数千万、あるいは数百万のユーザーを蓄積した場合、その後のコンバージョンのために価値の高いユーザーをどのようにフィルタリングしますか?

皆さんこんにちは。PM Damingです。これからは私の生活や仕事の様子を少しずつここでシェアしていきたいと思います。

ケース分析:

同社はオリジナル製品を通じて既存ユーザーを既に獲得しているが、製品エコシステムの特性上、ユーザーの定着率や利用時間は市場の人気度に応じて変動する。ユーザーエコシステムの欠点を補い、同時に新規事業を拡大するため、補完製品の開発に着手した。新製品には、早期のクローズドベータテスト、データ収集、ユーザーからのフィードバック、バグレポートといった早期プロモーションが必要となる。

質問があります:

「初期投資とプロモーション予算が限られている中で、数千万、数億人のユーザーの中から価​​値の高いユーザーをどうやって選別するのでしょうか？」

3秒間考えさせてください。コメント欄に答えを入力してください。

3、2、1。

大丈夫。

しかし、答えは重要ではないということを申し上げたいのです。その理由については、以下のコンテンツでモデルを共有します。

RFM モデルはこれを実現できます。

では、RFM モデルとは何でしょうか?

RFM モデルは、ユーザー価値とユーザー収益性を測定するための重要なツールおよび手段です。

ユーザー価値の調査やユーザーオペレーションの洗練化に多く利用されており、ユーザーニーズを正確に把握して戦略の効果を最大化できます。

インターネット、小売、電子商取引、銀行、通信など、複数の業界やシナリオに適用できます。

RFM モデルの定義:

最近: 直近の購入とは、ユーザーが最後に購入した時期を指します。理論的には、直近の購入が比較的最近のユーザーは、すぐに購入できる商品やサービスに反応する可能性が高く、リピート購入やロイヤルティ獲得につながります。

購入頻度：購入頻度とは、ユーザーが特定の期間内に購入する回数を指します。重要なのは、消費者の購入頻度を高め、購入頻度の低い顧客を高頻度の顧客へと転換させることです。頻繁に購入する顧客は、通常、最も高い満足度とロイヤルティを有します。

金額：支出額はデータベースレポートの中核です。理論的には、M値とF値は同じで、どちらも時間範囲を持ち、一定期間内の支出額を示します。そのため、一般的な製品の場合、M値は顧客セグメンテーションに比較的弱い影響を与えます。

次に、結果を平均値（中央値）と比較し、定性的な説明（高いか低いか）を得ます。最後に、ユーザーを8つのカテゴリーに分類します。ユーザーセグメンテーションは、製品独自のユーザープロファイルを使用してカスタマイズできます。

具体的な運用手順は上記の事例とモデルに基づいています。

予備データの準備:

ユーザー カテゴリ テーブル: ユーザー ID、再チャージ時間、再チャージ金額などのユーザーの再チャージ取引履歴。

シートベルトを締めて、しっかりつかまって、高速道路に乗る準備が整いました!

データ処理:

最初のステップ:

データサンプルの一部を選択して、充電時間とデータ取得時間の差を確認してください。ここで使用しているデータサンプルはダミーデータであり、主に操作手順の説明に使用されます。

画像の通り、「距離（日数）」列が新たに追加されました。データ取得時間列「D2」から充電時間を差し引くことで、最初のユーザーの移動距離（日数）を計算できます。マウスの左ボタンをダブルクリックすると、「E2」列全体が塗りつぶされ、列全体の移動距離（日数）が計算されます。

ステップ2:

すべてのデータを選択してピボット テーブルを作成します。

「user_id」列を下の領域にドラッグし、「user_id」、「amount」、「days resting」を値領域にドラッグします。

計算ディメンション: user_id 数、金額の合計、前回の計算以降の最小日数。

「user_id」の値計算ボタンを左クリックし、「値フィールドの設定」を選択し、「計算タイプ」で「カウント」を選択して「OK」をクリックすると、各ユーザーの購入頻度が取得されます。

「金額」の値計算ボタンを左クリックし、「値フィールドの設定」を選択し、「計算タイプ」で「合計」を選択して「OK」をクリックすると、各ユーザーの合計チャージ金額が取得されます。

「距離（日数）」の値計算ボタンを左クリックし、「値フィールドの設定」を選択し、「計算タイプ」で「最小値」を選択して「OK」をクリックすると、ユーザーの最新の購入間の時間差が取得されます。

完成したピボット テーブルから新しいワークシートにデータをコピーし、数値型として貼り付け、各列の名前を新しいフィールドに変更し、「R」、「F」、「M」フィールドを追加して、合計行のデータを削除します。

ステップ3:

R、F、M 値を計算します。

セル E2 に「=IF(B2<AVERAGE(B:B),"Low","High")」と入力します。これにより、最新の購入日が平均未満のユーザーの R 値が「Low」に、それ以外のユーザーの R 値が「High」に設定され、列全体の R 値が生成されます。

「R」列を入力し、同様に右側の「F」列と「M」列を入力します。

「RFM」という名前の新しいフィールドを作成し、セル H2 に「=E2&F2&G2」と入力して RFM 値を取得します。

VLOOKUP関数は、事前に用意されたユーザータイプを新しいテーブルに代入します。新しい「ユーザータイプ」フィールドを作成し、セルI2に「=VLOOKUP(H2,ユーザータイプ!E:F,2,0))」と入力して、各ユーザーのタイプを取得します。

Excelスプレッドシートで作成したRFMモデルはこれで完成です。次のステップは、プロモーションやその他のマーケティング活動の実際のニーズに基づいて、リストから質の高いユーザーを絞り込むことです。