データ追跡とユーザー行動分析: 最終目標を念頭に置いて、段階ごとに分解する

この記事を読む予定の友人たち。この記事は0～3歳の新製品・操作・データ関係者向けです。入社して3ヶ月くらいの新人時代に書いたものです。新参者の視点から書くと、より理解しやすい文章になると思いますし、皆さんのお役に立てれば幸いです。

ユーザー行動分析とは、製品の設計や運用戦略を改善するために、一連のユーザー行動を分析することを指します。インターネットが広範から集中へと発展するにつれ、ユーザー行動分析は、製品設計や運用戦略策定を「感覚に基づく」ものから「科学的かつ定量的なもの」へと移行するのに役立ちます。

簡単に言えば、インターネットの C エンド製品を大きな遊園地に例えると、プロダクト マネージャーとフロントエンドおよびバックエンドの R&D は、それぞれこの遊園地の設計者とエンジニアであり、この遊園地の基本的な枠組みを作成します。運営は遊園地のアクティビティ企画で、遊園地では随時様々なアクティビティが開催されます。ユーザー行動分析により、訪問者の行動を定量的に分析し、遊園地の建築設計やアクティビティの品質を向上させることができます。

1. 基本的な考え方: 最後から始めてレイヤーごとに分割する

エンジニアリングの観点から、ユーザーの行動を分析する場合は、次の手順を実行する必要があります。

1. ユーザーの行動データを収集する（埋め込みポイント + データストレージ）
2. このデータのクリーニングと処理
3. データを分析する

大規模なインターネット企業では、データは多くの場合、組立ライン上の商品のようなものです。生産から加工、そして最終的な利用まで、何層ものステップを経て、最終的にさまざまなアプリケーション部門に届けられます。これにより、データリンク上のさまざまな関係者が、木を見て森を見失いやすくなります。

しかし、データは最終的にはビジネス目標に役立つものであり、データ分析を理解するには、より包括的なアイデアも必要です。この段階では、終わりを念頭に置いて開始し、それを層ごとに分解すると要約できます。

1. 終わりを念頭に置いて始める: 一方、データ生成の観点からは、データ ポイントが埋め込まれた後にのみデータ分析を実行し、最終的に結論を導き出すことができます。しかし、実際には、多くの場合、終わりから始める必要があります。まず、データ分析の最終目標を考え、次にデータ分析のアイデアを決定し、最後に追跡計画を決定します。一方、データ分析のプロセスでは、まず最終的な指標を考え、そこからプロセス指標へと逆算していくことも必要です。

2. レイヤーごとに分割する: データ分析のプロセスは、大きな目標を小さな目標に分解するプロセスでもあることを、以下で詳しく説明します。

2. データ分析: 指標、次元、および口径

ユーザー行動分析の基本的な考え方は、製品の成功を測定するための定量的な指標を決定する -> どの次元が指標の変化に影響を与えるかを考える -> 統一された口径を決定し、さまざまな次元でのさまざまな指標の変化を計算する、というものです。

インジケーター、寸法、口径についてさらに詳しく説明します。

1. 指標

メトリックとは、定量化可能なビジネス目標です。電子商取引の場合、究極の指標はGMVです。広告の場合、最終的な指標はコンバージョン率と ROI です。ゲームの場合、最終的な指標は DAU と ARPU の値です。

最終目標を達成するために、複数のプロセス指標に細分化することもできます。例えば、電子商取引の場合、ユーザーが決済するまでのプロセスは、アプリに入る→検索（おすすめ・ライブ配信など）→商品詳細ページに入る→ショッピングカートに追加→チェックアウト→決済、に分けられます。リンクごとにインジケーターを設定できます。

2. 寸法

ディメンションは指標の変化を分析するための視点であり、指標の変化に影響を与える要因でもあります。 WeChatの生みの親である張小龍氏はかつてこう言っています。「製品デザインとは分類である。」次元は分類の角度として理解することもできます。

