これは私が今まで見た中で最高のテンプレートです。

ユーザー運用のプロセスにおいて、ユーザーの離脱は避けられない現象ですが、この問題を効果的に分析して対処する方法は、すべてのオペレーターが習得する必要がある重要なスキルです。この記事では、ユーザー離脱分析に関するよくある誤解、基本的な考え方、具体的な分析方法について深く掘り下げ、読者がユーザー離脱分析の本質を体系的に理解し、習得できるようにすることを目的としています。

ユーザー離脱を分析するにはどうすればいいですか?ユーザー離脱率のデータは計算できますが、計算後はどうなるのでしょうか?データだけ見ると、損失の理由はないように思えます。ユーザーが X か月間来ていないことしかわかっておらず、どうすればいいのかわかりません。今日はこれについて体系的に議論しましょう。

1. ユーザー離脱分析におけるよくある間違い

間違い1: 全てのユーザーを維持しようとする

これは運用において最も一般的な間違いであり、多くの新人がこの罠に陥ります。買い物をしない場合はクーポンがもらえます。ログインしないと、ホイールを回すことになります。その結果、資金は無駄になり、利益を追求するフリーライダーが大量に生み出されました。

実際、ユーザーの離脱は避けられず、100% の維持はこの世に存在しません。すべての企業はコアユーザーに重点を置く必要があります。

ユーザー離脱について話すとき、私たちが本当にすべきことは、離脱率を抑制し、許容できるレベルに制御することです。

間違いその2: 解約の理由をすべて理解しようとする

これは分析において最も一般的な間違いであり、多くの初心者がこの罠に陥ります。ユーザーは気に入らないのでしょうか?うまくできたのではないでしょうか？相手が強すぎますか？ユーザーにお金がないのですか? ——つまり、みんなに理由を与えたいんです。しかし、データは全くなかったので、彼らは困惑してお互いを見つめるだけでした。

実際のところ、すべての理由を列挙する必要はなく、また、その能力もありません。

前のポイントと同じように、制御可能な要素を制御し、明らかなエラーを減らす必要があります。

間違い 3: アクティビティではなく解約に焦点を当てる。

これもよくある間違いです。解約率が実際に増加した後にのみ分析を開始します。結果的に、問題は解決し、ユーザーは全員去ってしまったので、分析しても意味がありません。解約率は比較的遅行指標です。

ユーザーがデータ内で「失われる」前に、すでに逃げ出していて、過去数か月間活動していない可能性があります。したがって、解約率はアクティビティ率と併せて検討する必要があります。

ユーザーのアクティビティに影響を与えるイベントにできるだけ早く注意を払い、コアユーザーのアクティビティ率を綿密に追跡して、後で無駄な作業を行わないようにします。

2. ユーザー離脱分析の基本的な考え方

ユーザー離脱分析の目的は離脱率を檻の中に閉じ込めることなので、データ的にはまず離脱率の傾向、特に3種類の問題に焦点を当てます（下図参照）。

1. イベントベースの質問。 1 つ以上のイベントによって引き起こされる解約の短期的な変動。
2. システム的な問題。同社の全体的な離職率は同業他社や経験レベルよりも高く、依然として高い水準にあります。
3. 進行中の問題。離職率はある時期から増加傾向にあり、改善の兆しは見られません。

解約率はアクティビティ率に関連する概念です。通常、離脱したユーザーを「X か月間ログインしていない、または何も購入していないユーザー」と定義しますが、ユーザーがすでに非アクティブになっているときには、実際の離脱はすでに発生している可能性があります。

解約の問題をより適切に特定するために、アクティビティ レートと組み合わせて、自然サイクル法とライフ サイクル法の両方を使用することがよくあります。自然サイクルは、イベントベースの問題 (イベントは自然な日付で発生するため) を示すことが多く、ライフ サイクルは、システムベースの問題 (ビジネス パフォーマンスの低下、ユーザー ライフ サイクルの短さ、ブレークポイントなど) を示すことが多いです。

