これは、高、中、低だけではなく、効果的なユーザーセグメンテーションです。

本記事では、セグメンテーションの運用手順、分類ディメンションの選択方法、ユーザーセグメンテーションとレコメンデーションアルゴリズムの違いなど、効果的なユーザーセグメンテーションの実施方法を体系的に説明し、企業が洗練された運用を実現できるよう支援します。

ユーザーの階層化は、価値によるセグメンテーションという、ユーザーセグメンテーションの特殊な形式であると述べました。では、一般的なユーザーセグメンテーションはどのように行うのでしょうか?なぜ多くの学生はセグメンテーションを終えた後に「役に立たない」と批判されるのでしょうか?今日は体系的な答えをお伝えします。

1. ユーザーセグメンテーションの直感的な体験

ユーザーのセグメンテーション自体は非常にシンプルです。たとえば、前のセクションで説明したユーザーの層別化は、実際には次のような分類ディメンションに基づく単純なユーザーセグメンテーションです。

過去 1 年間のユーザー支出によるセグメンテーション: 高レベル (10,000 以上) 中レベル (5,000 ～ 10,000) 低レベル (1 ～ 5,000)
ユーザーのアクティビティ行動別にセグメント化: アクティブ (過去 30 日間に 15 日以上ログイン) 非アクティブ (ログイン日数が 15 日以下)
さらにシンプルに、男性/女性、高齢者/中年/若者といった基本属性でセグメント化します。

ユーザーをセグメント化するのは簡単ですが、ユーザーを効果的にセグメント化するのは困難です。効果的とは、業務、製品、マーケティング、販売に役立つことを意味します。

たとえば、高レベル、中レベル、低レベルの顧客を区別しています。高級顧客は裕福であることはわかっていますが、彼らにどのようにサービスを提供すればよいのでしょうか?何時、どんな場面、どんなアクティビティですか?まだ不明です。したがって、階層化のために 1 つの次元に頼るだけでは不十分です。より詳細な区分を行うには、より多くの分類次元が必要です。

小さな例を見てみましょう:

この例をどのように分析できるか見てみましょう。

まず支出習慣を見てみましょう。会社への収益貢献度から判断すると、ABC の 3 つのカテゴリは同レベルです。異なる消費習慣

しかし実際には、ABC の 3 つのカテゴリは、3 つの異なる消費習慣を表しています。

A. 集中購入（ダブルイレブンで最も安く購入する可能性が最も高い）

B. 季節ごとの購入（四半期ごとに新製品が導入される可能性が高い）

C. 頻繁な購入（毎日のアクティビティが高く、運営側が最も好む）

ユーザーの消費習慣の違いは、運用手段に直接影響します。

A. 集中調達：1つの大きなイベントが開始されます。

B. 季節ごとの購入：季節ごとに新製品のプロモーションを実施

C. 頻繁な購入: チェックイン + ポイント + 毎週のアクティビティ

どれを使用するかを決めるには、ユーザー構造全体における ABC の 3 つのカテゴリの割合を参考にして、主な戦術を選択します。効果は以下のとおりです。

何かが存在するからといって、それが合理的であるとは限らないことに注意してください。リーダーは「現在はグループAが60％を占めているが、将来的にはグループCが60％を占めるようになることを望んでおり、現状を変えたい」と述べた可能性もあります。このように、戦術を選択する際には、C グループの特性をより考慮し、C ユーザーのニーズにより適したアクティビティ、製品、割引を見つける必要があります。つまり、ユーザー特性をより詳細に理解することで、運用に役立ちます。

これは、ユーザーセグメンテーションの直感的な役割です。セグメンテーションを通じて、操作のためのより詳細なデータガイダンスが提供されます。もちろん、指導の便宜上、この例のデータは極端なものです。実際の操作では、十分に高い識別力を持つ分類次元を見つけることができれば、同様の効果が得られます。核心的な問題は、それをどうやって見つけるかということです。これがユーザーセグメンテーションの鍵となります。

