【対談企画・後編】データ活用で成果を出すための近道は“スモールスタート”と“スモールサイクル”

このエントリーをはてなブックマークに追加

企業のマーケティング活動やプロダクト開発などにおいて欠かせない、データ活用。やみくもにデータを利用するのではなく、正しい方法で分析しなければ真価を発揮できません。

そこで今回、弊社の金岡が、マーケティング領域でのデータ活用に知見のある株式会社Legoliss(以下:レゴリス)の加藤氏をお迎えして、「企業に必要なデータ活用」をテーマにお話しさせていただきました。

その内容を前後編に分けてお送りしておりますが、前編では

  • 企業が保有するデータの質・量の実態
  • 使えるデータを集める時に必要なことは何か
  • データ利活用しやすい業界・業種は何か

についてお話ししました。引き続き、後編では

  • マイクロなブランド(小さい会社)でデータを利活用するには
  • マーケティング領域でのデータ活用課題とは
  • データ活用で成果を出すには何をすればいいのか
  • “最終的ゴール”を目指す前に、まずやるべきこと

の4点を中心にお伝えてしていきます。
>>前編はこちら

マーケティング領域でのデータ活用における日本企業の課題について

マイクロなブランドならではのデータ利活用を

加藤氏:マイクロなブランド(小さい会社)がデータ利活用するにはどうすればよいか、ですね。ビジネスの形式にもよると思うのですが、ただ新規ユーザーを取りにいくのではなく、1ユーザーのグロスをどれぐらいデータで担保してあげられるかだと思うんですよね。グロースハックに近いんですけども。かつ、小さい企業だと、それだけそのサービスに対する思い入れがあるユーザーもいますし、社員もいると思うんですよ。そういう人たちが、そういう人たちに向けてやっていると思っていて。
ユーザーとサービス提供者側が非常に近い領域にいると思うので、データを活用して、もっとファンになってもらうとか、何だったら社員になってもらうぐらいの気持ちでデータ活用していくと……よりウェットな関係で進められますよね。

もちろんデータやAI、ビッグデータを使っていくという意味で言うと、アノニマスと言われる特定できないユーザー、いわゆる大規模なユーザーにも、そのボリュームに対して何がアプローチできるのかも大事だと思います。ただ、基本やっぱり一人ひとりに対してパーソナライズしてアプローチしていくための仕組みを構築していくことが大事だと思うので、小さいなら小さいなりにそういうウェットなコミュニケーションをデータでどうやって作るかというのをたくさん考えた方がいいんじゃないかなって気がしています。

金岡:非常に面白いですね。例えば LTV(Life Time Value)とか指標も売上全体で見るのではなくて、一人ひとりがクロス/アップセルする接点がどれぐらい広がっているかとか。

加藤氏:あとは購入までの日数はどれぐらいになるかとか。

金岡:なるほど。ロイヤリティーとかそっちの方で。

加藤氏:そうです。そっちの方をやや強めにやってあげると。組織としての納得感も必要ですし、データを使って何かするという意味で言うと、ユーザーとしてもやっぱりそれに対して購入したいし、もっとファンになりたいというのをうまく回して行かなきゃいけないかなと思うので。

金岡:あとマイクロなブランドとか小規模だと実験がしやすいなと思っています。これも業種によるデータ活用をどう捉えるかと言ったところですが、強いところってお金があるので、言い方は酷いんですけど、ある意味ABテストとかも雑なのかなと。「ドカンと広告施策を何個もあげたからよくわかんなくなりました」みたいなことってよくあるのかなと思っていて。
フルファネルでやりやすいのって、全部コントロール下にあるような業種なのかなっていう気もしますね。

フルファネルを一貫した体制で管理することが重要

加藤氏:小さいところが、そういう意味でABテストを含めて有利なのは、他の変数をできるかぎり揃えなきゃいけないじゃないですか。それって大きい企業には難しいんですよ。これテストになるの?っていうぐらい。「500変数あって400個はバラバラですね。いろんなところで動いています」という状態で比較できるの?という話になるんですよね。どうしてもコントロールできるボリュームが大きいだけ、やっぱり小さいところが有利だと思いますし、精度も上がりますし、サイクルも回しやすいですよね。

