データ活用の課題とソリューション
PDCAで
成長ノウハウを蓄積
事業ステージ主に創業期
課題
データモニタリング
体制作り
-
- 指標のモニタリング体制
- サイト計測用のGA4が未導入
- GA4のイベントが未設定で、見たい数字が見れない
- GA4が使いにくい
- サイト指標と、サービス指標の関連性が見れない
ソリューション
分析基盤構築
スモールスタート
- 簡易的なデータ分析基盤の構築
- レポーティングツール(Looker Studio)の導入とモニタリング支援
サービス立ち上げ時には、サービス開発とリリースが最優先になり、マーケティングツールやサイト計測ツールの導入が後ろ倒しになりがちです。 GA4(サイト計測ツール)が導入できたとしても、イベントの設定をしないまま、必要なデータ取得ができない状況が続いてしまいます。 KPIモニタリングにおいては、担当者が日次で手動でデータを貼り付けるなど、オペレーション負担が大きくミスが発生しやすい環境になりがちです。 KPIを一元管理するダッシュボードを作成することにより、メンバー同士の意思疎通を円滑にし、事業成長のためのモニタリング体制が整います。
PDCAで
成長ノウハウを蓄積
事業ステージ主に創業期
課題
サービス立ち上げ時の
グロース
-
- 事業の方向性決定
- 方向性を決定するための判断材料となるデータの不足
- 点在するデータの集約オペレーションコスト、オペレーションミスのリスク
-
- マーケティングPDCA
- やみくもなマーケティングコストの投下
- マーケティング施策実施·効果測定PDCAを実施するノウハウの不足、成長パターンが不明瞭
- ユーザー1人当たり収益性を上げるためのオーガニック流入が少ない
ソリューション
デジタルマーケティング
PDCA
-
- サイト計測
- レポーティングツールの導入とモニタリング支援
-
- 広告配信
- デジタル広告配信のインハウス運用支援
-
- SEO対策
- テクニカルSEO対策 指示書作成
- SEOモニタリング支援
-
- グロースハック
- ユーザーのドロップポイントを探るデータ分析と改善提案
- サービスグロースに向けたマーケティング施策立案
-
- 事業方向性検討
- ユーザー当たり収益性分析、アドバイザー
- 業務効率分析、アドバイザー
- 事業計画立案アドバイザー
- PL Projection作成、アドバイザー
サービスリリースを伴う事業創業期には、成長パターンを発見するためのPDCAサイクルを高速回転させる必要があります。
PDCAサイクルの例:
①ユーザー認知拡大、流入促進
②ドロップポイントの精査
③サービス改善を進め、ユーザーのリテンション向上
それぞれのプロセスで
①認知向上·誘導のための広告運用·SEO対策
②オンボードやサービス内の離脱ポイントの分析
③グロースハック、マーケティング施策
などを実施する体制作りも必要です。
体制が整わないままPDCAを回そうとすると、プロセスが抜け落ちたり、ユーザー獲得にやみくもにコストを投下してしまいがちです。
また、ユーザー1人当たりの経済性を算出し、効率的にユーザーが獲得できているか、収益化ができているか、チェックしながらPDCAを回すことが事業を軌道に乗せる鍵となります。
社内の意識統一の
ための共通言語開発
事業ステージ主に事業確立期/成長期
課題
データドリブンな
アプローチの開始
-
- データ分析のノウハウ
- 見たいデータの抽出に時間がかかる
- データ抽出をエンジニアに依頼しなければならない
- 1人のデータアナリストに業務が集中する
- 出てきた分析結果に、有用な解釈が付けられない
- 分析軸を増やしたいが、ノウハウが無い
-
- 組織作り
- 分析部署を立ち上げたいが、採用の要件が分からない
- 分析部署を統括する人材が社内にいない
- データ分析者の評価のノウハウが無い
ソリューション
データ分析組織
立ち上げ
-
- 分析者育成
- SQL講習
- データ分析プロセスのインプリメント
- データ分析並走
- 分析結果レビュアー
-
- 分析組織立ち上げ
- 採用要件の作成
- 採用面接
- 品質の評価
- 成長スキル
- 評価軸設定
データの見える化が進むと、専任のデータ人材のニーズが一気に高まります。
分析組織を立ち上げるためには、採用要件の定義や、人材育成、評価軸の設定など、様々な問題をクリアしていく必要があります。
組織作りのノウハウの不足によりデータ活用を鈍らせてしまうことは、事業にとって大きなリスクとなります。
データ分析者が育つまでに、平均で3年かかると言われています。
当社のソリューションは、分析プロセスのインプリメント、分析結果のレビュー、
報告資料作成のノウハウなど、分析者と並走しながら分析者自らが実務経験を積みあげることで、人材を育成していきます。
社内の意識統一の
ための共通言語開発
事業ステージ主に事業確立期/成長期
課題
社内の意識統一のための
指標作り
-
- 目標設定
- 事業の目標設定が曖昧
- 目標達成に向けてのプロセスKPIが不明瞭
- 各部署で追っている目標が異なり、ハレーションが起きやすい
- 事業目標と各部署の指標の整合性が取れず、各部署が目標達成しても事業目標が未達成
ソリューション
KPI設計
-
- KPI設計
- 目標を因数分解し、成長ドライバーとなるKPIを設定
- 成長ドライバーを発見するためのデータ分析
- 各KPIの目標設定と、達成に向けたシミュレーション
-
- モニタリング
- KPIモニタリングツール導入
- KPIモニタリングに向けたデータ整備
