1 つのレポートでデータ分析をマスターし、株式変換を活用できます。

複雑で多様なデータ指標に簡単に惑わされてしまうことはありませんか?以下の記事は、データ分析における運用レポートの著者独自の最適化です。一緒に見てみましょう！

従来のマーケティングとインターネット マーケティングの間には、詳細なデータ分析が適切に行えるかどうかという重要な違いがあります。データ分析は謎だと感じる人は多いです。実は、データ分析をうまく行うことは簡単ではありません。

複雑で多様なデータ指標に圧倒されてしまうのは簡単です。従来のデータ分析には、データの収集、データのクリーニング、データ分析、データの最適化が含まれます。しかし、実際のプロジェクトに直面したときに、実戦でどのように分析をうまく行い、それに応じて課題に対応するかが重要です。

2018年以降は、これまでの蓄積とデータ分析のプロセスを組み合わせて、企業の在庫の変容の研究に注力し始めました。データ分析における運用レポートに多くの最適化を加えました。今日は、既存の業務におけるデータ分析についていくつかお話ししたいと思います。

1. 在庫管理、コンバージョンファネルの進化

データ分析の核となる価値は、業務にデータの結論を提供することにあります。一連の運用アクションが実行された後、具体的なデータフィードバックは何ですか?データ結果を通じて運用戦略を最適化します。データ分析を適切に行うには、まず古典的なデータ分析モデルであるコンバージョン ファネル モデルを理解する必要があります。

コンバージョンファネルを簡略化すると、チャネル、ディスプレイ、クリック、コンバージョンの 4 つのリンクに分けることができます。参考までに、ユーザーのアクティビティ参加例を示します。

1. チャネル

これは、さまざまな種類のトラフィックのソースを指します。パブリックドメイン、プライベートドメイン、トラフィックを取得できるオンラインおよびオフラインの場所は、チャネルとして理解できます。既存の運営の場合、一般的なチャネルとしては、アプリ/ミニプログラム/コミュニティ/公式アカウントなどのユーザータッチポイントが挙げられます。

2. ディスプレイ

アクティビティを計画し、これらのチャネルで実行したとしても、すべてのユーザーにリーチされることが保証されるわけではありません。たとえば、アプリにバナー広告を掲載した場合、多くの人がそのアプリを頻繁に開かないため、おそらく少数の人しかその広告のアイデアを目にしないでしょう。 100 万人のユーザーベースを持つ公開アカウントが記事をプッシュした場合、読者の数は 1 万人だけになる可能性があります。この方法では、チャネルの潜在的なトラフィックと実際の表示の間に損失が発生します。表示するチャネルはファネルの最初のレベルです。

3. クリック

あなたのアクティビティが他の人に見られていても、参加を希望するユーザーの 100% が参加することを保証するのは困難です。広告の創造性が魅力的かどうか、活動の餌が十分に刺激的かどうか、そして細かい部分がうまくできていないと、参加する人はほとんどいないでしょう。何層もの審査を経ると、参加者は少なくなり、最終的には少数の価値あるユーザーだけが参加できるようになります。クリックするためのディスプレイはファネルの 2 番目のレベルです。

4. 変換

これがこのイベントの究極の効果です。一般的な行動には、公開アカウントのフォロー、Xiaohongshu アカウントのフォロー、Douyin アカウント データのフォロー、APP のダウンロード、メールの登録と投稿、オンライン コミュニケーション、オンライン相談、オンライン有料購入などがあります。クリックからコンバージョンへの変換は、ファネルの 3 番目のレベルです。左側に従来のコンバージョン ファネル モデルが表示されており、ファネルの各レベルは徐々に減少しています。

既存のボリュームを増やすことで、従来のファネルモデルをある程度変更し、主に表示からクリックまでのリンクに焦点を当てることができます。クリックリンクのトラフィックは、ソーシャル リレーションシップ チェーンを通じて増幅されます。有料トラフィックと比較すると、口コミによるトラフィックコストは低く、コンバージョンを獲得しやすくなります。

既存のユーザーが十分な数の新規ユーザーを呼び込むため、ディスプレイ、チャネル、クリック、コンバージョンの 4 つのリンクのそれぞれのデータが大幅に変化しました。漏斗の形状が若干変わります。この点は過去のプロジェクトの実践でも検証されています。