「実行するのに一カ月かかります」という会社と「1時間でできます」という会社だったら、絶対1時間の方が試行回数が多くなるので精度も高くなるんですよ。それはもう絶対だと思っていて。やっぱりそこに大企業も向かって行かなきゃいけないんですけど、足枷がたくさんあるがゆえの重たさがあるので。データの前処理の部分でどれぐらいにミニマムにできるのかとか、どれぐらいアドバイスをしながら他のデータを混ぜて擬似的に結果を出すところを優先できるのかとか、そういったところが非常に重要になってくると思います。

金岡:データ利活用ってどの会社にもやっぱり関係あって、環境整備はやらなきゃいけないんですよね。先にアセットがあるのはもしかしたら大企業とかナショナルブランドなのかもしれないけど、環境整備のしやすさという観点で言うと小さい企業にもチャンスがあるみたいな、整理の仕方ができそうな気がしますね。

大事なのは”技術”ではなく事業への思い入れ

金岡:もう少し業務特化というところで。もう結構話していますが、成功している会社って環境を整えてABテストを素早くやっていたりとか、データのガバナンスをすごく強めにやっていたりすると思うんですけども、企業を俯瞰した時に、マーケティング領域でのデータ活用ってまだまだたくさん課題があるんじゃないかなと思っています。ぜひ加藤さんにもそのお話を伺いたいなと。

私だと、レコメンドエンジン周りとか需要予測といった言葉がこういったマーケティング領域のデータ活用に関わることが多いんですけど、「需要って何だよ」と。課題って、目的変数を定義できないこと自体が重要な課題かなと思っていまして。企業は、すごく忌憚なく言うと、目的がなかったりとか、目的がぶれていたりとか、あとデータ利活用までに関係者間で目的の定義が違ったりだとか、そのあたりがデータ活用の前にやらなきゃいけないことで、かつデータ活用においても課題としてすごくのしかかってきているんじゃないかなというのが私の個人的な考えです。レゴリスさんは、こういったより深く濃いところを見られていると思うのでぜひお話しいただければと思います。

加藤氏:ちょっと抽象的な表現を使ってしまうのですが、目的変数のところで、文化とかちょっと愛を感じないみたいな気があるんですよ。「売上あげたい」はわかるんですよ。それはもう絶対条件なので。でも何を目指しているのかがわからないので、その道筋が見えづらい時があるんですよ。頂上に行きたいのはわかるんですけど、なんでこの山なのかっていうのがなんとなく伝わってこない時があって。

技術屋としては最適解なものを出したいじゃないですか。当然。その時に、あそこの頂上に登りたいのは理解しました、わかりましたと。でもヘリで登りたいのか、乗り物に乗りたいのか、それとも歩きたいのかすら分からない、そもそも山がなぜここなのかもわかってない状態で何を提供すればいいんだろ、みたいな気分になってしまう時ってあるんですよね。

日本の企業の課題かどうかっていうと、正直どの企業でも世界的にも多分そうだと思うんですけど、そのなんか「この会社はこれだから、だからこれを絶対に目指すんだ」とはっきりトップダウンで降りてきている時は分かるんですよ。じゃあお客さんに対してできる限りアプローチしないで、できるかぎりロイヤリティを高めたいって言われて、それがその企業の文化だとしたら、なんとなくやり方を考えようって思います。

こういうデータ活用の仕方もありますって解を出したくなるんです。それが結果しか出ていないと、その結果って僕が会社を経営したらこういう感じにしますっていう話をしていいですか?みたいなことになっちゃう。

結構ビジネスコンサルみたいになっちゃうときがあるので。目指すべきポイントが浸透してないと再現性高く組織として動いていくことも難しいですし、それに対して最適なシステムとかアプローチを提供するのも難しいですし、これはどの企業にも言えることなのではないかなって思っていますね。

金岡:すごく深いところで、事業への思い入れとかが重要ですよね。データの仕事をしているのにスピリチュアルになってしまうのですが。

加藤氏:さっきのスポーツの例とか、間違いなくそれがあるからわかりやすいんですよ。

金岡:だからもうロイヤリティとか、チームをいかに好きになってもらうかが大事ですね。「僕もファンなので、このファンが増えればいいと思うんですよ」みたいな話で、シンプルなのでわかりやすいですし、「じゃあそれに対してこういうアプローチをして、このイベントの前に一緒に盛り上げましょう」ってなるんですけど。なかなか…ドライに見すぎちゃっているなと。

