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.

Startup Science 2017 拡大版(1750page)8/10

26,940 views

Published on

Startup Science 2017 拡大版(1750page)8/10

Published in: Business
  • Hello! Get Your Professional Job-Winning Resume Here - Check our website! https://vk.cc/818RFv
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

Startup Science 2017 拡大版(1750page)8/10

  1. 1. 1750ページ拡大判 Startup Science 2017 ⑧ アイディア作りからスケールまで スタートアップの作り方 20ステップを徹底解説
  2. 2. Product-market-fit MVP/プロダクトを カスタマーに届ける ビジネスモデル の設計をする MVPタイプ ビジネスモデル KPIの設計をする MVPのタイプを選び、 必要最低機能を持った プロダクトを作る エバンジェリスト カスタマーに 自らデリバリー して学ぶ innovation metricsによる定量計測 カスタマー対話による 定性計測を実施 Hooked model を使い施策検討し実装 カスタマーをハマらせる プロダクト/UX施策 を実装してローンチ カスタマーに価値を届ける イテレーションを実装 プロダクト イテレーションを 実装してローンチ 定量的計測と 定性的計測を行う MVPを 構築 PMFを達成 するまで 回し続ける ビジネスモデルをpivotする ビジネスモデルの Pivotを行う Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 PMFを達成するための 順応性の高い チーム/ビジネスプロセス を作る 必要に応じて Seedの資金調達を 行う
  3. 3. ”我々は神を信じる 神じゃない人間は データを持ってこい” -エドワード・デミング Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  4. 4. 新たなアイデアやコンセプト を素早く形にして(MVPを作る) 実際のカスタマーの反応を見ながら 構築(build)-計測(measure)-学習(learn) のサイクルを反復する。 その中で起業家や開発者の持つ仮説検証を行い 検証による学び(validated learning) を通じて新製品やサービスの 事業成功の確度を高める手法 リーンスタートアップ: Build Ideas Product Mea sure Data Learn データを計測しながら 次に活かしていく Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  5. 5. ”定性的に発見をして、 定量的に証明しましょう” - Alistair Croll Lean Analytics 著者 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  6. 6. ”計測できないものを 管理することはできない” P.F. ドラッカー Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  7. 7. 質問 ❓ 初期のスタートアップ は何を計測するべきだ と思いますか? Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  8. 8. AARRRR(海賊指標)を導入する Acquisition: 獲得 Activation: サインアップして、 最初の体験に満足する Retention: 継続利用 Revenue: 売り上げ上げる Referral: 他のカスタマーの紹介 AARRRはカスタマー獲得から獲得したカスタマー が収益を生み出すまでの一連の流れを、 5段階に分けて活動を進めるフレームワーク Copyright 2017 Masayuki Tadokoro All rights reserved AARRR! Startup Science 2017
  9. 9. マーケティングにリソースを導入した 分しか、レベニューが伸びていない マーケティング費用を5倍かけて 5倍のカスタマー獲得を行う Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  10. 10. Product-market-fit (人が欲しいものを作れる状態) の前に、プロダクトの口コミや カスタマー獲得を積極的に促進しても意味がない むしろ、ネガティブな結果になる PMFを達成する前に Referralやカスタマー獲得にこだわるな! Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  11. 11. 大勢のユーザーをハッピーにする前に、 一人のユーザーを完全にハッピーにするには どうすればよいのかを考える Copyright 2017 Masayuki Tadokoro All rights reserved
  12. 12. 多い 少ない Copyright 2017 Masayuki Tadokoro All rights reserved 最初は ユーザー数を 増やすのではなく エンゲージメントを 高める! Startup Science 2017 ユーザー数 (Traction) プロダクトに対する ユーザーエンゲージメント 大ファンそこそこ 好き
  13. 13. 100万人のユーザーが、 そのサービスを”そこそこ好き”と言っている その100万人を 大ファンにするのは非常に難しい Copyright 2017 Masayuki Tadokoro All rights reserved
  14. 14. プロダクトに対する ユーザーエンゲージメント ユーザー数 (Traction) 大ファンそこそこ 好き X Copyright 2017 Masayuki Tadokoro All rights reserved この パスは存在しない Startup Science 2017 多い 少ない
  15. 15. 百人に愛されれば その百人が、それぞれが知人百人に プロダクトを薦めてくれる Copyright 2017 Masayuki Tadokoro All rights reserved
  16. 16. Copyright 2017 Masayuki Tadokoro All rights reserved エンゲージメントを 高めてから ユーザー数を増やす Startup Science 2017 ユーザー数 (Traction) プロダクトに対する ユーザーエンゲージメント 大ファンそこそこ 好き 多い 少ない
  17. 17. バックログ 仕掛り中 完了 検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード Activation/ Retention/ Revenue を計測する MVP ストーリー ストーリー 1−1 ストーリー 1−2 Copyright 2017 Masayuki Tadokoro All rights reserved