3. イベント型問題分析法

ネガティブな出来事はユーザーの離脱につながる可能性があります。たとえば、在庫切れ、価格上昇、システムバグ、ユーザーからの苦情、競合他社による大規模なプロモーション（まだ実施していないもの）などです。このタイプのイベントは最も簡単に識別できます。データに反映されているように、インシデントの影響を受けたユーザー グループのアクティビティ率はインシデント後に急激に低下し、N か月後には解約率が上昇し始めます。

分析する際には、

1. 関連するイベントを収集し、細心の注意を払います。

2. イベントを適切に分類します（内部/外部、システム/価格/製品など）。

3. 影響を受けるユーザー グループを特定します (将来の観察のためにラベルを付けます)。

4. 影響を受けるユーザーのアクティブな変更に注意してください。

5. イベントが全体的な解約率に与える影響を観察します。

こうすることで、事実に焦点を当てることができ、結果を確認しやすくなります。保持方法を設計する際に適切な薬を処方することも容易になります。単にクーポンを提供するよりも、ユーザーを不満にさせる本当の理由を見つけ出す方が、ユーザーを維持できる可能性が高くなります。

注意: ポジティブなイベントによっても解約率が上昇する可能性があります。特に、ユーザー獲得、活性化、維持、覚醒など、非消費のソフト指標を刺激するだけでは、誤った繁栄を招く可能性が高くなります。

客観的に言えば、プロモーション活動がある限り、裁定取引業者を引き付けることになり、このタイプのユーザーは本質的に高い解約率を持ちます。

主観的に言えば、見栄えの良いデータを作成するために、オペレーターは制限を減らし、裁定取引の余地を残すこともします。その結果、前向きな活動の有効性は低下してしまうことがよくあります。たとえば、新規ユーザーが登録すると、新規ユーザー獲得活動によって生成されるユーザーライフサイクルの解約率は、通常の新規ユーザーの解約率よりも大幅に高くなる可能性があります (下の図を参照)。 N か月後には、このユーザー グループの解約率は必ず高くなります。

したがって、活動を行う際には、関連する結果を事前に考慮する必要があります。ポジティブな出来事はネガティブな出来事とは異なります。やるべきことはやらなければいけないし、それを総合的に評価する必要があるだけだ。最終的な結果は、計画者や運営者にとって望ましくないものになるかもしれないが、ここで実際に試されているのは、全員の道徳的誠実さである。

4. 体系的な問題分析法

システム的な問題が発生した場合、それはただ一つのことを意味します。つまり、当社のビジネスが競合他社のビジネスよりも悪いということです。この時点では、ビジネス上の問題を診断し、ビジネス パフォーマンスを向上させることが中心となります。診断方法としては、ユーザーライフサイクル理論を参考にすることができます。

本をコピーするのではなく、これがユーザーライフサイクル分析のやり方です

参入段階、成長段階、成熟段階におけるユーザー離脱の理由は異なり、分析の焦点も異なります。スペースを節約するために、次の図に示すように簡単にまとめます。

体系的な問題に対処する場合、さまざまな段階でさまざまな焦点が考慮されます。

応募期間

一般的に、エントリー期間中の改善には違いはありません。エントリー段階では、ユーザーが当社が提供するコアセールスポイントを実際に体験していないため、ユーザーがコアセールスポイントを可能な限り体験できるようにプロセスを無差別に改善する必要があります。

インターネット業界では、ブラックミニッツ（ダウンロードから登録までの1分）や初心者向けチュートリアルのプロセスに重点が置かれることが多いです。伝統的な業界では、顧客を歓迎し、ユーザーができるだけ早く製品を体験して試用できるようにすることに重点が置かれることがよくあります。

成長

成長段階に入った後は、異なる方法で治療する必要があります。成長段階に入ると、限界ユーザーやフリーライダーが排除され、ユーザー価値が差別化され始めます。コアユーザー以外のユーザーは退出を許可する必要があります。顧客を維持しようとするのは単なるお金の無駄であり、頻繁な割引によってブランド価値も​​下がります。

このとき、特に注意すべきなのは、コアユーザーの流出、コアユーザーの活動率の低下、ライフサイクルの短縮化、新規ユーザーにおけるコアユーザーの割合の低下です。これらはすべて、慎重に整理して解決する必要がある大きな問題です。解約率が実際に上昇する前に、すでに対策が講じられている可能性もあります。

体系的な問題は 1 つのステップで解決されることはなく、継続的な反復プロセスで解決される可能性があります。問題を診断することはできるかもしれませんが、解決策は使いにくく、データが改善されません。したがって、体系的な問題が見つかった場合は、次のことを行う必要があります。

1. 適切な基準ベンチマークを選択し、ギャップを特定する

2. ソリューションを設計し、テストする

3. テスト結果を記録し、データの変化を観察する

4. 経験を積み、効果的な方法を維持する

最終的に、当社のユーザー維持曲線は競合他社にどんどん近づいており、解約率は低下し続けていることがわかります。現時点では、体系的な解約の問題は解決されたと言えます。これには多くの実験と試行が必要になる可能性があるため、よく観察して記録し、長期にわたる戦いを戦う必要があります。

5. 永続的な問題に対する分析方法

進行中の問題は、解決するのが最も難しい場合がよくあります。なぜなら、現実には、解約率、アクティビティ率、維持率などのデータは、大きな継続的な成長ではなく、不規則な小さな変動を示すことが多いからです。

これは本当に無駄な問題です。どれだけ注意が払われなくても、リーダーは常にそれについて質問するのです。対処したいのですが、わかりません。数日間は解約率が上昇したものの、分析レポートが作成される前に解約率が下がったケースもありました。本当に恥ずかしかったです。

処理の順序は、イベント型 > システム型 > 継続型となります。単一の主要なイベントは識別が最も簡単で、データを通じて簡単に確認できるためです。同時に、一連のイベントが体系的かつ永続的な問題の根本原因となることが多く、特定のイベントを特定することで他の問題に対処するのにも役立ちます。ビジネス側が経験豊富で適切なベンチマークを見つけることができれば、体系的な問題は比較的簡単に対処できます。

最も難しい問題は、永続的な問題です。多くの場合、解約率の変化は特に深刻なほど持続することはなく、小さな範囲で変動を繰り返します（下の図を参照）。経験とデータの蓄積がなければ、これらの小さな変動を完全に特定することは難しいため、最後に解決されます。

問題が本当に解決できない場合は、まず観察指標を設定して追跡します。一定のレベルに達すると、手がかりを見つけることができるかもしれません。

VI.業種による解約対応の違い

解約問題はビジネスと密接に関係しているため、ビジネスによって解約分析の方向性も異なります。広いカテゴリーの観点から見ると、最も重要な特徴が 2 つあります。

高価で使用頻度の低い製品 VS 安価な日用消費財

製品（車、家、大型家具、結婚式など）が高価になるほど、ユーザーの意思決定プロセスが長くなり、事前に判断する傾向があり、リピート購入というものはなくなります。このタイプのビジネス ユーザーの意思決定には明確な期間があり、期限に近づくほど、ユーザーが最終判断を下す可能性が高くなります。

したがって、このタイプのビジネスにおけるユーザー離脱はカウントダウンの砂時計のようなものです。ユーザーと初めて接触するときは、ユーザーのニーズは何か、どの競合製品と比較したか、交渉が始まっているかどうかなど、ユーザーの状況を把握する必要があります。

こうすることで、残り時間がどれくらいあるかを大まかに判断することができます。これにより、取引の機会をより適切に捉え、迅速にフォローアップできるようになります。ニーズを考慮せずに、愚かにも段階的に導入・フォローアップを行うと、機会を逃してしまいます。

売れ行きの速い消費財、つまり購入頻度の高い消費財（衣服、靴、携帯電話など）のユーザーは、当然ながら忠誠心が低く、人気のトレンドやプロモーションによって態度が簡単に変わる可能性があります。従業員を空白なく確保する戦略を採用することは完全に可能です。いずれにしても、ユーザーは今回購入しなくても、しばらくするとまた購入に戻ってくるでしょう。

