従来の成長モデルの打破: DAU が急上昇した際に Duolingo が行った正しい対応とは?

持続的な成長を維持する方法、あるいは成長のジレンマを打破する方法は、ほぼすべての企業が考える必要がある問題です。この記事では、より詳細なユーザーセグメンテーションとデータモデルを採用することで DAU の成長を達成した言語学習プラットフォームである Duolingo の成長事例を紹介します。この記事で分解の様子を見てみましょう。

成長はあらゆるビジネスにとって永遠のテーマです。

スタートアップ企業であれ、成熟した大企業であれ、急速な発展の期間を経て、必ず限界に達します。革新を続け、成長を維持する能力が、企業の偉大さや平凡さの鍵となります。

Duolingo は魔法のような存在です。言語学習プラットフォームとしては、あまり人気のない軌道に乗って DAU が急上昇している。 2022年第4四半期、DuolingoのMAUは6,070万人に達し、前年同期の4,240万人から43%増加し、 DAUは前年同期比62%増の1,630万人となった。

2018年から2022年にかけて、DuolingoのDAUは450%増加しました |画像出典: Lenny’s Newsletter

大手プラットフォームがユーザーベースの拡大と収益の増加に苦労している中、Duolingo はどのようにして 2022 年に急速な成長を達成できるのでしょうか?答えは、従来の AARRR モデルを覆し、より詳細なユーザーセグメンテーションとデータモデルを採用して成長の手段を見つけることです。

今日は、Duolingo を例に、その成功体験から学び、それを柔軟に適用し、成長のジレンマを打破する方法を探ります。

では、早速本文に移りましょう。楽しむ：

1. 従来のAARRRモデルの利点と欠点

ユーザーの運用と成長に関して言えば、AARRR 成長モデルは業界でよく知られたフレームワークであり、海賊モデルとしても知られており、略奪的成長を達成する海賊行為に似ています。 5 段階のファネルモデルです。これには次の手順が含まれます。

（画像出典：私が描いたもの）

獲得: 新規ユーザーを獲得し、その注目を集め、製品を認知してもらう方法。
アクティベーション: 新規ユーザーをアクティブユーザーに変換し、製品やサービスへの関心を高め、良い第一印象を維持します。
維持: 獲得したユーザーが継続して使用し、戻ってくるようにして、ユーザー維持率を向上させます。
収益: ユーザーを有料顧客に変換し、購入を通じてビジネス目標を達成します。
自己伝播（Refer）：ユーザーに製品を認知させ、自発的に広めてもらい、より多くの新規ユーザーを獲得します。

AARRR 成長モデルの優れた点は、ユーザーの操作と成長戦略を評価するためのシンプルかつ体系的な方法を提供することです。

わかりやすい:ユーザーライフサイクルを 5 つの段階に分割すると、各段階で対応する戦略を見つけやすくなります。
実装が簡単:認められた標準であるため、ほとんどの企業がすぐに理解して実装できます。
追跡が容易:各段階の目標は非常に明確なので、特定の指標を通じて進捗状況を追跡できます。

ただし、AARRR モデルには欠点もあります。

単純化されすぎている:ここでは 5 つの段階のみを取り上げていますが、実際のユーザー状況は非常に複雑であることが多く、より具体的な運用戦略が必要になる場合があります。
焦点の欠如:どのユーザーがより重要であるかを区別していないため、重要でないユーザーのニーズを満たすために過剰なリソースが消費される可能性があります。
ガイダンスの欠如:具体的なガイダンスが不足しており、運用戦略を実行するには他のモデルやデータが必要になることがよくあります。

このタイプのモデルは単純すぎるため、各ステップは前のステップの成功に依存し、場合によっては特定の製品やサービスにモデルが適さなくなる可能性があります。

そこで、Duolingoは2018年に成長のボトルネックに直面した際、ライフサイクルマネジメントの観点から新たな成長モデルを模索し、それを活用して、より洗練された運営へとシフトすることを決定しました。

2. Duolingoのライフサイクルモデルの解体

1. ライフサイクル管理が必要な理由

モバイルインターネットユーザーの増加が飽和状態に近づくにつれて、新規ユーザーを獲得するためのコストが増加し、既存ユーザーの維持が特に重要になります。ユーザーライフサイクルの基本的な概念には、大きく分けて 5 つの段階が含まれます。