  18. 18. Retention(定着率) はカスタマーが あなたのプロダクトを どの程度愛しているかを示す指標である Copyright 2017 Masayuki Tadokoro All rights reserved
  19. 19. 登録後三日以内の ログイン率 ユーザー一人あたりの 1日平均広告視聴回数 登録者画面に きたUU数 一連の作業を 最後までやった ユーザー割合 KGI 登録画面 に初めて来る メニュー 画面 広告視聴 開始 広告視聴 完了 wifi使用 開始画面 wifi使用 開始 再ログイン 画面 メニュー 画面 広告視聴 開始 広告視聴 完了 Acquisition Activation Retention Revenue KPI 登録者画面に きたUU数 メニュー 画面の 離脱率 視聴 開始率 視聴 完了率 使用 開始率 ログイン画 面の 離脱率 メニュー画 面の 離脱率 ユーザー一人あたりの 1日平均広告視聴回数 サイン アップ率 サイン アップ率 Anytime onlineのMVPローンチして その結果(AARRR)を計測する Copyright 2017 Masayuki Tadokoro All rights reserved
  20. 20. 登録後三日以内の ログイン率 ユーザー一人あたりの 1日平均広告視聴回数 登録者画面に きたUU数 一連の作業を 最後までやった ユーザー割合 KGI 登録画面 に初めて来る メニュー 画面 広告視聴 開始 広告視聴 完了 wifi使用 開始画面 wifi使用 開始 再ログイン 画面 メニュー 画面 広告視聴 開始 広告視聴 完了 Acquisition Activation Retention Revenue KPI 登録者画面に きたUU数 メニュー 画面の 離脱率 視聴 開始率 視聴 完了率 使用 開始率 ログイン画 面の 離脱率 メニュー画 面の 離脱率 ユーザー一人あたりの 1日平均広告視聴回数 サイン アップ率 サイン アップ率 Anytime onlineのMVPローンチして その結果(AARRR)を計測する 結果 335人 302人 93人 23人 4.2回 (合計96回) Copyright 2017 Masayuki Tadokoro All rights reserved
  21. 21. MVPの 計測結果(実数) MVPの 計測結果(割合) アクイジション (訪問者) 332人 100% アクティベーション (登録) 305人 90% アクティベーション (作業完了) 93人 30% Retention (三日以内再訪) 23人 25% Revenue (ユーザー一人あたりの 1日平均広告視聴回数) 4.2回 4.2回 結果を定量的/ 割合で表す 比率で 表現する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  22. 22. なぜ、計測することが重要なのか? 目標に向かって自分たちが、 どこにいるのかを 正しく認識するため 目標と現状のギャップを 認識した上で、そこを埋める アクションアイテムを導く KPIはステークホルダー間で の共通言語になる Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  23. 23. 目標と現状のギャップを 認識した上で、そこを埋める アクションアイテムを導く 目標 MVPの 計測結果(実数) MVPの 計測結果(割合) 目標値 アクイジション (訪問者) 332人 100% 100% アクティベーション (登録) 305人 90% 95% アクティベーション (作業完了) 93人 30% 80% Retention (三日以内再訪) 23人 25% 80% Revenue (ユーザー一人あたりの 1日平均広告視聴回数) 4.2回 4.2回 10回 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  24. 24. 優れた指標とは? 優れた指標は チェックしやすい 優れた指標は わかりやすい 優れた指標は 行動につなげやすい (アクション出来る 適切な粒度にする) 優れた指標は 因果指標である (他の指標の変化を 引き起こす指標) Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  25. 25. KPI設定する際にありがちな罠 結果指標しか見ていない: UU, PV, 売り上げ、CPA など 相関指標を見る: 因果関係でなく 相関関係を見てしまう アクションできない指標を見る 粒度が荒い新規率、リピート率 を指標にして、 など次の行動が思いつかない Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  26. 26. KPIの設定はよく間違う ビジネスにとって そのステージで 適切なKPIを計測しているのかを 継続的に検証する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  27. 27. ただし、虚栄の指標を捨てる ページビュー:ページを踏んだ数、アド広告やバナーなどを 設定していなければ意味が無い指標である。 訪問数:誰がどれくらいの頻度で来ているのかが わからないので意味の無い指標である ユニークな訪問者:サイトに来て何をしたかがわからない ページにとどまったのか、離れたのかが検証できない ページの滞在時間 : どのページに滞在していたかを計測しないと意味が無い、 サポートページやFAQにいたら、カスタマービリティーが 悪いことを示唆している メールサインアップ数:プロモメールを打ってみて実際に どれくらいの数がオープンされたか わからないと意味がない。 Follower, Fan, Like: 数だけだと意味がない、 重要なことは何かを売り込んだ時に、 どれくらいの人がアクションをしてくれるか Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  28. 28. So What ? 虚栄の指標は、現状の姿を現している が、”だから何?”というもので 行動に結びつかない Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  29. 29. ”Vanity Metrics(虚栄の指標) はあなたを安心させるが 何をするべきか明確な ガイダンスを提供しない” - Eric Ries Lean Startup Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  30. 30. 計測を続ければ、右肩あがりの指標 (確証バイアスを正当化する指標)は見つかる 売り上げは 上がっていない Page view を計測すれば 上がっている time Page View page view revenue Copyright 2017 Masayuki Tadokoro All rights reserved
