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