導入段階: ユーザー獲得段階。市場の潜在的なユーザートラフィックを自社のユーザーに変換します。
成長段階: 登録、ログイン、有効化され、製品の関連サービスや機能を体験し始め、アハ体験を体験しました。
成熟段階: 製品機能やサービスの徹底的な利用、より多くのアクティブ時間、広告収入や支払いの貢献など。
休眠期間: 一定期間にわたって価値のある行動をとらなかった成熟したユーザー。
失われた期間: 一定期間ログインまたは訪問していないユーザー。

ユーザーの成長をシステムとして捉えると、このシステムの目的はユーザー規模とユーザー価値を継続的に拡大することです。アクティブユーザーがストックであり、新規ユーザーと失ったユーザーがトラフィックです。

ユーザーライフサイクル管理は、このシステムのフィードバック方法、つまり、規制ループを抑制しながらシステムの強化ループを強化する方法と見ることができます。これにより、ユーザーライフサイクル管理の価値をグローバルな視点から把握できるようになります。

運用の目的はユーザー数とコンバージョン率の向上ですが、こうした表面的な指標にのみ注目するだけでは最適な結果を得ることはできません。多くの初心者オペレーターは、必要な思考を無視し、運用戦略の方向性に関して表面的な成長や変換方法のみに焦点を当てています。

例えば、イベントの賞品を使って新規ユーザーを引き付けたり、割引を使って決済を促進したりする方法については毎日考えていますが、月間成長目標が妥当かどうかをどのように測定するかなど、より重要な問題については深く考えていません。既存ユーザーのGMVを最大化するにはどうすればよいでしょうか?既存ユーザーの層別化はどうなっていますか?どのユーザーが私たちの目標達成に貢献できるかなど。

操作の表面だけにとどまると、結果を効果的に予測することができず、活動の失敗につながります。同時に、アクティビティ後のデータしか取得できず、プロジェクトでアクティブ化された古いユーザーの数、製品の有料コンバージョンに参加した新しいユーザーの数、およびその他の情報を知る方法がないため、個人の成長には役立ちません。追跡することも、その後の運用戦略を導くこともできません。

そのため、より効果的な運用戦略を立てるためには、ユーザーライフサイクルを管理するための深い思考とデータ分析を行う必要があります。

2. データ観測モデルの構築方法

多くの実践と調整を経て、Duolingo は「ユーザーアクティビティ」に基づくデータ観察モデルを構築しました。アクティビティレベルの異なるユーザーが階層化され、主要ユーザーが明確に識別され、製品内でアクティブな状態を維持できるようにガイドと介入が行われます。

特定の暦日に製品を使用したすべてのユーザーは、特定のユーザーグループに割り当てられます。これは、異なるレベルのユーザーが常に相互に排他的であることも意味します。さまざまな矢印は、各レベル (CURR、NURR、RURR、SURR を含むが、時間ディメンションは週ではなく日) でのユーザー変換の割合を表します。この完全に閉ループのモデルシステムでは、新規ユーザーだけが唯一のブレークスルーであることがわかります。

(画像出典: Lenny's Newsletter & 自作)

黄色、緑、青のユーザーグループの合計が製品の DAU (1 日あたりアクティブユーザー数) を構成します。DAU は次のとおりです。

新規ユーザー: アプリに初めてログインするユーザー。
アクティブユーザー: 今日ログインしたユーザー、および過去 6 日間に少なくとも 1 回ログインしたユーザー。
再アクティブ化されたユーザー: 今日ログインしたユーザーで、過去 6 日間はログインしていないが、過去 7 ～ 29 日間に少なくとも 1 回はログインしたユーザー。
復活したユーザー: 今日ログインしたが、少なくとも 30 日間ログインしていないユーザー。

下の 3 つのユーザーグループは、現在はログインしていないが、過去の参加データがそれぞれ異なるユーザーです。

失われた可能性のある週間アクティブユーザー: 今日はログインしていないが、過去 6 日間に少なくとも 1 回はログインしたユーザー [失われた可能性のある週間アクティブユーザー + DAU (日間アクティブユーザー) = WAU (週間アクティブユーザー)]
解約する可能性のある月間アクティブユーザー: 過去 7 日間にログインしていないが、30 日以内にログインしたユーザー [解約する可能性のある月間アクティブユーザー + WAU (週間アクティブユーザー) = MAU (月間アクティブユーザー)]
離脱ユーザー：過去31日間以上ログインしていないユーザー [MAU + 離脱ユーザー = 総ユーザー数]

