ユーザー数は横ばいでも中身が入れ替わっていることも
- 表面
- ある施策の前後で、合計ユーザー数はほぼ横ばい
- 分析の視点
- ユーザー層ごとの人数の変化
- 実態
- 新規のライトユーザーは増えた一方、収益の要となる既存のコアユーザーは減少している
施策前施策実行時施策後
ゲーム運営の
データ活用を徹底支援
データを見える化し、知りたいことを誰もが調べられる環境へ。
ユーザー理解や施策の検証から、売上予測・アクションの自動化まで、
データを日々のゲーム運営に活かす仕組みを構築します。
ダッシュボード × データ探索AIによって
データという根拠に基づいたゲーム運営を可能にします
データ、活用できてますか？
データは、ユーザーの理解や施策の検証、売上の予測、個別のアプローチまで、さまざまな場面で活用できます。
- 01データを見て、日々の運営状況を把握できている
- 02ユーザー別・セグメント別に、細かな粒度で分析できている
- 03固定された指標に限らず、知りたいことに合わせてデータを調べられている
- 04データ担当者への依頼を待たず、誰もが自分でデータへアクセスし必要なデータを迅速に取得できている
- 05機械学習を活用し、過去のデータから未来の売上などを予測できている
- 06データをもとに、ユーザーへの個別アプローチなどを自動で実行できている
データを掘り下げることで、
見えていなかった実態が見えてきます
分析例 1 / 4
当月の売上不調は当月が原因とは限らない
- 表面
- 当月の売上が低いため、当月のガチャや販売施策に原因があるように見える
- 分析の視点
- 前月からの石の配布量・保有量と、ガチャ別の回転数
- 実態
- 当月の販売物が悪かったわけではなく、前月の石配布量が多かったことで、課金せずともガチャを回せる状態だった
前月前月に起きていたこと
石配布が多く、ユーザーの平均保有数が高い状態
当月当月に見えている現象
課金ではなく、もらった石でガチャを回している状態
広告で人が増えても利益に繋がらない場合がある
- 表面
- 広告経由の新規ユーザーが増え、施策が成功したように見える
- 分析の視点
- LTV（生涯課金額）と CAC（顧客獲得単価）の比較
- 実態
- 獲得人数だけではなく、LTVがCACをどれだけ上回っているかで判断する必要がある
新規ユーザー+10,000人表面上は成功
実態1人獲得するごとに 3,000円の赤字
ユーザーの意見を多角的に見られる
- 表面
- 単純な全ユーザーのアンケート結果
- 分析の視点
- 課金額・プレイ歴・熱量ごとの回答の違い
- 実態
- 課金額・プレイ歴・熱量といったセグメント別にアンケート結果を見ることで、何を重視すべきか、各セグメントの課題を詳細に分析できる
同じ回答でも、セグメントごとに見え方が変わる。
詳細KPIが見えると、
施策と指示が具体化します
大きな目標だけでは、現場は何を改善すべきか判断しにくくなります。
成果につながる詳細KPIまで分解することで、施策の対象と評価方法を明確にできます。
曖昧な指示の例
売上を上げる施策を考える
ユーザー数を増やす
もっと遊ばれるコンテンツにする
目標が大きすぎると、現場は何を改善すべきか判断しにくくなります。
具体的なKPI指示の例
商品詳細ページのクリック率を高める
新規ユーザーの7日間継続率を高める
新コンテンツのクリア率が80%になるよう難易度設計する
対象KPIが明確だと、施策を考えやすく、実施後の評価もしやすくなります。
KPI分解による変化具体的な指示と結果の確認により
改善のサイクルが回しやすく
改善のサイクルが回しやすく
詳細KPIを軸に改善を繰り返す
目標設定施策実施KPI確認改善ダッシュボードデータの可視化・定点観測
複雑なデータを、
運営チームの共通言語に。
- データを視認性の高い視覚データとして表示"複数のシートに分けられた見づらい数字の羅列"が、"1つの画面に集約した、一目で分かるグラフ群"になることでデータの認知負荷が減少。
- データをユーザー層や期間ごとに比較「減少したユーザーは無課金層か、課金層か」「毎年特定の月でプレイ時間が減っていないか」といった分類比較が可能に。
- 変化や異常の兆候を早期に把握読み込み時間の急激な増加やSNSでのユーザーの反応の悪化を異常値として早期に検知したり、大きな施策を行った後のユーザー行動への影響を瞬時に把握。
- 同じデータを、チーム全体の共通認識にチーム全体で同じ指標やグラフを見ることで、運営状況や課題の認識を揃え、共通の根拠を元に施策を議論できるように。
データ探索AI自然言語・動的探索
誰もが、その場で、自由に、
データを探索できるように。
- 専門知識がなくても、誰もが自分でデータを確認「先月の新規ユーザーの継続率を見たい」と、普段の言葉で質問するだけ。SQLやデータの保存場所を知らなくても、企画・運営など、データを必要とする人自身が調べられるように。
- 気になったことを、その場で調べて議論を前へ会議中に「売上が落ちたのは、どのユーザー層か」と疑問が出たら、その場でAIに質問。データ担当者への抽出依頼と回答待ちを減らし、結果を見ながら次の確認や施策の議論へ進めます。
- 固定された指標に縛られず、自由な切り口で深掘り「イベント参加者だけに絞って」「課金額別に分けて」「前年の同じ時期と比べて」と、対話しながら対象・期間・条件を変更。用意された集計だけでなく、自分の仮説に合わせてデータを探索できます。
- 普段使うSlackやTeamsからデータを探索既に利用しているコミュニケーションツールと連携することで、専用画面を開かず、その場で質問して必要なデータやグラフを取得できます。
ガチャで石が尽きたユーザーの離脱率を教えて
石保有数と離脱率の関係離脱：ガチャ後7日間ログインなし
石が0個になったユーザーの離脱率は32%。保有数が少ない層ほど離脱率が高い傾向です。石の枯渇が原因かは、獲得結果やプレイ歴も含めて検証できます。
石が尽きて離脱しそうなユーザーに対する施策を考えて
データ分析基盤で
更に広がるアクション
ユーザーへの個別アプローチから、売上予測、運営ナレッジの活用まで。
離脱予兆のあるユーザーに個別アクション
機械学習や特徴量を利用した特定の販売物の売上予測
個々のユーザーの好みを反映した特定キャラからのメッセージ
各ユーザー別の未所持キャラの入手機会を告知
AIによる、売上などの重要KPIに影響する特徴量の自動発見
障害・不具合の発生時に過去の類似事例から解決策を提案
ゲーム内ユニットの性能、環境の数値化
シナリオデータから、設定やキャラの口調などを抽出して物語データベースを作成。ライター間の情報共有と、AIによる新規シナリオの推敲
施策・キャンペーン・広告効果のレポートを自動生成
議事録の文字起こしと検索
ここでご紹介しているのは、ゲーム運営での活用例です。
データプラットフォームを基盤に、業種を問わず、社内に散在するデータをつなぎ、分析・予測・業務支援へ展開できます。
無料相談や、技術検証、ダッシュボードサンプル資料の請求はこちらから
お手元のデータをもとに、どこまで可視化・分析できるか。
ダッシュボードやデータ探索AIを用いて、無料で技術検証します。
こんなことから相談できます
- 今あるデータで、何が分かりますか？
- 必要なデータを、どこから集めればよいですか？
- こちらが想定するような分析は可能ですか？
- どこまでの支援を、どのくらいの規模から頼めますか？
メールで問い合わせる
連絡先メールアドレスotomokam@tsukris.com