2. ユーザーセグメンテーションの手順

1. ステップ1：「効果的」とは何かを定義する

このステップは非常に重要です。ユーザーをセグメント化する方法には無限のものがあります。「効果的な」セグメンテーションが何であるかを事前に明確に定義しておかないと、干し草の山から針を見つけようとして、詳細の海に迷い込むことになります。

多くの初心者はこの点を見落としがちです。ユーザーのセグメンテーションに関しては、大量のユーザー機能変数をクラスタリングモデルに詰め込もうとします。クラスタリングが完了すると、彼らは途方に暮れ、至る所でこう尋ねます。「ユーザー分類には科学的かつ権威ある基準があるのでしょうか。それに異議を唱える者は引きずり出され、厳しく罰せられるのでしょうか。」

結局、運用部門からは「一体何をやっているんだ！」と批判されました。これは、実際の業務から離れて、加算、減算、乗算、除算のみに焦点を当てているためです。

効果的な分類基準は、もちろん、運用上のニーズに基づいています。運用目標、KPI、タスクから対応するデータ指標を細分化できます。たとえば、運用のタスクは収益を増やすことです。ビジネス上の問題を分析上の問題に変換するには、以下の手順に従います。

分類基準を設定すると、セグメンテーションが効果的かどうかを確認できます。たとえば、累積消費量が多いユーザーグループを見つけることが目標です。最後に、私たちが発見したセグメント化されたグループ間の消費の違いが十分に大きいかどうか、そして私たちが本当に高額支出グループをターゲットにしているかどうかによって決まります。具体的な効果は以下の図に示されています。

2. ステップ2: 運用手段の観点から分類次元を見つける

分類基準を見つけたら、ユーザーグループ間の違いがより明確になるように、どの次元でユーザーをセグメント化するかがわかります。これはもう 1 つの大きな落とし穴です。オプションのディメンションが非常に多いためです。

多くの学生は混乱し、どのように選択すればよいのか疑問に思います。あるいは、最終的に選択した後に、運営スタッフが「なぜこのように分けているのですか？」と尋ねた。彼はこう答えました。「これは大きな違いだ！」すると彼は、ビジネスを理解しておらず、無謀なことをしていると批判された。とても落ち込んでいます...

実際、分類ディメンションをフィルタリングするための特定の標準があり、あちこち走り回る必要はありません。

（１）分類次元の選び方

①信頼できるデータソースを持つディメンションを選択する

たとえば、性別や年齢などの基本的なディメンションについては、多くの企業で厳密なデータ収集プロセスが確立されておらず、データのギャップが多く、信頼性を保証するのが難しいため、これらを使用しないでください。消費、アクティビティ、登録ソースなどの信頼できるデータを使用するようにしてください。

②操作が影響を与えるディメンションを選択する

たとえば、開発チームはデバイスモデルについて非常に懸念しているかもしれませんが、運用チームはそれを知っていても何もできないので、この時点では選択しないでください。運用チームが特に注意を払う指標がいくつかあります。例えば、運用チームがクーポンを発行したい場合、ユーザーのクーポン収集率と使用率は特に良い指標になります。

③階層化の違いが明らかな指標を選択する

いくつかの指標はそれ自体にほとんど差がなく、データの分布が非常に集中しています。この場合、それらは好まれません。分布の差が大きい指標が好まれます。

上記 3 つの基準に基づいて、干し草の山から針を探すような盲目的な実験を行うことを避け、また、運用側から「これは何の役に立つのか」と批判されることも避けることができます。

このプロセスは、リスク管理モデルを構築するときに特徴を見つけるプロセスと非常に似ていると考える学生もいるかもしれません。本当に似ていますが、違いもあります。リスク管理モデルに対応する業務アクションは「合格/不合格」のみなので、それほど考慮する必要はありません。

運用のためにユーザーをセグメンテーションする際には、活動テーマ、時間、製品、セールスポイント、コミュニケーションチャネルなど、さまざまなことを考慮する必要があります。そのため、どのディメンションが運用に役立つかを検討する必要があります。

3. ステップ3: セグメンテーションを試して結果を観察する

分類ディメンションを使用すると、分類基準を次のように分割することができます。

ここでは 3 つの非常に厄介な問題があります。

どのようなカテゴリーがあり、セグメントはいくつありますか?
分類ディメンションをいくつ追加する必要がありますか?
適切なカテゴリはいくつありますか?