  31. 31. 自分の見たいものだけを 見る傾向がある 人間は現実湾曲空間の中 で生きている Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  32. 32. Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 自分たちのプロダクトがイケてる、 と勘違いしてしまうVanity Metricsは 至るところにあるので要注意 Wantedly のランキング、 Facebookのフォロワー、 Product huntでのランキング、 インフルエンサーにプロダクトが tweetされたことなど
  33. 33. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと カスタマーはwifi使用容量を増やし、 その使用容量を活用できるか? カスタマーがアプリ起動、サインアップする。 広告視聴を行い、貯めた容量を活用する Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 20人日/2週間 イテレーションキャンバス Activation: 30% Retention:25% Revenue: 1日4回 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (Product面の学び) (Sales面の学び)
  34. 34. 数字の裏にいる 人の話を聞こう Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 Startup Science 2017
  35. 35. バックログ 仕掛り中 完了 検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード カスタマーの 話を聞く MVP ストーリー ストーリー 1−1 ストーリー 1−2 Copyright 2017 Masayuki Tadokoro All rights reserved
  36. 36. ユーザーが体感することは ユーザーの主観で成り立っている。 定量的データだけでは、 主観的なインサイトが 削られてしまっている。 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  37. 37. MVPを実際に使った カスタマーにインタビューをする Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  38. 38. ・このプロダクトを使って価値を感じましたか? ・もっとも価値を感じることができたフィーチャーの Top3はなんですか? ・なぜそれらのフィーチャーに価値を感じることができ たのですか? ・使わなかったフィーチャー、価値を感じることができ なかったフィーチャーはなんですか? ・なぜ、それらのフィーチャーの価値を感じることがで きなかったのですか? ・このプロダクトを家族や仲の良い友人に勧めますか? MVPインタビューの質問例 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  39. 39. カスタマーからの フィードバックは ”事前の仮説を覆すもの” ”耳がいたいものほど” 重要である Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  40. 40. ビッダーズ初期のメール やり取りはすべて目を通し、 特に大きな問題や厳しい叱咤、 常軌を逸したクレームには カスタマーサポートに変わって、 創業者である南場がメールを書いた Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 ”不恰好経営”より
  41. 41. Start-up Founderはカスタマーと直接話しながら プロダクトを作ることができる スタートアップの競争優位性 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  42. 42. カスタマーとの対話 (Voice of Customer)から インサイトを引き出す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  43. 43. カスタマーの声そのものは カスタマー自身の素人分析や 表面的であることが多い ただ単に カスタマーの声を聞くだけはNG Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  44. 44. カスタマーの声を KJ法で定性的に検証 ①インタビュー データを集める ②データを 細かい単位に 分ける ③カードを 平面上に 展開して グループ化する ④ひとまとめした カード群にその グループを適切に 表す表札をつける ⑤グループ相互の 関連性を最も 論理的に説明できる ようカードを並べる ⑥カスタマーの成功 の本当の要因(真因) を言語化する カスタマーの成功 要因 要因 真因 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  45. 45. カスタマーの言葉 インサイト インサイト 最も深い インサイト カスタマーインサイトの検証 Copyright 2017 Masayuki Tadokoro All rights reserved つまり、 どういうことか? Startup Science 2017 つまり、 どういうことか? つまり、 どういうことか?
  46. 46. インタビュワー:本日はお時間ありがとうございます キャサリン(カスタマー):どういたしまして。 インタビュワー:1週間ほど、弊社のサービスを活用いただいて ますが、いかがでしょうか? キャサリン(カスタマー):満足しています。広告を視聴するこ とで、使用できるwifiの使用量が増えるのはとても便利です。 インタビュワー:なるほど、なぜ、便利に感じるのですか? キャサリン(カスタマー):私は、いつでも、どこでもYoutube を見たいと思っているので、使用量が減ってきたら、また広告を みて容量を足すことができるからです。 カスタマーと話す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  47. 47. インタビュわー:なるほど、Youtubeを見るので、常に容量が 減っていくので、継続的に広告を見て容量を足したいというこ とですね。 キャサリンさん(カスタマー):そうです。だいたい、 Youtube5分みると10MBを使い切ってしまいますので、また、 広告視聴に戻って、10MB足すという行為を繰り返しています 。 インタビュワー:なるほど、興味深いですね。その時はどんな 気持ちになっていますか? 大久保さん(カスタマー):正直、少し面倒くさいと感じてい ます。一気に、もっと容量を増やすことができれば、使い勝手 が向上すると思います。 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  48. 48. カスタマーの声:とても便利である インサイト:動画を見るために 容量を継続的に加算できる インサイト:広告を見て 動画をみるというのは少し面倒くさい 一回あたりの 使用容量を 増やしたら 使い勝手が上がる Anywhere Onlineの事例 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 つまり、 どういうことか? つまり、 どういうことか? つまり、 どういうことか?
