Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
data_learning_guild_slack_analysis
Search
Sponsored
·
SiteGround - Reliable hosting with speed, security, and support you can count on.
→
komiya
December 23, 2019
Technology
0
3k
data_learning_guild_slack_analysis
komiya
December 23, 2019
Tweet
Share
More Decks by komiya
See All by komiya
36歳のおじさんが未経験から_データサイエンティストになった話.pdf
komiya
0
240
Other Decks in Technology
See All in Technology
生成AI時代にこそ求められるSRE / SRE for Gen AI era
ymotongpoo
5
2.7k
レガシー共有バッチ基盤への挑戦 - SREドリブンなリアーキテクチャリングの取り組み
tatsukoni
0
200
オープンウェイトのLLMリランカーを契約書で評価する / searchtechjp
sansan_randd
3
650
今日から始めるAmazon Bedrock AgentCore
har1101
4
400
仕様書駆動AI開発の実践: Issue→Skill→PRテンプレで 再現性を作る
knishioka
2
590
Context Engineeringの取り組み
nutslove
0
290
What happened to RubyGems and what can we learn?
mikemcquaid
0
250
顧客との商談議事録をみんなで読んで顧客解像度を上げよう
shibayu36
0
170
Digitization部 紹介資料
sansan33
PRO
1
6.8k
Mosaic AI Gatewayでコーディングエージェントを配るための運用Tips / JEDAI 2026 新春 Meetup! AIコーディング特集
genda
0
150
小さく始めるBCP ― 多プロダクト環境で始める最初の一歩
kekke_n
1
350
なぜ今、コスト最適化(倹約)が必要なのか? ~AWSでのコスト最適化の進め方「目的編」~
htan
1
110
Featured
See All Featured
Why Your Marketing Sucks and What You Can Do About It - Sophie Logan
marketingsoph
0
72
HDC tutorial
michielstock
1
360
Marketing to machines
jonoalderson
1
4.6k
Sam Torres - BigQuery for SEOs
techseoconnect
PRO
0
180
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.7k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
47
7.9k
Code Review Best Practice
trishagee
74
20k
New Earth Scene 8
popppiees
1
1.5k
My Coaching Mixtape
mlcsv
0
46
Believing is Seeing
oripsolob
1
53
Optimising Largest Contentful Paint
csswizardry
37
3.6k
A Soul's Torment
seathinner
5
2.2k
Transcript
データラーニングギルド slack分析コンペ Team1 発表 2019/11/24 Kumada、Sawa、Komiya 1
2 アジェンダ 1. 分析の目的 2. キーファインディングス 3. 分析内容 a.現状分析(コミュニティの構成) ・構成員
・構成割合の変化 ・退会率 b.アクティブユーザー増加のための分析 ・施策ターゲットの絞り込み ・アクティブ化要因推定 施策①、②、③、④、⑤ 4. まとめ
