ウェブサイトデータ分析：ユーザーセグメンテーションに基づく比較分析

ウェブサイトのユーザーレベルでは、訪問時の行動特性に応じてユーザーをさまざまなタイプにセグメント化します。ユーザーの行動はそれぞれ異なり、行動統計指標も異なり、分析の角度も異なるため、ユーザーをセグメント化する場合は、さまざまなルールに従って、さまざまな角度からさまざまな分類を実施できます。さまざまなユーザーセグメント化とさまざまなユーザー行動の分析を、さまざまな他の次元と組み合わせて行ったデータ分析レポートをいくつか見てきました。コンテンツは確かに十分に豊富であるように見えますが、これらの分析結果が何を説明しようとしているのか理解するのは困難です。コンサルティングレポートとしては、現在の全体的な傾向やユーザー特性を反映することは確かに適切かもしれませんが、データ分析の結果を本当に参考にして何かを行いたいのであれば、ユーザーセグメント化を行う前に、分析の目的を決定し、ビジネスニーズを明確にする必要があります。

ユーザーセグメントに基づいて比較分析を行う必要があるため、当然の目標は、特定のユーザー分類グループと他のユーザーグループの行動特性の違いを明らかにすることです。ここでの主眼は、コンテンツレベルでの調整を導くことです。さまざまなユーザーセグメントのコンテンツ需要の違いを比較することで、コンテンツ運用を最適化し、該当するユーザーに高品質のコンテンツやユーザーの嗜好に合ったコンテンツを推奨します。

これはユーザーセグメンテーションに基づいているため、まずはユーザーセグメンテーションのルールを明確にする必要があります。例として、失ったユーザーと保持されたユーザー、新規ユーザーと古いユーザー、1回購入するユーザーと2回目に購入するユーザーの3種類のセグメンテーションがあります。これら3種類のセグメンテーションに基づいて、各カテゴリのユーザーが購入した製品の比較分析を行い、どの製品がユーザーの期待に最も合致しているかを判断します。

離脱したユーザーと維持したユーザーの比較

もちろん、離脱したユーザーと維持したユーザーを区別するには、まずユーザー離脱の明確な定義が必要です。離脱したユーザーの定義については、ブログの前回の記事「ウェブサイトのアクティブ ユーザーと離脱したユーザー」を参照してください。定義があれば、統計とセグメンテーションを行うことができます。eコマース ウェブサイトを例に挙げてみましょう。eコマース ウェブサイトのコンテンツは製品です。各製品に基づいて、これらの製品を購入した後に離脱するユーザーの割合を次のように計算します。

ここでの指標の定義は比較的明確です。各製品の離脱ユーザーの割合は、製品を購入したすべてのユーザーのうち、製品を購入した後に離脱したユーザーの数の比率である必要があります。ただし、各製品の離脱ユーザーの割合を知るだけでは、製品がユーザーの維持を促進しているか、またはある程度ユーザーの離脱を引き起こしているかを評価することはできません。対応する結論は、全体のレベルとの比較を通じてのみ導き出すことができます。したがって、ここで説明する必要があるのは、「全体と比較して」値がどのように計算されるかです。ここでのパーセンテージは、直接減算した結果ではなく、差異の大きさを反映しています。ここでは、全体のユーザー離脱率が56％であると仮定します。製品Aを例にとると、全体と比較した結果は、（58.13％-56％）/ 56％=3.80％です。同じ計算方法を使用して、他の製品と全体との差異を取得することもできます。最後のステップは表示です。Excelでは、「条件付き書式」のデータバー機能を使用すると、効果をそのまま図に表示できるので、とても便利です。

明らかに、上図の分析結果は、ユーザー維持を促進することを目的とした運用調整の直接的な指針となるため、ユーザー維持につながる製品（製品 F のユーザー離脱率は明らかに全体よりもはるかに低く、製品 F の方がユーザー維持につながることを示しています）をユーザーに推奨し、ユーザー離脱を引き起こす可能性のある製品（製品 C）を最適化または削除する必要があります。

新規ユーザーと既存ユーザーの比較

同様に、上記の方法を使用して、さまざまなユーザー グループの購買嗜好を区別することもできます。新規ユーザーと既存ユーザーのセグメンテーションは、最も一般的なユーザー セグメンテーション方法です。同様の方法を使用して、新規ユーザーと既存ユーザーの製品に対する好みの違いを確認できます。

