2011-04-20

Webアナリスト養成講座レビュー（15）

※このレビューは『Webアナリスト養成講座』を読み私なりに咀嚼した結果と所感を記述しているので、実際に書かれていることと異なる場合があります。閲覧する場合はそのあたりを踏まえ上で、ご覧下さい。
今回は第15章「データに基づいて判断する文化を創造する」です。
いよいよ最終章です。
この章では、今までの解析手法や概念といった説明と言うよりも、
題名のとおりどのようにして、分析を文化として根付かせるかが説明されています。

ラインを引いた箇所

Wwb analytics管理者やリーダーを探すための重要な技能

仕事への深い情熱
変化を愛し、変化を認める
粗雑なデータを疑う
顧客に根ざした革新
数字の神様は必要ない
実務経験が豊かで洞察力がある
- 数字から離れて、ビジネス戦略に重ね合わせてビジネスとの関連性を考慮できる能力
圧倒的な人間としての技量

Web analyticsを社内でやるべき理由

Web analyticsの戦略実行には自社のほかのデータとの統合が必要となる
統合された傘の下で、質問調査やユーザビリティテストなど定性分析を行う必要がある。
重要な文脈（今何が起きて、昨年は何が起きていたか、情報システムはどんな混乱状態にあるのか）を知るには、社内の人間のネットワークの中でしか知り得ない。

各ステージごとで必要なもの、役割、気をつけるべきこと

初期

Web analyticsツールを実装する
データから将来を見せ、社内の人たちを変化させる
WEBサイトを管理している最上級管理者を探し、その人に説明責任を負ってもらう
完璧を求めないこと。高価なツールを選定しないこと
最も適した最初のツールを見つけ、すぐに使い始めるようにする
多くのトレーニングを行い、うまくいっているように見られること
自社内の利用者やパートナーに期待を植えつける

中期

WEBアナリストを社内に雇用する
業務にあったダッシュボードを作る
他のチャネルの成功がどのように計測されているか探す
自社のビジネスとその成功の基準をよく理解し、ビジネスでの洞察を与える

後期

サイトの顧客が欲しているものを見誤っていることを理解するための実験やテストの専門知識
アンケートやユーザビリティなどの定性データの収集に着手し、顧客の訪問理由について理解する
一般的なアイデアは多くの成果を生み出さないため、しっかり知識の伝承をし、ベストプラクティスを構築する
重要なテストをしたときや調査によって多くの勝ちある情報を見出したときに、成功例として残す

成熟期

新しい技術を理解することを手助けし、データの新しい取得方法を理解させる
チームを動機付けし、組織を正しき導き、人を成長させる

データによって意思決定する文化を創るための7つのステップ

１、最初に目標（成果）を作る
２、レポートは分析ではない、分析を促進すること
３、意思決定から主観性を除く
４、受動的に動くのではなく動く
５、アナリストの能力を向上させる
６、三位一体で問題を解く
７、プロセスに基づいて考える

レポートは分析ではない、分析を促進すること

データは山ほどあるが、洞察はほとんどない
作った表やグラフあるいはレポートが業務担当者が取るべき行動を促すようなものでなければ、それはレポートを作成しただけで分析したことにはならない
レポート作成ではなく分析に焦点を当てる

意思決定から主観性を除く

外に出て、他の場所から状況を把握する
競合データを得る
自社の顧客に継続的に焦点を当て、顧客の声を引き出すような仕事をする（アンケート、実験、テストなど）
指標、定義や計算方法に透明性を作る
目標はデータに語らせること
単なるデータではなく、透明性があり独立性を持ち、顧客の声や行動を代表したデータ

