。一般的に、ユーザー分析とは、ユーザーの行動やデータなどを分析することで、特定のリンクの効率を向上させることを指します。

2. 一般的なユーザー分析方法

ユーザー操作とは何か、ユーザー分析が解決しようとする課題がわかったところで、ユーザー分析の一般的な手法を紹介しましょう。前述のショッピングのシナリオに戻ると、次の図に示すように、誰がどのアクションをどのくらいの時間内に何回実行したかを示すユーザー モデルを抽象化できます。このユーザー モデルには、ペルソナ、時間、頻度、動作など、多くの要素が含まれます。さらに圧縮すると、誰が何を行ったかを示す新しいモデル グラフが生成されます。このモデルには、ユーザー属性とユーザー行動の 2 つの要素のみが含まれます。ユーザー分析は、ユーザー属性分析とユーザー行動分析の 2 つの部分に分けられます。

1. ユーザー属性分析

ユーザー属性分析に関して、解決すべき主な問題は、販売者がユーザーを認識し、理解し、限られたリソースを最も価値のあるユーザーにどのように割り当てるかということです。

ユーザー分析は、ユーザー特性、ユーザーポートレート、ユーザーグループ化、ユーザー層別化という 4 つの一般的なシナリオに分かれています。

ユーザー機能分析の目的は、人々のグループの特徴を明らかにし、製品の消費者グループ間または異なる人々のグループ間の類似点と相違点を理解するのに役立ちます。推奨される分析方法は、比較分析と視覚的な決定木です。ユーザー機能分析では、すべての機能が比較を通じて取得されます。分析レポートでは、単一グループの特徴のみを記載すると説得力に欠けます。実際には、より正確な結論を導き出すには、対象集団を参照集団と比較する必要があります。たとえば、ダブル 11 イベント期間中にリピート購入者の特性を分析する場合は、非リピート購入者と比較する必要があります。比較分析の後、視覚的な決定木法を使用することをお勧めします。ビジュアル デシジョン ツリーは、リピーターと非リピーターを 0 と 1 でマークし、すべてのレベルの機能をビジュアル デシジョン ツリーに配置して、各機能の価値分布を表示する機械学習手法です。この方法は解釈性が高く、ビジネス担当者は各機能のスコアを直感的に確認し、分析結果をよりよく理解できます。

ユーザーポートレートが解決する問題は、企業が自社の製品を使用するユーザーが誰なのかを知りたいという点です。ユーザー特徴分析とは異なり、ユーザーポートレートは定性的な記述に基づいた分析手法です。ユーザー ポートレートでは、TGI インジケーターが非常に重要です。これは、ユーザー グループ内の各インジケーターのトレンドの強さを計算するために使用されます。通常、TGI が 100 を超えると、この側面で明らかな特性を示します。

ユーザーセグメンテーションとは、さまざまなマーケティング計画の戦略を策定するために、ユーザーをいくつかの部分に分割するプロセスです。ユーザーのグループ化を実装するには、ビジネス ロジックとクラスタリング アルゴリズムの 2 つの方法があります。ビジネス ロジックはユーザーの洞察に基づいており、クラスタリング アルゴリズムでは k-means アルゴリズムなどの一般的な手法が使用されます。この方法については後ほど詳しく説明します。

ユーザーの階層化は、ユーザーのグループ化とは異なります。異なるユーザーに異なるサービスとリソース割り当てを提供するために、ユーザーをさまざまなレベルに分割します。ユーザー階層化により、リソースをどのように割り当て、特定のユーザーに優先順位を付けるかについての問題を解決できます。ユーザーの階層化では標準的な考え方が非常に重要であり、ユーザーは特定の基準に従って測定される必要があります。パレートの法則は、人々の行動の累積的な価値に基づいて人々をさまざまなセグメントに分割するためによく使用される方法です。同時に、ユーザー層別化ではユーザー属性分析手法がよく使用されます。

2. ユーザー行動分析

ユーザー行動分析の観点では、解決すべき主な問題は、ユーザーの行動パターンと好みを理解し、製品とサービスを最適化し、ユーザーの満足度とロイヤルティを向上させることです。ここには、ユーザーの「アハ」体験、ユーザーの維持、ユーザーの離脱、ユーザーの生涯価値という 4 つのシナリオがあります。

ユーザーの「アハ体験」が解決する問題は、限界効用カットオフポイントである魔法の数字を見つけることです。

ユーザー維持は、新規ユーザーの維持を改善する問題、つまり、一定期間内に新規ユーザーをできるだけアクティブにする方法の問題を解決します。ユーザー維持分析では通常、統計グループ分析手法を使用して、特定の時点で参加した人々のグループを囲み、時間の経過に伴う変化を追跡します。

ユーザーの離脱は多くの企業にとって頭痛の種ですが、どのユーザーが離脱する可能性があるかを事前に予測できれば、事前に介入することができます。すでに離脱したユーザーについては、離脱の理由を分析し、リコール戦略を策定することができます。ユーザー離脱分析では、回帰分析などの機械学習手法の使用が必要になる場合があります。

ユーザー生涯価値とは、各ユーザーがライフサイクル全体を通じてどれだけの金額を貢献しているかを指します。これは、新規顧客獲得コストや新規顧客の ROI を策定したり、ユーザーにどれだけの価値が残っているかを分析するために使用できます。

次に、ユーザーセグメンテーションとユーザーのアハモーメント分析という 2 つのシナリオを紹介します。

3. ユーザーのグループ化: ビジネスロジックとクラスタリングアルゴリズム

ユーザーセグメンテーションとは、ターゲットを絞ったマーケティング戦略を策定するために、多数のユーザーを類似した特性を持ついくつかのグループに分割することを指します。 Tmallを例にとると、ユーザーを新人ホワイトカラー、上級中流階級など8つの戦略的グループに分類しています。

