検索結果0件」

    私がデータ分析する際の指針【仮説立案と検証・因果と相関・戦略立案】

    私がデータ分析する際の指針【仮説立案と検証・因果と相関・戦略立案】

    こんにちは、シンヤです!
    今回は私がデータ分析する際の指針【仮説立案と検証・因果と相関・戦略立案】を解説いたします。


    データそのものに「価値はない」

    いきなりよく分からないことを言ってしまったかもしれません。
    ですが真実なので、まず始めに言及いたします。

    データそのものに、価値はありません。
    データ自体が売り上げの底上げをしたり、答えを教えてくれるわけではありません。

    ではなぜデータが大事かというと、以下の3つの問いを導き出せるからと、私は感じています。

    なぜデータが大切なのか

    結論からいうと、理由は以下の3つです。

    1. 「仮説の立案と検証」が出来るから
    2. 「物事の因果と相関の関係整理」が出来るから
    3. 「戦略が練れるようになる」から

    になります。
    これから詳しく解説いたします。

    解説に入る前に、あなたは今から「Webサービスの販売戦略を担うマーケター」です。
    これからマーケターになり切ったつもりで、記事の解説を行います。


    1. 「仮説の立案と検証」が出来るから

    これはつまり、

    • 「問題解決の為の仮説」を導き出せる
    • 「仮説が正しかったかの検証」が出来る

    になります。
    これだけだとよく分からないと思うので、詳しく解説いたします。

    「問題解決の為の仮説」を導き出せる

    直近の課題で「売り上げが下がっている」という事実があったとします。
    解決策はどのようなものが浮かびますか?

    • 新しい商品を発明する
    • 商品の単価を上げる
    • 集客率を上げる
    • 広告単価を上げる

    などでしょうか?
    残念ですが、これらは全て間違っています。

    問題解決をするためには、まず「多角的にデータを分析する事」が必要なのです。
    仮に以下のようなデータが上がってきたとします。

    • 新規会員登録数
      • 先月比と横ばい
    • ランディングページのPV数
      • 先月と比べて、2%程増えている
    • ボタンのクリック率
      • ❌先月と比べて、3%程落ちている
    • 商品購入確率
      • 先月比と横ばい

    要約すると「ランディングページのPVは増えているけど、ボタンのクリック率は下がっている」ということです。

    つまり「商品を購入するページまでたどり着けない人が増えた」という仮説が出来上がります。
    この場合、有効的だと思われる問題解決策は・・・

    ボタンの改修をすること

    になります。
    データを一つ一つ分析していけば、仮説というのが出来上がります。

    繰り返しになりますが、上記は私が「仮に設定したもの」です。
    実際の現場では、さらに深掘りして分析することもありますし、仮説も一つだけとは限りません。

    「仮説が正しかったかの検証」が出来る

    仮説ができたところで、問題解決策を考えます。
    「クリック率を高めるボタンの改修案」を、出来る限り多く考え出します。

    • ボタンのテキストを大きくする
    • 商品の値段を入れてみる
    • ボタンを光らせる
    • ボタンにアニメーションを加える
    • 色を変えてみる
    • 線を太くする
    • 訴求文を変えてみる

    などなどです。
    正解不正解はないので、多く案を出していただいて構いません。

    この中で、テストをする案を考えていきます。
    私は意思決定をする際、以下4つを大切にしています。

    • 具体性
    • 即効性
    • 緊急性
    • 実現可能性

    つまり・・・

    1. 具体的な解決方法が提示できて
    2. すぐ実施することができて
    3. すぐ対応した方がいいか考えて
    4. 技術的に実現できる事である

    ということです。
    考え出した解決案の中で、この4つに該当する数が多いものから、優先的に対応していきます。

    頭の中でうまく整理できない方は、上記のような「4象限」を使ってみると良いです。

    「具体性」は案を出したので問題なしです。
    つまり「4象限」で要素整理したら、右上から「緊急性が高い案」を採用すれば良いです。

    優先的に対応する施策をA/Bテストで試します。
    何週間かすると、結果が出ます。

    結果を基に、仮説が正しかったかの判断をします。
    効果の事例としてノウハウを蓄積し「次の仮説立案」に活かします。

    つまり、仮説の検証をすればするほど「社内のノウハウとして蓄積していく」ということになります。
    これも全て「データを基に仮説を立案したから実行できたこと」です。

    データに基づかない解決案は、失敗しやすいし事例としても蓄積しない

    データを見ずに解決案を考えた場合、デメリットは上記の通りだと思います。

    何よりも「成功したとしても事例として蓄積しない」というのが最もよくないと思います。
    同じような問題が発生した際に、過去の事例として引用できなくなってしまいます。

