Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
見えないユーザの声はログに埋もれている! ~ログから具体的なユーザの体験を数値化した事例紹介~
Search
NAVITIME JAPAN
PRO
June 24, 2024
Technology
6
3k
見えないユーザの声はログに埋もれている! ~ログから具体的なユーザの体験を数値化した事例紹介~
2024/06/21-22に開催された「スクラムフェス大阪」で発表した資料です
https://www.scrumosaka.org/
NAVITIME JAPAN
PRO
June 24, 2024
Tweet
Share
More Decks by NAVITIME JAPAN
See All by NAVITIME JAPAN
つよつよリーダーが 抜けたらどうする? 〜ナビタイムのAgile⽀援組織の変遷〜
navitimejapan
PRO
23
15k
実践ジオフェンス 効率的に開発するために
navitimejapan
PRO
3
710
安全で使いやすいCarPlayアプリの 魅せ方:HIGと実例から学ぶ
navitimejapan
PRO
1
240
ユーザーのためなら 『デザイン』 以外にも手を伸ばせる
navitimejapan
PRO
2
1.6k
フツーのIT女子が、 Engineering Managerになるまで
navitimejapan
PRO
3
360
不確実性に打ち勝つOKR戦略/How to manage uncertainty with OKR strategy
navitimejapan
PRO
4
3.6k
アジャイルを小さいままで 組織に広める 二周目 / Agile Transformation in NAVITIME JAPAN iteration 2
navitimejapan
PRO
4
1.3k
変更障害率0%よりも「継続的な学習と実験」を価値とする 〜障害を「起こってはならないもの」としていた組織がDirtの実施に至るまで〜 / DevOps Transformation in NAVITIME JAPAN
navitimejapan
PRO
7
5.6k
こうしてふりかえりは終わってしまった / A Demise of a retrospective
navitimejapan
PRO
47
31k
Other Decks in Technology
See All in Technology
なぜSaaSがMCPサーバーをサービス提供するのか?
sansantech
PRO
8
2.8k
Snowflakeの生成AI機能を活用したデータ分析アプリの作成 〜Cortex AnalystとCortex Searchの活用とStreamlitアプリでの利用〜
nayuts
1
470
20250913_JAWS_sysad_kobe
takuyay0ne
2
140
生成AI時代のデータ基盤設計〜ペースレイヤリングで実現する高速開発と持続性〜 / Levtech Meetup_Session_2
sansan_randd
1
150
【初心者向け】ローカルLLMの色々な動かし方まとめ
aratako
7
3.4k
AWSを利用する上で知っておきたい名前解決のはなし(10分版)
nagisa53
10
3k
これでもう迷わない!Jetpack Composeの書き方実践ガイド
zozotech
PRO
0
320
dbt開発 with Claude Codeのためのガードレール設計
10xinc
2
1.2k
Generative AI Japan 第一回生成AI実践研究会「AI駆動開発の現在地──ブレイクスルーの鍵を握るのはデータ領域」
shisyu_gaku
0
150
今!ソフトウェアエンジニアがハードウェアに手を出すには
mackee
11
4.7k
MCPで変わる Amebaデザインシステム「Spindle」の開発
spindle
PRO
3
3.2k
職種の壁を溶かして開発サイクルを高速に回す~情報透明性と職種越境から考えるAIフレンドリーな職種間連携~
daitasu
0
150
Featured
See All Featured
How STYLIGHT went responsive
nonsquared
100
5.8k
A designer walks into a library…
pauljervisheath
207
24k
GraphQLの誤解/rethinking-graphql
sonatard
72
11k
Being A Developer After 40
akosma
90
590k
Building Better People: How to give real-time feedback that sticks.
wjessup
368
19k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
580
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
32
1.5k
The Invisible Side of Design
smashingmag
301
51k
Code Reviewing Like a Champion
maltzj
525
40k
KATA
mclloyd
32
14k
Why You Should Never Use an ORM
jnunemaker
PRO
59
9.5k
A better future with KSS
kneath
239
17k
Transcript
見えないユーザの声は ログに埋もれている! ~ログから具体的なユーザの体験を数値化した事例紹介~ 株式会社ナビタイムジャパン 小南果穂
「よいユーザ体験」は どうやって測る? #1
イテレーティブな開発にはフィードバックが必要 Plan Plan Plan FB FB FB UX UX UX
Develop Develop Develop
ユーザ体験のフィードバックになるもの 定量データ 定性データ
定量データのメリット 離脱率 CV率 • 客観的 • 変遷を継続して観測できる • 説得力があり伝わりやすい 定量データ
定性データのメリット • 数値で表せない具体的な体験を知 ることができる • 感情の動きをつかめる ユーザ テスト インタ ビュー
定性データ
ユーザ体験のフィードバックになるもの 定性データ ユーザ テスト インタ ビュー 本当はすべてのリリースで 両方のフィードバックを得たい が、ユーザテスト・インタビューは 実施難易度が高い
ログを分析することで定性データの代替手段にする
自己紹介 株式会社ナビタイムジャパン 小南 果穂 Kaho Kominami 2019年新卒として入社。 研究開発部門で機械学習を用いた渋滞予測機能である 「AI渋滞予報」などの開発を行うほか、 エンジニアと兼務のスクラムマスターとしてチームの
改善にも取り組んでいる。
実際の 研究開発部門の事例 #2
研究開発部門の抱える課題 NAVITIME バス NAVITIME ドライブ サポーター トラック カーナビ ・・・・ 各サービスのユーザー
研究開発(R&D)部門 各サービスの共通基盤
研究開発部門の抱える課題 各サービスのユーザ ユーザからの距離が遠く、声が届きにくい 研究開発(R&D)部門 各サービスの共通基盤
研究開発部門の抱える課題 研究開発(R&D)部門 各サービスの共通基盤 各サービスのユーザ 研究開発(R&D)部門 所属チームの専門性が高い 渋滞予測 経路探索 時刻表データ 道路
ネットワーク 該当する数が少なく 指標にしづらい
事例をご紹介するチーム:交通情報チーム 車移動に関わるすべての人へ正確な道路交通情報の提供を目指す 渋滞予測
欲しいフィードバックへの道のりは遠い 「渋滞予測は正確に感じられたか?」 「走っている時に困ることはなかったか?」 を数値にしたい・・・・ 渋滞予測精度改善のため数多くの施策をリリース・運用している 精度やUXが悪化していないか日々監視が必要 ユーザボイスは数が少なく不向き ユーザテスト・インタビューを全案件で実施も難しい どうやって?