  49. 49. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと カスタマーはwifi使用容量を増やし、 その使用容量を活用できるか? カスタマーがアプリ起動、サインアップする。 広告視聴を行い、貯めた容量を活用する Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 20人日/2週間 イテレーションキャンバス Activation: 30% Retention:25% Revenue: 1日4回 使い勝手に、難があるが カスタマーは価値を感じながら ソリューションを使っている Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (Product面の学び) (Sales面の学び)
  50. 50. Copyright 2017 Masayuki Tadokoro All rights reserved もしCRM システムがあるなら 貯めていく Startup Science 2017
  51. 51. MVPにすぐに見切りを つけるのはNGである 一定期間辛抱する 十分な定量データ、定性フィードバック を獲得にしておく Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  52. 52. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと カスタマーはwifi使用容量を増やし、 その使用容量を活用できるか? カスタマーがアプリ起動、サインアップする。 広告視聴を行い、貯めた容量を活用する Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 20人日/2週間 イテレーションキャンバス Activation: 30% Retention:25% Revenue: 1日4回 使い勝手に、難があるが カスタマーは価値を感じながら ソリューションを使っている Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (Product面の学び) (Sales面の学び) プロダクト面 の学び
  53. 53. MVPで学んだことをチームで 言語化・検証していく チーム Copyright 2017 Masayuki Tadokoro All rights reserved ”MVPを通じて学んだこと” Startup Science 2017
  54. 54. チーム内で検証すること ・カスタマーはなぜプロダクトを使ったのか? ・カスタマーはプロダクトのどのフィーチャーに価値を感じたのか?そ れはなぜか? ・カスタマーはなぜプロダクトを使わなかったのか? ・カスタマーはプロダクトのどのフィーチャーに価値を感じたのか?そ れはなぜか? ・自分たちの立てたプロダクトの価値仮説はどこが正しくて、どこが間 違っていたのか? ・カスタマーの考えるプロダクトの評価基準と、自分たちの想定したプ ロダクトの評価基準は合っていたか?ずれていたか? どこが合って、どこがずれていたか? ・MVPからの最大の学びは何か? ・どの既存フィーチャーの改善が必要か?どの既存のフィーチャーを 廃止する必要があるか?どのような追加フィーチャーを加える必要があ るか? Copyright 2017 Masayuki Tadokoro All rights reserved
  55. 55. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと カスタマーはwifi使用容量を増やし、 その使用容量を活用できるか? カスタマーがアプリ起動、サインアップする。 広告視聴を行い、貯めた容量を活用する Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 20人日/2週間 イテレーションキャンバス Activation: 30% Retention:25% Revenue: 1日4回 使い勝手に、難があるが カスタマーは価値を感じながら ソリューションを使っている Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (Product面の学び) (Sales面の学び) Sales/提案 の学び
  56. 56. Copyright 2017 Masayuki Tadokoro All rights reserved Sales面/Channelでの学びを検証する (特にB2Bプロダクトでは有効) ・プロダクト購入の検討に登場する人物は誰か? (B2Bの場合) ・もし複数の人が存在するならば、どういった組織相関図に 、どういった価値提案をすればよいか? ・どの階層の顧客を入り口として開拓すればよいか? ・納得して購入してもうためにはどのような方法が有効か? ・営業を走らせてみて、一連のプロセスの中で、どのタイミ ングが一番リスクが高いか? ・どういった反対勢力が想定されるか?その反対勢力が 反対する理由は?(Total cost of Ownership, 現状変革initiaか ?)