3 分析の目的 slack内のコメント数を指標とすると、 コメント数の90%を14%のユーザーが占めるという歪な状態になっている コメントするユーザーの裾野を広げてコミュニティーを活性化させる コメント数のパレート図 (注)ギルド長はコメント数が飛び抜けて多いため、外れ値として除外した 以後のデータは全てギルド長を除いている また、1件以上コメントしているユーザーのみ表示している ユーザーID
4 キーファインディングス ・11/1からの課金制導入で、全体の 67%のユーザーが退会した 自己紹介の有無により大きく退会率が異なることが分かった (自己紹介ありユーザーは 41%が退会、自己紹介なしユーザーは 79%が退会) ・自己紹介しているユーザーは、 していないユーザーに比べて
コメント数が多い ・自己紹介時のコメント数が多い と、その後の活動がアクティブになる傾向があった ・自己紹介後、短期間で他チャンネルに参画 すると、その後の活動がアクティブになる傾向があった ・自己紹介しているがアクティブでないユーザーは、 自己紹介チャンネル以外で コメント数の割合がアクティブなユーザーを上回るチャンネルがない ・自己紹介しているが、アクティブでないユーザーは、 オフ会へ参加したことがある割合がアクティブなユーザーより低い (アクティブなユーザーは 82%が参加経験あり、アクティブでないユーザーは 22%にとどまる)
構成員(2019年11月1日時点) 登録 196人 コメント数>0 80人 コメント数=0 116人 自己紹介あり 59人 自己紹介なし
21人 5 在籍 35人 退会 24人 在籍 7人 退会 14人 在籍 22人 退会 94人 退会者 132人 継続者 64人 退会率 67% 自己紹介のみ:14人 自己紹介+他チャネル参画: 45人 11/1からの課金制導入により 67%が退会
6 課金前 課金後 コメント>0 自己紹介 あり 30% 55% 自己紹介 なし
11% 11% コメント=0 ROM専 59% 34% 構成割合の変化 +25% -25% 予想どおり、課金によって 自己紹介しているユーザーの割合が高まり、ROM専の割合は下がった 196人 64人 +0% -67% (注)ROM専:Read Only Memory専門 =コメント数 0のユーザー
7 19%が継続 41%が退会 ・退会率は 自己紹介あり < 自己紹介なし < ROM専 (予想どおり) ・自己紹介ありユーザーが 41%も退会していた (意外) ・ROM専が19%も継続していた (意外) →ROM専も現況に満足している人達がいる 退会率
自己紹介しているユーザーはしていないユーザに比べてコメント数が多い 1. 自己紹介することで、次の活動に移行しやすい可能性あり 2. 潜在的にアクティブなユーザーが自己紹介している可能性あり 8 自己紹介「有・無」とコメント数の関係 自己紹介の有無 あり なし
(注)縦軸=コメント数/(自己紹介からの経過日数) B(11→9人) A(11人) C(38→16人) A:アクティブユーザー 上位0〜70% B:準アクティブユーザー 上位70%〜90% C:非アクティブユーザー 上位90%〜100%
これをrankと呼ぶことにする 9 赤枠:退会者 青:他のチャネルへ参加なし 他チャンネルへ参画していないユーザーは自己紹介していても、 86%が退会している ユーザーID 自己紹介「有」ユーザーのコメント数 以下のようにユーザー属性を定義する
10 ・退会率は A < B < C ・アクティブユーザーは退会者0 ・非アクティブユーザーは58%が退会 (潜在的なアクティブユーザーだったはずなのに、、) 退会率 ユーザー属性
自己紹介しているユーザーは、 もれなく、アクティブユーザーになる素養を持っている という仮説を立てた 自己紹介しているが、活動が活発でない 「非アクティブユーザー(C)」に向けて施策を打つことに決定
12 B(11→9人) A(11人) C(38→16人) 平均的に見ると、アクティブユーザー(A)は自己紹介でのコメントが多く、 ギルド長との会話ラリーが長いと推測する 自己紹介でのコメント数 (≒ 自己紹介時の盛り上がり度) (注)ギルド長からのコメントバックは除く
ユーザーの発言のみ 赤枠:退会者 ユーザーID
ランクによる傾向あり、 自己紹介時に会話が盛り上がることがアクティブ化を推進させる可能性あり 13 自己紹介でのコメント数 ≒ 自己紹介時の盛り上がり rank
