TEベストプラクティス

TEを使っての実践には様々な分析モデル・レポートを組み合わせて異なる角度から分析できます。過去の実績・データより弊社が推奨する分析手法・シナリオをいくつかピックアップしましたので、参考にしてみいただけますと幸いです。下記ご参照ください。

翌日離脱分析

翌日のリテンションは、殆どのプロジェクトが注目するKPI指標です。ユーザーが離脱する本当の理由を見つけることにより、翌日の継続率を改善するために絞った調整を行うことができます。

リテンション分析モデルにて翌日のリテンションを算出するために、開始イベントを「登録」で設定後、「ログイン」を復帰イベントとして設定します。想定以上にデータが減少した日を見つけた上で、当日登録したユーザーと、当日登録して翌日ログインしなかったユーザーを別々に結果コホートとして保存してください。

次に、ファネル分析モデルを開きます。これらのユーザーの登録当日のクエストクリア状況を算出後、ユーザーが離脱ユーザーに属しているか否かをグループ条件設定にて離脱ユーザーと継続ユーザーを指定しデータを比較できます。

また、並行してフロー分析モデルを開きます。離脱ユーザーの登録以降の行動フローを確認します。離脱ユーザーが最後に起こした行動イベント（コアゲームプレイ）を発見することにより、これがユーザーに不満を感じさせているのかやアリーナバトルに失敗・カードガチャの結果はがっかりしたなど、離脱の原因を分析することもできます。

課金行動分析

最もベーシックなイベント分析にて、課金行動の総回数、人数、金額の合計を分析指標として設定し、一定期間のデータの変化・傾向を見ることができます。

合わせて、分布分析にて時間範囲を選択後この期間内のユーザーが課金した合計金額に応じて異なる期間に分割し、各期間の人数と割合を表示します。

別途、インターバル分析を使用するとユーザーが登録後初回課金までにかかった平均時間も分析可能です。下記のような箱ひげ図を通じて中央値と上位および下位の四分位数を可視化します。最初の課金ポイントの調整に役立ちます。

ユーザー特性分析

プロパティ分析で複数ディメンションを跨いで其々のユーザー数を確認し2つのディメンションが相関しているか否かを分析できるモデルです。例えば、チャネルと累積課金額をグループとして指定すると、特定チャネルでの重課金プレーヤーの割合が他のチャネルよりも有意に高いかを調べることができます。

例えば、特定ディメンションの組み合わせのユーザー数に異常値が出ている場合は、上記画像下部にある該当する数字をクリックしてユーザーリストへ遷移するので詳細を確認することができます。さらにユーザーシーケンスで1人のユーザーのすべての特性も確認できます。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従って異なるグループに分類し、それらのデータを比較することも可能です。

ユーザープロパティが現状要件を満たさない場合は、ユーザータグを使用して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じ方法でフィルター処理およびグループ化するために使用できる機能です。

プロジェクトに豊富なユーザー特性がある場合、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、ユーザーのペルソナも作成できます。