- KPIモニタリング ダッシュボード作成
事業や組織の拡大に伴い、社内の意思疎通を円滑にするための共通言語が必要となります。 共通言語といえばミッションやバリューを思い浮かべる方も多いと思いますが、事業成長を牽引するための共通指標を作ることも重要な取り組みの一つです。 共通指標としてのKGIの設定の他、各部門ごとの成長ドライバーをKPIとして設定し、モニタリングしていく体制作りをサポートします。
スピーディーな
意思決定で競合に勝つ
事業ステージ主に成長期/安定期
課題
DWH構築プロセス
の実施
-
- 社内組織
- 社内にプロジェクトを推進する人材がいない
- 社内推進のための「DWH構築目的」の設定ができない
- データアーキテクトとマーケッターの意思疎通ができていない
-
- DWH構築プロセス
- スモールな実験のためのアウトプットまでのプロセスが分からない
- データマートの設計の仕方が分からない
ソリューション
DWH構築
-
- DWH構築プロジェクト
- プロジェクト運営
-
- マーケティング活用支援
- マーケティングファネル設計
- マーケティングでの活用を想定したデータ設計
- ROI試算
-
- データマート設計・変数設計
- 変数洗出し
- 変数設計
- データマート設計
-
- DWH活用
- DWH構築後のデータ分析支援
事業が拡大するにつれ、サービスごとに「点」で見ていたデータを、データ同士をつなげ関連性から分析するニーズが高まります。
DWHは、点在したデータを1か所に集約しただけではそのバリューを十分に発揮することはできません。
必要なデータを漏れなく収集·集約し、データ活用を想定したデータマートやユーザ変数を設計するなどマーケティングに使いやすい形に加工することで、ようやくマーケティングに活用できるようになります。
DWH構築をプロジェクト化し、データマート·変数の設計から、マーケティングでの活用まで、一連のプロセスをサポートします。
スピーディーな
意思決定で競合に勝つ
事業ステージ主に成長期/安定期
課題
顧客の初期稼働と
長期的なリレーション構築
-
- 顧客分類
- エンゲージメントが高いユーザーを定義できていない
- エンゲージメントを累積金額のみで定義している
- ユーザーのRecencyが追えていない
- LTVの算出ができていない
-
- 顧客リテンション
- ユーザーの定着率が低い
- 初回利用ユーザーを2回目利用に導くための施策が打てていない
- ユーザーとの長期的な関係性が築けていない
- CRM施策がポイントや割引施策に偏っていて、ユーザーの心理的エンゲージメントが低い
- ユーザーの満足度が測れていない
- ユーザーの満足度を上げる要素が明らかでない
ソリューション
CRMプログラム
構築
-
- 顧客分類
- エンゲージメントユーザーの特定・分類定
-
- 初期稼働
- 初期稼働の要素分析と初期稼働施策提案
-
- アンケート実施
- ユーザーの継続利用意向や満足度(NRS、NPS)取得・分析
-
- CRMプログラム
- CRMプログラム設計
- ユーザーリテンションPDCA構築
マーケティングの歴史を紐解くと、プロダクトアウトから顧客のニーズを重視するマーケットインへの時代の移り変わりに伴い、マスマーケティングから市場細分化へ。
市場細分化からユーザーの細分化(セグメンテーション)へ、さらにはone to oneへと、デジタル技術の進化に合わせてマーケティングの手法も発展してきました。
CRMプログラムにおいては、航空会社のマイレージプログラムや百貨店のポイントプログラムに始まり、現在では、ユーザーをランク付けしてランクに応じて特典を与えるプログラムが一般化しています。
ユーザーを会員としてID管理することで実現したプログラムですが、初期の頃には利用金額のみでユーザーのエンゲージメントを測っていました。しかし金額だけでは、
頻繁に利用するエンゲージメントが高いユーザーと、たまたま高い金額を1回だけ利用したユーザーを同じセグメントで扱うことになってしまいます。そこで登場したのがRFMの分類手法です。
RFMは、RecencyとFrequency、Monetaryを組み合わせてユーザーセグメントを作る手法で、現在のポイントプログラムによく使われています。デジタルの世界で最初に導入した事例として、
楽天のポイントプログラムが挙げられます。半年間の(R)獲得ポイント数(M)と獲得回数(F)の組み合わせでユーザーをランク付けし、さらにランクが1カ月単位で再計算されるという、
デジタルの利点を活かしたプログラムになっています。
デジタルの力で一般化したCRMプログラムですが、課題も散見されます。
CRMとはそもそも、顧客との長期的なリレーションシップ構築を目的としプログラム化されますが、昨今のランクのようなプログラムは、既にエンゲージメントが高まっているユーザーには響きますが、ライトユーザーを置き去りにしがちです。
サービス利用を習慣化される仕掛けと、ヘビーユーザーのリテンションと高める仕掛けは異なるものと考えるべきです。
習慣化する要素を見つけ、次のステージへ導く。その過程には、ポイントや割引などの機能的な特典のみで結びつく関係性ではなく、心理的なエンゲージメントを高める仕掛けをちりばめていくこともCRMの醍醐味となります。
当社では、ユーザー分析からユーザーのエンゲージメント分類や初期稼働施策、リテンション施策のサポートのみならず、アンケートによる継続利用意向の分析、利用を習慣化させる施策立案など、幅広くサポートします。