  57. 57. 組織的な知識創造をプロセス化する 暗黙知 暗黙知 暗黙知暗黙知 形式知 形式知 形式知形式知 個人 個人 G 個 個 個 個 個 個 個人 G G G G 身体や五感を駆使、 直接経験を通じた 暗黙知の獲得 対話、施策、比喩 による概念の仮説の 創造 形式知の組み合わせに よる知識の体系化 形式知を行動を 通じて具現化 新たな暗黙知として 理解する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  58. 58. 新たな知(=インサイト)は、 経験に基づいて暗黙のうちに持つ 主観的な「暗黙知」と、 言葉で表現できる客観的な「形式知」が、 対話を通して相互に変換し、 スパイラルに循環していくなかで生まれる。 野中 郁次郎 一橋大学名誉教授 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  59. 59. カスタマー からの定性的 フィードバック チーム 定量的なデータ 社内の 学びとして 蓄積していく 学びの蓄積 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  60. 60. 大手の無印良品も顧客からの声を聞き、 プロダクトに活かしている(年間で17万件!) http://lab.muji.com/jp/ideapark/ 顧客からの 要望 Copyright 2017 Masayuki Tadokoro All rights reserved
  61. 61. 顧客の声をベースに商品化 Copyright 2017 Masayuki Tadokoro All rights reserved
  62. 62. 店頭やネットで 購入することができる Copyright 2017 Masayuki Tadokoro All rights reserved
  63. 63. 次のステップを どうやって決めるか? Startup Science 2017
  64. 64. このフローチャートは あくまでレファレンスである 起業家はすべてのこと (UX改善、Productのイテレーション、 Pivotの検討、顧客と話すこと)を 同時に進めると必要がある Copyright 2017 Masayuki Tadokoro All rights reserved
  65. 65. 専門性特化型 エンジニア 技術志向エンジニア P/S Fit 共同創業 メンバー Fix 実験/MVP構築 Pivot プロダクト構築 ユーザー 獲得 グロース マネージメント Ideation/ Plan A 作成 C/P Fit 共同創業 メンバー フィルター Ideation P/M Fit チーム組成 (10〜名) 創業メンバー プラスα 3-10 名程度 s スタートアップのステージによるチームの編成 サイド プロジェクト で始まる UX デザイン Vision Selling/Team Building Copyright 2017 Masayuki Tadokoro All rights reserved Transition to Growth Stage リソース 配分 Team 起業家はあらゆることを 同時に進めていく 必要がある 資金調達
  66. 66. 起業家は同時並行に すべてのことを やる必要がある ガイ カワサキ Copyright 2017 Masayuki Tadokoro All rights reserved
  67. 67. ただし、何の基準もなく進めると ぐちゃぐちゃになってしまい チームが崩壊するリスクが高まる (例えば、主観的なピボットや、 データに基づかない プロダクトイテレーションなど) Copyright 2017 Masayuki Tadokoro All rights reserved
  68. 68. Pivotやプロダクトイテレーション のような重要な意思決定は 行動ガイドラインが必要になる Copyright 2017 Masayuki Tadokoro All rights reserved
  69. 69. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーの みで十分な価値を提供しているか ? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017 Masayuki Tadokoro All rights reserved
  70. 70. Product-market Fitは 達成できたか? Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  71. 71. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーの みで十分な価値を提供しているか ? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017 Masayuki Tadokoro All rights reserved
  72. 72. ”PMFがないと、製品の価値が顧客につたわならい 口コミが広がらない、利用が加速しない。 メディアの評判が最低、 販売サイクルに時間がかかる 。 PMFがあるとすぐにわかる。 製品を作ると顧客が買いに来る。 サービスを追加すると利用が拡大する。 営業や顧客サポートのスタッフが雇える。 記者から連絡がある。” - マーク アンダリーセン Copyright 2017 Masayuki Tadokoro All rights reserved “Traction”より Startup Science 2017
  73. 73. PMF達成基準 チェックシート ・高いリテンションを保てるか? ・カスタマー獲得から売り上げを上げるまで再 現可能なパターンがあるか? ・リーンキャンバスの全体をみて成立している か? Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  74. 74. ショーン・エリス 40%以上のユーザーが “プロダクトがなくなったら非常に残念” と答えたのであれば、 そのプロダクトは今後も継続的に 顧客を獲得できる。 Copyright 2017 Masayuki Tadokoro All rights reserved “Traction”より Startup Science 2017
  75. 75. Product-market-fitが 達成できていないならば、 達成するための”次の施策”を考える Startup Science 2017
  76. 76. Product-market-fit MVP/プロダクトを カスタマーに届ける ビジネスモデル の設計をする MVPタイプ ビジネスモデル KPIの設計をする MVPのタイプを選び、 必要最低機能を持った プロダクトを作る エバンジェリスト カスタマーに 自らデリバリー して学ぶ innovation metricsによる定量計測 カスタマー対話による 定性計測を実施 Hooked model を使い施策検討し実装 カスタマーをハマらせる プロダクト/UX施策 を実装してローンチ カスタマーに価値を届ける イテレーションを実装 プロダクト イテレーションを 実装してローンチ 定量的計測と 定性的計測を行う MVPを 構築 PMFを達成 するまで 回し続ける ビジネスモデルをpivotする ビジネスモデルの Pivotを行う Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 PMFを達成するための 順応性の高い チーム/ビジネスプロセス を作る 次のステップを 検討する PMFを達成するための 次の施策を検討する
  77. 77. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017 Masayuki Tadokoro All rights reserved 次の決定を する際に参考にする
  78. 78. Business Model 1 Business Model 2 Business Model 3 時間 MVP Version2 Version4Version3 Version6Version5 改善改善 改善 改善 改善 改善 改善 改 善 改 善 改 善 Pivot Pivot 同じモデルを保っても PMFが達成できない場合 はPivotを行う
  79. 79. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017 Masayuki Tadokoro All rights reserved 同じモデルを保っても PMFが達成できない場合 はPivotを行う
  80. 80. Co-founder Vision Strategy/ Business model Product/ Feature UX 変更頻度 多い 変更による 事業インパクト 極大 小 (会社設立後は) ほとんどなし Pivotのインパクトは 大きいので慎重に行う べきである
