【schoo WEB-campus】データ分析、その前にやっておくべきこと 先生：田畑直
•
6 likes•918 views
schoo WEB-campusは「WEBに誕生した、学校の新しいカタチ」。 ＷＥＢ生放送の授業を無料で配信しています。 ▼こちらから授業に参加すると、先生への質問や、ユーザーとのチャット、資料の拡大表示等が可能です。 https://schoo.jp/class/83/room
Recommended
More Related Content
Viewers also liked
Viewers also liked (10)
Similar to 【schoo WEB-campus】データ分析、その前にやっておくべきこと 先生：田畑直
Similar to 【schoo WEB-campus】データ分析、その前にやっておくべきこと 先生：田畑直 (20)
More from schoowebcampus
More from schoowebcampus (20)
Recently uploaded
Recently uploaded (8)
【schoo WEB-campus】データ分析、その前にやっておくべきこと 先生：田畑直
- 2. 本日のアジェンダ - サイクルを回すために必要なもの - レポーティングの大切さ - 各ステップでのレポーティング - まとめ - 前回の質問への回答
- 3. 前回のおさらい
- 4. Fail Fast, Fail Often BUILD idea product LEARN MEASURE data cf. THE LEAN STARTUP by Eric Ries
- 5. 検証する 仮説
- 6. 検証する データ 仮説
- 7. 検証する データ 仮説 基本スタンスを大事にすること
- 10. サービス改善のサイクル BUILD idea product LEARN MEASURE data cf. THE LEAN STARTUP by Eric Ries
- 11. データ分析の扱う部分 BUILD idea product LEARN MEASURE data cf. THE LEAN STARTUP by Eric Ries
- 12. 分析を回すために準備しておきたい WHY, WHAT, WHERE, WHEN, WHO, HOW BUILD idea product LEARN MEASURE data cf. THE LEAN STARTUP by Eric Ries
- 13. 分析を回すために準備しておきたい WHY, WHAT, WHERE, WHEN, WHO, HOW データ分析を通して何を得たいのか？
- 14. 分析を回すために準備しておきたい WHY, WHAT, WHERE, WHEN, WHO, HOW 分析内容はどのようなものか？
- 15. 分析を回すために準備しておきたい WHY, WHAT, WHERE, WHEN, WHO, HOW 分析内容はどのようなものか？ 例）コホートによる比較を行う、ABテストを行う
- 16. 分析を回すために準備しておきたい WHY, WHAT, WHERE, WHEN, WHO, HOW 何を対象としたデータ分析を行うのか？
- 17. 分析を回すために準備しておきたい WHY, WHAT, WHERE, WHEN, WHO, HOW 分析の１サイクルの長さはどの程度か？
- 18. 分析を回すために準備しておきたい WHY, WHAT, WHERE, WHEN, WHO, HOW 誰が分析の責任者なのか？
- 19. 分析を回すために準備しておきたい WHY, WHAT, WHERE, WHEN, WHO, HOW どのような方法でデータ分析を行うのか？
- 20. 特に大事にしたいのは WHY, WHAT, WHERE, WHEN, WHO, HOW 担当者 理由
- 21. WHY: データ分析を通して何を得たいのか？ BUILD idea product LEARN MEASURE data 何を達成するまで”Fail”するのか
- 22. WHO: 誰が分析の責任者なのか？ BUILD idea product LEARN MEASURE data 基本は改善サイクルの責任者
- 23. レポーティングの大切さ
- 24. データの良さ
- 25. 7 3
- 26. 7 > 3
- 27. 誰が見ても 7 > 3
- 30. 関わりのあり得る人はたくさんいる サービスの責任者 製品の開発を行う人 計測方法を開発する人 仮説を立案する人 計測データを見る人 計測結果を検証する人
- 32. レポーティングを行うタイミング BUILD idea product LEARN MEASURE data
- 33. レポーティングを行うタイミング BUILD idea product LEARN MEASURE data
- 34. Measureでのレポーティング
- 35. BUILD idea product LEARN MEASURE data
- 36. レポートしたい項目 （他の人と共有したい項目） BUILD - 取得データは？ idea product - 取得したい理由は？ - 想定している値は？ LEARN MEASURE - その想定になっている理由は？ data - 想定より高かったらどうする？ - 想定より低かったらどうする？
- 37. MEASUREのレポート内容例 取得データ 取得理由 想定値 想定理由 高い場合 低い場合 STEP2改善 チュートリ チュートリ Activation STEP3のUI 55% で前回より アル改善は アル達成率 の指標。 を改修する 5%up予定 一旦保留
- 38. Dataのレポーティング
- 39. レポートしたい項目 （他の人と共有したい項目） BUILD Main idea product - 想定と比較してどうか？ Sub LEARN MEASURE - 以前の状態と比較してどうか？ data - 他の集団と比較してどうか？
- 40. Dataのレポート内容例 Main: 想定との比較 想定 実測 80 ネクスト 想定値 実測値 アクション 60 （高い場合） 40 チュートリ 20 55% 62% アル改善は 0 一旦保留 チュートリアル達成率
- 41. Dataのレポート内容例 Main: 想定との比較 想定 実測 80 ネクスト 想定値 実測値 アクション 60 （高い場合） 40 チュートリ 20 55% 62% アル改善は 0 一旦保留 チュートリアル達成率
