【schoo web campus】データ分析、その前にやっておくべきこと 先生...

データ分析、その前にやっておくべきこと

本日のアジェンダ- サービス改善とデータ分析- 分析における仮説立案の大切さ- まずサービスの基礎を知る- AARRRモデルでチェック- 目標とKPIの仮説を設定する

サービス改善とデータ分析

日頃のデータ分析に何を望みますか？

データを見れば施策をつくることができる

データを見れば施策をつくることができる

かんちがい

ではなぜデータ分析なんてやるのか

”Fail fast, fail often”すばやく、たくさん失敗しなさい

”Fail fast, fail often”すばやく、たくさん失敗しなさい

最初からカンペキなんてありえない

”Fail fast, fail often”すばやく、たくさん失敗しなさい

最初からカンペキなんてありえない

課題をすばやく発見しよう！

MEASURELEARN

BUILD

data

idea product

cf. THE LEAN STARTUP by Eric Ries

製品の改善サイクル

製品の改善サイクル

MEASURELEARN

BUILD

data

idea product

cf. THE LEAN STARTUP by Eric Ries

常に何か間違っている

製品の改善サイクル

MEASURELEARN

BUILD

data

idea product

cf. THE LEAN STARTUP by Eric Ries

常に何か間違っている

素早く間違いを発見して次のサイクルに活かすべき

製品の改善サイクル

MEASURELEARN

BUILD

data

idea product

cf. THE LEAN STARTUP by Eric Ries”Done is better than perfect”

常に何か間違っている

素早く間違いを発見して次のサイクルに活かすべき

”Done is better than perfect”

ぼくのかんがえたさいきょうのせいひん

つかえないなあ

”Done is better than perfect”

ぼくのかんがえたさいきょうのせいひんこのへんがイイね！

ここなおしてよ

つかえないなあ

”Done is better than perfect”

ぼくのかんがえたさいきょうのせいひんこのへんがイイね！

ここなおしてよ

データ

つかえないなあ

”Done is better than perfect”

ぼくのかんがえたさいきょうのせいひんこのへんがイイね！

ここなおしてよ

データ

改善

データは課題発見と次へのヒントに使う

データは課題発見と次へのヒントに使う

せいかい

データ分析の扱う範囲

MEASURELEARN

BUILD

data

idea product

cf. THE LEAN STARTUP by Eric Ries

cf. THE LEAN STARTUP by Eric Ries

データ分析の扱う範囲

MEASURELEARN

BUILD

data

idea product

分析における仮説立案の大切さ

３０日継続率６０％

３０日継続率６０％これが意味することは？

チュートリアルの達成率３０％

チュートリアルの達成率３０％これが意味することは？

考えるべきデータはいくらでもある

３０日継続率

翌日継続率

チュートリアル達成率

課金ユーザ比率

ＤＡＵ

登録者数

ユーザ招待数セッション時間

考えるべきデータはいくらでもある

３０日継続率

翌日継続率

チュートリアル達成率

課金ユーザ比率

ＤＡＵ

登録者数

ユーザ招待数セッション時間

でも、ヒマはそんなにない

データは課題発見と次へのヒントに使う

データは課題発見と次へのヒントに使う

効率的に行うには、どんな課題があるか予め想定しておく

データに関するスタンス

データ

データ

データに関するスタンス

改善案データ

データに関するスタンス

データから案を出そう！

改善案データ

データに関するスタンス

データから案を出そう！

改善案データ

データに関するスタンス

検証する仮説

データに関するスタンス

検証する仮説

データに関するスタンス

データ検証する

仮説

データに関するスタンス

この仮説をデータで検証しよう！

データ検証する

仮説

データに関するスタンス

この仮説をデータで検証しよう！

データ検証する

仮説

データに関するスタンス

データを見て一日を過ごさないためにも仮説はしっかり準備

取得するデータについて　- 想定している値はありますか？　- その想定になっているのは何故ですか？　- その想定より高い場合はどうしますか？　- その想定より低い場合はどうしますか？

これくらいは準備しておきたいところ

３０日継続率６０％

３０日継続率６０％仮説によってデータの見方が全く変わる

まずサービスの基礎を知る

自分のサービスに関する仮説が全ての仮説の基本

自分のサービスに関する仮説が全ての仮説の基本

機能の利用方法に関する仮説

使用上の課題に関する仮説

エレベーター・ピッチ

エレベーターに乗っている間にサービスの説明をしてみましょう

Agile Inception Deck

［名前］というこのサービスは［サービスカテゴリ］に属するサービスです［解決する課題］という問題や欲求を抱える［ターゲットユーザ層］の人達に［サービスが提供する内容］を提供します［サービスの特徴］という点が特に魅力です

参考： Agile Inception Deckhttp://agilewarrior.wordpress.com/2010/11/06/the-agile-inception-deck/

The Lean Canvas

参考： Lean Canvas http://leancanvas.com/

１解決する

課題

4提供物 ３

提供する価値

３提供する

価値

５流通方法 ２

顧客となる人達

１解決する

課題 ６重要な指標

３提供する

価値

３提供する

価値 7自分の利点

２顧客となる

人達

8発生するコスト

8発生するコスト

8発生するコスト

９発生する収益

９発生する収益

９発生する収益

このサービスは何をしたいサービスか？常にそれを意識しておきましょう

AARRRモデルでチェック

自分のサービスをより深く理解するためにAARRRモデルを使ってみましょう

AARRRモデルとは

サービスを５つのフェーズに分解網羅的に見る時に便利

Dave McClureが何年も前から提唱今やシリコンバレーの常識

Acquisition獲得

Referral紹介

Retention継続

Activation活性化

Revenue収益

AARRRはフェーズの頭文字

Acquisition 獲得

ユーザがサービスに登録／訪問する

Activation 定着化

ユーザが最初にサービスの価値を感じる

Retention 継続

ユーザがサービスを何度も利用する

Referral 紹介

ユーザが他のユーザを紹介する

Revenue 収益

ユーザがサービスに収益を発生させる

Acquisition獲得

Referral紹介

Retention継続

Activation活性化

Revenue収益

AARRR

あとはこの各ステップについて仮説を検証し改善していくだけ

目標とKPIの仮説を設定する

今どこを改善したいか？

Acquisition獲得

Referral紹介

Retention継続

Activation活性化

Revenue収益

基本はActivation,Retention

Acquisition獲得

Referral紹介

Retention継続

Activation活性化

Revenue収益

目標を設定する

いつまでに改善たいか？どれくらい改善したいか？

KPIとは何か

Key Performance Indicator今どれくらいうまくいってるか

KPIの設定ポイント

すぐに施策が想像できるか？他の要因から影響を受けないか？

目標、KPIの関係

サービスの目指す最終目標

今改善したい目標

KPI

KPIを見てサイクルを回す

MEASURELEARN

BUILD

data

idea product

cf. THE LEAN STARTUP by Eric Ries

まとめ

cf. THE LEAN STARTUP by Eric Ries

MEASURELEARN

BUILD

data

idea product