Quipperが実践する 定量データに基づく意思決定と開発 / Fact-based decision making and development by Quipper

Rails Developer Meetup 2018 Day 3 Extreme (https://techplay.jp/event/679666) にて『Quipperが実践する、定量データに基づく意思決定と開発』というタイトルで発表した資料です。

Transcript

1. Rails Developers Meetup 2018 Day 3 Extreme Quipperが実践する 定量データに基づく意思決定と開発 @ohbarye
2. ➔ Quipperはなぜ定量データに基づく意思決定と開発をす るのか ➔ 教育サービス「スタディサプリ」で実践したA/Bテスト事例 ◆ “負債”と考えた機能の価値検証 ◆ いわゆる“技術的負債”というより”プロダクト負債” ➔ 定量データに基づく意思決定と開発はエンジニアの体験 をどのように変えるか 今日お話すること 2
3. 今日お話しないこと 3
4. ➔ A/Bテストやデータ分析の細かい手法 ➔ A/Bテストを行うための gem ➔ Canary Release 今日お話しないこと 4
5. それでもよければ お付き合いください 5
6. 01 背景理解のための自己・会社・製品紹介 02 ”Fact-based” でやるということ 03 負債と呼ばれた機能をA/Bテストで検証 04 定量データと開発体験 05 まとめ Agenda | 6
7. 01 背景理解のための 　　自己・会社・製品紹介 7
8. @ohbarye ➔ Web Engineer | Engineering Manager ◆ Backend: Rails, Frontend: React が中心 ◆ 採用・評価・1-on-1 ➔ 所属 8
9. といえば 9
10. ➔ @kyanny ◆ Quipperにおける「関心の分離」の歴史 ➔ @mtsmfm ◆ Qall-Dockerで作るQuipperの開発環境 ◆ なぜ E2E テストがたまに落ちるのか 　18:30~ トラックB Quipper Rails Developer Meetup 10
11. 後半の説明の布石として と、そのプロダクトの話をします 11
12. Quipperってどんな会社？ 2010年にロンドンにて設立。主にアジア圏向け教育サービス Quipperを運営。 2015年にM&Aを経て リクルート傘下へ。 以降は自社の教育プラットフォームを 活用して日本向けにスタディサプリの 開発・運用も行っている。 12
13. Quipper Platform 13
14. BtoC と BtoB の両側面を持っているプロダクト ➔ BtoC: 中高生向けの有料動画視聴サービス ◆ 平たく言えば Netflix や Hulu の学習版 ◆ 生徒にコーチを付ける伴走サービスもある ➔ BtoB: 学校・先生向け業務システム / SaaS ◆ 宿題を生徒に配信して自動で丸つけ ◆ 進路指導の情報管理 スタディサプリとは 14
15. 用途ごとに分けられたアプリケーションたち スタディサプリシステム外観 15
16. Q. このようなアーキテクチャを なんと言うでしょう？ （前回の Rails DM 参加者ご存知） 16
17. 分断 された モノ リス 17
18. フロントのアプリケーションは別れているのでそれほど大きな 影響はないのでは？ ➔ そもそもBtoBではA/Bテストを実施しづらい ➔ BtoCでは相対的にやりやすいものの、同一プラットフォー ム上で実施されるので多数のステークホルダーに配慮が 必要 ➔ それでもやっていく 分断されたモノリスとA/Bテスト 18
19. 02 ”Fact-based” でやる 　　　ということ 19
20. ➔ Quipperの行動指針のひとつ ➔ 憶測でなく事実に基づく意思決定を推奨する ➔ 質の高い意思決定を追求する ◆ 効率よく成功につなげる ◆ 予測の精度を高める ➔ バイアスを極力排除する “Fact-based” とは？ 20
