ビジネスインテリジェンスと UXリサーチの統合

Transcript

1. 1 ビジネスインテリジェンスと UXリサーチの統合 メルカリにおけるデータドリブンな プロダクト開発への取り組み 2020/3/7 @shaekzo
2. 2 株式会社メルカリ
 プロダクトマネージャー
 
 
 Naoki Shinbo
 ・構造計画研究所で機械学習のR＆D、分析コンサルティング 
 ・リブセンスでAnalyticsチーム、UXデザインチーム立ち上げ 
 ・メルカリでデータアナリスト、UXリサーチャーを経て 
 　現在はロジスティクス領域のPdM 
 
 ・専門は定性・定量のデータ分析と機械学習のUXデザイン 
 

3. 3 メルカリ
4. 4 個人が簡単に売買を行えるCtoCマーケットプレイス
 •サービス開始日：2013年7月
 •対応OS：Android、iOS ※Webブラウザからも利用可能 
 •利用料：無料
 ※売れたときの手数料：販売価格の 10% •対応地域・言語：日本・日本語基本仕様
 

5. 5 利用実績推移（JP／FY2020.6 第2四半期）
 867 1,289 1,544 GMV¹
 1,544億円
 単位：億円
 85 122 144 売上高
 144億円
 単位：億円
 964 1,236 1,538 MAU²
 1,538万人
 単位：万人
 FY 2018.6 2Q FY 2019.6 2Q FY 2020.6 2Q 出典：会社資料。JP版メルカリ事業の決算概況（FY2020.6 2Q）より。
 1. キャンセル等を考慮後の取引高の合計
 2. 四半期平均のMAU
 FY 2018.6 2Q FY 2019.6 2Q FY 2020.6 2Q FY 2018.6 2Q FY 2019.6 2Q FY 2020.6 2Q 5 