この絵が複雑に見えると思うなら、タイムラインを追加して変形すると理解しやすくなるはずです。

（画像出典：私が描いたもの）

上記の式から、さまざまなレベルのユーザーを追加することで共通の DAU、WAU、MAU を計算できることがわかります。つまり、Duolingo はこれらのユーザーのデータモデリングを実行できるということです。これがこのモデルシステムの重要な特徴です。

さらに、矢印で表されるさまざまな維持率/解約率を調整することで、時間の経過に伴うさまざまな維持率の複合的な影響をシミュレートできます。言い換えれば、これらの比率は、製品チームがユーザーの成長を促進するために使用する手段です。

アクティブユーザーリテンション (CURR) : 過去 2 週間にログインしたユーザーのうち、今週ログインしたアクティブユーザーの割合。
新規ユーザー維持率 (NURR) : 過去 1 週間に登録し、今週ログインした新規ユーザーの割合。
リコールされたユーザーの保持率 (RURR) : 過去 1 週間にリコールされた後、今週ログインしたユーザーの割合 (30 日以内にアクティブ)。
リピーターの維持率 (SURR) : 長期間 (少なくとも 30 日間) ログインしていなかったが、過去 1 週間以内に復帰し、今週ログインしたユーザーの割合。

3. 従来のモデルと比べて何が優れているのでしょうか?

従来の AARRR モデルと比較して、Duolingo のライフサイクルモデルはより柔軟で、次のような利点があります。

異なるタイプのユーザーを区別する:階層化されたライフサイクルモデルを使用すると、異なるタイプのユーザーをより適切に区別して、ユーザーのニーズと行動をより深く理解し、各グループに異なる戦略を採用できるようになります。
より詳細な情報を取得:ユーザーはアクティブ時間に応じて異なるグループに分けられるため、ユーザーのアクティビティ、使用頻度、ロイヤルティなどの情報を動的に把握できます。
より多くの成長機会を創出:階層化されたライフサイクルモデルにより、どのユーザーに成長の可能性があるかをより深く理解できるようになり、それに応じて対応する戦略を策定できるようになります。

3. 成長のジレンマを柔軟に応用して打破する方法

Duolingo のライフサイクルモデルは私たちに新しいアイデアを提供します。 Duolingo の成功事例を活用しながら、その手法を柔軟に適用し、自社に合った成長戦略を策定する必要もあります。

一言でまとめると、とても幸運なことに、直接適用することができます。

コミュニティ、エンターテイメント、情報、その他の製品にとって、このような MECE データモデルを拒否できる人がいるでしょうか?想像してみてください。次回、上司が早朝にデータが増えた理由や減った理由を尋ねてきたとき、さまざまなデータテーブルをあれこれ調べる必要はなく、すぐに正確な答えを返すことができます。

データダッシュボードを構築し、毎日のデータ監視を完了するためのデータアナリストを見つけることができるだけでなく、データ予測やマイニングのコアレバーなど、より高度なゲームプレイも提供されます。

たとえば、データモデルを構築した後、Duolingo の成長スタッフは毎日記録を残し、過去数年間にわたってさまざまなユーザーグループと維持率が日々どのように変化したかを観察しました。

このデータがあれば、将来のデータをシミュレートし、分析を実行して、どのレバーがユーザーの成長に最も大きな影響を与えるかを予測できます。下の図は、最初のシミュレーションデータ推定の結果であり、異なるリテンション/解約率データが MAU と DAU に同じ割合で変化した場合の影響を示しています。

結果から、 CURR（アクティブユーザーリテンション）が DAU に大きな影響を与えていることは明らかであり、2番目に影響力のあるデータの5倍となっています。彼らは後に真実に気づいた。現在のユーザーレベルから判断すると、参加レベルの異なるアクティブユーザーは、最終的には常に「アクティブユーザー」として分類されます。

(画像出典: Lenny's Newsletter)

この分析に基づいて、Duolingo は、CURR がユーザー数の増加において飛躍的な進歩を遂げるために克服しなければならない指標であることを確認しました。一連の主要戦略が開始されました。ゲーミフィケーションメカニズムを導入してユーザーの全体的な使用時間を増やし、メッセージプッシュ機能を強化してユーザーの参加を増やし、継続的なサインインメカニズムを最適化してユーザーがアクティブであり続けるように積極的にインセンティブを与えています。