  81. 81. Stage Customer Problem-fit Problem solution-fit Product Market-fit Scaling Lean Canvas MVP ローンチ前 MVP ローンチ後 現状のモデル カスタマー セグメント Pivot カスタマーニーズ Pivot Zoom-in Pivot Zoom-out Pivot Platform Pivot Channel Pivot Pivotのタイプによってインパクトは変わる 事業構造Pivot 影響力大 影響力中 影響力小 影響力最大 Copyright 2017 Masayuki Tadokoro All rights reserved
  82. 82. Business Model 1 Business Model 2 Business Model 3 時間 MVP Version2 Version4Version3 Version6Version5 改善改善 改善 改善 改善 改善 改善 改 善 改 善 改 善 Deploy Deploy Deploy Deploy Deploy Deploy Deploy Deploy Deploy UX/機能改善は 継続的に デプロイメントする
  83. 83. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017 Masayuki Tadokoro All rights reserved UX/機能改善は 継続的に デプロイメントする
  84. 84. Co-founder Vision Strategy/ Business model Product/ Feature UX 変更頻度 多い 変更による 事業インパクト 極大 小 (会社設立後は) ほとんどなし 継続的に 改善・ デプロイする Copyright 2017 Masayuki Tadokoro All rights reserved
  85. 85. Business Model 1 Business Model 2 Business Model 3 時間 MVP Version2 Version4Version3 Version6Version5 改善改善 改善 改善 改善 改善 改善 改 善 改 善 改 善 Iteration Iteration Iteration Iteration Iteration 学びをベースにした プロダクトイテレーション を回していく Copyright 2017 Masayuki Tadokoro All rights reserved
  86. 86. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017 Masayuki Tadokoro All rights reserved 学びをベースにした プロダクトイテレーション を回していく
  87. 87. Co-founder Vision Strategy/ Business model Product/ Feature UX 変更頻度 多い 変更による 事業インパクト 極大 小 (会社設立後は) ほとんどなし 定量と定性の 検証をベースに 改善・デプロイする Copyright 2017 Masayuki Tadokoro All rights reserved
  88. 88. Co-founder Vision Strategy/ Business model Product/ Feature UX 変更頻度 多い 変更による 事業インパクト 極大 小 (会社設立後は) ほとんどなし スタートアップの 土台であり、 基本変更はしない Copyright 2017 Masayuki Tadokoro All rights reserved
  89. 89. Product-market-fit MVP/プロダクトを カスタマーに届ける ビジネスモデル の設計をする MVPタイプ ビジネスモデル KPIの設計をする MVPのタイプを選び、 必要最低機能を持った プロダクトを作る エバンジェリスト カスタマーに 自らデリバリー して学ぶ innovation metricsによる定量計測 カスタマー対話による 定性計測を実施 Hooked model を使い施策検討し実装 カスタマーをハマらせる プロダクト/UX施策 を実装してローンチ カスタマーに価値を届ける イテレーションを実装 プロダクト イテレーションを 実装してローンチ 定量的計測と 定性的計測を行う MVPを 構築 PMFを達成 するまで 回し続ける ビジネスモデルをpivotする ビジネスモデルの Pivotを行う Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 PMFを達成するための 順応性の高い チーム/ビジネスプロセス を作る 必要に応じて Seedの資金調達を 行う
  90. 90. プロダクト(MVP) のイテレーションを検討する プロダクト(MVP)の 既存フィーチャーは十分な価値を 提供しているか? Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  91. 91. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017 Masayuki Tadokoro All rights reserved
  92. 92. 既存のプロダクトフィーチャーで 十分な価値を提供できそうか? Startup Science 2017 Copyright 2017 Masayuki Tadokoro All rights reserved
  93. 93. 追加フィーチャー検討よりも 既存フィーチャーの磨き込みを優先する 多くの場合、追加機能は無駄になってしまう *プロダクトの全機能のうち20%がよく使われる 機能追加には基本的にNoから始める *機能の追加には隠れたコスト(テスト、調整、複雑性、注意散漫)が増える Copyright 2017 Masayuki Tadokoro All rights reserved Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  94. 94. 13% 7% 16% 19% 45% 使わない よく使う いつも使う 時々使う たまに使う よく使われるフィーチャーは全体の 20%である Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  95. 95. 追加フィーチャーよりも フィーチャーを削減することを考慮する
  96. 96. “Kill the feature - イケてない機能があったら 見つけて、削除(Kill)しろ” Dave McLure Founder of 500 Startup
  97. 97. 普通の人は製品に不備がなければ、 そのままで良いというが、 エンジニアは不備がない場合でも、 機能追加をしたがる Copyright 2017 Masayuki Tadokoro All rights reserved
  98. 98. Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 失敗するスタートアップは プロダクトを作り込みすぎる プロダクト の検証ステージ プロダクト 最適化ステージ 成功したスタートアップ 失敗したスタートアップ https://s3.amazonaws.com/startupcompass-public/StartupGenomeReport2_Why_Startups_Fail_v2.pdf 書かれた のコードの量 3.4倍 2.25倍 多い 少ない ステージ
  99. 99. 13% 7% 16% 19% 45% 使わない よく使う いつも使う 時々使う たまに使う 使わないフィーチャーを 削除する! Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  100. 100. 追加フィーチャーを 考慮するケース Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  101. 101. 次のイテレーションで 検討したい課題仮説は何か? ユーザーに価値をもたらすストーリーは 何かをきちんと検証する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  102. 102. ・顧客にとって価値があるかどうか? (顧客が聞いたらワクワクする要素があるか?顧客はなんというか?) ・ユーザー目線でのSizzle感、臨場感があるか? ・このストーリーを加えて、UXが複雑、煩雑にならないか? ・テクノロジーの言葉で表現しない ・大きすぎず小さすぎないスコープ (機能単位では小さすぎる) ・テストができる (定量テスト、定性テストができるか?) よいストーリーの条件とは?
