20120622 data conference

  • 320 views
Uploaded on

 

More in: Technology
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
320
On Slideshare
0
From Embeds
0
Number of Embeds
1

Actions

Shares
Downloads
0
Comments
0
Likes
1

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n

Transcript

  • 1. Onlab [DATA] Conference サービスローンチ後の戦略 2012/06/22 @managami
  • 2. 目次• 予測分析• アナリティクス・アクセス解析・KPI設定• デザインの最適化・機能の検証・コンバー ジョンの最適化• 検索エンジン最適化• データ/デザイン• メール配信と分析
  • 3. 目次• 予測分析• アナリティクス・アクセス解析・KPI設定• デザインの最適化・機能の検証・コンバー ジョンの最適化• 検索エンジン最適化• データ/デザイン• メール配信と分析
  • 4. • 予測分析 Peter Skomoroch 氏 LinkedIn社 Principal Data Scientist Peter氏は、LinkedIn社にてチーフ・データ・サイエン ティストを勤め、データと行動分析の研究を行う。ま た、データマイニングと予測分析に特化したコンサル ティングサービスを提供するData Wrangling社の創業者で もある。
  • 5. データサイエンティスト• データサイエンティストチーム所属• マーケティングチームは別にいる ディシジョンサイエンスチーム• KPI、レコメンデーション、サジェス チョン
  • 6. データサイエンティスト• 結局ユーザは何を見て何をクリックし ているのか• トラッキング、ABテスト• プログラミングのスキルある方がいい
  • 7. データ予測分析• データを見るというと普通、大した変 化のない横ばいのデータをみるが、平 均だけ見ても意味がない• もっと深堀りしたデータを見なければ ならない
  • 8. データ予測分析• 変化を見つける• 機転を利かせる• 単なる直感でなく、体験によるアルゴ リズムに基づく直感でなければならな い
  • 9. データ予測分析• データ分析による4つの原則• 分析(Analyze)• 即座につくる(Improve)• 予想する(Anticipate)• 順応する(Adapt)
  • 10. データ予測分析• LinkedInでは分析は全てHadoop• 見やすくするのにExcel• ユーザに自らデータを整理させる• クラスタリング、重複を排除、面白い 相関を見つける
  • 11. 「あなたは、穴が開くほどデータを見て いますか?」
  • 12. • アナリティクス・アクセス解析・KPI設定 Hiten Shah 氏 KISSmetrics社 CEO Hiten氏は、ウェブアナリティックス(分析)ソリューショ ンを提供するKISSmetrics社の創業者。 KISSmetricsは顧客 獲得やリテンション(顧客維持率)等を上げる分析ツー ルで、eBay、Square、FourSquare、Amazon等が活用して いる。
  • 13. アナリティクス・アクセス 解析・KPI設定• アクションが取れる測定• Google Analysis は役に立たない測定ばか り• PV、トラフィックがあがったからと いってどうアクションすればいいの か?
  • 14. アナリティクス・アクセス 解析・KPI設定• ユーザ中心の測定• どういったユーザなのか、ユーザから 学ばなければならない• データアナリティクス →ユーザアナリティクス
  • 15. アナリティクス・アクセス 解析・KPI設定• ユーザの行動サイクル• サイトに来て、探して、買う、滞在時 間• なぜツールは自前で作るのか?• 顧客データと測定結果を結びつける
  • 16. アナリティクス・アクセス 解析・KPI設定• どんなユーザが?何を?• 購入する前の行動を測る 流入元、コンバージョン• 最も価値の高いユーザとは? 一番利益を生んでいるユーザ
  • 17. アナリティクス・アクセス 解析・KPI設定• 誰が重要なカスタマーか、その人たち に何をするか• ユーザのことを早く学ぶことが重要• 勝つための唯一の方法は早く学ぶこと だ エリック・リース
  • 18. アナリティクス・アクセス 解析・KPI設定• リーンスタートアップ• Build, measure, learn faster• すべては仮設から始まる• できるだけ早くサイクルを回す
  • 19. アナリティクス・アクセス 解析・KPI設定• 生涯価値 平均的なお客様がどれだけのお金を 払ったのか• PVが問題ではなく、顧客維持が大事
