|
先日開催されたリオオリンピックで、イギリスは驚異的な67個のメダルを獲得し、メダルランキング2位を獲得しました。これは2012年ロンドンオリンピックの獲得数より2個多い数字で、金メダル27個という驚異的な数字も含まれています。2012年ロンドンオリンピックに向けた国家的な巨額投資に加え、イギリスの成功のもう一つの重要な要素は、データ分析を通じたアスリートのパフォーマンス向上への揺るぎない注力でした。ビジネス分析シリーズの第2弾となるこの記事では、データ分析に適用できるこの戦略の様々な側面を探ります。第1弾は(http://zhuanlan..com/art/201607/514770.htm)をご覧ください。 対照的に、中国チームは期待に応えられず、金メダル26個でイギリスに次ぐ成績に終わった。中国オリンピック委員会の劉鵬会長は、リオでの中国の経験を次のように総括した。「リオオリンピックでは多くのメダルを獲得できませんでした。…近年、国際スポーツのレベルは著しく向上し、競争はますます熾烈になっています。」中国チームは明らかに激しい競争に驚いていた。中国のアプリ開発者も、国内アプリ市場が同様の「模倣」競争に直面していることから、この状況をよく理解している。 人口わずか6400万人の英国は、オリンピックで驚異的な成功を収めました。本稿では、データ分析に活用できる英国の戦略の強みに焦点を当てていますが、私が最も感銘を受けたのは、英国のスポーツで採用されている仮説演繹的なアプローチ（下図参照）です。この手法は、英国の経験から学ぶ上で特に有用です。 主な学習ポイント: 英国は2008年のオリンピック後、そして2012年のロンドンオリンピックの前にオリンピック資金の増額を開始し、各大会に少なくとも2億ポンドを投資しました（出典：英国スポーツ - http://www.uksport.gov.uk/our-work/investing-in-sport/historical-funding-figures）。この財政投資は重要な役割を果たしており、開発者にとって重要な教訓となる英国のデータ分析戦略について重点的に取り上げます。 1. 焦点: 英国の行動：英国は未開の地で成功を期待するのではなく、自国の強みに頼りました。英国の得意分野には、自転車競技、ボート競技、そして陸上競技の一部が含まれます。継続的な成功だけが、継続的な資金を確保できる唯一の手段でした。ニッチなスポーツで勝利することは確かに刺激的ですが、読者は効果的に新規顧客を獲得することに興味を持っています。貴重な資金を無駄にしてしまうことにも同じ論理が当てはまります。 重要なポイント：戦略的には、チームの強みを特定し、それを維持することが重要です。多くの企業が2つのアプリを1つに統合することに成功しています。例えば、Musical.lyは衛星ストリーミングと音楽アプリを統合しました。これは、製品とユーザーエクスペリエンスの設計にリソースを割り当てる際に留意すべき有用なガイドラインです。この「自分だけのミュージックビデオを作る」アプリは上海にオフィスを構えていますが、ターゲットは米国ユーザーです（http://nooga.com/173717/garyvee-why-millions-of-tweens-are-using-musically-and-why-it-matters/）。Musical.lyの創設者であるアレックス・チュー氏は、米国のティーンエイジャーは中国のティーンエイジャーよりも自由時間が多いため、米国市場がより魅力的だと指摘しています。これは、中国のティーンエイジャーがほとんどの時間を学校や集中講座に費やしているためです。現在、彼の戦略は功を奏し、毎日約1,000万人がアプリを使用し、毎日同数のビデオを作成しています。これは、選択した垂直市場を深く理解することで業界のリーダーになる例です。 2. 評価: 英国の功績：1984年以降、英国のボートチームはオリンピックで毎回少なくとも1つの金メダルを獲得しています。この輝かしい功績の裏には、チームがデータ分析を継続的に拡大し、「ボートの速さに貢献する要因は何か？」という一つの問いに焦点を絞っていることがあります。 アスリートのトレーニング（水中トレーニングからジムワークアウトまで）と試合におけるパフォーマンスに関するデータを収集できます。この包括的なデータ基盤から、チームは実際のパフォーマンスに影響を与える要因を解明できます。英国チームによると、最も重要なマクロユースケースは、タレントの発掘と追跡の2つです。タレント追跡の方が重要ですが、この2つは密接に関連しています。トレーニングプログラムに参加するすべてのアスリートの完全なデータを収集し、新しく参加したアスリートのデータと以前参加したアスリートのデータを比較することで、どのアスリートがチャンピオンシップで優勝する可能性が高いかを判断することが目的です。 主な学習ポイント：人材の発掘と追跡は、高価値ユーザーの発掘と追跡に似ています。データ分析も、主要な目的に基づいて段階的に実施する必要があります。米国第2位の携帯電話サービスプロバイダーであるAT&Tに焦点を当ててみましょう。AT&Tは、Countlyを使用してセルフサービスアプリ（myAT&T）を追跡しています。myAT&Tは、オンライン決済体験の最適化、ロイヤルティプログラムの管理、ストアでのクロスセルへの顧客誘導といったアプリ内購入指標を考慮していないため、インストール数とDAU指標だけでは意味がありません。AT&Tは、オリンピック選手と同様の手法でユーザーを追跡し、「最も価値の高いユーザーはどのような類似した行動を示しているか？」という研究上の問いに答えています。 対処する必要があるその他の主要なユーザーおよび製品の問題:
