shibuyaux - ux and analytics
DESCRIPTION
2012-05-30 ShibuyaUXのセミナー資料。 当日のTweetはこちら http://togetter.com/li/312567TRANSCRIPT
UXとアナリティクス
2012-5-30
清水 誠
Shibuya UX
2
Disclaimer
本資料は「清水 誠」の個人的な見解を表したも
のであり、所属先の見解とは異なることがありま
す。
3
「Webを便利に」 since 1995
ユーザーのためのWeb・製品を実現したい
マーケティング
デザイン
テクノロジー
1.Webディレクター
4.CMS 2.ユーザー エクスペリエンス
3.アジャイル開発
5.アクセス解析
6.CRM
7.ユーザー視点 の製品改善
自己紹介
4
データとデザインは水と油?
2006年にダグ・ボーマンがGoogleに参加
「ダグ・ボーマン起用はGoogleの賢明な一手。これまでで最高の買収。」(37 Signals, 2006年5月)
5
データとデザインは水と油?
3年後に退社
「Googleのデータ至上主義、トップデザイナーを失う。」 (ValleyWag, 2009年3月)
6
AnalyticsとUXの違い
Analytics UX
分析対象 ユーザーの行動 (What:何が起きた?)
ユーザーの意図や動機(Why:なぜ?)
分析手法 Whatを理解するための定量的な手法
Whyを説明するための定性的な手法
目的 組織の目標(KPI)達成 ユーザーのゴール達成
データ活用方法 ベンチマークとモニタリング によるパフォーマンス測定(トップダウン分析)
パターンを見つけるためのアドホック(ボトムアップ)分析
分析対象のデータ 統計データ (誤差を含む大量の「リアルな」データ)
概念的なデータ (人為的にラボで得られた誤差を含まない少量のデータ)
専門家の出身 工学や数学 社会科学、人文科学、芸術
Louis Rosenfeld 『Site Search Analytics』より
7
UIEの事例
Web解析の結果、
SKU番号で検索されていた(What)
フィールド調査の結果、
紙カタログで見た番号でサイトを検索して
いると分かった(Why)
8
Adaptive Path事例
ペルソナに
検索Keywordを
追加
解析データで
ペルソナの
虚構性を減らす
9
調査手法は使い分けて組み合わせる
10
そこで Site Search Analytics
IAシロクマ本でおなじみ
ルー・ロゼンフェルド氏
11
サイト内検索は宝の山
キーワードとコンテンツを照合し改善
12
検索結果を改善できる
ニーズに合わせて検索UIを改善
13
コンテンツを改善できる
何が足りないのか?
14
検索エンジンを改善できる
検索の品質を定量評価
15
UXとAnalyticsは補完できる
Analytics UX
16
サイトサーチ・アナリティクス
サイト内検索は
Google検索よりも網羅性がある
キーワードは自然言語なので
セマンティック&定性的
少しの分析で改善案が
得られる
11月発売予定
17
事例:B2BでUX×Analytics
• eMetrics San Francisco 2012での
• EVANTAGE Consultingによるセッション
18
課題
サイトでの資料請求はCVRが1%未満
「Webは効率が悪い」
営業部門の役に立たない
19
解決アプローチ
会社名を入力してもらえるメリットを提供
どの会社からアクセスしているのか特定
スコアリングによってリードに重み付け
営業チームに見込み客リストを提供
20
サイトの企画・設計段階から
エンゲージできる機能を豊富に用意
通常の問い合わせフォームに加え、代理店検索、キャンペーン応募、説明会に参加、などエンゲージできる機能を豊富に用意
21
クリックから興味関心を推測
クリック箇所や閲覧ページを計測
22
見込み客のカルテを生成
どこの企業が何に興味を持ったか?
23
Webが営業活動を強化できた
50%の訪問者にアプローチ可能に
24
事例:製薬サポートサイトでUX×Analytics
• eMetrics San Francisco 2012での
• Semphonic社によるセッションより
25
患者とマーケティングの接点
26
非ECサイトは解析が難しい
27
セグメント別アクションを計測→間接貢献
28
ログインなしでもセグメント分けできる
29
誰のためのサイト?