(画像出典: Duolingo 製品体験のスクリーンショット)

4 年間の努力の結果、Duolingo の CURR は 21% 増加しました。これは、コアユーザーの毎日の解約率が 40% 以上減少したことを意味します。

ユーザーのセグメンテーションに基づいて洗練された操作を実行するにはどうすればよいでしょうか?以下の一般的な戦略も参考として使用できます。

画像出典: 自分で描いたもの

①潜在的ユーザーを「活性化」する

新規ユーザーをアクティブ化し、新規ユーザーのオンボーディングプロセスを最適化し、初めての製品エクスペリエンスを強化します。
サイレントな新規ユーザーガイダンスチャネルを増やします。複数のトリガー方法（SMS、プッシュ、電子メール、サービス番号）を追加します。
適切なインセンティブを設定します（新規ユーザー向けの赤い封筒、割引など）。

② 「維持と収益化」健全でアクティブなユーザー

まず、製品機能の最適化を行ってユーザー維持率を向上させます。
ユーザーをさらに階層化し、異なるユーザーの維持率を比較して違いを見つけ、ターゲットを絞った方法で維持率を改善します（チャネルのセグメンテーション、年齢のセグメンテーション、平日/週末のセグメンテーション、ユーザーの検索用語、ユーザーのクリックスルー率）。
ユーザーの使用頻度と強度を高めることでユーザーエンゲージメントを向上させ、それによってリテンションを向上させます（インセンティブシステムによって誘導されます）。
柔軟な価格設定: アルゴリズムによる割引、定期的なイベント。
コア支払いパスを最適化します。テストと最適化により、各ステップのコンバージョン率を高め、最終的に「収益化」を最大化します。

③離脱リスクのあるユーザーを「発見し介入する」

直接的な否定的な行動が発生します。たとえば、有効期限が切れそうなメンバーが更新ページをクリックしたが更新しないなどです。たとえば、大量のデータや文書がエクスポートされるなどです。たとえば、ユーザーがレビュー時に「不満足」の評価を付けた場合などです。
行動パターンの変化: たとえば、ユーザーは以前は 1 日に数回ログインしていたが、その後 3 日に 1 回ログインし、その後 1 週間ログインしなくなったなど。
データモデル予測: 大量のデータに基づいて「解約予測モデル」を構築し、「解約可能性」スコアを生成して、解約のリスクがあるユーザーに事前に注意を払うことができます。
ユーザーデータの保存: 長期間ログインしていない場合、データの有効期限を通知します。
変換コストの増加: たとえば、ポイントとレベルシステムは「変換コストを大幅に増加」します。
事前にユーザーをロックインする: たとえば、「事前にユーザーをロックインする」ために、複数年のメンバーシップを購入するアクティビティを計画します。
損失警告メカニズム：「損失警告メカニズム」をアクティブ化するために、適切なインセンティブを適時に提供します。

④失ったユーザーを「呼び戻す」

ユーザーリコールを実施するかどうかを検討してください。実施する価値はありますか?なぜ戻ってくるのですか?それを保管してもらえますか？重量を追加することで製品が大幅に改善されれば、失った特定のタイプのユーザーを呼び戻すのに非常に役立ち、ユーザーには戻ってくる理由が生まれます。
リコールターゲットの選択: 解約ターゲットには、未ログインによる解約、非アクティベーションによる解約、新規ユーザーによる解約、長期ユーザーによる解約の 4 種類があります。通常、2 番目と 3 番目のカテゴリのユーザーは、リーチ可能であり、製品の価値をまだ深く体験していないため、思い出される可能性が高くなります。
リコール A/B テスト: リコールオブジェクト、リコールのタイミングと頻度、リコールチャネルからコピーデザイン、送信時間、ジャンプパスまで、すべてをテストおよびデバッグして、より良い結果を得ることができます。
リコール効果の測定: 直接的な結果は、プッシュ開封率、クリック率、24 時間アクセス率から判断できます。長期的な成果は、コア行動（アハ体験）の有無と、思い出したユーザーの維持率から判断できます。長期的な結果こそがリコールの最終的な目標です。