既存の顧客を通じて新規顧客を呼び込むという事前に計画されたアクティビティでは、アクティビティのゲームプレイが適切に選択されていれば、ユーザーの参加パスは十分にスムーズになります。古いユーザーは多くの新しいユーザーを生み出す可能性があり、これにより外部共有ページに参​​加するユーザーの数が直接増加します。高品質のユーザーベースを持つことは、その後のコンバージョンの前提条件です。

2. 在庫操作、ユーザーレポートの設計方法

既存ユーザーの大幅な増加を達成したい場合は、ユーザーを階層別に管理する必要があります。ユーザーの階層管理をレポートを通じて反映するにはどうすればよいでしょうか?まず、ユーザーの初回注文コンバージョン率、ユーザーの 2 回目の購入率、ユーザーの複数回購入率といういくつかの概念を理解しましょう。これらの指標をレポートに表示できれば、その後のデータ分析で多くの時間を節約できます。

在庫を増やすためには、ユーザーに対して段階的な運用を行う必要があります。科学的なユーザーレポートを設計することで、ユーザーの一次コンバージョン率、二次再購入率、複数回再購入率を迅速に把握し、そのデータを使用してプラットフォーム上のユーザーのフィードバックを直感的に感じることができます。たとえば、初回注文のコンバージョン率やリピート購入の GMV の割合などです。

データレポートのセットですべての問題を解決できるわけではありません。実際のプロジェクト運用では、基本的にプロジェクトの特性を踏まえたターゲット設計が必要となります。重要な点は、レポートの背後にある設計ロジックを理解することです。既存ユーザーの運用においては、レポートを通じて価値あるデータを直感的に表示する方法。それが、上記で述べた初回購入、リピート購入、複数購入の価値データです。以下のテンプレートは参考用です。

このレポート テンプレートを左から右、上から下に観察します。表のヘッダーは、左から右に、カテゴリ、データ インジケーター、データ インジケーターの定量化、データ メモ、および時間です。

カテゴリ列は事業ライン、つまり製品ラインです。たとえば、会社が 3C デジタル製品を販売している場合、カテゴリ列には表示する必要があるビジネス データを表示できます。ここで、より具体的な「Business Line = 3C Digital」に変更することもできます。ビジネスラインが複雑な場合は、ここでレポートのデザインを調整する必要があります。

このデータ指標の列では、ユーザー層別データを初回購入、2 回目の購入、複数回購入などに分類します。また、既存のユーザー操作のいくつかのコア指標も分類します。

データ指標の定量化は、GMV 式の分解であり、GMV データ、注文量データ、平均顧客単価、およびこのデータ指標が総 GMV に占める割合を細分化します。これは、GMV 式の各要素を分解し、データ レポートに 2 次元の状態を表示することと同じです。

データ ノートはこのデータ指標の列の定量的指標の補足説明であり、オプションです。表にはデータ指標に対応する説明が記載されており、比較的直感的です。

時間。ここでは月を例に挙げます。ビジネスニーズに応じて、日、週、四半期、年に変更できます。

この運用レポートには 2 つの中心があります。

1. 1 つ目は、既存ユーザーの階層化された操作を中心に展開されるレポートのロジックです。
2. 2 つ目は、ユーザーの初回購入、2 回目の購入、複数回の購入の詳細な内訳を提供するデータ インジケーターです。このレポートはアイデアの参考としてのみご利用ください。実際のプロジェクトはビジネスニーズに応じて設計する必要があります。

3. 既存業務、ユーザーレポート事例（その1）

レポートがどれだけ美しくデザインされていても、問題を解決できなければ役に立ちません。上記のユーザーレポートを日常業務に適用する方法。ここでは実際の事例を分析し、データ分析がどのようにビジネスを推進するかについての理解を深めます。

データ分析を行う際には、データの蓄積を意識する必要があります。データが一定レベルまで蓄積されて初めて分析が可能になります。一方、データの安定性は、データが一定のレベルまで蓄積されたときにのみ判断できます。一方、プロジェクト開始時にデータ量が不足していると、判断ができません。しばらくデータを実行してみましょう。

表内のデータは、特定の項目のデータの一部を取得します。プロジェクトは3月末に開始されたため、3月のデータ量は比較的少ないです。しかし、プロジェクトの成長率は依然として比較的速く、3月の数万人から4月には55万人、5月には76万人、そして6月以降には100万人を超えています。