21. 大きく分けて3つの理由 ➔ 現実世界で直面する問題には唯一絶対の答えがないか ら ➔ それでも成功へと向かう過程で行う意思決定は改善でき るから ➔ 改善するためには自分を騙さないことが求められるから なぜ “Fact-based” でやるの？ 21
22. ➔ 議論するのは簡単だけど、世に出して結果を見ないこと には正しいかどうかわからない ➔ 出したあとに成功や失敗に見えたとしても湧き起こる問 ◆ 代案とどちらが良かったのか？ ◆ さらにより良くできるのか？ ➔ 精度を高めるにはトライアンドエラーが不可欠 ➔ 何をいつやるか？という意思決定の連続 Real World の問題には答えがない 22
23. ➔ ある企業における重大な意思決定の分析 by Gemünden (1985) ◆ 「すべきか否か？」という二者択一の意思決定の場 合、成功と評価されたのはわずか6% ◆ 選択肢を2つ以上検討した場合、成功と評価されたの は40%に上昇 意思決定は改善できる 23
24. ➔ 人間の意思決定は不合理によく間違う ◆ 感情・直観・理性…様々なものが人間を惑わせる ➔ “自分というのは最も簡単に騙しやすい人なのだ” "The first principle is that you must not fool yourself—and you are the easiest person to fool. So you have to be very careful about that." by Feinman 自分を騙さない 24
25. だから “Fact-based” でやる 25
26. 03 負債と呼ばれた機能を 　 A/Bテストで検証した事例 26
27. ➔ あらすじ・スタディサプリの決済概況 ➔ 何が問題か？ ➔ A/Bテストの流れ ◆ 仮説を立てる ◆ A/Bテストの設計〜実施 ◆ 結果を分析 ➔ 振り返り・学んだこと このセクションで話すこと 27
28. あらすじ スタディサプリは別の会社が開発したアプリケーションをほぼ フルスクラッチで書き直したもの “原初-オリジン-”より存在していた機能で、あまり顧みられるこ とのなかった機能が存在する そのひとつがキャリア決済 28
29. 提供するのは6つの決済手段 ➔ クレジットカード ➔ コンビニ ➔ キャリア（au） ➔ キャリア（Docomo） ➔ キャリア（Softbank） ➔ In-App Purchase スタディサプリの決済概況 29
30. キャリア3社を一つにまとめ、シェアと手数料を併記 スタディサプリの決済概況 決済手段 シェア (%) 手数料 (クレカ手数料を1とする) クレジットカード 55 1 コンビニ 9 1 キャリア 11 3 IAP 25 ※(IAPの手数料は30%で最も割高) 30
31. ➔ ビジネス視点 ◆ 手数料が低額の決済手段に移行してもらいたい • シェアがわずか11% • 手数料がクレカ・コンビニに比べて3倍 何が問題か？ 31
32. ➔ エンジニア視点 ◆ 11%のシェアのためだけに3キャリアそれぞれの特異 仕様に対応する実装が求められる ◆ 新しい決済手段を実装する際に考慮する必要があ り、足かせとなっている ◆ 決済機能全体のメンテナンスコストを高めている 何が問題か？ 32
33. ➔ カスタマーサポートチーム視点 ◆ スタッフの育成コスト増加 ◆ 誤案内リスク増加 何が問題か？ 33
34. ＿人人人人人人人人人人人＿ ＞　誰がどう見ても”負債”　＜ ￣Y^Y^Y^Y^Y^Y^Y^Y^Y^Y^Y^￣ 34
35. 　　　　　　　　　　　　 ／） 　　　　　　　　　　　／／／） 　　　　　　　　　 ／,.=ﾞ''"／ 　　　／　　　　 i f　,.r='"-‐'つ＿＿＿_　　　 　　/　　　　　 /　　　_,.-‐'~／⌒　　⌒＼ 　　　　／　 　,i　　　,二ﾆ⊃（ •）.　（•）＼ 　　　/　 　　ﾉ　　　 ilﾞフ::::::⌒（__人__）⌒::::: ＼ 　　　　　　,ｲ｢ﾄ､　　,!,!|　　　　　|r┬-|　　　　　| 　　　　　/　iﾄヾヽ_/ｨ"＼ 　　 　 `ー'´ 　 　 ／ こまけぇこたぁいいんだよ！！ 消すぞ！！ 35
36. 感情は伝染する… キャリア決済アンチの増加 36
37. みんなが消したいと考える 37
