【参考資料】Free Agenda #63 Issue Analysisについて(メモ)

こちらは、動画「Free Agenda #63 Issue Analysisについて」の概要をまとめたものです。
動画をご覧になりたい方はこちらからご覧ください。

動画についての考察は以下の記事に起こしました。
→ データ分析の限界(アンチ・データ分析向け)

イシュー・アナリシスとは何か?

一般論

  • イシュー・アナリシスとは、なぜなぜ分析(コンサルでいう、rout cause分析)のこと
  • イシュー(ビジネス課題)を細かくサブイシューに分解して、施策を紐付けていく
  • 施策から考えると議論が発散して、イシューとの関連性が薄くなりがち
  • プロジェクトの最初にイシュー・アナリシスを行うことで、全体像が整理される
  • サブイシューに優先度をつけることをディレクションという

タベリーの事例

イシュー・アナリシスの運用

  • イシュー・アナリシスには相当の労力を使うので、更新・管理はしない
  • イシューはファネル構造(離脱段階別にユーザーを捉えたもの)で整理していた
  • ファネルの良い点は、認識を共通化しやすいこと、問題の程度が定量的にわかること

施策選定・効果検証

  • 施策は手数を多く打つことを前提としている
  • 施策にかかるコストは考えず、とにかく効果が大きいものをやっている
  • 施策選定の段階では、定量ではなく定性的な観点で想定効果を評価している
  • 施策後はどれだけファネルに影響があったかを測定している
  • 施策の分析結果はgithubのリンクと紐付けて管理している

定量分析 vs 定性分析

  • 組織が大きくなると、ユーザーのペルソナが増えるほど(マスになるほど)、定性評価による意思決定が難しくなり、データ分析による定量評価が役に立ってくる
  • マスになるほど、プロダクトはジェネラルにする必要がある
  • 仮に10%のヘビーユーザーが売上高の90%を占めていたとしても、ヘビーユーザーを優遇しすぎると長期的にはサービスは栄えない
  • 大通り(=多くのユーザーが使う機能)に対する施策が大事。メルカリでは、商品を2列表示から3列表示したことで、めちゃくちゃ効果があった
  • 大通り向け施策が原則だが、原則プロダクト外で発生しているアクションを取り込む場合のみ、例外になる(例:外での買い物など、アプリ起動のトリガーになるアクション)
  • データをいくら見ても、オフラインの行動までは分からない。オフラインの行動は、観察するしかない
  • デプスインタビューや観察で得られるインサイトは深い。しかし、影響範囲が狭く複数人で意思決定するための根拠として使うのは難しい
  • データ分析はインサイトとして浅いけど、メルカリでは、会社が大きくなり意思決定が複雑になるにつれ、納得感のある意思決定のためにデータ分析が大事になった

良い意思決定とは?

  • 良い意思決定と正しさ、早さ、納得感、を兼ね備えたもの
  • 早さと納得感は、データ分析でカバーできるが、正しさは定性分析で補う必要がある
  • N1(定性分析)をやると、ユーザーの課題を直に感じることができる
  • データ分析が必要なのは、それなりの規模がある組織

最後に

以上です!
動画中、「デプスインタビューはレポートにした途端に共感が薄くなってしまう(=影響範囲が狭い)」と言っていたのですが、実際はこうして文字に書き起こすと、動画の感動が半減してしまいますね。。

興味を持った方はこちらから動画をご覧いただけますとのでどうぞ!

コメントを残す