金岡:結構多いと思うのは、その企業として、その事業への愛みたいなものじゃなくて、「とりあえずデータウェアハウスを入れたい」とか「データを集約したい」とか、ほかにも「レコメンドエンジンを入れればいいんじゃないか」「セグメント切ればいいんじゃないか」みたいな、テクニカルなことを発信してしまっているのは結構問題かなと。

技術を最終的に提供するベンダーではあるんですけど、その前に事業についてどれぐらい考慮できてるか、考えているかということがにデータ活用にも効いてきます。マーケティング領域で施策を打ったりとか予測した結果に対して何か策を打つためのシステムを作ったりとか、そういうわりと大きな投資は、それ以前に事業について深く考えているかどうかというのが実はすごいボトルネックだと思いますね。

加藤氏:結構そこが難しいなと思っていて。 Amazonとかだとプレスリリースから書くみたいなやつあるじゃないですか。それに近いと思っていて。おすすめは、まず決算資料から作るみたいなレベルの考え方をした方がいいと思うんですよ。投資家に対して説明できる内容を作って欲しいみたいな。そこで固まってくればやる事って自ずと決まってくるし、予算とか仕組みとかも大体決まってくると思うんですけど、単純になんか「CDP(カスタマーデータプラットフォーム)入れたいんですよ」「データ活用したいんですよ」とか「データはあるんで分析してください」とか。そこは本当に難しいなというのが正直な気持ちです。

金岡:本当にあの”アマゾンの6ページ文書”みたいなところまで深く考慮があった上でCDPいれたら絶対効果が違うと思います。ここでやりたい施策があるからCDP入れようってなるじゃないですか。何か「分析してください」じゃなくて「やろうとして挫折して、これがどうしても見たいからお願いします」というケースの方がわりとうまくいくのかな。データの話をしていたらすごく本質的な経営課題の話になるという。

加藤氏:これが現場から上がってくることってなかなかないですよね。

課題に対してどうアクションすべきか

まず始めてみて、スモールサイクルで回し続ける

金岡:今の話のように、「事業に対して興味を持つ」とか「データ活用というミッションを与えられたときに人は何をすればいいのか」とか「データ活用した方がいいって散々メディアで宣伝されるけど、うちの会社は何から始めればいいんだろう」とか思ったときに、我々が提示できることって何なのかなっていう話をしたいなと。

加藤氏:ひとつはさっきお伝えしたような経営課題とかその文化とか、そういうものから落としていくのが大事だと思うんですよ。文化がなければデータ活用されると思えないですし。メッセージとして経営とフィットしてないものを作ってもその後頓挫するし、担当者が辞めてしまうというあるあるが発生するのでやめた方がいいです。

とはいえ、そこに期待しすぎちゃうとプロジェクトって一生始まらないところもあるので、ちょうどその今お話を伺って考えていたのは、「とにかくやっぱり始めるしかない」だと思うんですよ。逆説的なところでいっちゃうと。結果がこうなるから、5年後にこうなるから、これに投資させてくださいって言う表現力はもう不可能に近くて。とにかく走りながら考えるしかない世界観なんだろうと。

その中で、それをいかにスモールサイクルで回していくかというのが大きければ大きいほど、差が大きければ大きいほど結果が出るまで時間かかりますし、その期間が3ヶ月とか1年とかかかってくると、そもそも予算を止められないということになりかねないので。じゃあ一ヶ月という単位でどういう結果を出していけるかが結構重要になってくると思うんですよね。そこで大体の会社がつまずくのがデータの整備に超時間かかるということですね。

金岡:本当に。

加藤氏:データ一覧を作るのに一ヶ月かかりましたなんてもうザラじゃないですか。

金岡:一ヶ月で終わればかなりいい方だと思います。

加藤氏:最初の部分をどれだけ短縮化するか、どれだけコンパクトにするかということがまず一つ大事なことです。また結果を出していくということは、やはり変数を見つけることと一緒だと思うんですよ。目的変数も説明変数もそうなんですけど、それをどう見つけていくかも結構大事だと思っていて、それさえ見つかれば次の一手は絶対に打てるはずなので、そこをどうやっていくかかなと。いまは人力で頑張って整えてやるというところなので、そこの最初のスタートを一緒にできれば、絶対にその後の伸びって違うと思うんですよね。

