ユーザー行動に関する要件がこれほど多い場合、どうすれば良いでしょうか？参考までに、著者が「ユーザー行動分析」のガイドを作成しました。

ユーザーの行動は実に多種多様です。このような分析依頼に直面すると、どこから始めればいいのか分からず、分析後に「分析が不十分だった」と不満を言われたり、「焦点が定まらず、何も分析していない」と批判されたりすることが問題となります。

私たちは何をすべきでしょうか?

I. ユーザー行動分析におけるよくある間違い

間違い1：インジケーターをランダムに設定して混乱を招く

最も典型的な例は、性別、年齢、職業、身長、体重といった基本的なユーザー情報をリストアップすることです。ユーザー行動分析では、基本情報ではなく、行動に焦点を当てるべきです。関連性のない指標が多すぎると、インターフェースが乱雑になり、混乱を招くだけです。

エラー 2: 判断せずにデータをリストします。

最も典型的な例は、ユーザーのログイン数、クリック数、ページのリダイレクトといった大量のデータを列挙することですが、実際にはそこから何がわかるのでしょうか？結論は何も得られません。このようなものは「分析」と呼ぶべきではなく、単なるデータの提示に過ぎません。一方、分析には結論、疑問、そして解決策が不可欠です。

間違い 3: 物事を文字通りに受け止め、急いで結論を出す。

これは最も一般的なタイプの分析です。

• ログインするユーザーが減っているので、[何か]を増やす必要があります。
• この製品は需要が高いので、もっと販売する必要があります。
• このコンテンツは多くのユーザーからクリックをいただいておりますので、今後も引き続き公開してまいります。

基本的に、データが低い場合は上げ、高い場合はそのままにしておく、ということになります。その結論はあまりにも馬鹿げていて、事業部でさえ嘆いています…

これらすべての問題は、各部門がユーザー行動の主要な焦点を理解していないことに起因しています。これらの優先事項が理解されていないと、結論を導き出す方法を考慮せずにデータが断片化され、結果としてメリットよりもデメリットが大きくなります。この行き詰まりを打破するには、ユーザー行動の分析から企業が具体的に何を得ることができるのかを真剣に検討する必要があります。

II. ユーザーの行動とは何か?

企業の内部システム内で生成され記録できるユーザー ID は、ユーザー行動と呼ばれます。

完全なユーザー行動には 6 つの要素が含まれます。

• 時間: それはいつ起こりましたか?
• 場所: XX チャネル/プラットフォーム/システムで発生
• 人々: 誰が関わっていたのですか?
• 原因: 最初の行動
• パッセージ：すべての行動の連鎖
• 結果: 行動の結果

これらの要素は、プラットフォームによって表現が異なります (下の画像を参照)。

ユーザー行動を収集する方法は、システムプラットフォームによって異なります。一般的な方法は以下の3つです。

1. バックエンドレコード: ユーザー登録フォーム、サービスリクエストフォーム、取引注文など。

2. イベントトラッキング：アプリ、ミニプログラム、H5 でのユーザーの閲覧履歴。

3. 営業担当者からのフィードバック: 営業、カスタマー サービス、アフター セールス担当者から提供される情報。

つまり、ユーザー行動関連のメトリクス データが多数存在し、複雑で、整理されていないように見えるのは、ユーザー行動自体にさまざまな形態があり、具体的なビジネス ニーズを考慮しなければ明確に説明できないためです。

III. さまざまなビジネスの要件

ビジネス関係者がユーザーの行動に重点を置くシナリオは 4 つあります。

シナリオ 1: 何も分からないので、待ってみましょう。

一般的な例としては次のようなものがあります:

• 新しい役人はその状況を知らない。
• 新しい事業ラインであり、事後分析は実施されていません。
• 新年の初めには、さまざまな新しい計画を立てる必要があります。

つまり、基本的な状況に対する理解が欠如しているのです。

このような状況では、詳細な概要よりも大まかな概要、そして正確な概要よりも包括的なアプローチが望ましいです。まず、上司や同僚に状況を把握してもらうために、大まかな概要を伝えます。その後、具体的な話題が出てきたら、（下の図に示すように）分析を掘り下げていきます。そうしないと、些細な詳細から始めると、相手は簡単に圧倒され、「一体これは何のこと？」と疑問に思うでしょう。

シナリオ 2: 特定の意図を持って、結果に焦点を当てます。

このような状況は、特定のビジネスプロセス、製品機能、またはコンテンツのリリース後に発生するのが一般的です。ビジネス側の目標は非常に明確で、それがどれだけ適切に実行されているかを確認することです。

一般的な例としては次のようなものがあります:

• コンテンツ セクション: ユーザーのクリック、ディスカッションへの参加、共有アクション。
• 特徴: ユーザー数、使用頻度、使用期間
• 製品: ユーザーの閲覧、購入、リピート購入、大規模な一回限りの購入

この時点では、詳細に立ち入ることはなく、ビジネスに関係する機能に焦点を当て、大きいものから小さいものへとデータを提示する必要があります (下の図を参照)。

警告！ユーザー行動分析における最初の大きな落とし穴は、ユーザーアクティビティの増加が必ずしもパフォーマンスの向上につながるわけではないということです。例えば、eコマースでは、オペレーション側がアクティビティレベルを高めるために「木に水をやり、木を植えて割引をゲット」というキャンペーンを熱心に開始したとしても、ユーザーはゲームをしたり割引を待ったりして、結果として注文数が減ってしまう可能性があります。