何でも(Non-Branded)
患者 「医師に聞く質問」ダウンロード 医療従事者 「問診ページ」閲覧
ファン(Branded)
患者 「患者の声」閲覧 医療従事者 「処方」閲覧
30
重要ページへのアクセスを増やす
31
セグメント別にエンゲージメントを係数化
32
複数のアクションを足し込みスコアリング
33
ポイント
ビジネスに直結する数字を選ぶ
因果関係を理解する
他の調査手法も組み合わせる
34
UX流Analyticsでは
35
コンセプトダイアグラムが役に立つ
サイトのコンセプトを図解したもの
目的:誰にどうなってほしいのか?
施策:そのためにどんな機能・コンテンツを
提供しているのか?
36
事例:コミュニティサイト「eVar7」
発見する
読む/知る
会員になる
いいね!
満足 ♪ 共有する
投稿する
集まる
戻る
!
37
サイトの機能・コンテンツをマッピングし、
発見する
読む/知る
会員になる
満足
共有する 投稿する
集まる
戻る
About Who
Event
UGC Comment
Profile
38
指標を定義
満足度
新規訪問
共有回数
メンション数
ソーシャル訪問
会員登録
アクティブ率
会員の訪問
フレンド率
RSS購読
再訪問 コメント数
投稿数
UGCのPVとリーチ
イベントのCTR
イベント申込数
39
KGIを達成すると何が変化するのか?
満足度
新規訪問
共有回数
メンション数
ソーシャル訪問
会員登録
アクティブ率
会員の訪問
フレンド率
RSS購読
再訪問 コメント数
投稿数
UGCのPVとリーチ
イベントのCTR
イベント申込数
♪
40
逆にKGIを達成できないと…?
満足度
新規訪問
共有回数
メンション数
ソーシャル訪問
会員登録
アクティブ率
会員の訪問
フレンド率
RSS購読
再訪問 コメント数
投稿数
UGCのPVとリーチ
イベントのCTR
イベント申込数
…
41
結果を原因に分解することが重要
行為に影響する要因の仮説を立てる
要因を数値化する 誰のどんなアクションにつながるのか
42
標準レポートでは改善につながらない
Yahoo!
訪問回数 平均閲覧 ページ数
So What?
アクションできない
7.6
1.4
8.0
1.2
直帰率
75%
26%
PV 20% UP
43
知ってもアクションできないことは 知る必要がない
44
改善プロセスまで踏み込む
誰が何をいつ見るべきか? 数値が変化した時のアクション方法は? 何をどう目立たせるか?
45
UX流Analytics 3つのステップ
1. ユーザー視点でコンセプトを明確にする
図解が有効
2. 知るべきことを知る
数字は「取れる」のではなく「取る」
3. 改善プロセスを組み立てる
誰が何をどう知るとアクションできるか
46
ありがとうございました。
過去の講演資料や最新情報は下記のサイトまで
http://www.cms-ia.info
@mak00s アクセス解析 清水
実践CMS*IA
47
参考記事
楽天経済圏を支えるアクセス解析の全貌 http://www.itmedia.co.jp/enterprise/articles/1005/21/news003.html
アクセス解析実践日誌
1. 縦長いページデザインは是か否か?スクロール量計測の裏側 http://markezine.jp/article/detail/10542
2. TwitterマーケティングにおけるKPIの再検証 http://markezine.jp/article/detail/11111
3. 外部リンクは別ウィンドウで開かせるべきか? http://markezine.jp/article/detail/11734
4. キャンペーンの間接効果は解析できるのか? http://markezine.jp/article/detail/12412
5. 中間指標を作り出すスコアリング手法の考え方 http://markezine.jp/article/detail/13672
6. これからアクセス解析を推進する人たちに知っておいて欲しいこと http://markezine.jp/article/detail/13972
(参考)オンラインで読める記事
48
参考記事
清水 誠の「その指標がデザインを決める」
1. そのエラーページ、自己満足になっていませんか http://ascii.jp/elem/000/000/610/610207/
(参考)オンラインで読める記事
49
IAチャンネル:自社サイト最適化講座
月1回、オーナー+専門家が登壇
1. ニッセンの解析と改善 * 2回
2. 地ビールサンクトガーレンの事例 * 4回
3. IA対談 * 2回
http://www.ustream.tv/channel/ia2010
(参考)オンラインで読める記事