これが実際のユーザーのポートレートです。あなたのリストは性別、年齢、地域のリストだけです。

性別、年齢、地域をリストアップするだけで大​​量のデータが作成されますか?真のユーザーポートレートとは何でしょうか?この記事の著者は体系的な答えを提供します。

クラスメートが尋ねました: 陳先生、私のリーダーは私にユ​​ーザーポートレート分析をするように頼んだのですが、大量のデータを集めた後、私は批判されました: 私は何も分析しなかったのですか?何をするか？今日は体系的な答えをお伝えします。

01 ユーザーポートレートの姿勢が間違っている

1. データに制限があり、何も行動を起こさない

ユーザーのプロフィールとなると、多くの人はすぐに性別、年齢、地域、趣味などの基本的な情報フィールドを思い浮かべ、そして「このデータはないようですね」と言って分析を諦めてしまいます。しかし、考えてみてください。男性の割合を知ることは本当に重要なのでしょうか?男性が 65% または 60% を占めていることを知ることは、本当にビジネスに役立つのでしょうか?必ずしもそうではありません。ユーザーにラベルを付ける方法は多数あります。収集が難しい基本的な情報に限定しないでください。

2. アイデアなしでデータをリストする

多くの人がユーザー ポートレート分析について聞くと、本能的にデータベースからユーザー タグを移動し、レポートにコーディングし始めます。

• 男女比 3:2
• 20～25歳が40%を占める
• 過去1週間以内にログインした人の30%
• 70% の人が 2 度目の購入をしませんでした...

このデータをどうするかについては、これまで考えたこともありませんでした。このような分析結果は当然混乱を招きます。困惑しながら尋ねた。「それでどうしたの？それからどうしたの？」

3. 無限分割、論理なし

「失われたユーザーポートレートの分析」など、比較的具体的な分析トピックを聞くと、多くの人はデータを延々と分析し始めます。解約率は、性別、年齢、地域、デバイス、登録時間、ソースチャネル、購入金額などに基づいて分析されます。解約率を調べるために、数十のディメンションが使用されます。結局、いくつかの寸法は 5% 異なり、いくつかの寸法は 10% 異なるだけであることがわかりました。もちろん最終的な結論はなく、調べれば調べるほど混乱していきました。

上記の問題はすべて、「ユーザーポートレート」という言葉に重点を置きすぎて、「分析」という言葉を軽視していることから生じています。

基本的なデータシステムであるため、ユーザーポートレート自体には分析機能はありません。単にユーザー タグをリスト化したり、ユーザー インジケーターを分類したりしても、分析上のメリットは得られません。ユーザーポートレートを有効に活用するには、分析ルーチンを段階的に実行する必要があります。

02 ステップ1: ビジネス上の質問を変換する

ユーザーポートレート分析は、本質的にはユーザーの視点から問題を考えることです。

簡単な例を挙げると、新発売した製品の売上が期待に応えられなかった場合、ユーザーの観点からだけでなく、製品管理の観点からも問題について考えることができます。

同じ問題に対して、2 つの考え方があります (下の図を参照)。

したがって、ユーザー指標（性別、年齢、地域、購入した製品、ログイン回数など）を単にリストするだけではほとんど役に立ちません。ユーザーポートレートは単なる分析ツールです。他の分析と同様に、まず「解決したい実際の問題は何か」を検討する必要があります。

十分に検討して問題をユーザー関連の質問に変換したら、ユーザー ポートレート分析手法を引き続き使用できます。

ビジネス上の問題は複雑であることに注意することが重要です。多くの場合、1 つの問題は複数のユーザー グループや複数のユーザーの動作に関連している可能性があります。

たとえば、上記の例には、少なくとも 3 つのユーザー グループ (潜在的ユーザー、失ったユーザー、既存ユーザー) が関係しており、ユーザーの態度、情報の受け取り、購入プロセス、使用経験など、多くの側面が関係しています。

そのため、データを分類し、分析の手がかりやロジックを整理し、該当するデータを見つける必要があります。そうでなければ、性別、年齢、地域を単に列挙するだけでは何も説明できません。これには次の 2 つの手順が含まれます。

03 ステップ2: マクロ仮説検証

問題を変換した後、まずマクロレベルで仮説をテストすることが非常に重要であり、これにより無限分解のエラーを効果的に回避できます。大まかな方向性が有効でない場合は、詳細を確認する必要はありません。新製品が売れないという問題が依然として残っています。一般的な方向から検証したい場合は、次の操作を実行するだけです。

• 全体的な環境が悪いと疑われる場合は、すべてのカテゴリが影響を受けるはずです。
• 競合他社の競争力が極めて高いと疑われる場合は、その競合他社が当社の製品に直接影響を与えるはずです。
• 操作が不十分であると疑われる場合は、製品コンバージョン ファネル内のリンクがオフになっている可能性があります。
• 上記の仮定が検証されれば、さらに詳細な分析を実施することができる。
• 上記の仮定がいずれも当てはまらない場合は、新しい仮定が必要になる可能性があります。

つまり、最初に一般的な検査を実施することで、疑惑の範囲を効果的に絞り込むことができます。疑いの範囲が狭いほど、その後のユーザー分析の精度が高まります。同時に、データが不十分な場合、疑わしい範囲が小さければ小さいほど、データの収集、データ品質の向上、正確な分析に集中することができます。

ユーザー分類ディメンションは数百ある場合があります。スクリーニングせずに分解して比較すると、数十の次元で違いが出る可能性が高く、データがまったく理解できない状態になってしまいます。仮説を分解する前に、その仮説に焦点を当てることが非常に重要です。

04 ステップ3: 分析ロジックを構築する

マクロ検証後、検証された結論に基づいて、より詳細な分析ロジックを構築できます。この段階では、当初の大きな問題は実際には次のような小さな問題に焦点が当てられています。

具体的なシナリオを見てみましょう。

検証済み: 競合他社の影響を受けていることは事実です

1. サブ質問 1: 対象ユーザーのニーズは何ですか?
2. サブ質問 2: 競合製品に対するターゲットユーザーの経験はどのようなものですか?どのニーズに最も応えていますか?
3. サブ質問 3: 対象ユーザーはこの製品をどのように体験しますか?どのギャップが致命的でしょうか?
4. サブ質問 4: ハード機能とソフトプロモーションの面で、競合他社とこの製品の違いは何ですか?

これら 4 つのサブ質問はすべて、ユーザーのニーズと行動を深く調査することで回答できます。次のステップでは、さらに深く掘り下げていきます。

分析のこの部分では、ユーザーの態度、潜在的なユーザー、競合ユーザーに関する多くの調査が必要であることに注意してください。社内データだけでは完了できず、外部調査を通じて行う必要があります。

別のシーンを見てみましょう。

検証済み：この新製品発売の運営には確かに問題がある

1. サブ質問 1: 問題は予熱、リリース、リスト、プロモーションのどの段階で発生しますか?
2. サブ質問 2: ローンチ段階で多数のユーザーが応答しませんでした。広告配信で何が問題になったのでしょうか?
3. サブ質問 3: プロモーション段階で販売量が急増せず、コアユーザーの需要を刺激できなかったのはなぜですか?
4. ...（質問が多すぎる場合は、簡単な例を挙げるだけで結構です）

これらの問題は 2 つの方法で解決できます。

一方では、以下の異なるタイプのユーザーを比較することで、配送、報酬活動、購入カテゴリ、金額などの詳細の違いを見つけることができ、配送、マーケティング、製品補充などのビジネスを調整することができます。

• コア/ノーマル
• 購入済み/未購入
• 到達/未到達

一方、コアユーザーをプロファイリングすることで、企業は本当に購入意欲のある人々に関する以下の情報をより明確に把握でき、より多くのコアユーザーを獲得してその後のパフォーマンスを向上させることができます。

• どのチャンネルから
• 何の主題で
• どのような割引が必要ですか?
• 注文するタイミング

ユーザーソース、情報配信の応答、購入行動、トピックの読み取りはすべて内部システムを通じて記録できることに注意してください。たとえ相手が男性か女性か分からなくても、広告やコンテンツの公開、割引などを通じて顧客を引き付けることができます。

05 ステップ4: ユーザーデータを取得する

前のステップでは、ユーザー ポートレート分析でユーザーを深く理解するには、複数のデータ ソースに依存する必要があることを説明しました。内部データと外部データの両方が使用される可能性があります。

内部データが完全に収集されない可能性があり、外部データにサンプリングエラーがある可能性があることを考慮して、選択を行い、データの使用に重点を置く必要があります。これは、私たちが段階的な検証と仮説の絞り込みを重視してきた理由でもあります。集中して初めてデータを収集することができます。

一般的に言えば、

• 質問が態度、経験、感情に関するものであればあるほど、アンケートを使用する可能性が高くなります。
• 問題が行動的、消費的、インタラクティブであるほど、内部データ分析を使用する傾向が高くなります。
• 競合他社を理解したい場合は、競合他社に関するユーザー調査を実施したり、競合他社のオンラインストアをクロールしたりすることができます。

従来の意味では、市場調査やデータ分析を行う人は、ユーザーポートレートについて独自の定義、実践、出力製品を持っています。企業にとっての実際の有用性の観点から言えば、もちろん多ければ多いほど良いです。

しかし、近年ではクローラーやNLP、トラッキングポイントの開発が進み、技術サポートも充実してきたことから、システムで収集したデータの活用も増えてきています。

したがって、条件が許せば、内部データを充実させるために最善を尽くすべきです。そうではなくて、何でもかんでもリサーチに頼ってデータを蓄積していかないと、将来的に何もすることが難しくなってしまいます。

06 ステップ5: 結論をまとめ分析する

上記の手順が適切に実行されれば、最後に分析の結論を導き出すことは自然なこととなり、まったく労力を必要としません。

実際、ユーザー ポートレート分析における最大の問題はすべて、最初の 5 つのステップで発生します。仮説の方向性の欠如、データの準備の欠如、分析ロジックの欠如、データの単なるリスト化、無制限の分解、そして最終的には当然のことながら、断片化されたデータの絡み合いの山に直面することになります。「男女比が 3:2 だったらどうなるでしょうか???」

もちろん、ユーザーポートレートには、新製品開発、推奨システム、自動マーケティングシステム、配信システムなどのサポートなど、他にも多くの用途があります。分析はそのほんの一部にすぎません。

したがって、分析をうまく行いたいのであれば、分析方法についてさらに学び、分析ロジックを実践する必要があります。

著者: 陳先生

出典：WeChat公式アカウント「地味な陳先生」