ユーザー数が増加した場合のデータ分析はどのように行うのでしょうか?

ユーザーの成長は、仕事をしたり、仕事を探したりする上で避けられないトピックです。この記事では、ほとんどの企業がユーザー数の増加に使用している方法を 2 つの側面から紹介します。

01 ユーザー成長のための基本的な方法

1. ボリュームを購入する

インターネット企業では、トラフィックの購入が大部分を占めています。

一般的には次のように分けられます。

（１）テンセント、バイトダンス、百度のアプリマーケット、ショートビデオプラットフォーム、検索プラットフォームを含む検索エンジン広告。

（２）二次チャネル広告、無料アプリ内広告（広告を視聴することで小説を無料で読む等）、ゲーム内広告（等）、長時間動画ウェブサイト内広告等

（３）地上推進はい、その通りです。地上昇格！地上プロモーションには、大規模なものと小規模なものとがあります。大規模なものとしては地下鉄広告や広場の看板などがあり、小規模なものとしてはチラシ配布や特定ブランドとのコラボなどが挙げられます。

一般的なインターネット企業は、主に検索エンジンと二次チャネルに依存しています。小紅書、知湖、頭頂などのやや規模の大きい会場にのみ、地上プロモーションチームが設置されます。

伝統的な企業のインターネット化については、方法は似ていますが、構造は異なります。一般的に、チェーン店を運営する企業は、コストが低く、結果が早く、検索やチャネル購入の必要性が少ないため、主に店頭でのプロモーションに依存します。

したがって、ユーザー数の増加を分析する方法は業界によって異なります。これについては以下で説明します。

2. 核分裂（紹介）

この方法を使用する誰もがよく知っているシナリオがあります - Pinduoduo が価格を下げるというものです。

実際、この方法は非常に単純で粗雑に見えますが、注意を払う必要がある詳細が多数あります。

核分裂にはいくつかの決まった方法もあります。

アクティビティの分裂:アクティビティとマッチングインセンティブを設計することで、ユーザーは割引を受けるために積極的に他の人を連れてくるように促されます。これは pdd で最も一般的に使用される方法です。 TaobaoやJD.comでの共同購入注文もこのタイプの分裂に属します。
製品の分裂:一部の製品メカニズムの設計により、ユーザーは特定の時点で積極的に共有することが奨励されます。たとえば、共有すると 3 日間の VIP メンバーシップを獲得したり、ゲーム内で引いた優れたスキンや優れたカードを共有したりすることができ、これらは通常永続的です。
私的領域分裂：この方法は一般に「古い従業員が新しい従業員を連れてくる」と呼ばれ、教育訓練、医療美容、フィットネスなど、伝統的な高顧客受注企業でよく使用されています。古い従業員が新しい従業員を連れてくるというのは一般的な方法です。より大規模に運営されるものもあり、会員を代理店化し、大規模なリベートを提供して流通モデルにするといったものも出てきます。

ほとんどのインターネット企業には、アクティビティの分裂やプライベートドメインの分裂を行う専門の部門がありません。製品分裂は、設計ルールと製品ガイダンスのみを必要とし、コストが比較的低いため、最も一般的です。しかし同時に、効果は悪くなります。

3. プロセスを最適化する

このセクションの内容は、通常、AB 実験と組み合わせて使用され、ほとんどの場合、紛争を解決するために使用されます。

例えば：

ユーザーは来るが、コンバージョン率は良くない。それは製品の問題ですか、それともトラフィック購入の問題ですか? ！

製品は普及していません。入り口が深すぎるからでしょうか、それとも商品内容が良くなく、ユーザーがシェアしたがらないからでしょうか。！

時間のほんの一部はチューニングに費やされます:

複数のアクティビティプランから適切なパラメータを選択して、最適な核分裂効果を実現します。
複数の製品の場所と製品ソリューションで競馬実験を実施し、最適なパスを選択します。
コストを最小限に抑えるために、複数の異なる地域でさまざまなインセンティブスキームを試します。

プロセス最適化のようなきめ細かな作業ができる企業は、一般的にある程度の規模がある企業です。 AB実験は責任転嫁や功績争いによく使われますが、面接では必ず詳細にテストされるので注目してください。

また、本格的なチューニングを行う場合、AB 実験の原理は既に商品化されているため、一般的にはあまり重要ではありません。「一度に複数の実験をいかに実施するか」という問いがさらに重要になってきます。したがって、ビジネスで複数の AB グループが並行して実行されている場合は、AB 実験のバケット化ルールと原則を理解することで、競争力を高めることができます。

02 ユーザーの成長分析

1. トラフィック購入の作業を分析するにはどうすればいいですか?