そのため、AT&Tは最も価値の高いユーザーの行動パターンを収集しています。例えば、アップグレードを計画する前にユーザーがどのページを閲覧したか、メールアドレスの変更といった先行指標などです。AT&Tは、潜在的可能性の高いユーザーグループを特定し、適切な文脈で効果的なクロージングステートメントを提供することに努めています。これには膨大な量のデータが関係します。先行指標は、月額料金の増加など、具体的な数値になるまでに数か月かかる場合があるためです。Countlyを通じて、AT&Tは毎月10億を超えるデータポイントを大規模に収集することが可能です。
3. 分析: 英国の取り組み：英国のボートチームにとって、まずはデータを収集し、次にそのデータを統合し、競技データと組み合わせてトレーニングに役立て、パフォーマンス向上に役立てました。データモデルによって提供される情報により、コーチやマネージャーはより適切な意思決定を行うことができます。具体的には、選手権優勝の可能性を秘めた有望な若手漕ぎ手を特定したり、異なる漕艇の組み合わせで漕ぎ手を調整し、各ボートのパフォーマンスを最適化することなどが挙げられます。 重要なポイント：多くの場合、実用的なインサイトは、クロス分析を通じてユーザーベースを視覚化した後にのみ得られます。これは、Countlyが高度なドリルダウンツールとファネルツールを通じて顧客に提供する価値です。MyAT&Tの経営陣は、データを文脈化しなければ、膨大なデータ量では不十分になるか、少なくとも一般的なシナリオにしか役に立たない可能性があることを認識していました。アナリストは、有用なビジネスインサイトを導き出すよりも、データの準備に時間の50%から80%を費やしていました。AT&Tは特に、大量の市場セグメンテーションキー値を記録できるCountlyのイベントキーに注目しました。これは、MyAT&T内で頻繁に使用される検索語句を記録するために使用でき、価値の高いユーザーへのターゲットマーケティングを促進できます。 さらに、Countly は、仮説検定や顧客生涯価値 (LTV) 回帰モデルなどの統計分析に使用するために、JSON データを SAP や R などの任意の統計ソフトウェアにシームレスにダウンロードする柔軟性を顧客に提供します。 4. 説明: 英国の成果：データをより有効活用することで、英国ボートチームは意思決定の改善方法を学びました。しかし、注目すべきは、潜在的な金鉱、つまり「未知の未知」、つまりデータの分析を始める前でさえ予測できないものが存在することです。これにより、選手のパフォーマンスに影響を与えるより多くの要因や要因の組み合わせを発見できる可能性があります。 主な学習ポイント: 他の多くの企業と同様に、AT&T は RFM (最新性、頻度、金額) 分析を使用して、最新の購入、購入頻度、購入金額を調査し、どのユーザーが価値があるかを定量化します。 RFM 分析によると、AT&T は顧客基盤をさまざまなグループに分類しています。
RFM メソッドをより効果的に使用して、オフライン (AT&T が検証および登録プロセスから取得した人口統計データの詳細など) とオンラインの行動データ (ユーザーが過去 1 か月間に他のプランを確認したかどうか) を分析するための手順ごとのガイドについては、Schroders のトップ データ サイエンティストである Kamil Bartocha のプレゼンテーション スライド (http://pt.slideshare.net/WhiteRavenPL/rfm-segmentation/6) を参照してください。 結論は 情報過多の時代において、価値を生み出すデータに焦点を当てるべきです。つまり、
データの有用性を判断するには、フォーカス、評価、分析、解釈といったステップを踏む必要があります。Countlyはこれらのステップを通して、コンテキストとユーザー特性に基づいてユーザーベースをセグメント化するのに役立ちます。これにより、ユーザーのニーズと期待に応える能力が向上します。 著者紹介 ジュンシュン・チェンは、Countlyの中国およびアジア太平洋地域マーケティングマネージャーです。Countlyは、技術系と非技術系の両方のステークホルダーに知識とイノベーションへの道を提供する、新しいタイプのインタラクティブなコラボレーションテクノロジーを提供しています。Countlyは、企業が自社データを管理し、複雑な疑問に答えることができるオープンソースのWebおよびモバイルソリューションを構築しています。私たちは、ニーズと願望を持つ企業に、容易かつ完全にエクスポート可能な完全なユーザー行動データを提供しています。自社の戦略を最もよく理解しているのはお客様であり、だからこそ、自社のユーザーデータを最適に位置付け、分析できると信じています。だからこそ、Countlyのモットーは「Customize to Win（勝つためのカスタマイズ）」です。データ分析における貴社の素晴らしい取り組みについてご興味をお持ちの方は、Countly（[email protected]）までお気軽にお問い合わせください。 |