先ほど出されていたようなデータの分析や、そのデータの中身をどうやって分析するかですが、素人がやると一年かかるものを数ヶ月でできるようになるとすれば、それだけ短縮できるし、短縮できるということはその人のそのコストもそうですけど、データって結局、使えば使うほど増えるじゃないですか。早めにやればやるほどどんどんデータ資産って積みかさなっていくんですよ。

その中で、飛び道具というか物を動かしても最初のスタートをうまく現場として切れるか、もう上が気になり始める前に、予算会議に出してしまう前に、いかに早めに結果とか説明できる状態に持って行くのが大事だと思っていて。レポートでちゃんと作っていくだとか。またそのデータが足りない、あそこのデータ使えないか、というのが出てきてしまった時のために、内部のデータより外部のデータの方が早い、みたいなこともあると思うんです。店舗のデータを集計していたら、結局のところ1年かかるけれど、使える状況になっているデータがあれば3カ月でできるかもしれないと。そこには大きな可能性があると思うんですよね。

金岡:本当にそうですね

加藤氏:ここで説明変数や目的変数がなんとなくふわっとでも出てきたら、多分その後のプロジェクトを2年3年頑張れると思うんですよね。

金岡:結果も出続ける気がしますね。

加藤氏:担当者ベースでプロジェクトである程度の予算を持って戦おうって思うのであれば、ショートカットを活用しつつ、うまくそのスタートダッシュをきっていくところにフォーカスをすると、最終的にはやっぱりその文化として大事だよねっていうところと組み合わさって、プロジェクトを続けられるんじゃないかなって思います。

金岡:自分が普段よく言っていることをわかりやすくお話しいただきありがとうございます。前にあるプロジェクトでお客様がやられていたのですが、社内のデータに手を付け始めると、本当に一大プロジェクトになってしまうと。そこで外部からも綺麗な分析用のデータセットを買ってでも、モデル作るというケースが実際にありました。実際にモデルの構築をしたらデータがめちゃくちゃ綺麗で、我々もすぐモデルが組めて、いろんな試行錯誤ができたと。本質的な目的に最短距離で行くというのが大事ですね。

元Googleのアンドリュー・ウーさんっていう方が 「AIプレイブック」というAI導入の手引きを書いているんですけど、「経営課題にクリティカルではないけど、それなりに重要な課題を選んでパイロットプロジェクトにしろ」って言っているんですね。だから「優先度3番目ぐらいで、困っていることに対してAIとかデジタルなことをやっていきましょう」という提案をしていて、確かにその通りだと。

一番本筋なところでコケたらもう取り返しがつかないけど、3番目ぐらいだったらまあ失敗してもという感じだし、成功したらその後につながるし、課題のチョイスと、あといかに早く始めるかみたいなところが大事な気がしましたね。

大事なのは、まずは「わかりやすい結果を出す」こと

加藤氏:私はよく宇宙旅行にたとえていますね。絶対に必要なのは「どの星に行くか」を最初に決めることじゃなくて「大気圏に出ることです」と説明しています。大気圏を出ないとどこも目指せないですと。「宇宙空間に出るプロジェクト」と、「宇宙空間で安全に漂うプロジェクト」と、「そのあとどこかの星に向かいましょうというプロジェクト」の三段階に分けましょうと言っています。

結構、後から「どの星に向かっているかわかんないのにロケットを飛ばすのはありえないんですけど」という声がすごく出てくるんですよ。体力にもよるし、5年後にどこに行きたいかなんて変わっているかもしれないよ、と言いたい。分析をやれる人になればなるほどそこを詰めてくるんですよ。「とりあえず無人で大気圏から出ることをまず考えましょう」と。どこにも向かえないからという話をして。さっきみたいに「ショートカットしてでも結果を一回出しましょう」みたいな。

次にじゃあ「どこに向かえるのか」とか「どこに向かえるだけの距離を航行できるのか」とか、そういうのをちゃんと考えるべきです。

フェーズを分けて説明するケースもあります。20人くらいの前で話す機会もあって、いろんな質問が出るんですが、いったんここをやって、ここで結果が出なかったらもう本当に結果が出ないから、皆さんのプロジェクトをまずここに集中させてと、星の話とかしている場合じゃないんですと。