ユーザの体験そのもの! そこでナビタイムジャパンの強みに注目 日本全国の走行ログ 1日あたり約1,000万km = 地球250周分 (2022年1月時点) ※走行ログはユーザから許可を得て取得し 匿名化しているデータです https://api-sdk.navitime.co.jp/api/
column/use_of_probedata/
ログから抽出する UX評価指標の進化 #3
2018年-2020年 チーム発足、UX指標の数値化を試みる 経路探索チームから交通情報チームが独立 1時間程度走行時、所要時間誤差◦◦分以上のユーザを◦◦%削減 チームの目標
2018年-2020年 チーム発足、UX指標の数値化を試みる 再現 GPSログ ユーザが通った道を再現 出発した時間に渋滞予測した と仮定してシミュレート
2018年-2020年 チーム発足、UX指標の数値化を試みる 再現 8:00出発 9:30 到着予測 10:00到着 2時間の経路で 30分の誤差が発生
2018年-2020年 チーム発足、UX指標の数値化を試みる 本当にこの指標は ユーザの体験を反映させている? 1時間程度走行時、所要時間誤差◦◦分以上のユーザを◦◦%削減 チームの目標
2021年 OKRが導入される 顧客満足度を高める高い交通情報品質 • 「予測より早く到着できた」時より 「渋滞を外して遅れた」時の方がユーザ体験が悪い • 全体最適を重視する指標なので、一部のユーザに効果がある施策への モチベーションが低くなる •
「渋滞を抜けるまでに数時間かかる」ような ユーザ体験が著しく下がる場合に着目したい 昨年度までのふりかえり Objective
「ユーザ体験が著しく悪化するケース」に着目した指標 重点課題区間の合計所要時間誤差を◦◦%以上削減 順調に行けると予測 →実際は渋滞していた が一番不満度が高い = 「重点課題区間」 順調 渋滞 順調
渋滞 予測 実際 KeyResult
さらに進化する評価指標(2022年) 日本一の所要時間精度を実現する • 昨年度までで評価指標の数字自体はかなり良いことがわかっている → ではなぜ「日本一」と自信をもって言い切れないのか → 今までの指標では見つかっていない弱点がどこかにあるはず • 他社比較する計測を行いながらOKRを更新し、弱点であった一般道へのアプ ローチを開始した(詳しくはこちら『不確実性に打ち勝つOKR戦略』) KeyResult
Objective 所要時間精度改善施策◦◦件リリース 一般道の重点課題区間50%削減(下半期追加)
さらに進化する評価指標(2023年) 2022年までは期初に決めた評価期間を対象に評価指標の計測を行っていた 今年は4月の 第二週にしよう 季節性のある イベントがある時は? 台風や大雪の影響は?
日次で改善人数を計測するシステムを構築 誤差が著しく大きいユーザ数 何もリリースしなかった 場合の人数 サービスに出ている 予測での改善人数 リリースによって どの期間に・どの程度 改善があったのか 見ることができる
評価指標もアジャイル的に改善している 2022 2023 2024 ふりかえり ふりかえり ふりかえり
しかし・・・・ まだ評価指標がユーザボイスや社内指摘に あっていないと感じる・・・・ 数字には現れない課題感が依然あった
気を付けなければ いけなかったこと #4
なぜか?はデザイン思考からも説明できる 共感 問題 定義 アイデア 創出 プロト タイプ テスト ユーザ体験についての仮説
評価指標決定 施策の実施 このフェーズをずっと試行錯誤しているが・・・・
「共感」と「問題定義」の違い 共感 問題 定義 サンプリングして深く知る 範囲を広げて分析する
いままでのユーザ体験についての仮説の立て方 共感 問題 定義 多くのユーザを対象に「問題定義」をする 一般化からはじめてしまっている
いままでのユーザ体験についての仮説の立て方 共感 問題 定義 「共感」に戻る 必要があった
2024年度の取り組み ユーザボイスを 深掘りして調査 調査箇所が 評価対象に入るように 実際に投稿された内容や 検索条件・通った道路も 見比べながら どこが原因かを特定
まとめ ユーザテスト・インタビューなどの代替手段として ログからユーザ体験を再現して評価指標にするという手法を提案 仮説を立てる際は実際のユーザボイス等数が少なくても得られる 生のユーザの情報を参照することで仮説の精度を高められる 評価指標には仮説を多く含むため、定期的なふりかえりが必要