私がデータ分析する際の指針【仮説立案と検証・因果と相関・戦略立案】

こんにちは、シンヤです!
今回は私がデータ分析する際の指針【仮説立案と検証・因果と相関・戦略立案】を解説いたします。


データそのものに「価値はない」

いきなりよく分からないことを言ってしまったかもしれません。
ですが真実なので、まず始めに言及いたします。

データそのものに、価値はありません。
データ自体が売り上げの底上げをしたり、答えを教えてくれるわけではありません。

ではなぜデータが大事かというと、以下の3つの問いを導き出せるからと、私は感じています。

なぜデータが大切なのか

結論からいうと、理由は以下の3つです。

  1. 「仮説の立案と検証」が出来るから
  2. 「物事の因果と相関の関係整理」が出来るから
  3. 「戦略が練れるようになる」から

になります。
これから詳しく解説いたします。

解説に入る前に、あなたは今から「Webサービスの販売戦略を担うマーケター」です。
これからマーケターになり切ったつもりで、記事の解説を行います。


1. 「仮説の立案と検証」が出来るから

これはつまり、

  • 「問題解決の為の仮説」を導き出せる
  • 「仮説が正しかったかの検証」が出来る

になります。
これだけだとよく分からないと思うので、詳しく解説いたします。

「問題解決の為の仮説」を導き出せる

直近の課題で「売り上げが下がっている」という事実があったとします。
解決策はどのようなものが浮かびますか?

  • 新しい商品を発明する
  • 商品の単価を上げる
  • 集客率を上げる
  • 広告単価を上げる

などでしょうか?
残念ですが、これらは全て間違っています。

問題解決をするためには、まず「多角的にデータを分析する事」が必要なのです。
仮に以下のようなデータが上がってきたとします。

  • 新規会員登録数
    • 先月比と横ばい
  • ランディングページのPV数
    • 先月と比べて、2%程増えている
  • ボタンのクリック率
    • ❌先月と比べて、3%程落ちている
  • 商品購入確率
    • 先月比と横ばい

要約すると「ランディングページのPVは増えているけど、ボタンのクリック率は下がっている」ということです。

つまり「商品を購入するページまでたどり着けない人が増えた」という仮説が出来上がります。
この場合、有効的だと思われる問題解決策は・・・

ボタンの改修をすること

になります。
データを一つ一つ分析していけば、仮説というのが出来上がります。

繰り返しになりますが、上記は私が「仮に設定したもの」です。
実際の現場では、さらに深掘りして分析することもありますし、仮説も一つだけとは限りません。

「仮説が正しかったかの検証」が出来る

仮説ができたところで、問題解決策を考えます。
「クリック率を高めるボタンの改修案」を、出来る限り多く考え出します。

  • ボタンのテキストを大きくする
  • 商品の値段を入れてみる
  • ボタンを光らせる
  • ボタンにアニメーションを加える
  • 色を変えてみる
  • 線を太くする
  • 訴求文を変えてみる

