前年比や前年比だけを比較しないでください。これら 5 つのステップにより、データ分析がより詳細になります。

データ分析プロジェクトを深めるにはどうすればよいでしょうか?この作業はどのような角度から深く行うことができるのでしょうか?この記事では、データ分析作業を深さに応じて 5 つのレベルに分け、ニーズからロジックまで、さまざまなレベルでデータ分析作業を実行する方法の例を示し、読者に明確なデータ分析のアイデアを示します。この記事はデータ分析に興味がある人に適しています。お役に立てれば幸いです。

多くの学生は、データ分析が十分に詳細ではなく、PPT には前年比と前年比の比較しか含まれていないと常に感じています。それで彼らは何をすべきでしょうか?今日は、具体的な例を使用して詳細なデータ分析プロジェクトを実行する方法を紹介します。

1. 深度レベル: レベル0

ある日、あなたは「当社のアプリに新しく追加された機能 A を確認し、過去 5 日間に 1 回以上使用した人の数を確認してください (重複排除済み)」というリクエストを受け取ります。この問題は単純すぎる。 「過去 5 日間の累計ユーザー数は 10,000 人です」という数字を入力するだけで完了です。

しかし、このような分析はまったく深くなく、そもそも「分析」と呼ぶことすらできません。単に数字をあげるだけです。実際、要求が非常に具体的なデータ収集指標 + 統計時間である場合、これは単に数字を取るだけであり、これは 0 番目のレベルの詳細な分析の場合に当てはまります。

2. 詳細レベル：レベル1

ある日、あなたは別のリクエストを受け取ります。「当社のアプリに新しく追加された機能 A をチェックして、過去 5 日間で何人の人がそれを使用しているかを確認してください。」

前の質問と似ていますが、「何人」というのは明確な指標ではなく、一般的な表現であることに注意してください。詳細は次のとおりです。

1. 5日間に1回以上利用した人（重複を削除）
2. 過去 5 日間で何回使用しましたか (重複排除なし)?
3. 5日間で毎日何人使いますか？
4. 5日間のうち、5日、4日、3日、2日、1日の合計で利用した人は何人ですか？
5. 5 日間で各周波数を使用する人数 (1、2、3...10、10 回以上)

…

いくつかの指標を組み合わせることによってのみ、これが何人であるかを明確に説明できます。面倒すぎると思う学生もいるかもしれません。彼は来た人の数を気にしていないのだろうと私は思い込んでいました。実際、仕事で何度もデータ収集をしたり、残業したり、業務側からデータを求めて追われたりするのは、すべて「要件を明確に確認せず、業務側が望まない指標をデフォルトにしてしまう」ことから始まったのです。特に企業に「どのような口径のものが欲しいですか？」と尋ねると、企業はこう言うでしょう。「全部見てください。」このとき、繰り返しのやり直しを避けるために、事前にもっと多くのことを考えておくのが最善です。

このような積極的な思考が、詳細な分析の出発点となります。これらの指標はビジネスに役立ちます。

1. 重複ユーザーの数を見ることで、総ユーザーの浸透度を評価できます。
2. 一日あたりの訪問者数を見ると、発展の傾向がわかります
3. 各タイプの累計使用日数を確認することで、ヘビーユーザーがどれくらいいるのかがわかります。
4. 各タイプの累計使用日数を確認することで、ヘビーユーザーがどれくらいいるのかがわかります。

さらに、レベル 0 の結果がレベル 1 の出力の一部になることがわかりました。フォローアップについても同様です。深く掘り下げていくと、設計する指標と次元が増え、問題はより複雑になります。

3. 深さレベル: レベル2

ある日、あなたは別のリクエストを受け取ります。「当社のアプリに追加された新しい機能 A をご覧ください。過去 5 日間にこの機能を使用した人々の支払い行動は、他の人々よりも優れていますか?」

ここでは明確なデータ指標がないので、まず問題を分析する必要があることに注意してください。

1. 対象は、過去 5 日間に機能 A を使用したユーザーです。まず何人の方が使っているのでしょうか？最初の深さレベルのすべてのデータをここに追加する必要があります。
2. 有料行動: 有料行動は一般的な用語です。支払い金額ですか、それとも頻度ですか?明確に説明していない場合は、まず取り出して見てください。
3. 他よりも優れている点: その他とは何でしょうか?すべてのユーザー、またはこの機能を使用しないユーザー。問題のシナリオから、過去 5 日間に機能を使用しておらず、少なくとも 1 回はアクティブであったユーザーを区別して、比較可能性を実現する必要があります。

分解はこれら3つのステップで行います。この不明確な要件は、データ取得要件に変換できます。

1. 過去5日間に機能Aを利用したユーザーの基本情報（ユーザー数、利用日数分布、利用頻度分布）
2. 過去5日間に機能Aを利用したユーザーの支払い行動（割合、過去5日間の有料ユーザーの累計支払い額、過去5日間の支払い頻度、1人あたりの平均支払い額、1人あたりの平均支払い回数）
3. 過去5日間に機能Aを利用していないアクティブユーザーのアクティブ日数、支払率、支払額、支払頻度、1人あたりの平均支払額、1人あたりの平均支払回数