三位一体で問題を解く

サイト経験、行動、目的すべての焦点を当てる
単にサイト内の行動分析を行うだけでは、データに基づいて意思決定する文化は築けない

所感

いや〜〜、15章最後までに書評を終えました。
第1章から途中、更新を怠った期間もあったため足掛け1年半！
長かったです。。。

この書評をおこなって学んだことも沢山あるのですが、やはり章に分割して行うべきではなかったですね、大変すぎます（笑）

今後も読んだ本の書評を書き続けていこうと思います。

2011-04-15

Webアナリスト養成講座レビュー（14）

Webアナリスト養成講座レビュー

※このレビューは『Webアナリスト養成講座』を読み私なりに咀嚼した結果と所感を記述しているので、実際に書かれていることと異なる場合があります。閲覧する場合はそのあたりを踏まえ上で、ご覧下さい。
今回は第14章「先進の分析概念−あなたのWeb analyticsを強化する」です。
この章では、ウェブ解析データの見方（行動を起こすための分析視点）について、具体的に説明されています。
かなりボリュームのある章だったため、ラインを引いた箇所もいつもより多めになっていますが、お付き合いください。

ラインを引いた箇所

セグメンテーション

データをセグメント化することで、データがより特定の要因との関連性が出てくるので、汚いデータは全体に占める割合が少なくなる。
セグメントの例 → 直帰、検索流入、検索＋直帰など
セグメントをすることで訪問の質を見ることができる。
セグメント化されたデータをトレンドで見るとより強力な分析になる。
セグメント化を適用して作られたKPIはより効果が発揮される。
必死になって指標を見るときは、少なくとも3階層下までセグメント化する。

分析とレポートを結びつける

アナリストの分析や推奨から多くの技術的なあるいは無味乾燥さを除いてあげることで、洞察に基づいた行動を取ってもらいやすくなる。
アナリストではないビジネスユーザー視点で理解できるレポートにする。
行動を起こさせるためにアナリストではない言葉で話さなければならない。
見やすい図を使う。

コンバージョン率のベストプラクティス

コンバージョン率は購入以外の目的で訪問しているユーザー以外を無視してしまうため、主要な作業に対するタスク完遂率がよい指標になる（13章参照）
コンバージョン率を算出するさいに、コンバージョン数を何で割るか？（UU or セッション）
- オススメはUU数。理由はすべてのセッションが顧客に購入ボタンを押してもらうための機会ではないため。
- 顧客が買おう思ってサイトを訪問しなかったときも、すべてのセッションが購入機会だというのは、本当の顧客中心主義ではない。
何より一貫性とトレンドで見ることが重要。
サイト全体のコンバージョンは忘れること。
時系列トレンドと季節性を忘れないこと。
ツールが与えてくれものではなく、会社にとって重要なことを計測する。
上位5つの参照元URLによりコンバージョン率を計る。
狂ったようにセグメント化すること。
コンバージョン率の隣に売上も表示すること。
目標を念頭においてコンバージョン率を計測すること。

SEM,PPCの分析を向上させる

代理店をパートナーにPPC戦略を実施すると、データを隔離していることになる。代理店はPPCには優れているが、WEBサイトにデータの一部しか見えていない。
直帰率を計測する。
PPCと自然検索の共食い率を計測する。これを計測しないとキャンペーン結果などに対する正しい判断ができない。

サイト離脱率の計測（eコマースサイト）

コンバージョン率を改善したいなら、真っ先に離脱率を計算し、改善すること。
サイト離脱率（％）＝1−（購入数/ショッピングカートへの投入数）
ショッピングカート離脱率（％）＝1−（チェックアウトを開始した人の数/ショッピングカートへの投入数）
チェックアウト離脱率（％）＝1−（チェックアウトを完了した人の数/チェックアウトを開始した人の数）
弱点がどこかを理解するために、離脱率をセグメント化する。
多変量テストを行う
一般的なeコマースサイトの指針
- 会員にならなくてもチェックアウトできるようする。
- 購買プロセスの中に無駄な情報は掲載しない。
- チェックアウトに面倒な入力項目が多いなら、それをやめてみる。
- 配送料へのリンクは見やすい位置に掲載する。
- 配送スケジュール情報を提供する