などなどです。
正解不正解はないので、多く案を出していただいて構いません。

この中で、テストをする案を考えていきます。
私は意思決定をする際、以下4つを大切にしています。

  • 具体性
  • 即効性
  • 緊急性
  • 実現可能性

つまり・・・

  1. 具体的な解決方法が提示できて
  2. すぐ実施することができて
  3. すぐ対応した方がいいか考えて
  4. 技術的に実現できる事である

ということです。
考え出した解決案の中で、この4つに該当する数が多いものから、優先的に対応していきます。

頭の中でうまく整理できない方は、上記のような「4象限」を使ってみると良いです。

「具体性」は案を出したので問題なしです。
つまり「4象限」で要素整理したら、右上から「緊急性が高い案」を採用すれば良いです。

優先的に対応する施策をA/Bテストで試します。
何週間かすると、結果が出ます。

結果を基に、仮説が正しかったかの判断をします。
効果の事例としてノウハウを蓄積し「次の仮説立案」に活かします。

つまり、仮説の検証をすればするほど「社内のノウハウとして蓄積していく」ということになります。
これも全て「データを基に仮説を立案したから実行できたこと」です。

データに基づかない解決案は、失敗しやすいし事例としても蓄積しない

データを見ずに解決案を考えた場合、デメリットは上記の通りだと思います。

何よりも「成功したとしても事例として蓄積しない」というのが最もよくないと思います。
同じような問題が発生した際に、過去の事例として引用できなくなってしまいます。

成功・失敗事例としてテストの結果が蓄積できるのは・・・

「データ」を基にして「仮説」を立てたから

これに他なりません。
「問題解決」という点においては、データを見ないのは「損失」だと、私は思います。


2. 「物事の因果と相関の関係整理」が出来るから

これはつまり「物事の原因と結果の条件整理ができている」と置き換えることもできます。
実はこれは前述の「売り上げが下がった原因」の要素整理で使っています。

要約すると「ランディングページのPVは増えているけど、ボタンのクリック率は下がっている」ということです。

上記の文章になります。

  • 原因:ボタンのクリック数が下がった
  • 結果:だから売り上げが下がった

ということです。
データを整理すると、物事の「因果と相関の関係整理」ができます。

因果と相関の関係整理ができていないと、どのようになるでしょうか?
結論からいうと、いきなり解決案を提示してきます。

  • 新しい商品を発明する
  • 商品の単価を上げる
  • 集客率を上げる
  • 広告単価を上げる

冒頭で説明した上記です。
これらの提案には「問題の原因」は含まれていません。

  • 原因:???
  • 結果:売り上げが下がった
  • 解決案:新しい商品を発明する

という状態なのです。
これでは「良い問題解決」を行うことはできません。

ポイントは「表現が具体的」かどうか

因果と相関の関係整理ができている、良い問題解決とはなんでしょうか?
結論からいうと、私は「表現が具体的かどうか」だと思っています。

まず、悪い問題解決の例を見てみましょう。


悪い問題解決

  • 原因:???
  • 結果:売り上げが下がった
  • 解決案:新しい商品を発明する

「新しい商品を開発する」では、具体的に何をしたら良いかわかりませんね。
次に、良い問題解決の例を見てみましょう。


良い問題解決

  • 原因:ボタンのクリック数が下がった
  • 結果:だから売り上げが下がった
  • 解決案:ボタンのテキストを大きくする

などです。
解決案が具体的で、誰にでもわかったかと思います。

個人的な経験談ですが、抽象的な解決案を多く提示する人は「物事の本質が見えていない」と感じることが多いです。
前述の通り「因果と相関の関係整理ができていないから」だと、個人的には感じます。


3. 「戦略が練れるようになる」から

これは要約すると「一つの数字に囚われず、あらゆる角度から戦略を練れる」ということです。
裏を返すと「一つの数字に囚われてしまってはダメ」ということになります。

例えば以下のような課題が上がってきたとします。

直近の新規会員登録率が、毎週2%ずつ落ちている。 会員の母数が減ると売り上げも伸び辛くなるから、なんとか解決して欲しい。

ここですぐ「会員登録率を上げる」という施策に走ってしまうのは、悪い問題解決です。

前述の「因果と相関の関係整理ができていない状態」とも言えます。

まず「本質的な問題整理」をしないといけません。
顧客の要望をよく聞いてみると「売り上げが伸び辛くなる」と言っています。

つまり、本質的に気にしているのは「売り上げ」です。
では本当に、売り上げは減少しているのでしょうか?

  • 新規会員登録率
    • 毎週2%ずつ減っている
  • 売り上げ
    • 先週に比べ4%上がっている

つまり「会員登録数率は減っているけど、売り上げは上がっている」ということになります。
間口の数字である分母は減っているけど、分子は増えているとも捉えられます。

これは「コンバージョンレート(CVR)が上がっている」とも解釈できます。
そう考えるとむしろ、会員登録率が下がってるのに売り上げが上がっているのは「良い兆候」とも捉えられます。

そもそも「これって本当に問題だっけ?」と疑う姿勢から物事を分析しています。
このような考え方を・・・

クリティカルシンキング

と言います。
クリティカルシンキングに関しては、以下の本で分かりやすく解説されています。

まず「具体的な目的は何か」から分析する

上記ができれば、ほぼ問題ないと思います。
顧客の意見を鵜呑みにせず「本当に解決したい問題は何か?」から分析します。

  • 会員登録
  • 売り上げ
  • PV
  • 発注台数

目的(KPI)となり得る数字は種々雑多あります。

顧客の叶えたい「本当の要望」を分析し、KPIを設定します。
KPIの設定ができれば、数字を上げるための「戦略」を練ることができます。

数字が低いから、上げとかないと

上記のような、表現は少々悪いですが「短絡的な思考」では、戦略を練れるような数字を導き出すことはできません。


まとめ

  • データ自体は何もしてくれない
  • それでもデータが大切なのは、分析するための重要な指針があるから
  • 「仮説の立案と検証」「因果と相関の関係整理」「戦略の立案」の3つ

今回は以上になります。