仕事内容の例をいくつか挙げてみましょう。

（1）各アプリマーケットにはトラフィック購入に関するルールが異なります。たとえば、vivo マーケットにはバナー広告があり、露出度に応じて課金されます。 IOS 市場では一般的に、キーワードの最適化とランキングが重視されます。

（２）あるいはToutiaoコンテンツ配信を利用することもSEO/SEM配信とは異なります。一般的に、コンテンツプラットフォームには推奨システムがあります。価値あるユーザーを正確に定義し、プラットフォームにフィードバックできれば、アルゴリズムを効果的にデバッグして、広告プランの ROI を向上させることができます。

（３）各プロモーションプラットフォームによって取得できるデータは異なります。例えば、国内のビッグデータや基本APIではコストや収益などの集計データしか取得できませんが、海外のAppFlyerではユーザーレベルのアトリビューションデータを取得できます。データの粒度が異なると、分析ドリルダウンのレベルとコストも異なります。

トラフィック購入には、LTV と ROI という厳格な評価指標があります。これら 2 つの指標は、配信が適切に行われたかどうかを評価する鍵となります。したがって、購入量に関連するすべての作業は、これら 2 つの指標に基づいて実行できます。

次に、プロセスインジケーターを分解します。

（１）クリック率、直帰率、ページコンバージョン率などの商品プロセス指標に基づいてファネル分析を実施します。

（２）ソースチャネル、IPアドレス、登録期間などの基本的なユーザー属性は、MECE原則に従って分類します。

上記の分析は、ビジネスロジックから比較的離れているため、比較的定型化されています。

より詳細な分析を行うには、上記のさまざまなプラットフォームの購入知識を活用して、プロモーションプランの長所と短所、および資料の品質を判断する必要があります。スペースの都合上、一つ一つ列挙することはしません。自社で利用しているプラットフォームの特性を独自に把握し、ニーズがあれば詳細を話し合うことができます。

2. ユーザー分裂を分析するには？

ユーザー分裂の分析は、特定の作業方法にも関連しています。

活動の分裂はビジネスモデルと密接に関係しています。一般的に、最適なソリューションを見つけるために分析する必要があるのは、活動のパラメータ、活動の対象グループ、活動の形式、インセンティブの内容などです。
製品分裂を行う人は、一般的に、製品化されたコンテンツを、浸透率、共有率、共有リンクのクリック率などに分類します。
プライベートドメインの分裂に携わる人々は、キャッシュバックのインセンティブとメカニズムが合理的であるかどうか、そして詐欺防止のメカニズムがあるかどうかにもっと注意を払うでしょう。 2 つ目は、エージェントを分析し、複数レベルのエージェントの階層管理を実行することです。

同様に、ユーザーの分裂にもさまざまな種類があり、分析のための中核となる指標として分裂係数があります。

いわゆる核分裂係数の式は次のとおりです。

K 係数 = (各ユーザーが友人に送信する招待の数) * (新規ユーザーへの招待を受け取った人のコンバージョン率)

K>1 の場合、ユーザーベースは雪だるま式に増加します。 K < 1 の場合、ユーザーベースは特定のサイズに達すると自己増殖による成長を停止します。

ただし、K 係数を正確に計算するには、ユーザーの血統を理解し、ユーザーの親と子を計算することが非常に重要です。

いわゆるユーザー系統とは、A が B を紹介し、B が C を紹介し、A が C の上位であることを知る必要があることを意味します。通常、分裂係数を計算するには、少なくとも 3 層の血縁関係が必要です。

3. プロセス最適化を分析するには?

ここでのプロセス最適化は、基本的に実験分析を指します。

実験分析は次の 2 つのケースに分かれます。

（１）実験を利用して功績の付与や責任の転嫁を行うシナリオでは、事前に設定された条件、トラフィック、実行プロセスが実験の要件を満たしているかどうかを確認します。要件を満たしている場合は、T テストまたはカイ二乗テストを使用して結果を取得します。要件を満たしていない場合は、実験結果を提供せず、実験要件のみをフィードバックします。

（２）本格的な実験最適化においては、トラフィック分布が要件を満たしているかどうかを検証し、実験プロセスを適切に管理することが主な目的である。その後の実験的結論と計算は、標準化された AB プロセスに従って導き出すことができます。この状況は実際にはもっと単純です。

したがって、この部分では、基礎知識が実は鍵となります。 AB 実験の理論的根拠と、複数の実験を並行して行う技術的根拠および理解が、最終的には実験結果に影響を与えます。