そのため、インターネット企業は、このような製品を扱う際に、プラットフォーム損失と製品損失の 2 種類の損失保持を区別することがよくあります。

ユーザーがプラットフォーム上に留まっている限り、起動し続けます。従来の企業では、季節の変化、新製品の発売、定期的な祝賀会、休日のイベントなどの手段を使って、ユーザーを複数回活性化させることがよくあります。つまり、ユーザー価値が十分に大きい限り、放棄したり諦めたりしないでください。

伝統産業 VS インターネット産業

ユーザーのライフサイクル中に両者で蓄積されるデータの量は異なります。インターネット業界には大量のデータがあり、プロモーションリンクのクリックからランディングページ、登録、閲覧、注文まで、ユーザーのプロセス全体を記録できる場合がよくあります。

そのため、離脱したユーザーがどのステップで行き詰まっているかを把握し、改善すべき問題点を特定するために、ファネル分析手法がよく使用されます。特に新規ユーザー登録の段階では、無差別な最適化が行われることが多いです。

従来の業界では消費データしか存在しないことが多く、ユーザーは消費頻度と消費間隔でしか測定できません。一般的に、ユーザーが n 回消費した後、製品を気に入らないユーザーは離れますが、製品を気に入ったユーザーは引き続き購入します。これがいわゆるマジックナンバーです。

マジックナンバーの大きさを比較することで、自分と相手との差を知ることができます。ユーザーの来店→接客→体験→サービス→評価といった行動面に関しては、データが全く存在せず、市場調査などを通じて補完する必要がある。

ここで主に思い出していただきたいのは、解約の定義は XX か月間ログインなし/購入なしと定義できますが、企業間で大きな違いがあるということです。ただし、実際の損失シナリオはすでに発生している可能性があり、損失を阻止するための主要なアクションに関するデータ記録がない可能性があります。機械的なコードを使用するよりも、特定のビジネスニーズに基づいてソリューションを考える方が効果的です。

七。まとめ

多くの学生は、ユーザー離脱の問題に対処するのが難しいと感じています。表面的には、ユーザーの離脱に関するデータが少なく、ユーザーが何を考えているのかわからないためです。

しかし本質的には、ユーザー離脱につながる理由は、ユーザーのライフサイクル、ユーザーのセグメンテーション、ユーザーの意思決定プロセス、ユーザーの成長パス、新規ユーザーの変換プロセス、ユーザーエクスペリエンス、ユーザーの MOT、競合製品の影響など、多くの要因に関連しています。

ここにあるトピックはすべて別の記事にまとめることができます。これらすべてを理解すれば、基本的にユーザー操作プロセス全体を理解できるようになります。本質的に、ユーザー離脱分析は、分析を行う人の中にユーザー操作のビジネスを理解している人がほとんどいないため、困難です。

分析を行っているクラスメートを一人呼び出して質問します。

● ライフサイクルはどのくらい長くすべきですか?

● 業界の定着率はどのくらいですか?

● コアユーザーはどのようなユーザーグループですか?

● 体験の核となるセールスポイントは何ですか?

● 競合他社との違いは？

● 最近の業務では何が起こりましたか?

● どのような予期しないバグが発生しましたか?

● 最新の変更はどのような影響を与えますか?

●……

答えは「よく分からない」です。あるいは、「私は何も知らない」とも言えます。彼に何を知っているか尋ねますか？彼は、解約率データを計算し、ユーザーの年齢、性別、登録チャネル、購入頻度などの指標に基づいて一連のクロス集計を作成する方法しか知りませんでした。その後、私はデータセットの 1%、2%、または 3% の違いをじっと見つめて、「これらの違いは何を意味するのか」と考えます。

上記は冗談です。つまり、分析とは、データを実行してテーブルを表示するだけではなく、問題を深く理解し、ビジネス上の問題の本当の根本原因を見つけることです。