この記事をお読みになる方へ：この記事は、プロダクト／オペレーション／データ分野に携わった経験0～3年の初心者の方を対象としています。この記事は、私自身が約3ヶ月間新人として経験を積んだ後に執筆したものです。新人の視点を取り入れることで、より分かりやすく、読みやすい文章になると思いますので、お役に立てれば幸いです。

ユーザー行動分析とは、製品設計や運用戦略の改善を目的として、一連のユーザー行動を分析することを指します。インターネットが広域から集中へと進化するにつれ、ユーザー行動分析は、製品設計や運用戦略の策定を「直感に基づく」手法から「科学的かつ定量的な」手法へと転換させるのに役立ちます。

簡単に言えば、インターネットベースの消費者向け製品を大型遊園地に例えると、プロダクトマネージャーとフロントエンド開発者、バックエンド開発者はそれぞれ遊園地の建築家とエンジニアであり、遊園地の基本的な枠組みを構築します。オペレーションは遊園地のイベント企画に相当し、園内で様々なアクティビティを定期的に開催します。ユーザー行動分析は、来園者の行動を定量的に分析し、遊園地の建築設計とイベントの質を向上させるのに役立ちます。

I. 基本的なアプローチ: 終わりを念頭に置いて開始し、プロセスを層ごとに分解します。

エンジニアリングの観点から、ユーザーの行動を分析するには次の手順が必要です。

1. ユーザーの行動データを収集する（追跡 + データ保存）
2. このデータのクリーニングと処理
3. データを分析する

大規模なインターネット企業では、データはしばしば組立ライン上の製品のように、生産・加工から最終的な利用に至るまで、幾重もの工程を経て、最終的に様々なアプリケーション部門へと届けられます。そのため、データチェーン内の様々な役割を担う担当者が全体像を把握しにくくなります。

しかし、データは最終的にはビジネス目標達成に役立つものであり、データ分析を理解するにはより包括的なアプローチが必要です。現段階では、目標を念頭に置いて、それを階層ごとに分解していく、と要約します。

1. 目的を念頭に置いて始める：データ生成の観点から見ると、データ分析を実施して結論を​​導き出す前に、データ追跡が不可欠です。しかし、実際には、多くの場合、目的を念頭に置いて始める必要があります。まずデータ分析の最終的な目的を検討し、次にデータ分析アプローチを決定し、最後にデータ追跡計画を決定します。一方、データ分析プロセスにおいては、まず最終的な指標を検討し、そこから逆算してプロセス指標を導き出す必要があります。

2. レイヤーごとの分解: データ分析プロセスは、大きな目標を小さな目標に分解するプロセスでもあることを、以下で詳しく説明します。

II. データ分析：指標、次元、定義

ユーザー行動分析の基本的なアプローチは、製品の成功を測定するための定量的な指標を決定する -> どの側面が指標の変化に影響を与えるかを考慮する -> 統一された標準を決定し、さまざまな側面におけるさまざまな指標の変化を計算する、というものです。

指標、次元、定義についてさらに詳しく説明します。

1. 指標

指標とは、定量化可能なビジネス目標です。eコマースの場合、究極の指標はGMV、広告の場合、究極の指標はコンバージョン率とROI、ゲームの場合、究極の指標はDAUとARPUです。

最終目標を達成するために、プロセスをさらに複数のプロセス指標に細分化することができます。例えば、eコマースの場合、決済前のユーザージャーニーは、アプリへのアクセス→検索（レコメンデーションやライブストリーミングなど）→商品詳細ページへのアクセス→カートへの追加→チェックアウト→決済、というように細分化できます。各ステップには、それぞれ特定の指標を割り当てることができます。

2. 寸法

ディメンションとは、指標の変化を分析するための視点であり、また、それらの変化に影響を与える要因でもあります。WeChatの創設者である張小龍氏はかつて、「製品設計とは分類である」と述べました。ディメンションは、分類のための視点とも捉えることができます。