  • 20. • デザインの最適化・機能の検証・コンバージョンの最適化Optimizely社 共同創業者 兼 PresidentOptimizelyは、プログラミング0ですぐにA/Bテストが実装できるツールである。 Starbucks、TechCrunch、37Signals、SalesForce等、数々の企業が活用している。 前職はGoogle社でGoogle App Engineのプロダクトマネージャーとして勤務。 イリノイ(Urbana-Champaign)大学でComputer Scienceを専攻。
  • 21. デザインの最適化・機能の検証・コンバージョンの最適化• 企業のステージによって方法は違う• 生き残るための術は個々に違う
  • 22. デザインの最適化・機能の検証・コンバージョンの最適化• とても早いステージでは 作る前に10人に話しを聞く 最初からコードを書くな PhotoShopで書けば十分
  • 23. デザインの最適化・機能の検証・コンバージョンの最適化• とても早いステージでは ユーザのどんな問題を解決するのか どうやって見つけてもらうのか 仮説を立てるための情報を収集
  • 24. デザインの最適化・機能の検証・コンバージョンの最適化• アナリティクスはこの時点では重要 じゃない• カスタマーが使っているのを見てみれ ばいい• メールすればいい、聞いてみればいい
  • 25. デザインの最適化・機能の検証・コンバージョンの最適化• 誰も文句を言わないショートカット• 料金別メニュー表を作ったが、料金に よる機能制限の仕組みを作らなかった
  • 26. デザインの最適化・機能の検証・コンバージョンの最適化• 小さなスタートアップはユーザと密な コミュニケーションがとれる• 解約時がユーザとの一番のコミュニ ケーション• 解約理由は製品の欠陥を教えてくれる
  • 27. デザインの最適化・機能の検証・コンバージョンの最適化• 成長期 この段階で始めてアナリティクスが重 要になってくる• 様々なツール google analytics, kissmetrics,flurry,kontagent
  • 28. デザインの最適化・機能の検証・コンバージョンの最適化• 次のアクションを導き出すのはABテス ト• 直感に頼ってはいけない• 成長のステージによってアナリティク スの方法は違う
  • 29. デザインの最適化・機能の検証・コンバージョンの最適化• 何に対して、何からABテストするか• ユーザが離脱したところが一番の見所• 何が気に入らないのか
  • 30. デザインの最適化・機能の検証・コンバージョンの最適化• テストの期間はどのくらい?• サービスによって違うが最低2週間が目 安、平日、休日、十分なトラフィック• テストのし過ぎに注意
  • 31. デザインの最適化・機能の検証・コンバージョンの最適化• Refinement トライをしていくと収斂する• Exploration 枝を次々に 探索していく
  • 32. デザインの最適化・機能の検証・コンバージョンの最適化• 何パターンまでテストする?• トラフィックによって変わる• 多くのパターンを試すには十分なトラ フィックが必要
  • 33. デザインの最適化・機能の検証・コンバージョンの最適化• ユーザをグルーピングしてケースを分け る• ABテストはデザインプロセスに取って 変わるわけじゃない
  • 34. 参考• Optimisely https://www.optimizely.com/
  • 35. • 検索エンジン最適化 Ray Grieselhuber 氏 Ginzamarkets社 共同創業者 兼 CEO Ray氏は、過去5年間マーケティングおよび広告システム を開発し、P&G社、Intel社、Cisco社などをクライアン トとし、グローバル市場へのオンライン事業拡大、コス ト削減、売上増加の支援を行った。Ginzamarkets社を創 業する前は、数々の賞を受賞する米カリフォルニア、サ ンディエゴを拠点とするCovario社で、チーフアーキテク トおよび製品開発部長を務める。その後、東京でファイ ヤーウォッチングメディア株式会社を経営。
  • 36. 検索エンジン最適化• (目新しい話はなかったので飛ばしま す)• (汚いメモで良ければ差し上げます)
  • 37. • データ/デザイン Chris Palmieri 氏 AQ株式会社 代表取締役 イリノイ大学でグラフィックデザインと日本文化を学ん だ後、2001年に日本に移住し、2004年にAQ(エイ キュー)を設立。 日本国内外の企業やコミュニティのた めに、ウェブサービスやアプリケーションを中心にUI/ UXデザインを重視したアプローチでクリエイティブプ ロセスの指揮を取っている。2007年に立ち上げたストー リーと地図を連動させた文学サイト「Hitotoki」は、世 界6都市に展開した。2005年から現在まで「TokyoArt
  • 38. データ/デザイン• UX User Experience• UX見た目だけのことではない• ユーザに与えるいい経験• ユーザについてなるべく多くのことを 知る
  • 39. データ/デザイン• UXでは制御できない部分 いつ使うか、誰と使うか etc• 商品に関する意思決定には影響を与え られる
  • 40. データ/デザイン• 定量的データ• 誰が、いつ、何を、どうした• 数年前はデータ取得にコストがかかっ たが、今はほどんどかからない Google Analytics etc..