このように、2 つのグループを比較することで結論を導き出すことができます。しかし、そうするとすぐに次の疑問が生じます。「なぜ A を使用する人は他のグループよりも A を多く/少なく使用するのか?」

IV.深度レベル: レベル3

ある日、あなたは別のリクエストを受け取ります。「機能 A を使用して支払う方がよい理由を分析してください。」まずそれが真実かどうかを尋ね、次になぜそうなのかを尋ねることが、質問に答えるための基本的な要件であることに注意してください。したがって、問題を分解するときは、まずレベル 2 の詳細な宿題を完了する必要があります。 「Aの支払いの方がよい」ということが確認できたら、その理由を分析することができます。

原因を分析する際には仮定が重要です。需要は機能Aに集中しているので、機能Aが有用であるかどうかが鍵となります。理由を分析する場合、証明するよりも反証する方が簡単なので、まず「機能 A のユーザーは全員高額支払いグループである」などの明らかに間違った回答を排除し、「機能 A は有料コンバージョンに役立つ」という回答を直接排除することができます。

しかし、これは論理的には成り立ちません。なぜなら、

1. 消費量自体は高いが、A機能を使用するとさらに高くなる
2. 消費量自体は高いが、Aを使用していない人よりも高い
3. 消費量が少ない人も、
4. 消費量が少ない人にとって、A を使用しないことは消費量をさらに減らすだけです。

…

データを見ると、グループ A の消費量は当然ながら非グループよりも高いのですが、それでも除外する必要がある可能性が少なくとも 4 つあります。そのため、仮説ロジックツリーを明確にリストアップし、可能性を一つずつ確認する必要があります。これはまた、私たちが言うことですが、ある観点を検証するには、肯定的な側面と否定的な側面の両方の例を見つける必要があります。

ここでも反論があることに注意してください。すべて過去のデータ分析に基づいているため、反論の観点は「機能 A はこの少数のユーザー グループしか引き付けることができず、拡張することはできない」または「ユーザー A は単に新しいことを試しているだけであり、しばらくすると効果はなくなる」となる可能性が非常に高くなります。これら 2 つの観点はどちらも将来のデータ状況に関係するため、結論を出すまでに観察期間が必要です。

それほど長く待てない場合でも、テストは可能です。例えば、「拡大できない」という点を検証するには、機能 A を積極的に他のグループに推進し、機能 A の増分効果と保持効果を観察することができます。増分効果が小さい場合、または増分効果はあっても保持効果が悪い場合は、拡大できないと推測できます。詳細な分析を行う場合は、テストと長期にわたる観察が不可欠であり、適切な結論が出るまでには時間がかかります。

5. 深さレベル: レベル4

ある日、あなたは別の要件を受け取ります。「機能 A がユーザーに与える影響を分析してください。」問題はより単純に表現されているように見えますが、解決はより複雑です。レベル 0 からレベル 3 までは、「支払い」の影響についてのみ説明しましたが、実際にはアクティビティ、保持、紹介など、さらに多くの影響がある可能性があります。包括的な結果を得るには、各方向でこのような長い分割と分析のプロセスを経る必要があります。

この時点で、私たちの分析は非常に詳細になっています。興味深いことに、私たちの問題は実は非常に単純です。実際、次のような質問があった場合:

1. 明確な指標を持つ
2. 指標が良いか悪いかを判断する明確な基準がある
3. 指標間には明らかな影響の論理がある
4. クローズドなビジネスシナリオに基づいており、テストが容易

そうすれば、この問題は簡単に解決できます。

しかし、実際の問題は多くの場合次のとおりです。

1. 口語
2. 複数の側面を含む
3. 明確な判断基準がない
4. 影響を与える要因はたくさんある
5. ゆっくりテストする時間もスペースもありません

この時、最初から始めて少しずつ整理していくこともできます。この記事の順序を逆にすると、ビジネス上の問題のシナリオを最初から整理することになります。

もちろん、すべての分析を最初から最後まで実行する必要はありません。

• 質問する人が全く何も知らない可能性もあります。この場合、まずレベル 1 の深度データを提供して認知能力の構築を助け、次にレベル 2 の深度データを提供して違いに注意を向けるように導くことができます。
• 質問する人は漠然と話しているかもしれませんが、明確な目的を念頭に置いている可能性があります。この時点で、詳細なコミュニケーションを実施してニーズを明確にすることができます。
• 質問する人は厳密な議論を必要とせず、何らかの証拠に基づいて結論を急ぐ準備ができている可能性があります。この場合、彼が最も混乱している点について議論するだけで済みます。

この時点でしてはいけない唯一のことは、コミュニケーションを避けたり、その場で数字をいくつか考え出したり、インターネットでいわゆる「モデル」を見つけて機械的に適用したりすることです。このように密室で仕事をしていると、やり直しや残業、非難されることはよくあることです。

あるビジネスシナリオにおいて、多くの検証を実施し、ビジネス問題の主要な指標 + 判断基準 + 因果関係を実証している場合は、この時点でそれを直接適用できます。これを私たちはビジネス分析モデルと呼んでいます。しかし、それが解決されるまでには、特に因果関係についての議論を中心に、さらなる議論が必要です。詳細に行われなければ、数分以内に顔を叩かれることになります。

著者: 地に足のついた教師チェン

出典：WeChat公式アカウント「地味な陳先生」