購入（コンバージョン）までの日と訪問回数を測る

主要な流入元別にコンバージョンまでの訪問回数を測ることで、正確な顧客理解を得ることができる。
サイトのコンテンツや構造を顧客セグメントによって最適化する。1回で買う顧客とそうでない顧客に対してのサイトを出し分ける。

統計の管理限界を活用する

KPIをトレンドで確認するとバイオリズム（起伏）があるため、管理限界を用いて、管理限界外のデータの分析をおこなう。
管理限界＝平均のKPI値±3×標準偏差

コンバージョン可能な機会の大きさを測る

通常のコンバージョン率（コンバージョン数/UU）数では正確な機会を測定できていないため、以下の数値を全体から差し引くこと（分母のUUを正確にする）で正確な数値になる。
- 直帰率、検索ロボット、イメージの要求、404エラー、ソフトウェアの訪問
訪問顧客にアンケートを行い、商品の購入希望や事前調査などと答えた訪問者をセグメント化し、会社情報や採用情報を確認しにきた人は別にセグメント化する。
アンケート調査の3大質問項目

1、今日サイトを訪問した目的は何ですか？
2、今日のタスクは達成できましたか？
3、今日のタスクを達成できなかった場合、その理由は？

所感

長い章でしたが、学ぶことがたくさんありました。
特に、レポートを分かりやすい言葉で書き、技術的な言葉やアナリストの言葉は除かなければならない、という点は常々気にしている点ではありますが、今一度意識しなければならないと思いました。
さぁ残りあと1章です！早めに更新して次の書籍の書評に行きたいものです。

2011-04-06

Webアナリスト養成講座レビュー（13）

Webアナリスト養成講座レビュー

※このレビューは『Webアナリスト養成講座』を読み私なりに咀嚼した結果と所感を記述しているので、実際に書かれていることと異なる場合があります。閲覧する場合はそのあたりを踏まえ上で、ご覧下さい。
今回は第13章「間違いだらけの「Web Analytics神話」を斬る」です。
この章では、ウェブ解析において陥りやすい5つの誤解について説明されています。

ラインを引いた箇所

１、経路分析

訪問者がたどる可能性のある経路は無限にあり、そこから何らかの分析を行うのが困難。
頻度の高い経路でも訪問者の数パーセント程度。
ゴールに導くために顧客が最も影響を受けたページがどれなのかが分からない。
上記問題点を解決する代替案として、ファネルレポートを利用するのがよい。

２、コンバージョン率

分かりやすい指標だが、行動につながるという点ではまったく意味がない。
コンバージョン率だけを厳しく見張ると、他の顧客セグメントに無頓着になる恐れがある。
ページやコンテンツに焦点を当てられないため、最善のエクスペリエンスが施されていない多くのトラフィックを潜在的に無視している。
顧客満足などの長期的な解決を犠牲にして、「購入ボタンを押す」といった短期的な解決に向かう可能性がある。
上記問題点を解決する代替案として、タスク完遂率を利用するのがよい。

３、完璧の追求（Webデータの完璧）

Web解析はクッキー、Javascriptタグ、ファイアーウォールを通して飛ぶデータ、ページローディングなどの不完全なシステムに頼っていてるため、完璧なデータを取得することは不可能。
不完全な世界で意思決定し、行動を起こす決心をしなければならない。
Web解析を行う際は、ある程度の不完全さを想定し、時系列で見ていくことがより大事。

４、リアルタイムデータ

リアルタイムでデータが取得できるようになると、頻度の高いレポートやデータ提供を強いられる可能性がある。
組織や管理職がリアルタイムデータ取得のためのコストとROIを適正化するためにプレッシャーにさらされる。
ツールにコストがかかる（ツールよりも人にかけるべき）
分析よりもレポートを多く生み出す文化になりがち。
システムやサポート処理をより複雑にしてしまう。
リアルタイムデータを必要とする場合は以下の条件に当てはまる必要がある。
- リアルタイムデータを使っても「統計的有意」な結果がでること
- すばらしい分析の能力を持つ人材がいること
- 会社に多様化し強化された意思決定構造があること
- 秀でたサイト運営能力があること、