38. では、すぐ消すか？ 38
39. ＿人人人＿ ＞　否　＜ ￣Y^Y￣ 39
40. 　　 ／￣￣＼ 　／　　 _ノ　　＼ 　|　　　 （ •）（•） .　|　　　　 （__人__） 　 |　　　　　｀ ⌒´ノ .　 |　　　　　　 　 } .　 ヽ　　　　　 　 } 　　 ヽ　　　　　ノ　　　　　　　　＼ 　　　/　　　 く　　＼　　　　　　　 ＼ 　　　|　　　　 ＼ 　 ＼ 　 　　　　　　＼ 　 　 |　　　　|ヽ、二⌒)、　 　 　　　　　 ＼ まずは定量データを集めてからだろ、 ”Fact-based” 的に考えて… 40
41. GitHub issue を立てて議論し、コンセンサスを得た A/Bテスト実施のための布石 41
42. ➔ 仮説1: 「スタディサプリがキャリア決済を提供しないとき、 ユーザーは他の決済手段を選ぶ」 仮説を立てる クレジット カード コンビニ キャリア 42
43. ➔ 仮説2: 「キャリア決済以外では課金しないユーザー層に よって課金率が低下しても、手数料が安価な決済手段を 選んだユーザーが増えて利益が増える」 仮説を立てる クレジット カード コンビニ キャリア 離脱 43
44. 仮説1と仮説2を同時に検証するには、以下の2パターンを同 時に運用して課金率 (CVR) の差を見ればよい ➔ Aパターン (既存動線) ◆ 登録動線に「クレジットカード」「コンビニ」「キャリア」の 3種別を表示する ➔ Bパターン (新規動線) ◆ 登録動線に「クレジットカード」「コンビニ」の2種別のみ を表示する A/Bテストの設計 44
45. Aパターン (既存動線) 登録動線に 「クレジットカード」 「コンビニ」 「キャリア」 の3種別を表示 45
46. Bパターン (新規動線) 登録動線に 「クレジットカード」 「コンビニ」 の2種別のみを表示 46
47. A/Bテストの設計 ➔ 差分はキャリア決済が行えるか否か ➔ ノイズを避けるためこれ以外のA/Bテストを停止 ➔ 新規登録するユーザーのみを対象にする ◆ キャリア決済を利用中の既存ユーザーには影響のな いよう配慮 47
48. 法的な問題はないか？ 法務の回答は「以下の2点を守ればOK」とのこと ➔ 特商法のページへ注意文言を追記すること ➔ カスタマーサポートへ問い合わせがあった時にキャリア 決済フローを案内できること 48
49. ＿人人人人人人人人人人＿ ＞　もう何も怖くない　＜ ￣Y^Y^Y^Y^Y^Y^Y^Y^Y￣ ということで 49
50. 十分なサンプルが集まるまで およそ2週間実施しました 50
51. 結果 以下の2つに分けてお伝えします ➔ 結果その1: CVRの増減 ◆ 仮説1の正誤がわかる ➔ 結果その2: 利益の増減 ◆ 仮説2の正誤がわかる 51
52. 結果その1: CVR増減 CVRがどれだけ増減したのか? パターン クレジット カード コンビニ キャリア 全体CV(人) 全体CV比 (%) A (既存動線) 814 73 113 1000 100.0 B (新規動線) 835 109 0 943 94.3 52
53. 結果その1: CVR増減 予想通りクレカ・コンビニ決済への転換が見られる パターン クレジット カード コンビニ キャリア 全体CV(人) 全体CV比 (%) A (既存動線) 814 73 113 1000 100.0 B (新規動線) 835 109 0 943 94.3 53
54. 結果その1: CVR増減 しかし全体のCVRはAパターンに比べて5.7%減 パターン クレジット カード コンビニ キャリア 全体CV(人) 全体CV比 (%) A (既存動線) 814 73 113 1000 100.0 B (新規動線) 835 109 0 943 94.3 54
55. この時点で仮説1が否定される ➔ 仮説1: 「スタディサプリがキャリア決済を提供しないとき、 ユーザーは他の決済手段を選ぶ」 55
56. まだ…まだ仮説2が生きている ➔ 仮説2: 「キャリア決済以外では課金しないユーザー層に よって課金率が低下しても、手数料が安価な決済手段を 選んだユーザーが増えて利益が増える」 56
