Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

20120622 data conference

551 views

Published on

Published in: Technology
  • Be the first to comment

20120622 data conference

  1. 1. Onlab [DATA] Conference サービスローンチ後の戦略 2012/06/22 @managami
  2. 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. 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. 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. 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. 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. 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. 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. 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. 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. 11. 「あなたは、穴が開くほどデータを見て いますか?」
  12. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 34. 参考• Optimisely https://www.optimizely.com/
  35. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 46. メール配信と分析• Eメールは死んだのか?
  47. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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/

×