  103. 103. 男性に比べて、女性の方が圧倒的に ウェブのレスポンスの早さに対して、 評価の目が厳しいということがわかった。 (画面が変わるまでに、1秒以上まてない、 欲しい情報を3度クリックして、出てこなければ閉じる) ”レシピをサクサク見られる”という ユーザーストーリーを考慮した クックパッドのストーリーの事例 600万人の女性に支持される”クックパッド”より
  104. 104. <クックパッドのユーザーである主婦> は、 <レシピをサクサク見たい> なぜなら、 <夕食を作る時間帯は、子供の面倒をみたり 、する必要があり、非常に忙しいからだ> クックパッドのストーリーの事例 ユーザー 達成したい ゴール 理由
  105. 105. バックログ 仕掛り中 完了 検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する 1−2ストーリーカンバンボード MVPを 構築する MVP ストーリー ストーリー 1−1 ストーリー 1−2 Copyright 2017 Masayuki Tadokoro All rights reserved
  106. 106. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーの みで十分な価値を提供しているか ? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017 Masayuki Tadokoro All rights reserved 機能追加 する!
  107. 107. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと カスタマーはwifi使用容量を増やし、 その使用容量を活用できるか? カスタマーがアプリ起動、サインアップする。 広告視聴を行い、貯めた容量を活用する Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 20人日/2週間 イテレーションキャンバス Activation: 30% Retention:25% Revenue: 1日4回 使い勝手に、難があるが カスタマーは価値を感じながら ソリューションを使っている カスタマーは、価値を感じてつかってもらうことができたが、 一度あたりに加算できる容量が少ないため、継続して使うモチベーションが続かない という学びがあった 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する Copyright 2017 Masayuki Tadokoro All rights reserved 機能追加 によって学習 したいこと Startup Science 2017
  108. 108. 課題仮説: カスタマーは、現在の少しずつしか、 wifi使用容量を増やすことができない ソリューションの使い勝手が悪くてイラ イラしている Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  109. 109. MVPの イテレーションキャンバス Version 2 の イテレーションキャンバス 次のスプリントで 学習/検証したい課題仮説を 新しいイテレーションキャンパスに移す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  110. 110. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  111. 111. Copyright 2017 Masayuki Tadokoro All rights reserved 新たなストーリー候補(追加機能)を検討する ストーリー候補①:広告動画を3回連続視聴できるように する(現在は、いちいち、トップページ戻る必要がある) ストーリー候補②:広告視聴あたりに付与される容量を増 やす(現在の10MBから15MB) ストーリー候補③:カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍)の使用容量を追加することができ る Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  112. 112. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャー のみで十分な価値を提供してい るか? フィーチャー追加による プロダクトイテレーションを検討ストーリー候補を カンバンボードに 貼り付ける Copyright 2017 Masayuki Tadokoro All rights reserved
  113. 113. バックログ 仕掛り中 完了 検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード 次のイテレーション ストーリー候補を 貼り出す MVP ストーリー ストーリー 2−1 ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 Copyright 2017 Masayuki Tadokoro All rights reserved
  114. 114. バックログ 仕掛り中 完了 検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード Verizon2の ストーリーとして 抽出する Version 2 ストーリー MVP ストーリー ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 Copyright 2017 Masayuki Tadokoro All rights reserved
  115. 115. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Copyright 2017 Masayuki Tadokoro All rights reserved 同じサイクルを 再び回していく Startup Science 2017
  116. 116. バックログ 仕掛り中 完了 検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード 構築を 開始する Version 2 ストーリー MVP ストーリー ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 Copyright 2017 Masayuki Tadokoro All rights reserved
  117. 117. 起動画面 メニュー画面 Anywhere onlineの Version 2のストーリー 使用確認 確認画面 アンケート 画面 確認 画面 広告視聴 確認 画面 追加された ストーリー Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  118. 118. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 5人日/1週間 KPI/KGI 実装イメージ 工数見積もり を洗い出す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  119. 119. バックログ 仕掛り中 完了 検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード MVP ストーリー Version 2 ストーリー 構築・ローンチ して定量検証 を行う ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 Copyright 2017 Masayuki Tadokoro All rights reserved