57. クレジットカード・コンビニ決済へ転換したぶんだけ手数料が 軽減されているはずなので、この変更が利益に寄与しうる ➔ Aパターン (既存動線) とBパターン (新規動線) とのCV 差と過去の実績からCVRのとりうる最小/最大範囲を推 定 ➔ 過去の獲得CVとシェアの実績を用い、どれだけ売上と手 数料の差額が発生するかを試算 結果その2: 利益増減 57
58. 　　　　　　　　　　　　 ／） 　　　　　　　　　　　／／／） 　　　　　　　　　 ／,.=ﾞ''"／ 　　　／　　　　 i f　,.r='"-‐'つ＿＿＿_　　　 　　/　　　　　 /　　　_,.-‐'~／⌒　　⌒＼ 　　　　／　 　,i　　　,二ﾆ⊃（ •）.　（•）＼ 　　　/　 　　ﾉ　　　 ilﾞフ::::::⌒（__人__）⌒::::: ＼ 　　　　　　,ｲ｢ﾄ､　　,!,!|　　　　　|r┬-|　　　　　| 　　　　　/　iﾄヾヽ_/ｨ"＼ 　　 　 `ー'´ 　 　 ／ 細かい計算は省略します 58
59. 結果その2: 利益増減 利益増減額が最小/最大のケースが出揃った ケース 売上の増減 (百万円) 手数料の削減 (百万円) 利益 (百万円) 最小の場合 -18.3 +10.8 -7.5 最大の場合 -95.1 +13.5 -81.6 59
60. 結果その2: 利益増減 最小の場合、約750万円の利益減 ケース 売上の増減 (百万円) 手数料の削減 (百万円) 利益 (百万円) 最小の場合 -18.3 +10.8 -7.5 最大の場合 -95.1 +13.5 -81.6 60
61. 結果その2: 利益増減 最大の場合、約8,160万円の利益減 ケース 売上の増減 (百万円) 手数料の削減 (百万円) 利益 (百万円) 最小の場合 -18.3 +10.8 -7.5 最大の場合 -95.1 +13.5 -81.6 61
62. 結果その2: 利益増減 導かれる結論は以下のようになる ➔ キャリア決済をなくすと ◆ 年間で数百万〜数千万円程度の利益減に留まると想 定される ◆ しかし、それ以上に一億円近く利益が減少するリスク も想定される 62
63. この時点で仮説2が否定される ➔ 仮説2: 「キャリア決済以外では課金しないユーザー層に よる課金率が低下しても、手数料が安価な決済手段を選 んだユーザーが増えて利益が増える」 63
64. 事業判断 ➔ 当時の事業フェーズでは「このリスクを事業としては許容 できない」としてキャリア決済はこれまで通り残すことにし た 64
65. おれたちのA/Bテストは すべて…無駄だったのか？ 振り返ってみる 65
66. ➔ 感情で「負債」だと捉えていた機能を事実に基づき数値で 示すことで納得感が得られた ◆ これからは「負債」といわず、売上の一角を十分に担 う「機能」と呼びたい ➔ Web Engineer、Data Engineer、プロダクトマネージャ、 カスタマーサポートなど多様なポジションのメンバーが協 力しながら実施できた ◆ お互いの力を発揮しなければ実施できなかったテスト 良かったこと 66
67. ➔ キャリア決済の抱える課題自体はまだ残っている ◆ 将来的にもう一度A/Bテストを実施することで違う結果 が得られるかもしれない ◆ 中高生や世間の決済事情の変遷とともにまた見直し ていく 残る課題 67
68. ➔ 不満に思いつつも価値を検証していなかった ➔ 人は不本意な「機能」をしばしば「負債」と呼ぶ ➔ "狂気は個人にあっては稀なことである。しかし集団・民族 ・時代にあっては通例である。" “Insanity in individuals is something rare – but in groups, parties, nations and epochs, it is the rule.” 『善悪の彼岸』 by Nietzsche テスト実施以前に何が問題だったか 68
69. ➔ 楽観バイアス（感情が騙した） ◆ 「なくしても大丈夫では？」「無いほうがよいのでは？」 ➔ 代表性バイアス（直観が騙した） ◆ 「ステークホルダー皆が言っている」”もっともらしさ”の 前では早急に判断を下しがち ➔ [最大の問題] 確証バイアス（理性が騙した） ◆ 我々の信念・仮説を補強する情報ばかりを集めてし まった => 反証が必要だった 様々なバイアスが自分を騙した 69