どのように理解しますか? DAU が増加する場合、男性ユーザーの増加ですか、それとも女性ユーザーの増加ですか?ユーザーの性別は DAU に影響を与える要因であり、DAU の変化を分析するために使用できるディメンションでもあります。同様に、商品の価格とカテゴリも、GMV を分析するために使用されるディメンションです。

3. 口径

口径は指標を計算するための標準です。

インターネットでは、同じ指標に対して複数の計算方法があることがよくあります。たとえば、DAU を計算するには、ユーザーのデバイス番号を使用して重複を排除したり、ユーザーの一意のアカウントを使用して重複を排除したりできます。それぞれの計算方法（または基準）が口径です。

3. データ収集: イベント、タイミング、パラメータ

明確なデータ分析目的に基づいて、分析目的を達成するために必要なデータをどのように取得するかを検討する必要があります。

上記から、データ分析の考え方は、まず指標を決定し、次に次元を考慮し、最後に口径を統一することだということがわかります。データ指標は、対応するユーザー行動イベントに関する統計を収集することによって取得する必要があります。分析ディメンションでは、イベントを収集しながら、イベントに関連するパラメータを記録する必要があります。統一口径の重要な部分は、イベントを収集するときにイベントのタイミングを明確に指定することです。

以下では、イベント、タイミング、およびパラメータについてさらに詳しく説明します。

1. イベント

ユーザーの各アクションはイベントと呼ばれます。一般的に、インターネット上のユーザーの行動は次の 3 つのカテゴリに分けられます。

1. 閲覧: ユーザーが商品のページにアクセスする

2. 露出：商品ページの要素/情報がユーザーに表示される

3. クリック: ユーザーがページ上のインタラクティブな要素を積極的にクリックする

ポイントを埋め込む場合、各イベントには一意の ID (通常はイベント ID と呼ばれます) が設定されます (たとえば、ホームページのフォーカス画像をクリックする (Home_FirstFocus_Click))。

2. タイミング

タイミングは、各アクションが記録される正確な瞬間です。指標を計算するときに口径が必要であるのと同様に、タイミングは追跡イベントのより正確な定義であり、追跡の口径でもあります。

1. 閲覧時間: 特定のページインターフェースに入る前とインターフェースが戻った後

2. 露出タイミング: 要素がxx%露出され、ユーザーがxx秒間滞在したとき

3. クリックタイミング: ユーザーがクリックした直後にトリガーされます

3. パラメータ

イベントと機会の定義では、このイベントが発生したときにどのような具体的な情報を収集する必要があるかを明確にする必要があります。

ユーザーの行動を収集することは物語を書くことに似ており、人物、時間、場所、特定のイベントを記録する必要があります。イベント ID に加えて、記録する必要があるその他の情報もこのイベントのパラメーターとして抽象化されます。イベントのパラメータは、イベントを実行するためのコンテキストまたは条件のようなものです。記録する必要のある情報を 4W1H として抽象化する人もいます。

1. 誰: ユーザーは誰なのか (ユーザー ID、デバイス番号など)。

2. いつ: いつ - これが起こった具体的な時間

3. 場所: 場所はどこですか?理解には2つのレベルがあります。 1 つはユーザーの実際の IP アドレスであり、もう 1 つはイベントが発生したページです。

4. 何: 何が行われたか - イベントの種類 (表示、露出、クリックなど)

5. 方法: これを行う方法、つまり、商品をクリックしたときの商品の価格や割引情報など、これを行う際のビジネス属性

各イベント（ホームページのフォーカス画像をクリックするなど）ごとに、さまざまな人がさまざまなタイミングでさまざまな状況でこの動作を実行します。記録されたそれぞれの特定の動作はログと呼ばれます。このようにして、ユーザーのあらゆるアクションが詳細に記録されます。