6. 6 本日話すこと メルカリにおけるBI・UXリサーチの取り組み 1 BIとUXリサーチを統合した分析への取り組み 2
7. 7 メルカリにおけるデータ活用
8. 8 ビジネスインテリジェンスとUXリサーチ BI UXR 定量 定性 ・KPI設計、モニタリング ・A/Bテスト設計、検証 ・サービス全体の分析 ・グロースポイントの発見 ・カスタマー理解 ・インサイトの発見 ・アイディアの仮説検証 ・ユーザビリティ評価
9. 9 BI分析の事例 新規SellerMAU Xxxxx users 既存SellerMAU xxxx users + SellerMAU xxxxx users Brand New 　 xxxxusers Buy-Sell転換 xxxusers NonBuyer xxxx users + + 継続出品 xxxx users 短期リピート xxxx users カムバック xxxxusers + + KPIを改善可能な粒度に分解
10. 10 BI分析の事例 　　 フレーム 　　 ポイント Coupon等を用いたCRMのPlan / Check に使用 ✓ シンプルに保つことに注力 ✓ このフレームをチーム全体で用いて意識統 一を図った ✓ CRMの施策のフレームワークの設計
11. 11 ペルソナ設計 属性調査 行動調査 UXリサーチのパターン 　　 探索型 検証型 顧客の理解、課題・インサイトの抽出 仮説先行型の機能の事前評価や磨き込み ユーザビリティ評価 コンセプト評価 価値分析 KJ法、スペクトラム法 　 KJ法 KA法、上位下位分析 ストーリーボード プロトタイピング 課題や状況に応じてて探索型と検証型のリサーチを使い分けている
12. 12 探索型リサーチ
13. 13 出品促進のためのUXリサーチ 出品経験があるか? 購 入 経 験 が あ る か ？ ②EC的利用 ①ロイヤル ③不用品処分 ④離脱候補 Yes No Yes No カスタマーを2軸で整理してセグメント単位で調査 ライフスタイル ☑ メルカリの利用文脈 ☑ 出品に対する意識構造 ☑ 物に対する価値観 ☑ ☑ etc...
14. 14 出品促進のためのUXリサーチ 出品経験があるか? 購 入 経 験 が あ る か ？ ②EC的利用 ①ロイヤル ③不用品処分 ④離脱候補 Yes No Yes No A B C D ①利用状況による分類 ②ペルソナ設計 施策1 ③施策件検討 施策2 施策3 施策4 ユーザインタビュー や行動観察などから セグメントを更に 分類してペルソナ化 ペルソナ単位で施策の アイディエーションを実 施
15. 15 未出品Buyerリサーチ 購入のみのカスタマーの出品転換施策 のためのUXリサーチを実施 カスタマージャーニー・ペルソナの作 成と出品インサイトの抽出
16. 16 仮説検証型リサーチ
17. 17 コンセプト評価の事例
18. 18 売れるかチェック機能 <売れるかチェック機能> 過去の商品データ から相場を表示 写真からAIが商品を 自動推定 出品アイテムの表示 ※現在一部の方に試験的に提供中
19. 19 コンセプト評価フロー デプスインタビュー×5人を3サイクルしてターゲットとコア機能と体験の見定め ①機能検討 ②コンセプト評価 ③データ分析 ④利用文脈の理解 ⑤プロトタイピング ⑥ユーザテスト 　　 コンセプトの設計 UI/UXの設計
20. 20 コンセプト評価フロー デプスインタビュー×5人を3サイクルしてターゲットとコア機能と体験の見定め ①機能検討 ②コンセプト評価 ③データ分析 ④利用文脈の理解 ⑤プロトタイピング ⑥ユーザテスト 　　 コンセプトの設計 UI/UXの設計 自信がもてるまで サイクルを回す
21. 21 ユーザビリティテスト事例
23. 23 事例：Mercari Post 売れた商品が人を介さずに発送できる無人投函ボックス ドラッグストア コンビニ 駅構内 様々な場所に設置予定 ☑ ☑ ☑
24. 24 事例：Mercari Post ダンボールで作成したモックでユーザビリティテストを実施 記録係　×　1 機械を代替する人 × 1 ※裏側に入って手動で伝票発行する人 インタビュアー × 1
25. 25 Mercari Post ユーザビリティテストの結果、様々な課題を発見 ・伝票の貼り付け方で迷いが生じる ・投函口が高いので恐る恐る投函 ・バーコード読取り画面に到達できない
26. 26 BIとUXRの統合
27. 27 BIとUXRの分析プロセスの統合 BI UXR BIとUXRは相互補完関係にある 問題が発生している原 因や構造の特定や文脈 の把握が得意 問題が発生している場 所の特定や施策インパ クトの見積もりが得意
28. 28 BIとUXRの分析プロセスの統合 目標設定 1 2 3 4 　 課題特定 　　施策設計 効果測定 BI BI＆UXR UXD BI どの指標を改善する べきかのか？ その指標はどこ で発生している 何の問題を解決 すれば改善する のか その問題はどう すれば解決でき るのか 施策の効果はど れくらいあったの か
29. 29 出品者数増加施策のケース
30. 30 どの指標を改善するべきか？(BI) 出品経験があるか? 購 入 経 験 が あ る か ？ 　EC的利用 　　 　ロイヤル 　不用品処分 　離脱候補 Yes No Yes No ①セグメントの規模感の調査 出品転換率 平均出品間隔 ②出品数増加に寄与する指標の設計 ③改善インパクト・難易度の算出 ☑ ☑ 出品継続率 ☑ 指標改善時の効果シミュレーション ☑ ☑数値改善の難易度の予測 ☑ 対象UUの把握
31. 31 指標を上げるにはどこを改善するべきか?(BI) 写真撮影 出品ボタン押下 説明文 配送方法 価格 　出品 改善箇所によってその後リサーチや施策の方向性は大きく変わる 出品情報入力の UI/UXの改善 出品における 予期的UXの改善 そもそも出品に関する動き をしていない 出品しようとしたが途中に阻 害要因があって離脱 課題 　　改善の方向性 ファネル
32. 32 アンケート×行動ログで定性調査対象を決定 行動ログデータ活用による高精度なrecruiting アンケートによる課題の概要把握(not recruiting) ・出品に興味をもっているカスタマーの割合 ・出品のブロッカーになっている要素 (梱包・発送・コミュニケーションなど ) ・登録からの経過日数 ・直近の購買行動 ・累積購買件数など 1 2
33. 33 ペルソナ・ジャーニー・価値マップの構築(UXR)
34. 34 アイディエーション＆エバリュエーション(UXR) ①機能検討 ②コンセプト評価 ③データ分析 ④利用文脈の理解 ⑤プロトタイピング ⑥ユーザテスト 　　 コンセプトの設計 UI/UXの設計
35. 35 効果測定(BI) リリースした機能や施策に意図通りの効果が得られているかを検証 適切なA/Bテストの設計 正式機能としてのローンチ or 改善 or クローズの判断 統計的検定による効果検証 ☑ ☑ ☑
36. 36 まとめ メルカリでは定量・定性データの両方をプロダクト開発に活かしている BI・UXリサーチは相互補完関係にあり、組み合わせることで精度高い リサーチが可能になる BI・UXリサーチは関係性は密接なっていくと予想される