70. 　　 　 　　＿＿＿_ 　 　　　／_ノ　 ヽ､_＼ 　 　 ／（ ─）／)（─）＼ 　 ／::::::⌒／／／)⌒::::: ＼ 　 |　　 ／,.=ﾞ''"／　　　　　 |　　 　 ＼.　i f ,.r='"-‐'つ　　／ 　 ／　ｉ　 　 _,.-‐'~　　　 ＼ 　　　　i　　　,二ﾆ⊃ 　 “自分というのは最も 簡単に騙しやすい人なのだ”... 70
71. 04 定量データと開発体験 71
72. 定量データに基づく 意思決定と開発を通じて 気づいたこと 72
73. ➔ 定量データによるフィードバックを得る体験は最高 ➔ 自分が考えるエンジニアの幸福の1つはエンジニアリング で「何かを良い方向に変えること」 ➔ 良い変化の証左としての定量データ ➔ 後押しするような開発体験をチームで作っていける 開発者目線 73
74. ➔ Slack に [速報] を流して成功体験を祝う習慣を付ける （Fearless Change: No.2 “小さな成功”パターン） 開発者目線 74
75. ➔ 新機能の仕様を決める議論でも「どうやったらリリース後 に価値を測れるか？」が議題にのぼる ➔ 定量データに基づく意思決定を行う組織は誰が言ったか ではなく何を言ったかを尊重する組織に近づく ➔ わからないなら情報を集めるし、決定の遅延を許す ➔ 個人だけではなく組織が不確実性との戦い方を身に着け ていく 組織 75
76. ➔ 前述の事例のように、自分の都合の良い情報を集めるバ イアスがデータ分析においてもはたらく可能性はある ➔ 前述の事例のように、データ分析の結果かならずしも本 意となる結果が得られるわけではない ➔ [minor] こうしたフィードバックを得る体験をするとやめら れない、中毒性がある もちろん万能ではない… 注意点 76
77. 05 まとめ 77
78. ➔ 意思決定は改善できる ➔ 質の高い意思決定を行うためにはプロセスや定量データ が必要 ➔ 定量データに基づく意思決定と開発とは？ ◆ エンジニアがビジネスに貢献する道の一つ ◆ エンジニアの開発体験向上に寄与しうるもの まとめ 78
79. やっていくぞ今すぐ 79
80. しかし Quipperが実践する 定量データに基づく 意思決定と開発は まだまだ完璧には程遠い 80
81. 一緒にやっていく仲間を募集しています 81
82. 7/19 (Thu) 19:30-22:00 https://techplay.jp/event/680406 82
83. ➔ やはり俺のスタートアップの意思決定はまちがっている。 https://www.slideshare.net/takaumada/my-startup-decision-making-snaf u ➔ 価値の低い機能の廃止にこだわる3つの理由 https://speakerdeck.com/ueda1023/jia-zhi-falsedi-iji-neng-falsefei-zhi-ni kodawaru3tufalseli-you ➔ プロダクトの「負債」を「機能」と呼び直す 〜A/Bテストを用いた"価値"の定量 化〜 https://quipper.hatenablog.com/entry/2018/05/31/080000 ➔ Fearless Change アジャイルに効く アイデアを組織に広めるための48のパ ターン https://amzn.to/2L799pW 参考資料 83
84. ➔ Number of alternatives and efficiency in different types of top-management decisions https://www.sciencedirect.com/science/article/abs/pii/03772217859022 67 ➔ Surely, You’re Joking, Mr. Feinman https://drive.google.com/file/d/19oUIxa5S5hhF53M7BY33fi07AtiOcRod VV26vW3FRfR7Du621cGWFUK2XkIv/view 参考資料 84