まず、データ分析とは何かを定義しましょう。データ分析とは何でしょうか？「データ分析とは、KPIを中心としたアカウント管理です。データの最適化、情報コストの削減、問題の特定、オーディエンスとアカウントの分析、方向性と戦略の調整、トラフィックの制御、コンバージョン率の向上、そして最終的な目標である収益増加を目指した問題解決です」と言う人もいるかもしれません。

上記の質問に優先順位を付けることで、データ分析には、オーディエンス、アカウント、キャンペーン戦略の分析、戦略の調整、トラフィックの管理、そして最終的にはコンバージョン率の向上と売上増加が含まれることがわかります。つまり、問題を特定し、解決するプロセスです。

以下では、4つのパートからなるデータ分析アプローチについてご紹介します。まずは最初のパートについてご説明します。

I. 一般的に使用されるデータ分析アプローチ

ここで、よく使用される分析アプローチを見てみましょう。

まず、「ランダム」分析法についてですが、私たちは皆、日常生活でデータを分析する際にこの手法を使ったことがあります。問題を特定し、それに応じて対処するのです。しかし、この手法には限界があります。問題を全体的に捉えることができないため、問題の一部しか解決できず、重要な点を見逃してしまう可能性があります。それでも、日常の業務で活用することは可能です。

この分析手法が犯す最大の間違いは、考えすぎです。考えすぎてはいけません。ある瞬間は品質の低さ、次の瞬間はコストが高すぎる、そして会話が不安定だ、などと考え込んでしまうのです。これでは、絡まった釣り糸のように、完全に道に迷い、混乱してしまい、頭が爆発してしまいます。そうではなく、まず問題を特定し、対処しましょう。考えすぎてはいけません。例えば、最初に品質の低さを発見したのであれば、まずはその問題を解決しましょう。以下では、マインドマップを用いて、一般的な分析手法をいくつか説明します。

品質に影響を与える要因

Baidu のキーワード品質スコアには評価があり、参考として使用できます。

品質スコアのウェブページリマインダー

対話から情報への変換率が低い要因

2つ目は、目標指向の逆アプローチです。どのような成果を望んでいるのかを明確にし、それに応じてタスクを細分化します。例えば、より多くの取引を成立させる必要がある場合、それを達成するためにどのような行動をとる必要があるでしょうか？

例えば、50件の情報が欲しい場合、各業界の割合を元に計算することができます（業界によって割合は異なるので、ご自身の経験に基づいてご自身で換算してください。業界の大まかな割合がわからない場合は、経験者に尋ねてください）。77人のお客様からお問い合わせをいただく必要があります。77人のお客様からお問い合わせをいただくには、833人がサイトにアクセスする必要があります。833人がサイトにアクセスするには、925回のクリックが必要です。925回のクリックを獲得するには、18,500人のお客様に見ていただく必要があります。これが目標指向の逆算法です。

マインドマップには影響要因がリストアップされています。マインドマップに基づいてアカウントの定期的な目標を設定し、各段階で客観的な影響要因を調整することができます。この記事ではスペースが限られているため、マインドマップに基づいた逆推論法のみを説明します。ご興味のある方は、Wolf Trainingのオープンコースにご参加いただき、詳細をご確認ください。

14 の根源的な欲求とは、好奇心、家族、地位、名誉、社会的交流、名声、権威、食欲、性欲、憎しみ、娯楽、自己です。

人間の弱点: 貪欲、怠惰、虚栄心、人間性...

3、次元分析方法：時間（期間に分けることが望ましい）、地域、製品、設備、購入段階、対話なしの消費、対話ありの転換なし、情報ありの高消費、コア情報キーワード、ロングテール情報キーワード。

4. マーケティングプロセス分析：マーケティングファネルに基づいて、各リンクのコンバージョン率を把握し、問題のあるリンクを特定し、そのリンクを最適化します。

マーケティングファネルを上から下へ押し下げることで、データをリスト化し、コンバージョン率が低い部分を確認し、調整を行うことができます。例を以下に示します。

マーケティングファネルのデータフロー

計算結果にはデータ変換率が表示されます。低すぎる場合は、その部分を調整できます。

上記の4つの方法もデータ分析に欠かせない思考法です。

-終わり-