ビッグデータの力を実用的な洞察に活用する

ビッグデータツールは今や至る所で利用されており、数年前と比べれば安価になっています。しかし、これらのツールは「何」――つまり、洪水のように溢れ出るデータ――を提供してくれる一方で、「どのように」それを活用するかという点は教えてくれません。.

例えば、ゲームアプリの開発者は、すぐに使える簡単なツールを導入するだけで、ユーザーのゲームプレイ行動、バイラル活動、広告へのエンゲージメントなどに関するデータポイントを毎日数百万件収集することができます。しかし、これらのデータのうち、どれが有益で、どれが有害で、あるいはそもそも分析する価値がないものなのかを見極めるのは、開発者次第です。.

以下では、架空のゲーム開発者を例に挙げながら、役立つ意思決定の流れについて解説します。.

まずは適切な質問から始めましょう
データを収集する前から、ビジネスの業績について質問を投げかけることができます。こうした質問は、重要な点に集中するための「目隠し」のような役割を果たします。 例えば「初日の継続率を50％にする」といった目標を先に決めて、その達成に向けた手がかりをデータの中から探そうとする方法もありますが、このアプローチには「問い」による焦点が欠けており、確証バイアスに陥るリスクがあります。.

この例では、開発者がまず「なぜユーザーは頻繁に再訪してくれないのか？」と問いかけるとしましょう。“

どこから始めればよいかがわかったら、さらに深く掘り下げてみましょう
最良の結果を得るためには、質問をできるだけ具体的にしてください。「なぜユーザーは頻繁に再訪してくれないのか」という質問では、調査の方向性が広すぎてしまいます。具体的な質問では、開発者がすでに把握している基本的な知見を活用すべきです。.

開発者：「なぜユーザーはアプリを5～10分という長い時間開き、ゲームプレイを楽しんでいるのに、それでも頻繁に再訪してくれないのでしょうか？」“

自分の疑問に答えられる仮説を立てなさい
質問内容を確定したら、証明または反証可能な仮説を立ててください。.

開発者の当初の仮説：「私のゲームのユーザーが頻繁にリプレイしないのは、アプリ内でのつながりが少ないからだ。」“

次に、各結果（真、偽、その他）に対してアクションを設定し、検証後にすぐに次のステップに進めるようにします。.

開発者の最終的な仮説：「私のゲームのプレイヤーが頻繁にリプレイしないのは、アクティブなつながりが十分ではないからだ。もしこれが正しければ、彼らの友人をゲームに呼び込むための戦略が必要だ。もし私の仮説が間違っているなら、通知のタイミングが悪いなど、他の考えられる原因を検討する。」“

データを分析する際は、ユーザーをセグメント分けする
対象グループが小さければ小さいほど、その行動に基づいて行動計画を策定しやすくなります。登録地域、年齢、デバイスの種類などでデータを分類し、接続回数や通知に対する反応といった要因と組み合わせて分析しましょう。.

開発者：「全iOSユーザーを対象にするよりも、米国在住の18～25歳のiOSユーザーを対象とした紹介キャンペーンを作成するほうが、はるかに簡単になるでしょう。」“

成功指標を設定する
データを評価するための成果指標がなければ、その戦略を継続すべきか、それとも方向性を修正すべきかを判断するのは困難です。また、調査対象とするコホートに該当するユーザーを特定することも難しくなります。.

開発者：エンゲージメントの高いユーザーとそれ以外のユーザーを、どのように見分ければよいのでしょうか？週に10回アクセスしてくるユーザーを指すのでしょうか？また、iOSユーザーとAndroidユーザーを、同じ指標で測定すべきでしょうか？

また、個々のデータポイントに注目してはいけません
最後に、状況は変化するものだという点を忘れないでください。例えば、トップクラスの開発者でも、チュートリアルの流れを完成させるために何ヶ月も費やした挙句、それを捨てて一から作り直すことがよくあります。それは、今日集まっているユーザーが、6ヶ月前とは異なる可能性があるからです。全体的な傾向を見失うほど、個々のデータに固執しすぎないようにしましょう。.

開発者：「18～35歳の層でバイラルな成長を達成した今、36～50歳の層向けの改善も引き続き進めるべきでしょうか？」“

このデータから得られた結果は、ビジネスインテリジェンス部門や経営陣の会議室だけに閉じ込めてしまわないようにしてください。 疑問を投げかけ、結論を導き出す際には、他のチームへの情報共有プロセスが確実に機能していることを確認してください。例えば、マーケティングチームにとっては、どのセグメントを対象に広告を展開すべきかを知ることは有益です。デザイナーは、スムーズなアプリ体験を設計するために利用頻度を把握する必要があります。プログラマーは、更新を適切にスケールさせるために利用予測を知る必要があります。データは民主化されるべきです。.

また、管理のしやすさを考えるなら、データを複数のサイロに分けるのではなく、すべてのデータを一つのツールで管理するのが最善です。サービスの選び方について詳しくは、当社の最近の記事をご覧ください。 ビジネスインテリジェンスツールに関する記事.