これをどう理解すればよいでしょうか？DAUが増加する場合、増加幅は男性ユーザーの方が大きいのでしょうか、それとも女性ユーザーの方が大きいのでしょうか？ユーザーの性別はDAUに影響を与える要因であり、DAUの変化を分析するためのディメンションとして使用できます。同様に、商品価格とカテゴリーもGMVを分析するためのディメンションとして使用できます。

3. 口径

口径は指標を計算するための基準です。

インターネットでは、同じ指標に複数の計算方法が用いられることがよくあります。例えば、DAUはユーザーのデバイスIDの重複を排除して計算することも、固有のユーザーアカウントの重複を排除して計算することもできます。それぞれの計算方法（または基準）は、それぞれ異なる基準を持っています。

III. データ収集：イベント、タイミング、パラメータ

データ分析の目的が明確になったら、その目的を達成するために必要なデータをどのように取得するかを検討する必要があります。

上で見てきたように、データ分析のアプローチは、まず指標を定義し、次にディメンションを検討し、最後に用語を標準化することから始まります。データ指標は、対応するユーザー行動イベントを収集し、統計的に分析することで得られます。分析ディメンションでは、データ収集中に各イベントに関連するパラメータを記録する必要があります。用語を標準化する上で重要なのは、データ収集中の各イベントのタイミングを明確に定義することです。

以下では、イベント、タイミング、パラメータについてさらに詳しく説明します。

1. イベント

それぞれのユーザーアクションはイベントと呼ばれます。一般的に、インターネット上のユーザー行動は主に3つのカテゴリーに分けられます。

1. 閲覧: ユーザーが製品の特定のページにアクセスします。

2. 露出: 製品ページ上の特定の要素/情報がユーザーに表示されます。

3. クリック: ユーザーがページ上のインタラクティブな要素をアクティブにクリックします。

イベントを追跡する場合、各イベントには一意の ID (通常はイベント ID と呼ばれます) が与えられます。たとえば、ホームページのフォーカス画像をクリックすると (Home_FirstFocus_Click) になります。

2. タイミング

タイミングとは、各アクションが記録される正確な瞬間です。指標を計算する際に口径が必要であるように、タイミングはイベントトラッキングのより正確な定義であり、イベントトラッキングにおける口径の一つです。

1. 閲覧タイミング: 特定のページに入るときに、API 呼び出しから戻る前または後。

2. 露出タイミング: 要素が xx% の時間表示され、ユーザーが xx 秒間画面に留まったとき。

3. クリックのタイミング: ユーザーがクリックした直後にトリガーされます。

3. パラメータ

イベントとタイミングが定義されたら、イベントが発生したときにどのような具体的な情報を収集する必要があるかを明確にする必要があります。

ユーザー行動データの収集は物語を書くことに似ており、人物、時間、場所、そして具体的な出来事を記録する必要があります。イベントID以外にも、記録すべき情報はイベントパラメータとして抽象化されます。これらのパラメータは、イベントが実行されるコンテキストや条件に似ています。イベントトラッキングで記録する必要がある情報を4W1Hフレームワークに抽象化するものもあります。

1. 誰: ユーザーは誰ですか? — つまり、ユーザー ID、デバイス ID など。

2. いつ: 何時 - このイベントが発生した具体的な時間。

3. 場所: これには 2 つの解釈があります。1 つ目はユーザーの実際の IP アドレス、2 つ目はイベントが発生したページです。

4. 何が起こったか: 何が起こったか - イベントの種類 (閲覧数、インプレッション数、クリック数など)

5. 方法: どのように行うか。つまり、商品をクリックしたときに表示される商品の価格や割引情報など、これを行う際のビジネス属性です。

各イベント（ホームページのアイキャッチ画像をクリックするなど）は、異なる人が、異なる時間に、異なる状況で実行します。記録されるそれぞれの具体的なアクションはログと呼ばれます。このように、ユーザーのあらゆる行動が詳細に記録されます。