５、標準的KPI

KPIは次のことを保証しているかが大切。
- KPIをよく理解している。
- KPIが何らかの価値を計るものになっている。
- KPIの公式やロジックを決定した前提にかかわっている。
各KPIに対し「だから何を？」を繰り返し、この質問に回答でき、さらに次の行動につなげることができるものをKPIにする。

所感

この章を読んで、確かに陥りがちな誤解であると思ったと同時に、経路分析やコンバージョン率の分析に関してはセグメントに分けて考えなければ意味がない、と強く感じました。
現在であればほとんどのツールでセグメントによる分析ができると思うので、セグメントで見ること、時系列で見ることを心がけることが重要ですね。

2011-04-03

Webアナリスト養成講座レビュー（12）

Webアナリスト養成講座レビュー

※このレビューは『Webアナリスト養成講座』を読み私なりに咀嚼した結果と所感を記述しているので、実際に書かれていることと異なる場合があります。閲覧する場合はそのあたりを踏まえ上で、ご覧下さい。
今回は第12章「競合分析とWeb2.0分析」です。
この章では題名のとおり、分析手法や具体的なツールの紹介がされています。（ただ具体的なツールに関しては当時のもので、現在記載のURLにアクセスしてもすでにページがないこともありました。）

ラインを引いた箇所

競合分析

パネルベースの計測
ISPベースの計測
検索エンジンのデータ

それぞれのメリット、デメリットは2章をご覧ください。

Alexaのレポートについて

ブラウザにAlexaツールバーをインストールした何百万というユーザーからデータを収集しているが、10万以下の順位は信頼できない。
Alexaの数値は絶対値で見るべきではない。トレンドだけを見るようにする。

競合分析で避けるべき2つの落とし穴

コンバージョン率を比較しない→同じ業界の企業でもWEBに対する戦略はことなるため。
ページ、コンテンツの閲覧数を比較しない→サイトのコンテンツ構造がことなるため、単純比較はできない。

リッチなコンテンツのデータを取得する際に気をつけること

リッチコンテンツの存在理由は何か？
顧客のどの課題を解決しようとしているのか？
顧客が典型的にとる行動は何か？
何を成功として計るのか？

RSSの計測について

FeedBurnerは無料のRSS計測ツール
計測する項目→購読者数、リーチ数

所感

今回は特に大きな気づきはなかったのですが、競合分析はサイトリニューアルや改修の際に重要なことなので、この章に記載されているポイントを意識することが大切だと思いました。
当社ではVRIを契約しているので有効に使いたいものです。

2011-03-26

Webアナリスト養成講座レビュー（11）

Webアナリスト養成講座レビュー

※このレビューは『Webアナリスト養成講座』を読み私なりに咀嚼した結果と所感を記述しているので、実際に書かれていることと異なる場合があります。閲覧する場合はそのあたりを踏まえ上で、ご覧下さい。
今回は第11章「ベンチマーク、ダッシュボード、シックスシグマを活用する」です。
個人的には前半部分のベンチマークとダッシュボートについての説明はとても参考になりました。