この時点で、マトリックス分析、前後比較、行動関係分析などの方法を使用して、この行動がパフォーマンスに与える具体的な影響を調べることができます (下の図を参照)。

シナリオ3：パフォーマンスのプレッシャー、圧倒感

このような状況では通常、特定のビジネスプロセスの評価が伴い、このプロセスは多くの場合、中核的なプロセスとなります。例としては、新規ユーザー登録、大規模イベントへの参加、取引プロセス、重大な問題に関する苦情処理などが挙げられます。

この時点では、分析対象は非常に具体的です。

• 登録コンバージョン率を上げたい！
• イベントへの参加者を増やす必要があります!
• コンバージョン率は高くなければなりません!
• 根本的な不満を断固として解消しなければなりません！

明確な目的が定義されたこのタイプのユーザー行動分析は、おそらく最もシンプルで容易な分析と言えるでしょう。その核となる考え方は、以下の4つのモジュールで構成されています。

ここで注目すべき点は、多くの学生が転換プロセス分析を直接挿入していることです。これは過度に詳細なデータを提示し、全体像を見失いやすくします。「良い」か「悪い」かの判断は常に最優先事項であるべきです。「良い」か「悪い」かの判断さえ誤っていれば、その後の因果分析はすべて誤ったものになります。したがって、全体的な状況を評価し、それが許容できるかどうかを判断することが最優先事項であるべきです。

もう一つのポイントは、多くの学生が見落としがちな改善策分析です。ユーザー行動分析における2つ目の大きな落とし穴は、「何が起こっているかは分かるが、なぜ起こっているのかは分からない」分析であるということです。ユーザー行動は様々な要因の影響を受けますが、現実のビジネス現場では、実験室のようにすべてのプロジェクトで制御変数を用いた分析を行うことは不可能です。事前にA/Bテストを実施しても、実際の展開時にはタイミングや状況によって様々な差異が生じます。

そのため、実際に問題が発生した場合は、原因を短期間で分析できない可能性が非常に高く、あるいは原因が大まかにわかっていても、キャンペーンを中止したり、チャネルを変更したりする手段がありません。このような状況では、ユーザーがコピーライティングを嫌っているのか、それとも製品自体を嫌っているのかにこだわるのではなく、「状況を改善するために他に何ができるだろうか？」という視点で取り組むべきです。

したがって、改善策の分析は不可欠です。これは、「このプロセスはうまくいかない！」と叫ぶよりもはるかに価値があります。だからこそ、データによってユーザーのコンバージョンパスに問題があることが明らかであっても、ビジネスチームは「建設的ではない」と嘆くのです。「もうだめだ！もうだめだ！」と絶えず叫ぶ破滅の予兆を好む人はいません。人々は「これを試してみて！これを試してみて！」と聞きたいのです。

シナリオ4: 状況が不明瞭で、疑わしい。

このような状況は、特定のビジネス機能のパフォーマンスが低下しているにもかかわらず、ビジネスチームに明確な仮説がない場合によく発生します。「ユーザー行動をさらに深く掘り下げて原因を探ってみよう」と考えるかもしれませんが、実際には、何を掘り下げればよいのか、どのような原因が明らかになるのかさえ、ビジネスチーム自身も分かっていない可能性があります。

これは分析の目的が全く明確ではないため、最も困難な状況です。基本的なアプローチは2つあります。

アプローチ 1: ビジネス チームはまず対象顧客を特定し、次にそれらの顧客の行動を観察します。

アプローチ 2: まず、特定の行動をとる高頻度顧客を特定し、次にビジネス チームに「これが希望どおりですか?」と質問します。

つまり、極限の状況では問題を解決するためのインスピレーションを見つけるのが簡単になります。

例えば、ポイント交換に関して、ビジネスチームはサービスに欠陥があると感じているものの、その理由を正確に特定できない場合があります。このような場合、下の図に示すように、2つの異なる視点からデータを分析できます。

高価値ユーザーが特定のギフト交換を好んでいることがわかった場合、彼らを惹きつけるためのギフトスキームを設計できます。ヘビーユーザーが明らかに「クーポンハンティング」を行っていることがわかった場合、それに応じて報酬ルールを調整できます。つまり、ユーザーグループ間の行動の違いが十分に大きい限り、戦略を策定できるのです。

IV. 要約

上記の4つの状況からわかるように、同じデータであっても状況に応じて提示方法が異なります。そのため、学生は業務においてビジネス要件を綿密に理解する必要があります。

多くの学生は、「なぜ企業に直接尋ねないのか」と言うでしょう。問題は、4 つのシナリオのうち、シナリオ 3 だけが KPI プレッシャーを明確に含んでいることです。他の 3 つは非常に漠然としており、口頭での要求は結局のところ、「ユーザー行動の分析を行ってください」というだけです。

これには、データアナリストに一定レベルの判断力が求められます。上記の4つのシナリオは段階的に複雑になり、それらの論理的な関係は下の図に示されています。これらのシナリオを分析することで、ビジネスプロセスをタマネギの皮をむくように導き、真に重要な問題を特定し、価値ある分析を生み出すことができます。