結果から始めましょう。原則として、最終的なカテゴリの数は多すぎてはならず、各グループには運用上の重要性がなければなりません。

イベントを運営するには、ポスターのデザイン、グッズの準備、システムの開発、リソースの割り当ての準備などが必要です。そのため、グループの規模が小さすぎる場合は、単独でイベントを実施するのは適していません。したがって、ユーザーセグメンテーションを行う場合、グループを最大 8 つのカテゴリに制限するのが一般的です (各グループのシェアは 10% を超えます)。具体的な規模については、プロジェクトの目標や運用条件に応じて設計することができます。

この一般原則によれば、分類次元と各次元の区分は多すぎることはできないということになります。重要な寸法と重要な分割点を選択してください。

次元が多すぎる場合は、圧縮に次元削減アルゴリズムの使用を検討できます。各次元でセグメント化する場合、次の点に注意してください。単一の次元でセグメント化して、一部のセグメントが特殊であることがわかった場合、それらを自由に結合することはできません（下の図を参照）。

つまり、分類プロセスでは、最終的に理想的な結果が出力されるまで、多くのステップで繰り返し試行する必要があります。

3. 特記事項: ユーザーセグメンテーションと推奨アルゴリズムの違い

オンラインの記事の多くは、ユーザーのセグメンテーションと各個人に対するパーソナライズされた推奨事項を混同しています。言葉の上では、ユーザーのニーズを理解し、さまざまな人にさまざまなサービスを提供する効果を得るためにユーザーセグメンテーションを行う、と言う人が多いですが、ビジネスではこれらには 2 つの異なる意味があります。

特定のグループをターゲットにすることで、多くの先駆的かつ革新的なアクションを実行できます。たとえば、ハイエンドのユーザーグループを拡大したい場合は、ハイエンドユーザーを引き付けるために、新しい製品ライン、新しい報酬ポリシー、新しいサービスを立ち上げることができます。相手の好みや行動習慣を理解していれば、非常に正確に行うことができます。

しかし、新しいデザインの前提は、ユーザーが一定のサイズを持っていることであり、私にとってはそうする価値があるということです。したがって、セグメンテーションを行う際には、あまり多くの次元を考慮したり、細かく切り分けたりすることはできません。そうしないと、プロモーションが非常に複雑になってしまいます。これを世界に発表し、私たちがこれを実行していることを皆に知らせることで、群集効果を生み出し、より大きな成果を達成したいと考えています。

推奨システムにはこの制限は適用されません。推奨システムは情報チャネルを完全に閉じます。人それぞれ見方は違うので、ユーザーの反応率が少しでも上がれば大丈夫です。そのため、既存の製品を推奨し、ユーザーと製品を可能な限りマッチングさせるようにしています。

推奨システムは新しいアイデアや新しい効果を生み出すことはできず、新しい製品を設計することもできません。したがって、ビジネス目標が達成できる限り、分割の詳細さを気にする必要はありません。

4. まとめ: ユーザーセグメンテーションの本当の難しさ

プロセス全体を見ると、ユーザーセグメンテーションは原理的には単純ですが、操作は複雑であることがわかります。操作は複雑です。それはまったくモデリングプロセスではありません。むしろ、ターゲットを把握し、寸法をスクリーニングし、セグメントのサイズを把握することが重要です。これらすべてにおいてビジネスニーズを考慮する必要があります。

データと統計は多くのツール（分類ツール、次元削減ツール）を提供しますが、それらを実際に使用するには、特定のビジネスシナリオを考慮する必要があります。教科書を暗唱できる学生が不足しているわけではありませんが、不足しているのは実践的なシナリオを考慮できるアナリストです。

多くの新人はこれを理解していません。彼らに尋ねてみると: