HOW TO TD(User Engagement)Treasure Data User Engagement

分析に必要なプロセス

ホーム » 分析に必要なプロセス

はじめに

カスタマーコンサルティングチームの櫻井 将允です。

Treasure Data CDPをご利用中のお客様にはご存知の通り、Treasure Data CDPは、組織内に散在しているあらゆるデータを収集・統合・分析できる「基盤」です。「深い顧客理解」をもとに各種施策ツールへ連携し、パーソナライズされた「最高の顧客体験」を実現するものです。

この通りに、うまく活用できているお客様もいれば、中にはうまく活用できていないお客様もいるのではないでしょうか。つまずきポイントは様々あると思います。

Treasure Data CDP自体の使い方や施策実施などのテーマは他の方にお願いするとして、私からは分析に関するテーマをお伝えしようと思います。分析時のつまずきが少しでも減るように何回かに分けてお伝えできればと思っています。本日は『分析の手順』についてです。

分析の目的は何か?

分析をする上で何よりも重要なことです。この点が曖昧だったり、ズレていると分析した意味がなくなることもあります。
ビジネス上の分析の大まかな役割は以下のように、ビジネス課題の設定〜解決まで並走していると思います。必ずしもこの流れの最初から順にというわけではないです。「施策の効果を検証したい」というテーマであれば、解決策実行や解決のフェーズでの分析ですね。

ビジネス課題を解決へ、解決したらより良い状態へ進化…といったように並走する分析は次のアクションへ繋げる役割を果たす必要があります。
つまり、どのようなテーマの分析であったとしてもビジネスにおいて、

  • 何を行いたいのか?
  • 何が問題なのか?

といったことを明らかにし、その問に寄り添った分析をすることが重要です。

解くべき問は何か?

分析の目的が定まったら、次に必要なのは分析の目的を果たすのに必要な「解くべき問」を見つけることです。

たとえば、先程の図の解決策実行や解決のフェーズの例として、「サイト来訪者を増やすために広告を出稿した」とします。

そうすると、解くべき大きな問は、「その広告は効果があったのか?」になると思います。
さて、ここで注意すべき点は、サイト来訪者を増やすために出稿した広告の効果の有無なので、「サイト来訪者数が増えたか?」だけを見れば良いわけではないです。(そんなことわかっている!という方もいらっしゃると思います)

何をもって効果があると言えるのか?に繋がる問に答える必要があります。結論に繋がる根拠となる部分への問ですね。

  • そもそも女性30代向けの商品の広告だからターゲット層に来訪してほしい
  • →ターゲット層が狙い通りに増えたのか?

  • 広告費の最適化のために採用した広告メニューをこれまでと変えた
  • →広告費のバランスを変える/下げることをしても従来より来訪者を獲得できたか?

など、ビジネス課題や解決策の背景に沿って考えると解くべき問が発生してきます。
上の例のような効果測定のテーマではなく、たとえば市場への新規参入の検討など解決策立案以前のフェーズでも同じように「どの問に答えると分析目的は達成されるのか?」を考えれば必要な問は出てくると思います。(1人で思いつかなければお題を出してきた方などに相談しながら考えてみましょう)

また、問を答える際に必要なものとして、「判断基準」が欠かせません。
先程の例では、以下のようなものが挙げられますが、具体的な指標と目標数字が必要です。

  • そもそも女性30代向けの商品の広告だからターゲット層に来訪してほしい
  • →ターゲット層が狙い通りに増えたのか?
    広告経由で何人来訪させれば良いのか?何人買ってくれれば良いのか?など

  • 広告費の最適化のために採用した広告メニューをこれまでと変えた
  • →広告費のバランスを変える/下げることをしても従来より来訪者を獲得できたか?
    どの広告で何人来訪させれば良いのか?CTRやCVRは?など

KPIが代表的です。KPIの考え方については別の機会にご紹介しようと思います。

必要な情報やデータを収集する

さて、ここまで来てようやく「どんな情報やデータが必要か?」という話が出てきます。

  • いろんなデータをCDPに入れたから一旦分析してみてよ。何か見てみてよ。
  • いろいろデータあるからインサイト、何か出るんじゃないかな?
  • 顧客理解のためにいくつかデータ使ってペルソナ描いてみて
  • Webログ、来店履歴、アプリデータとかあるからジャーニー作って