ラインを引いた箇所

ベンチマークと目標設定で人を動かす

ごく普通の指標は確かに何かを告げているが、行動を引き起こすことはない。指標を提供する時は必ず背景情報とセットにする。
目標設定を進める最大の理由は、そのプロセスによって自分自身が考えなければならなくなるということだ。
UU数を増やすために立てるべき問い
- 訪問者はどこから来るのか？
- 最もふさわしい人たちはどんな人か？サイトの直帰率や特定セグメントの直帰率は？
- トラフィックの獲得戦略はどうあるべきか？
- ここ数年間の顧客獲得戦略の有効性はどうだったか？
- 競合の施策から学べることは何か？
- サイトのトラフィックを改善するために、チームにどのようなスキルが必要か？
- サイト全体の相関関係を活用したり、新しいコンテンツを活用できないか？
サイトでの注文をを増やすために立てるべき問い
- サイトの離脱率は？
- 1訪問あたりのPV数、滞在時間は？
- サイト内で影響力のあるコンテンツは？人々が購入を決めた動機はどうすれば分かるのか？
- 効果的な販売戦略はあるのか？
- サイトで割引を提供する予算はあるのか？
- サイトに来る理由を知っているか？購入者はどのように買っているのか？
- なぜ人は注文プロセスの途中でやめてしますのか？
- 行動ターゲティング戦略はどのように機能しているのか？実施していないなら必要か？サイトのリピート訪問者の割合は？
- 実験とテストはできるか？
- 同じ商品の店頭の売れ行きとと電話による売れ行きのトレンドはどうか？
- 購入決定に影響を与えるためにできる本当に革新的なことは何か？

データによる意思決定を困難に感じる理由

何が最も重要な指標かを特定する能力がない
これらの指標を読み解きパフォーマンスと比較した上で行動につなげる能力がない

背景情報

背景情報としては、ベンチマーク、セグメント、トレンドを用いる。

ダッシュボードについて

ダッシュボードに表示する指標は10個以下が望ましい。
パフォーマンスを要約し、行動を促すような適切な洞察が含まれないダッシュボードは意味がない。
ダッシュボートに含める内容
- パフォーマンスの要約（数値が上がったのか、下がったのか）
- 洞察の要約（数値の上下動の原因）
- とるべき行動
ダッシュボードは見た目が9割
人と同じでダッシュボードも常に進化する。一般的に1年で指標の25%以上は入れ替えるべきだ。

所感

職業柄サイトのレポーティングを毎日・毎週・毎月行っているのため、ダッシュボードに関する説明は非常に参考になりました。
いかにわかりやすく、次へのアクションにつなげる分析とレポーティングを行うかが自分の役割のひとつだと思っているので、この部分にはとことんこだわっていきたいものです。

2011-02-12

Webアナリスト養成講座レビュー（10）

Webアナリスト養成講座レビュー

※このレビューは『Webアナリスト養成講座』を読み私なりに咀嚼した結果と所感を記述しているので、実際に書かれていることと異なる場合があります。閲覧する場合はそのあたりを踏まえ上で、ご覧下さい。
今回は第10章「Wwbサイトで顧客の声を聞く方法」です。
この章ではA/Bテストや多変量解析などの手法やメリット・デメリットなどが詳細に説明されています。

ラインを引いた箇所

間違いであることを学ぶ

ビジネスの要は確固とした実験とテストの仕組みによって間違いは証明されることであるべきだ。
会社が競争的優位を保つためには何が機能し、何が機能しないのかを素早く見つける能力を持ち、実際の顧客のフィードバックによってそれを繰り返すことだ。

テストについて

他のWebサイトで機能することがあなたのサイトでも機能するとは限らない。
テストサイトの対象として最初に考慮されるべきはサイトの重要なページと行動喚起の機能（ボタンのラベル名や色、配置など）

テストのシナリオでなくて仮設を述べる

よく練られた仮説はすべて、成功の明確な計測を含んでいる。仮設の中に成功の計測を見ることができないなら、それはよく考え抜いた仮説ではない

テストをする際に取りまとめるべき要件

仮説
テストをする理由
テストの結果、得られること
テスト対象
テスト詳細（クリエイティブ、対象ページなど）
成功指標、やその指標の現在の値
テストの次のステップ