金岡:そうですよね。思ったのが、スモールスタートが苦手なのかもしれないですね。事業会社でデジタルな施策をやろうとしたときに、スモールスタートのセンスの良さみたいのがすごい後で効いてくる。AIもCDPの導入ともそうかもしれないと思うんですが。

加藤氏:PoCの文化がないかもしれないですね。

金岡:完成形もってこいみたいな。いいソリューションをもってきて、じゃないでしょみたいな。

加藤氏:答えを出して欲しいと言われるんですよね。多分、今ある状態で最適解を出せる方が価値があると思うんです。機械学習もそういう分野じゃないですか。その機械学習のハードルがどんどん下がってきているので、いかにサイクルを回す、そこにフォーカスできるかってことが大事で、御社みたいなところはまさにそこにフォーカスされているのかなって。AIをやるのであれば、前処理をショートカットできるかによっても結局変わってくるんですね。回転数で戦う世界観じゃないですか。

金岡:データに関しては、本当に試行回数が物を言うのかなと思っていまして。でも短期的な性能やモデルの性能とかに注視するんじゃなくて、おっしゃったように「常に最適解が出せる」「今の現場だとこれが最適そう」っていうのが一番良さそうですね。

加藤氏:今この瞬間の最適解みたいなのが出せるか出せないかの勝負は…これだけ変化の激しい世界観なので。

コロナ禍の今、未来を見据えたデータ活用を

金岡:急に具体的になりますが、需要予測の今の来店数とか過去のデータを使ったら当たんないんですよね。コロナで。

加藤氏:逆に、その過去のデータを使って今のデータを推論するっていうことだけでなく、今のデータを使って未来のデータをどう変化させるか、というところに時間を使いたいですね。

金岡:非常に有意義な……データの話をしていたら結構DX論みたいなところにつながりますね。

加藤氏:現場はデータの前処理や構造化に95%ぐらいのパワーを使っているんですけど、それは単純に未来を感じているから、というところがあると思うんですよね。このストーリーづけをうまくやっていきたいなと思います。

金岡:課題を直視して本当に本質的なところからチャレンジしていくと。目先の分析とかデータ処理って、やっていると楽しくなっちゃうと思うんですけど、1番大変な、1番考えなきゃいけないところから逃げないというのが、もしかしたら課題解決の1番の近道なのかもしれませんね。

後編のまとめ

  • マイクロなブランドはファン一人ひとりに対する個別アプローチが大切
  • データ活用の前に「目的」とその定義を社内で明確にしておくべき
  • とにかく”スモールスタート”して、”スモールサイクル”を回し続けよう
  • いきなりゴールを目指すのではなく、まずはわかりやすい結果を出そう

データ活用に取り組む際、「売り上げ10倍にしたい」「こんなツールを導入したい」「AIで全部解決したい」などと考えがちですが、後編の内容をふまえると、

優先度3番目ぐらいの課題を選び、
何のためにやるのか(目的)と、まずどこに向かうかを決め、
できるだけ素早くスタートし(必要であれば外部の力も借りて!)、
何度も試して失敗し続ける中で成功を導き出す

ことが、データ活用で成果を出すための近道ではないでしょうか。

なお、弊社および株式会社Legolissでは、これまで多くの皆様の”スモールスタート”をお手伝いした経験がございます。何かご質問やお困り事がありましたら、お気軽にご質問・お問い合わせください。

>>株式会社Legolissへのお問い合わせはこちらから

【ebookのご提供】
製造業のお客様からニーズが高い「画像解析AI」とは?

弊社では、皆さまの「AI・データ活用」にお役立ていただける情報をeBookとして提供しており、お読みいただいた方々に大変好評をいただいております。
今回はその中から、近年注目を集めている「画像解析AI」について、ニーズが高まる背景と活用事例について解説した「AIモデリングサービス ~画像解析AIの高まるニーズとユースケース~」をご紹介します。

AIの導入をご検討の方や、画像解析技術の活用事例にご興味のある方はぜひお読みいただければ幸いです!

ダウンロードは無料です。ぜひご活用ください。

ebookダウンロードはこちら

WRITER
DataDesign

データデザイン事業

DataDesign   byNIFCLOUD DataDesign

私たちは、人工知能(AI)の開発をコアバリューに世の中の様々な課題をデータで解決します。 富士通クラウドテクノロジーズ株式会社のデータデザイン事業です。

SNSで最新情報を発信しています

最新記事

ページTOPへ