    成功・失敗事例としてテストの結果が蓄積できるのは・・・

    「データ」を基にして「仮説」を立てたから

    これに他なりません。
    「問題解決」という点においては、データを見ないのは「損失」だと、私は思います。


    2. 「物事の因果と相関の関係整理」が出来るから

    これはつまり「物事の原因と結果の条件整理ができている」と置き換えることもできます。
    実はこれは前述の「売り上げが下がった原因」の要素整理で使っています。

    要約すると「ランディングページのPVは増えているけど、ボタンのクリック率は下がっている」ということです。

    上記の文章になります。

    • 原因:ボタンのクリック数が下がった
    • 結果:だから売り上げが下がった

    ということです。
    データを整理すると、物事の「因果と相関の関係整理」ができます。

    因果と相関の関係整理ができていないと、どのようになるでしょうか?
    結論からいうと、いきなり解決案を提示してきます。

    • 新しい商品を発明する
    • 商品の単価を上げる
    • 集客率を上げる
    • 広告単価を上げる

    冒頭で説明した上記です。
    これらの提案には「問題の原因」は含まれていません。

    • 原因:???
    • 結果:売り上げが下がった
    • 解決案:新しい商品を発明する

    という状態なのです。
    これでは「良い問題解決」を行うことはできません。

    ポイントは「表現が具体的」かどうか

    因果と相関の関係整理ができている、良い問題解決とはなんでしょうか?
    結論からいうと、私は「表現が具体的かどうか」だと思っています。

    まず、悪い問題解決の例を見てみましょう。


    悪い問題解決

    • 原因:???
    • 結果:売り上げが下がった
    • 解決案:新しい商品を発明する

    「新しい商品を開発する」では、具体的に何をしたら良いかわかりませんね。
    次に、良い問題解決の例を見てみましょう。


    良い問題解決

    • 原因:ボタンのクリック数が下がった
    • 結果:だから売り上げが下がった
    • 解決案:ボタンのテキストを大きくする

    などです。
    解決案が具体的で、誰にでもわかったかと思います。

    個人的な経験談ですが、抽象的な解決案を多く提示する人は「物事の本質が見えていない」と感じることが多いです。
    前述の通り「因果と相関の関係整理ができていないから」だと、個人的には感じます。


    3. 「戦略が練れるようになる」から

    これは要約すると「一つの数字に囚われず、あらゆる角度から戦略を練れる」ということです。
    裏を返すと「一つの数字に囚われてしまってはダメ」ということになります。

    例えば以下のような課題が上がってきたとします。

    直近の新規会員登録率が、毎週2%ずつ落ちている。
    会員の母数が減ると売り上げも伸び辛くなるから、なんとか解決して欲しい。

    ここですぐ「会員登録率を上げる」という施策に走ってしまうのは、悪い問題解決です。

    前述の「因果と相関の関係整理ができていない状態」とも言えます。

    まず「本質的な問題整理」をしないといけません。
    顧客の要望をよく聞いてみると「売り上げが伸び辛くなる」と言っています。

    つまり、本質的に気にしているのは「売り上げ」です。
    では本当に、売り上げは減少しているのでしょうか?

    • 新規会員登録率
      • 毎週2%ずつ減っている
    • 売り上げ
      • 先週に比べ4%上がっている

    つまり「会員登録数率は減っているけど、売り上げは上がっている」ということになります。
    間口の数字である分母は減っているけど、分子は増えているとも捉えられます。

    これは「コンバージョンレート(CVR)が上がっている」とも解釈できます。
    そう考えるとむしろ、会員登録率が下がってるのに売り上げが上がっているのは「良い兆候」とも捉えられます。

    そもそも「これって本当に問題だっけ?」と疑う姿勢から物事を分析しています。
    このような考え方を・・・

    クリティカルシンキング

    と言います。
    クリティカルシンキングに関しては、以下の本で分かりやすく解説されています。

    まず「具体的な目的は何か」から分析する

    上記ができれば、ほぼ問題ないと思います。
    顧客の意見を鵜呑みにせず「本当に解決したい問題は何か?」から分析します。

    • 会員登録
    • 売り上げ
    • PV
    • 発注台数

    目的(KPI)となり得る数字は種々雑多あります。

    顧客の叶えたい「本当の要望」を分析し、KPIを設定します。
    KPIの設定ができれば、数字を上げるための「戦略」を練ることができます。

    数字が低いから、上げとかないと

    上記のような、表現は少々悪いですが「短絡的な思考」では、戦略を練れるような数字を導き出すことはできません。


    まとめ

    • データ自体は何もしてくれない
    • それでもデータが大切なのは、分析するための重要な指針があるから
    • 「仮説の立案と検証」「因果と相関の関係整理」「戦略の立案」の3つ

    今回は以上になります。

    • 私がデータ分析する際の指針【仮説立案と検証・因果と相関・戦略立案】