4. 具体的な事例: 電子商取引のデータ分析と追跡のアイデア

上記の概念では、データ収集とユーザー行動分析の理解はまだやや抽象的です。典型的な e コマースのケースから始めて、e コマースのユーザー行動を段階的に分析する方法を理解しましょう。

ステップ1. ユーザージャーニーを考える

アフィリエイト広告を通じて電子商取引アプリにアクセスするユーザーは、次のようなユーザー ジャーニーをたどる可能性があります。

アフィリエイト広告をクリック -> アプリに入る -> 製品カードが表示される -> 製品カードをクリック -> 製品詳細ページに入る -> カートに追加をクリック -> チェックアウトをクリック -> チェックアウトページに入る -> 支払いをクリック -> 支払い完了ページに入る

ステップ2. コア指標と重要な側面を決定する

電子商取引製品の成功を示す最も重要な指標は最終的な GMV ですが、GMV 目標を達成するには、ユーザーが一連のユーザー ジャーニーを経て、最終的に製品の代金を支払う必要があります。したがって、ユーザー ジャーニーの各ステップにプロセス インジケーターを設定できます。

GMV = 支払ったPV * 平均注文額

支払いPV = 露出PV * 露出クリック率（PV） * クリック・トゥ・カート率（PV） * カート決済率（PV） * 決済支払い率（PV）

露出クリック率（PV）＝クリックPV／露出PV

…

これらを 1 つずつ分解すると、収集する必要のあるイベントに対応するすべての非複合指標を取得できます。

また、eコマース企業では、人、モノ、場所などの観点から指標を多次元的に分析することが多く、これは各イベントで収集する必要があるパラメータにも対応しています。

ステップ3. 埋め込みポイントの設計

計算する指標と分析するディメンションに基づいて追跡する必要があるイベントとパラメータを定義し、レポートのタイミングの仕様を決定します。表を使用すると、収集する必要があるすべての情報を明確に識別できます。

ステップ4. データの収集と分析

ユーザージャーニーを理解し、コア指標と分析アイデアを決定し、埋め込みポイントを設計してデータを収集した後、ようやくデータ分析を開始しました。

この段階では、収集したデータを使用して、決定したアイデアに基づいて計算を実行し、結果を分析します。

1. 最終データ指標GMVを計算して、GMVが上昇しているか下降しているかを確認します。

2. 最終結果を引き起こした中間指標を観察する

3. これらの中間指標に影響を与える主な側面について考え、どの側面が指標の変化を引き起こすかを分析します。

4. 最終的に、比較的科学的な結論が得られた。

データ分析プロセスでは、まだ注意を払う必要がある詳細事項が多数あります。この記事では、データの追跡と分析の全体的な考え方のみを紹介します。

V. 結論

いわゆるデータ指向アプローチは、実際には終わりから始まる考え方です。最終的な目標を設定し、その大きな目標をプロセス指標とさまざまな次元に細分化し、定量化してデータとともに提示します。

さらに、各製品カテゴリには究極のノーススター指標（電子商取引のGMVなど）がありますが、健全で完全なエコシステムを確立したい場合は、多くの側面で物事の長所と短所を測定するための優れた指標システムを構築する必要があります。たとえば、電子商取引プラットフォームの場合、販売者の供給量、ユーザーのポートレート、ユーザーの滞在時間などはすべて、プラットフォームの健全性を完全に表す指標です。

個人の場合も同様です。私たちの最終的な目標は何でしょうか?この目標を達成するにはどのようなプロセスが必要ですか?究極の目標に加えて、私たちの人生をより刺激的なものにするために、他にどのような目標があるでしょうか?これらはすべて熟考する価値のある問題です。もちろん、人生はもっと柔軟であり、ある種の製品のユーザー パスがイノベーションの成功によって完全に覆されることもあります。既存のデータ フレームワークの外側で製品について考えることによってのみ、より大きな可能性を生み出すことができます。