  • 41. データ/デザイン• スタートアップ初期では数値は取れな い、そこは重要じゃない• 定性的データ• あなたが思っているより簡単だ 外に出てユーザに聞いてみればいい
  • 42. データ/デザイン• 定性的データの収集 • 質問票 • card sorting • Usability Testing
  • 43. データ/デザイン• Usability Testing • ユーザの声を聞いたらなるべく早く 議論• あまり細かいことは聞かなくていい• とにかく短時間、高頻度で
  • 44. データ/デザイン• UXはデザイナーの責任ではなく、メン バーみんなの責任である
  • 45. • メール配信と分析 Taylor Wakefield 氏 Mailgun社 共同創業者 Taylor氏は、email、deliverbility、サポート、企画、マーケ ティング、営業など、エンジニアリング以外の全てを 担っている。Mailgun社設立前は、事業管理ソリューショ ンを提供するコンサルティング会社Profista社に共同創業 者として参画。それ以前は、Bear Stearns社の、クレジッ トデリバティブ部門にてマネージングディレクターを勤 めた。
  • 46. メール配信と分析• Eメールは死んだのか?
  • 47. 参考• How to leverage email and its data to engage your users and profit!http://prezi.com/ipuykc88vvfg/how-to-leverage-email-and-its-data-to-engage-your-users-and-profit/
  • 48. メール配信と分析• Eメールは死んだのか?• TwitterやFacebookの何倍も使われてい る• まだ死んでない
  • 49. メール配信と分析• ROIが高い• 1ドルEメールに投資するなら他のSNS に投資するより効果がある• ただし問題がある、SPAMだ
  • 50. メール配信と分析• Eメールの90%がSPAM• たくさんのフィルター• フィルターの誤検知• 受信者はいつも疑っている
  • 51. メール配信と分析• Eメールをユーザの受信トレイに到達さ せ読んでもらう、到達性• 到達性を上げる魔法はない• 認証+評判=到達性
  • 52. メール配信と分析• 認証 RDNS, SPF, DomainKeys,・・• 評判• あなたは本当に信頼のおける送り主か
  • 53. メール配信と分析• メール送信は徐々にトラフィックをあ げること• 信頼を構築する3つの方法 • メール受信を許可したユーザだけに 送信
  • 54. メール配信と分析• 信頼を構築する3つの方法 • ユーザからのフィードバックを記録 し、尊重する• 適切に送信、願わくばコンテンツに 反映?(意味良くわからず)
  • 55. メール配信と分析• 2種類のEメール • Marketing Blast Email マーケティングとしてばらまく • Transactional Email 取引、連絡
  • 56. メール配信と分析• 全てのEメールはユーザの関心のある内 容でなければならない• EメールもABテストすべき• ユーザに対するリマインダー
  • 57. メール配信と分析• 忘れたころにリマインド、繰り返し• 継続的なキャンペーに• 双方向のコミュニケーションにする• 一方的に送るのでなく、リアクション もできるべき
  • 58. メール配信と分析• Eメールのデータ 開封有無(率)、バウンス、ドロッ プ、スパム判定、クリック有無 (率)、誰が開いたか トラッキングする
  • 59. メール配信と分析• 到達性を高めるのに近道はない• ただ大量にばらまくのではなく、ユー ザが欲しい時に送ってあげる• パーソナライズが一番重要• Twitter、Facebook、LinkedInはいい
  • 60. 参考• LinkedInが語る、スタートアップ企業の ためのデータ予測分析 http://www.atmarkit.co.jp/news/201206/22/ onlab.html• Onlab [DATA] Conference http://onlabdataconf.peatix.com/
  • 61. 参考• Optimizely https://www.optimizely.com/• How to leverage email and its data to engage your users and profit! http://prezi.com/ipuykc88vvfg/how-to- leverage-email-and-its-data-to-engage-your- users-and-profit/
  • 62. 参考• Google Analyticsにページ最適化ツールの 「Website Optimizer」が統合 http://www.itmedia.co.jp/news/articles/ 1206/02/news014.html
  • 63. 参考• 「リーンスタートアップ」図解付き解 説。トヨタのDNAを継ぐ新規事業マネ ジメント手法。 http://media.looops.net/naoto/2012/05/10/ eric_ries/