<施策①>自己紹介に対して積極的にコメントバックする 目的・・・自己紹介したユーザーのアクティブ化 対象・・・自己紹介済のユーザー 内容・・・自己紹介者に対して、 チャネルをおすすめするコメントバックや、オフ会への勧誘 など を「自己紹介済」のユーザーが積極的に行う ギルド長から バックグラウンドが近い他のユーザーに話題を振ってもらう
背景・・・現状、ギルド長のコメントバックだけなので裾野を広げることを狙う 14
15 (注)自己紹介したが、他のチャネルへ参画 していない人(P9青棒)は除いています AはCに比べて、自己紹介してから 他チャネルへ「参画」するまでの時間 が短い! 自己紹介後、即座に他チャンネルに参画することが アクティブ化を推進させる可能性あり(鉄を熱いうちに打つ!) 自己紹介後、他チャネルに参画(コメント)するまでの日数
<施策②>短期間で他チャネルへ参画するための仕組み作り 目的・・・自己紹介したユーザーのアクティブ化 対象・・・自己紹介したユーザー 内容・・・自己紹介者に、 1. 自己紹介時のコメントバックで 属性・話題に基づいてチャネルをレコメンド する 2. 自己紹介直後にDMを送り他チャネルへの参画を促す
背景・・・現状、自己紹介後に他チャネルに参画するまでの期間が空いているユーザーがいる。 (Cでは5日以上が目立つ)早期に他チャネルに参画してもらうことを狙う。 16
17 各チャネルのrank別コメント数割合 A B C Cに着目すると、構成割合が「自己紹介」を上回るチャネルがない 特定のハマれるチャンネルの存在がアクティブ化を推進させる可能性あり (注)運営からのアナウンス的なコメは除く チャンネルID
<施策③>サポートチャンネルの開設 目的・・サロン内の活動を始めるための心理的ハードルを下げる 対象・・・入会すぐの人、活用しきれていない人(ランク Cのユーザー、ROM専) 内容・・・サロンでもっと活動したいが、とっかかりのない人が参加しやすくなるように、対象者と運営スタッフの 数人のクローズドな少人数チャンネルで交流しつつ、オススメのチャンネルを紹介 する イメージ・・「人生逃げ切りサロン」の初心者部屋 背景・・新規入会者や非アクティブユーザーなどにオススメのチャンネルをレコメンドしたいが自己紹介文だけで は属性の判断が難しい。まずは人力でレコメンドをし、出来るところから自動化していきたい。
18
19 1:オフ会参加経験あり 0:オフ会参加経験なし オフ会参加経験とrankの関係 割合 CはA比べてオフ会参加経験率が低い オフ会に参加することが、アクティブ化を推進させる可能性あり A B C
(注)「フィッシャーの正確検定」で オフ会参加有無とrankは無関係ではないことを確認した rank 人数
<施策④>非アクティブユーザー(C)向けオフ会実施 目的・・自己紹介したユーザーのアクティブ化 対象・・・自己紹介した非アクティブユーザー (C) 内容・・・オフ会で直接的なコミュニケーションを取る ことで、アクティブ化を促す。 背景・・・アクティブユーザーはオフ会参加率が高い よって、直接的なコミュニケーションがアクティブ化を促す可能性がある。 どのようなオフ会にするかは施策⑤のアンケート結果から決める(事項参照)。 20
<施策⑤>要因推定のためのアンケート実施 目的・・自己紹介したユーザーのアクティブ化 対象・・・自己紹介したユーザー 内容・・・Cの回答に着目し、アクティブになれていない要因の推定精度を上げる 。 背景・・・新規入会者や非アクティブユーザーにオススメのチャンネルをレコメンドしたいが自己紹 介文だけでは属性の判断が難しい。アンケートにより、非アクティブになっている要因を追 究し、施策に活かす。 21
まとめ 1. 自己紹介したユーザー は 潜在的アクティブユーザーである 上記の仮説から、施策対象を自己紹介したがアクティブになれていないユーザーに決定 2. 分析結果から以下のアクションを取ることに決定 <施策①>自己紹介に対して積極的にコメントバックする <施策②>短期間で他チャネルへ参画するための仕組み作り <施策③>サポートチャンネルの開設
<施策④>施策対象向けオフ会実施 <施策⑤>要因推定のためのアンケート実施 → 施策の効果を最大化したいよね、という気持ち 鉄は熱いうちに打て!理論 心理障壁を下げろ!理論