IV. 具体的な事例：電子商取引データ分析とイベントトラッキングへのアプローチ

上記の概念を理解していても、データトラッキングとユーザー行動分析を理解するのは依然としてやや抽象的です。まずは典型的なeコマースの事例から始め、eコマースにおけるユーザー行動を段階的に分析する方法を理解していきましょう。

ステップ1. ユーザージャーニーを考える

アフィリエイト広告を通じて e コマース アプリにアクセスした後のユーザーの行動には、次のようなものがあります。

アフィリエイト広告をクリック -> アプリに入る -> 商品カード露出 -> 商品カードをクリック -> 商品詳細ページに入る -> 「カートに追加」をクリック -> 「チェックアウト」をクリック -> チェックアウトページに入る -> 「支払う」をクリック -> 支払い完了ページに入る

ステップ2. コア指標と重要な側面を決定する

Eコマース製品の成功にとって最も重要な指標は、最終的なGMV（総流通総額）です。しかし、GMV目標を達成するには、ユーザーが最終的に購入に至るまでに一連のユーザージャーニーを経る必要があります。そのため、ユーザージャーニーの各ステップごとにプロセス指標を設定することができます。

GMV = 支払PV * 平均注文額

支払いPV = インプレッションPV * インプレッションクリックスルー率（PV） * クリックトゥカート率（PV） * カートに追加チェックアウト率（PV） * チェックアウト支払い率（PV）

ページビュークリックスルー率（PV）=クリックPV / ページビューPV

…

段階的に分解していくと、収集する必要のあるイベントに対応する非複合指標をすべて取得できます。

さらに、eコマース企業では、各イベントで収集する必要があるパラメータに対応する指標を、人、商品、場所の観点から多次元的に分析することがよくあります。

ステップ3. 埋め込みポイント設計

必要な指標と分析ディメンションに基づいて、データ追跡が必要なイベントとパラメータを定義し、レポートのタイミングガイドラインを決定します。収集する必要があるすべての情報を明確に定義するために、表を使用できます。

ステップ4. データの収集と分析

ユーザー ジャーニーを理解し、コア メトリックと分析アプローチを特定し、イベント トラッキング ポイントを設計し、データを収集した後、ようやくデータ分析を開始しました。

このステップでは、確立されたアプローチに基づいて、収集されたデータを使用して計算を実行し、結果を分析します。

1. まず、最終的なデータ メトリックである GMV を計算し、GMV が増加したか減少したかを判断します。

2. どの中間指標がこの最終結果を引き起こしたかを観察します。

3. これらの中間指標に影響を与える主な側面は何かを検討し、どの側面が指標の変化を引き起こしたかを分析します。

4. 最終的には、比較的科学的な結論に達します。

データ分析プロセスには注意すべき点が数多くあります。この記事では、データの追跡と分析に関する全体的なアプローチのみを紹介します。

V. 要約

データ駆動型の思考は、「終わりを念頭に置いて始める」アプローチを中心に展開されます。これには、最終目標を設定し、それをプロセス メトリックとさまざまなディメンションに分解し、データを使用して定量化して提示することが含まれます。

さらに、あらゆる製品カテゴリーには究極の目標指標（例えば、eコマースのGMV）があるかもしれませんが、健全で完全なエコシステムを構築するには、物事の質を多角的に測定できる健全な指標システムを確立する必要があります。例えば、eコマースプラットフォームの場合、商品を提供する販売業者数、ユーザープロファイル、ユーザーの滞在時間などは、プラットフォームの健全性を包括的に示す指標です。

個人にも同じことが当てはまります。私たちの究極の目標は何でしょうか？それを達成するにはどのようなプロセスが必要でしょうか？究極の目標の他に、人生をより充実したものにするために、他にどのような目標があるでしょうか？これらはどれも熟考する価値のある問いです。もちろん、人生にはより柔軟性があります。ある種の製品のユーザーパスが、イノベーションの成功によって完全に破壊される可能性があるのと同じです。既存のデータフレームワークの外側で製品について考えることは、より大きな可能性を生み出すために不可欠です。