上の図から何がわかりますか? 製品 D を購入したユーザーのうち、新規ユーザーの割合が明らかに低いです。おそらく新規ユーザーはこの製品をまったく好んでいないのでしょうが、製品 B と F は明らかに新規ユーザーの好みに合っています。あなたのウェブサイトが新規ユーザーと既存ユーザーを区別するターゲットプロモーションを実施できる場合、上記の分析結果は大きな利益をもたらすでしょう。

もちろん、このデータに表れた特徴は、商品のプロモーションチャネルに関係している可能性があります。たとえば、上図の商品Dは、主に既存ユーザーが集中するチャネル（EDMなど）でプロモーションされているため、購入ユーザーのうち既存ユーザーの割合は当然高くなります。また、特定の商品が新規ユーザーが集中するランディングページに掲載されている場合、その商品を購入する新規ユーザーの割合は当然高くなります。したがって、このような分析を行う際には、プロモーションチャネルの違いに注意を払い、特定の問題を具体的に分析する必要があり、一般化することはできません。

一度だけ購入した人と再購入した人の比較

同じ方法を使用して、ユーザーに複数回の購入を促すこともできます。電子商取引のウェブサイトでは、ユーザーの最初のショッピング体験が非常に重要であり、それがユーザーが 2 回目以降の購入を行うかどうか、またはウェブサイトの忠実な顧客になれるかどうかに直接影響します。ウェブサイトがユーザー関係管理に重点を置いている場合は、次の分析方法を試すことができます。

ここで注意すべきは、基本ユーザーグループが各製品の初回購入者（全員ではない）に設定されていることです。分析したいのは、ユーザーが初めて製品を購入したときに、その後も再度、あるいは複数回、その製品を購入するかどうかであり、製品が初回購入体験に与える影響を評価します。上記の表から、製品 B と F は再購入の促進においてパフォーマンスが低いことがわかります。製品の使用または品質の問題がユーザー満足度に影響し、ユーザーの再購入を妨げている可能性が非常に高いです。分析結果によると、2 回目の購入率が全体レベルよりはるかに低い製品には特に注意を払う必要があります。同時に、製品の特性に基づいて分析する必要もあります。クロスセルやアップマーケティングが行われる可能性があるため、一部の製品は確かに 2 回目の購入を促進する可能性が高いです。

実は、この記事をいくつかの記事に分割して一連のトピックにしたいと考えていました。実装レベルから、各ユーザーセグメントの分析は独立して完了する必要があり、そのほとんどは基礎データから計算する必要があるためです。Google Analyticsで同様のデータを探すと、見つかるのは新規訪問率だけで、コンテンツモジュールの各ページの指標には％新規訪問が含まれていません（この指標は、トラフィックソースと地域セグメンテーションで使用できます）。もちろん、レポートをカスタマイズして、Webサイトの各ページの新規訪問率を表示できます。比較ベンチマークは、Webサイト全体の新規訪問率のままです。GAの表示方法を選択すると、全体と比較するためのビュー「比較」が直接提供されます。次の図は、私が作成したカスタムレポートです。

GA で表示される効果は、Excel 2010 で条件付き書式をカスタマイズした後の効果と非常に似ています (2010 では座標軸の左右に赤と緑のデータ バーを表示して正負の値を区別できますが、2007 にはまだこの機能がないようです)。このベンチマークベースの比較表示は非常に直感的に使用でき、実際に他の分析でも使用できます。私のブログの各コンテンツの新規ユーザーの割合の比較分析から何がわかりますか？ 訪問数が最も多い記事の中で、明らかな傾向として、概念的な記事の新規ユーザーの割合は平均よりも高く（もちろん、主に検索エンジンの助けを借りて）、意見や分析的な記事の新規ユーザーの割合は平均よりも低くなっています（古いユーザーは実践と応用に傾倒しています）。 したがって、私のブログが新しいユーザーと古いユーザーに異なるコンテンツを動的に表示できる場合、この分析は非常に価値があります。 あなたのウェブサイトでも試してみることができます。

最後に、元の質問に戻りましょう。要約すると、セグメンテーションは比較のために使用され、比較は違いを反映して調整と最適化を行うためのものです。したがって、セグメンテーションの目的は、最終的には運用上の意思決定を導くことです。これがデータ分析の価値です。

» この記事はBY-NC-SA契約を採用しています。転載の際は出典を明記してください: ウェブサイトデータ分析 » 「ユーザーセグメンテーションに基づく比較分析」

原題: ウェブサイトデータ分析: ユーザーセグメンテーションに基づく比較分析

キーワード: ウェブサイト、ベース、ユーザー、比較、ユーザー レベル、私たちのルート、訪問、ウェブマスター、ウェブサイトのプロモーション、収益化