ユーザーをセグメント化する前に、解決したい問題を明確にする必要があります。 Tmall の 8 つの戦略グループを例にとると、これらのグループは、製品ポートフォリオや価格設定、新製品の開発などの問題を解決するために分割されています。群衆ポートレートに基づいて、群衆の特徴と消費習慣を理解し、さまざまなマーケティング戦略と製品計画を策定することができます。

以下はユーザーグループ化のフローチャートです。

ステップ 1: ブランドのユーザー ベースが必要です。

ステップ 2: ビジネス ラベルを準備します。多くのラベルの中から、実際のビジネス上の意味と人口セグメンテーション価値を持つラベルを見つけ出す必要があります。これは解決すべき問題に関係します。たとえば、価格設定の問題を解決したい場合、ユーザーの購買力を知る必要があります。これは、平均月間消費頻度や平均月間消費額などのラベルを使用して測定できます。これらのラベルを使用すると、人口をセグメント化できます。

ステップ 3: 人口のセグメンテーション。ここで使用されているのは、前回の記事で説明した 2 つの方法です。1 つはビジネス ロジックに基づく方法で、もう 1 つはクラスタリング メソッドです。最後に、異なるグループの人々がクラスター化されます。たとえば、上の図の 3 つの色は 3 つのグループの人々を表しています。群衆をクラスタリングした後、さまざまな特性の下での群衆の割合を確認する必要があります。

ステップ 4: グループに適したタグを見つけます。 TGI 指標または特徴比率を計算します。 TGI 指数が 100 を超える場合は有意とみなされ、100 未満の場合は有意でないとみなされます。最後に、各ラベルがフィルタリングされ、定性的な説明が得られます。例えば、新人のホワイトカラー、田舎町の若者、洗練された母親など。

ここでは、クラスタリング アルゴリズムとビジネス ロジックの 2 つのツールが使用されます。

クラスタリング アルゴリズムは、人々の間の距離を計算して人々を自動的に分類します。クラスター分析を実行するときは、適切な指標を選択し、外れ値や極端なグループを除外し、残りの人々を分類するか、さまざまなグループの人々を除外することに注意する必要があります。 K-Means クラスタリングは、多次元データを自動的にクラスタ化できます。しかし、その欠点は、ビジネス ロジックとビジネス上の意味が欠けていることです。この問題を解決するには、ビジネス ロジックを追加する必要があります。 K-Means クラスタリング アルゴリズムを使用して分割した後、ビジネスに適合していないことが判明した場合は、調整を行う必要があります。

クラスタリング アルゴリズムの使用に加えて、ビジネス ロジックを使用してユーザーをグループ化することもできます。たとえば、集団と製品のラベルを交差させることで、異なる製品ラベルの下にある異なる集団の特性を取得できます。たとえば、年齢層をいくつかのセグメントに分割し、0〜400 元の価格帯の製品を好む、職場着製品を好むなど、さまざまな製品ラベルの下で各グループの特性を調べることができます。

これらの特性に基づいて人工的なクラスタリングを実行し、異なる集団分割結果を取得します。最後に、人口セグメンテーションと製品ラベルの結果に基づいて、さまざまな人々のグループに対するマーケティング戦略やコンテンツ制作戦略など、対応する戦略を取得できます。このようなラベル付けプロセスでは、ビジネス ロジックと機械学習を組み合わせて、より正確でビジネスに意味のある人口セグメンテーション結果を取得し、それをビジネス シナリオに実装できます。

4. ユーザーの「なるほど！」という瞬間 – 魔法の数字

マジックナンバーは、最終的な標準閾値の問題を解決します。たとえば、会員レベルを分割するための標準閾値は10,000元です。なぜ 15,000 や他の数字ではなく 10,000 なのでしょうか? これは標準的な閾値の質問です。

まずは定着率について簡単に紹介します。ある日に登録したユーザーの数と、翌日に戻ってアクティブになったり購入したりしたユーザーの数を数え、翌日に戻ってきたユーザーを除外して翌日の維持率を算出します。

たとえば、LinkedIn では、新規ユーザーが 7 日以内に 5 人追加すると、維持率が 3 倍になることがわかっています。たとえば、Facebook は、新規ユーザーが 10 日以内に 7 人をフォローすると、維持率が向上することを発見しました。

このロジックに基づいて、維持率とフォロワー数の関係を示すグラフを取得し、変曲点を見つけることで限界効用が最大化されるかどうかを判断できます。変曲点とは、定着率が大幅に向上し始めるポイントです。数学的に言えば、変曲点とは、曲線の傾きが著しく減少し始める点、つまり限界効用が最大となる点を指します。変曲点前ではフォロワー数の増加が維持率に大きな影響を与えますが、変曲点後はフォロワー数の増加が維持率に与える影響は徐々に減少します。この変曲点が私たちにとっての魔法の数字です。

マジックナンバー（10や3など）が見つかれば、ユーザーに10人フォローしてもらう、3回購入してもらうなど、マーケティング戦略やユーザー運用戦略に応用することができます。このマジックナンバーを会員レベルを分けるしきい値として使用したり、ユーザーがこの数字に到達して顧客維持率を向上させる方法を見つけたりすることもできます。

上図はアプリケーション例を示しています。表から、価格と総合満足度の相関関係が最も高いことがわかりますので、価格に基づいて回帰を計算し、マジックナンバーを計算するための式を得ることができます。もちろん、この数字もビジネスと組み合わせてさらに検証する必要があります。