既存ユーザーの行動をデータを通じて分析したいため、いくつかのコア指標を整理する必要があります。ここでは、ユーザーコンバージョンディメンションのデータの平均値が分析され、実際に多次元分析を追加することができます。

ユーザーコンバージョンディメンションのデータによると、プラットフォームの既存ユーザーの初回支払いコンバージョン率の平均は 22%、プラットフォームユーザーの初回再購入率の平均は 3%、プラットフォームユーザーの複数回再購入率の平均は 74% です。データからは、2回以上購入するユーザーのGMVデータが比較的高い割合を占めていることがわかります。これは、ユーザーの再購入が収益に大きく貢献していることを意味します。

プラットフォームユーザーが料金を支払う限り、ユーザーの維持率と再購入率は良好になります。同時に、ユーザーの初回注文のコンバージョン率や、初回注文から2回目の購入への比率を改善する必要があることもわかりました。プロジェクトが解決しなければならない問題は、ユーザーの 1 回目の購入のコンバージョン率と、ユーザーの 1 回目の購入から 2 回目の購入へのコンバージョン率をどのように向上させるかということです。

こうした高密度なデータから有効な情報を抽出し、分析するというアイデアはおわかりいただけたでしょうか。

IV.既存業務、ユーザーレポート事例（その2）

「問題を見つける - 問題を解決する」、データから最適化できる部分を見つけ出し、戦略的な調整を行います。データはビジネスの成長を促進し、データの価値を活用します。上記で導き出されたデータの結論は単なる支点に過ぎません。

既存ユーザーの一次購入コンバージョン率と一次購入から二次購入への転換率をさらに最適化する必要があるため、この 2 つの問題を中心に戦略的な調整を行うことができます。以下の戦略は、当時のプロジェクトの特性と既存のリソースに基づいて策定されたものであり、参考目的のみに使用されます。

1. 一次変換: トラフィック、製品、サービスの 3 つの視点

1) トラフィック面では、アプリ内の広告スペースの露出を増やし、PUSHプッシュ頻度を1回/日から2回/日に調整し、古いユーザーへのSMSプッシュ回数を増やし、パブリックアカウントのツイートに固定の広告スペースを埋め込んで製品の露出を拡大し、結果の良いチャネルへの投資を増やし、平均的な結果のチャネルは適時に停止します。

トラフィック面における中核戦略は、イベントの露出を増やすことです。それは広告の秘密の一つのようなものです。繰り返す！繰り返す！繰り返す！

2) 商品面では、パッケージ価格/組み合わせ価格など商品の割引範囲を最適化します。ユーザーに新鮮さを感じてもらうために、よりクリエイティブなアクティビティとして適切にパッケージ化します。さらに、特にAPPサイト内では、最適化後に製品リンクがより簡潔になり、ユーザーの支払いプロセスが短縮され、よりスムーズなユーザーエクスペリエンスが提供されます。

3) サービス面では、1対1のコミュニティサービスを強化し、有料ユーザー向けのVIPコミュニティを構築します。友人の輪の中で一定のリズムでアクティビティ情報をプッシュすることで、ユーザーの習慣を育み、製品に対するユーザーの理解を深めます。

2. 初回注文を2回目の購入につなげる：活動運営とコミュニティ運営の次元

アクティビティ運営、既存ユーザーが新規ユーザーを呼び込むためのアクティビティを設計し、既存ユーザーがプラットフォーム情報を広めるよう促します。招待された新規ユーザーが支払いに成功すると、既存ユーザーにキャッシュバックが提供され、既存ユーザーはより多くの報酬を得ることができます。活動自体には追加のコスト投資は必要なく、製品販売による利益の一部を受け取るだけです。

コミュニティ運営、高品質なKOCの発掘、ビデオライブ放送の活用によるより価値ある配信専門家の育成。

上記の戦略調整を通じて、データと組み合わせて継続的な最適化と反復が実行されます。

高品質なデータ分析は、業務のコンバージョンを向上させるための重要な手段です。データのサポートなしでの操作は、盲人が象に触れるようなものです。データはビジネスの成長を促進します。これらはほんの数語のように見えるかもしれませんが、その背後にある作業は退屈で詳細なものです。データの秘密は「1.01 の 365 乗」という詳細に隠されています。 「0.99の365乗」。データ分析を通じて隠された「0.01」を見つけようとすると、大変な労力がかかります。

著者: Hu Xianwu;公式アカウント: Wenli Marketing Notes