など言ったこと/言われたことがある方、両方いると思います。学習的側面や研究的側面として成果無視で取り組んで良い状況でしたらやってみて良いと思います。

大抵は(むしろ絶対に)成果に繋げる必要がありますので、「何かビジネスに直結するものを導かないといけない!」となるのですが、先にお伝えした「分析の目的」や「解くべき問」を無視/適当に誤魔化して着手すると辛い結果を得ることになります。

報告した後のよくある反応として、

  • 既に知っていることがほとんど
  • ありきたりな結果しか出てこない
  • 世の中にどれくらいいるのかわからない強引なペルソナ像やジャーニー
  • この後何をどうすれば良いか議論が進まない

などです。

データ自体の理解や何ができる/できないの理解をする上では研究的にデータをいろいろ見てみることは良いと思いますが、基本的には「分析の目的」や「解くべき問」を明確にした上で必要な情報やデータを収集しましょう。

具体的にどんなデータが必要なのか?の話は別の機会にしますが、解くべき問のために、

  • 対象は誰なのか?
  • 時期はいつのものなのか?
  • どんな形で得られたデータなのか?

など扱うデータの種類や条件は意識した方が良いです。

また、この後から実際の分析を進めていくことになるので、分析の目的や解くべき問と合わせて関係者と認識合わせをすると円滑な進め方になると思います。この際に、過去の事実や仮説も一緒に整理できていると分析時のデータの解釈もより良いものになります。

分析して解くべき問に答える

ここからやっと「分析作業」に入れます。収集したデータをSQLやBIツール(Tableauなど)、Python、R、Excelなど、必要に応じて必要なツールを使いながら分析を進めていきます。SQLの書き方やTableauの使い方などはトレジャーデータの他メンバーがブログを書いてますのでそちらを是非参照ください!

分析テーマに応じて解くべき問も分析方法も様々ですので、ここでは分析する際の「視点」についてお伝えします。1つ1つの詳しい紹介は今回はしませんが、私は以下の9つの視点を必要に応じて選んで使っています。

分析目的や解くべき問を前提に、目の前にある数値を施策の目的/内容、過去の事実、仮説と照らし合わせて答えを探します。こうすることで今見つけたい答えに加えて、新たな発見も得られるかもしれません。

結論を出し、意思決定をする

最後は、分析結果に基づいて、「結論」を出します。この際に意識した方が良いことをお伝えします。
一言で言うと
「分析目的を果たせているか?」
です。

分析の目的についての章で、
「ビジネス課題を解決へ、解決したらより良い状態へ進化…といったように並走する分析は次のアクションへ繋げる役割を果たす必要があります。」
とお伝えしました。

たとえば、施策が目標達成できなかった場合、目標値に達しなかった要因の分析をすると思いますが、その要因が解消されれば本当に達成できるのか?目標を達成できた場合は、どう改善すればより良くなるのかを具体的に規模感含めて伝えられるか?が重要です。(そこまで分析しないケースも多いですが、理想としてです。)

次のアクションに繋げるための分析として、こういった意識で分析し、結論づけるようにしていきましょう。

  • 解決できる?
  • 実行できる?
  • 効果がある?

の3つの問をご自身の結論に投げかけると良いと思います。

まとめ

分析スキルは簡単に身につくものではないと思います。
私自身、未熟なところが多いですが、皆様のお悩みに寄り添えるよう精進してまいります。
次回以降、今回お伝えした分析プロセスの中でも少し触れましたKPIや分析の9つの視点などを詳細にお話できればと思います。
読んでくださってありがとうございました。また次の記事でお会いしましょう。

櫻井 将允

Customer Consultingチーム

2006年に代理店系マーケティングリサーチ会社に入社以降、マクロミルやグリー、ヴァリューズなどマーケティングリサーチ会社、コンサルティング会社、事業会社にて様々な課題に対する調査分析を担当。リサーチプランナー、リサーチャーとして14年以上、1500件以上のプロジェクトを主導。通信、自動車、有料放送、ゲーム・音楽アプリ、化粧品、食品・飲料、不動産、保険など様々な業界のリサーチを経験。前職、電通マクロミルインサイトではマーケティングリサーチ業務に加えて、電通DMP(People Driven DMP)の開発・活用支援にも従事。意識データ×行動データの統合分析を推進。 2019年にトレジャーデータに参画。顧客データ、Webログデータ、購買データ、接客データ、位置データ等のデータを統合し、顧客理解、有望顧客特定、施策効果検証など多様なテーマの分析に従事。また、Tableauを用いたダッシュボード構築も担当。

得意領域 : データ分析(アンケート、Web・Appログ、POS、TV視聴等)、ダッシュボード構築

Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

*

Back to top button