- 42. Dataのレポート内容例 Main: 想定との比較 ネクストアクション 取得データ 取得理由 想定値 実測値 想定理由 高い場合 低い場合 STEP2改善 チュートリ チュートリ Activation STEP3のUI 55% 62% で前回より アル改善は アル達成率 の指標。 を改修する 5%up予定 一旦保留
- 43. Dataのレポート内容例 Sub: 以前との比較 チュートリアル達成率 70 前サイクル 前サイクル 実測値 63 の値 との比較 55 48 50% 62% +12% 40 week 1 week 2 week 3 week 4
- 44. Dataのレポート内容例 Sub: 他集団との比較 集団 チュートリアル達成率 70 男性 20代 53% 60 男性 30代 57% 女性 20代 69% 50 女性 30代 64% 40 全体 62% チュートリアル達成率
- 45. コホート研究 登録⇒ログイン UU数 基準日 １日後 ２日後 ３日後 ４日後 ５日後 広告A 73 24 20 18 15 14 広告B 64 18 14 12 10 8 広告C 52 26 24 22 21 23 招待 42 25 24 22 24 23 その他 31 18 15 17 14 16 ・特定の集団についてその後の経過を観察する ・トレンドよりも細かく効果の確認が可能 ・継続率は主にコホートで確認する (c) 2013 pLucky, Inc STRICTLY CONFIDENTIAL
- 46. 日毎別で見るコホート研究 登録⇒アイテム購入 UU数 基準日 １日後 ２日後 ３日後 ４日後 ５日後 6/01 48 31 22 14 10 9 6/02 53 34 24 16 13 15 6/03 47 30 20 13 15 13 6/04 53 32 22 20 18 15 6/05 52 31 26 22 17 14 ・特定の集団についてその後の経過を観察する ・トレンドよりも細かく効果の確認が可能 ・継続率は主にコホートで確認する (c) 2013 pLucky, Inc STRICTLY CONFIDENTIAL
- 47. 表の見方に気をつける 登録⇒アイテム購入 UU数 基準日 １日後 ２日後 ３日後 ４日後 ５日後 6/01 48 31 22 14 10 9 6/02 53 34 24 16 13 15 6/03 47 30 20 13 15 13 6/04 53 32 22 20 18 15 6/05 52 31 26 22 17 14 ・行った施策の効果は斜めに出る (c) 2013 pLucky, Inc STRICTLY CONFIDENTIAL
- 48. 表の見方に気をつける 登録⇒アイテム購入 UU数 基準日 １日後 ２日後 ３日後 ４日後 ５日後 6/01 48 31 22 14 10 9 6/02 53 34 24 16 13 15 6/03 47 30 20 13 15 13 6/04 53 32 22 20 18 15 6/05 52 31 26 22 17 14 ・特定の日付に行った施策の効果は斜めに出る ・その効果は上下のマスで比較する (c) 2013 pLucky, Inc STRICTLY CONFIDENTIAL
- 49. 表の見方に気をつける 登録⇒アイテム購入 UU数 基準日 １日後 ２日後 ３日後 ４日後 ５日後 6/01 48 31 22 14 10 9 6/02 53 34 24 16 13 15 6/03 47 30 20 13 15 13 6/04 53 32 22 20 18 15 6/05 52 31 26 22 17 14 ・特定の日付に行った施策の効果は斜めに出る ・その効果は上下のマスで比較する (c) 2013 pLucky, Inc STRICTLY CONFIDENTIAL
- 50. 表の見方に気をつける 登録⇒アイテム購入 UU数 基準日 １日後 ２日後 ３日後 ４日後 ５日後 6/01 48 31 22 29% 14 10 9 6/02 53 34 24 30% 16 13 15 6/03 47 30 20 28% 13 15 13 6/04 53 32 22 38% 20 18 15 6/05 52 31 26 42% 22 17 14 ・特定の日付に行った施策の効果は斜めに出る ・施策の効果は上下のマスで比較して得ることができる ・基準日を参照して母数を確認する (c) 2013 pLucky, Inc STRICTLY CONFIDENTIAL
- 51. Learnのレポーティング
- 52. BUILD idea product LEARN MEASURE data
- 53. レポートしたい項目 （他の人と共有したい項目） BUILD - 各指標達成／未達成の理由 idea product - 新たに分かった特徴はあるか LEARN MEASURE data
- 54. Learnのレポート内容例 各指標達成／未達成の理由 想定値 実測値 想定理由 高い場合 低い場合 高い／低い理由 STEP2改善 チュートリ STEP2の改善により新たに STEP3のUI 55% 62% で前回より アル改善は 進んだユーザは製品理解度 を改修する 5%up予定 一旦保留 が高く他STEPにも好影響。
- 55. Learnのレポート内容例 新たに分かった特徴 70 集団 チュートリアル達成率 男性 20代 53% 60 男性 30代 57% 50 女性 20代 69% 女性 30代 64% 40 チュートリアル達成率 全体 62% 女性の方がチュートリアル達成率が高い
- 56. Ideaでのレポーティング
- 57. BUILD idea product LEARN MEASURE data
- 58. レポートしたい項目 （他の人と共有したい項目） BUILD - 次に検証したい仮説は何か？ idea product - 仮説を検証したい理由は何か？ LEARN MEASURE data
- 59. Ideaのレポート内容例 検証仮説 検証理由 取得データ 取得 男性の方が チュートリアルの 課金転換 女性よりも 差から類推。男女 時間の 今後 課金転換時 でコンテンツの出 男女比較 間が長い し分けを検討。
- 60. まとめ
- 61. BUILD idea product LEARN MEASURE data cf. THE LEAN STARTUP by Eric Ries
- 62. 前回の質問への回答