ベストプラクティス
実際には、さまざまなモデルを組み合わせて、異なる角度から分析を行うことができます。
翌日離脱の分析
翌日継続率は、どのプロジェクトでも注目される分析指標です。ユーザーが離脱する本当の原因を突き止めてはじめて的確な調整ができ、翌日継続率を高めることができます。
まず、リテンション分析モデルで、登録を開始イベント、ログインを復帰イベントとして、翌日継続の状況を確認します。数値が下がった日付が見つかったら、その日に登録したユーザーと、その日に登録して翌日にログインしなかったユーザーを、それぞれ結果コホートとして保存できます。
次にファネル分析で、これらのユーザーの登録当日のステージ滞留状況を確認できます。離脱ユーザーかどうかをグループ項目にして、離脱ユーザーと継続ユーザーのデータを比較します。
また、フロー分析で離脱ユーザーの登録以降の行動パスを確認し、離脱ユーザーが最後にプレイしたコアコンテンツを特定して、そのコンテンツがユーザーに挫折感を与え、アクティブでなくなる原因になっていないかを分析することもできます。たとえば、アリーナでの戦闘に敗北した、ガチャの結果に失望した、といったケースです。
課金行動の分析
課金行動はデータ分析の焦点であり、さまざまな角度から分析できます。
最も基本的なのはイベント分析です。課金行動の合計回数、人数、金額の合計を分析指標にすると、一定期間におけるデータの推移を確認できます。
さらに掘り下げる場合は、分布分析で時間範囲を指定し、その期間内のユーザーの課金金額の合計に基づいて異なる区間に分けて、各区間の人数と割合を確認できます。
インターバル分析を使うと、ユーザーが登録してから初回課金までにかかる時間を分析できます。箱ひげ図で中央値や上下の四分位を直感的に把握でき、初回課金ポイントを調整する際の根拠になります。
ユーザー特性の分析
プロパティ分析では、ディメンションを掛け合わせて組み合わせごとのユーザー数を確認し、2つのディメンションに相関があるかどうかを調べられます。たとえば、流入チャネルと累積売上をグループ項目にすると、特定のチャネルで重課金プレイヤーの割合が他のチャネルより明らかに高いかどうかがわかります。
特定のディメンションの組み合わせでユーザー数に異常が見つかった場合は、クリックしてユーザーリストに進むか、さらに行動シーケンスに進んで、個々のユーザーのすべての特性を確認できます。また、プロジェクト内のユーザーをユーザープロパティに基づいて異なるグループに分け、それぞれのデータを比較することもできます。
現在のユーザープロパティでは要件を満たせない場合は、ユーザータグでユーザーを階層化することもできます。ユーザータグは、ユーザープロパティと同様に、フィルターやグループ項目として使用できます。
プロジェクトに豊富な特性がある場合は、複数のプロパティ分析レポートを1つのダッシュボードに表示して、プロジェクトの完全なユーザープロファイルを構築できます。