  120. 120. 登録 画面 メニュー 画面 広告視聴 開始 広告視聴 完了 wifi使用 開始画面 wifi使用 開始 Activation率 登録した割合: 90% Activation率 一連操作を最後 までやった割合: 35% ログイン 画面 メニュー 画面 広告視聴 開始 広告視聴 完了 Retention率 登録後三日以内の ログイン率: 25% Revenue 1日の広告視聴及び アンケート回答の回数: 6回 Anytime online Ver 2 をローンチして結果を計測する アンケート 画面 確認 画面 アンケート 画面 確認 画面 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  121. 121. スプリットテストをベースにして コホート分析レポートを作成する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  122. 122. スプリットテスト: 対象者をランダムなグループにわけて各グループ (コントロールグループAと被験グループB) の行動そ計測し比較する科学的な実験 *グループに分けるときは、 一つ以上の条件を変更して測定する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  123. 123. コホート分析: 自分たちが行った施策が、サービス にどのような影響を与えたのかを可 視化する。その結果を次の施策へフ ィードバックするための 分析手法のこと。 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  124. 124. MVPの 計測結果(実数) MVPの 計測結果(割合) Version 2 計測結果(実数) Version 計測結果(割合) 目標値 アクイジション (訪問者) 332人 100% 325人 100% 100% アクティベーション (登録) 305人 90% 291人 90% 95% アクティベーション (作業完了) 93人 30% 102人 35% 80% Retention (三日以内再訪) 23人 25% 25人 25% 80% Revenue (ユーザー一人あたりの 1日平均広告視聴回数) 4.2回 4.2回 6.1回 6.1回 10回 MVPと バージョン2の 比較を行う MVPと バージョン2の 比較を行う Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  125. 125. スプリットテスト/コホートレポートを 導入すると短期的な仕事が煩雑になる。 しかし、定量的な評価システムを実装する ことで長期的には時間が大幅に節約できる Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  126. 126. 細かい数字には、そこまでこだわらず、 ”顧客が自分のプロダクトを愛している” ”顧客が欲しいものを作っている” という実感を、顧客のフィードバックから 強く感じることがPMFの基準になる PMF前は、まだトランザクションボリュームも少 ないので、コホート分析しても誤差なのか、 どうかわからない場合が多い。 Copyright 2017 Masayuki Tadokoro All rights reserved
  127. 127. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 5人日/1週間 MVP Version 2 Activation(sign-up) 90% 90% Activation(作業完了) 30% 35% Retention(3日以内ログイン) (三日以内再訪) 25% 25% Revenue (1日当たりの広告視聴 及びアンケート返信回数) 4回 6回 定量的な結果 を書き出す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  128. 128. Version2を実際に使った カスタマーにインタビューをする Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  129. 129. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 5人日/1週間 MVP Version 2 Activation(sign-up) 90% 90% Activation(作業完了) 30% 35% Retention(3日以内ログイン) (三日以内再訪) 25% 25% Revenue (1日当たりの広告視聴 及びアンケート返信回数) 4回 6回 定量的な 結果を書き出す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  130. 130. 学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果 定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 5人日/1週間 MVP Version 2 Activation(sign-up) 90% 90% Activation(作業完了) 30% 35% Retention(3日以内ログイン) (三日以内再訪) 25% 25% Revenue (1日当たりの広告視聴 及びアンケート返信回数) 4回 6回 得た学びを 書き出す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  131. 131. 工数が比較的少ない 簡単なフィーチャー追加の場合は、 タスクボードに追加する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017
  132. 132. No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチ ャーのみで十分な価値を提 供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017 Masayuki Tadokoro All rights reserved 工数が小さいものは タスクとして扱う!
  133. 133. バックログ 仕掛り中 完了 検証 バックログ ストーリー 構築 構築完了 ローンチ 定量検証 (スプリットテスト、コホー ト分析) タスクカンバンボードの活用 フィーチャー フィーチャー フィーチャー 優先順位の高い フィーチャーから 上位に置いていく Copyright 2017 Masayuki Tadokoro All rights reserved
  134. 134. バックログ 仕掛り中 完了 検証 バックログ ストーリー 構築 構築完了 ローンチ 定量検証 (スプリットテスト、コホー ト分析) タスクカンバンボードの活用 フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー (上限数3)(上限数3)(上限数3)(上限数3) ストーリーカンバン ボード同様 上限数を設ける Copyright 2017 Masayuki Tadokoro All rights reserved
  135. 135. バックログ 仕掛り中 完了 検証 バックログ ストーリー 構築 構築完了 ローンチ 定量検証 (スプリットテスト、コホー ト分析) タスクカンバンボードの活用 フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー (上限数3)(上限数3)(上限数3)(上限数3) ボトルネックがある場合は そこにリソースを投入して スループットを増やす Copyright 2017 Masayuki Tadokoro All rights reserved
  136. 136. プロダクトイテレーションは リズミカルに廻していく Copyright 2017 Masayuki Tadokoro All rights reserved

×