所感

A/Bテストなどを実施する際のツールはGoogleのウェブサイトオプティマイザーやオムニチュアのテスト＆ターゲットなど、いろいろありますが、大切なことは仮説を持って取り組み、テスト結果から何を得たかの考察をしっかり理解することだ思います。
なぜ、Bの方の結果がよかったのか？その理由、仮説を考えサイト改善に活かし、さらにテストを重ねていくというサイクルが大切だと思います。
そして、本文にありましたが、他の企業で機能したことが自分のサイトでも機能するとは限らない、ということ。
ついつい他社の成功事例を見ていると、これを自社サイトで実施したら成功すると思いがちですが、訪問するユーザー層が異なれば、結果が異なる可能性もあるので、しっかりテストをすることが大切ですね。

2011-01-23

Webアナリスト養成講座レビュー（9）

Webアナリスト養成講座レビュー

※このレビューは『Webアナリスト養成講座』を読み私なりに咀嚼した結果と所感を記述しているので、実際に書かれていることと異なる場合があります。閲覧する場合はそのあたりを踏まえ上で、ご覧下さい。
今回は第9章「メールマーケティングとマルチチャネルのマーケティング計測」です。

ラインを引いた箇所

基本的な指標

メール送信数
戻ってきたメール数（アドレス違い、ネットワーク問題など）
開封数
購読中止者数
クリック数
配送率：（メール送信数−戻ってきたメール数）/メール送信数
購読中止率：購読中止数/届けたメール数
開封率：開封されたメールの数/届けたメール数
レスポンス率：クリック数/開かれたメール数

このような指標をセグメント化してレポーティングすることで、本当に行動につながる洞察がもたらされる。全体のデータからは得られるものがほとんどない。

メール分析での落とし穴

メールはスパムと判断され、上記の指標に影響を及ぼす可能性がある
メール開封率はHTMLメールによって計測されるため、メールソフトがHTMLメールをサポートしていないと計測ができない。
購読中止したユーザーの理由分析は文書やオファーの内容を評価するのに役立つが、購読を中止したユーザーに接触することは法規制を含め注意が必要

オフラインからオンラインの行動トラッキング方法

新聞、雑誌、テレビの場合：ダイレクト、割り引きクーポン
DMの場合：リダイレクト、追跡コード
コールセンターの場合：メールのリンク、リダイレクト
店舗の場合：オンライン割引クーポン、サイト調査、マーケットリサーチ

オンラインからオフラインの行動トラッキング方法

店舗誘導の場合：印刷できるクーポン、マーケットリサーチ、購入後のオンライン調査、店舗場所の追跡
電話誘導の場合：固有のフリーダイヤル、固有のプロモーションコード

マルチチャネル分析の課題

課題はレポートではなく、データ収集であり、異なったデータ同士を結びつけられるかどうかだ。

所感

オンラインとオフラインにまたがる分析手法には、まだ明確な答えはないのかもしれませんが、BIツールなどを使い、様々なデータを統合して分析するということを昨年くらいからよく耳にするようになりました。

リアルの店舗で商品を販売し、サイト上では商品の紹介やお得情報などを掲載しているパターンはよくありますが、実際にWEBサイトは来店にどのくらい貢献しているか、を算出することはかなり難しいと思います。

UU数を増やせばいいのか、検索流入数を増やすのか、新規ユーザーを増やすのか、そもそもWEBサイトではなく売場にお金をかけるのか、答えは簡単には出せませんが、売上や来店数と格指標との相関関係などを分析しつつ、最適な解を模索するしかないような気がします。

ラインを引いた箇所

Wwb analytics管理者やリーダーを探すための重要な技能

Web analyticsを社内でやるべき理由

各ステージごとで必要なもの、役割、気をつけるべきこと

初期

中期

後期

成熟期

データによって意思決定する文化を創るための7つのステップ

レポートは分析ではない、分析を促進すること

意思決定から主観性を除く

三位一体で問題を解く

所感

関連記事

ラインを引いた箇所

セグメンテーション

分析とレポートを結びつける

コンバージョン率のベストプラクティス

SEM,PPCの分析を向上させる

サイト離脱率の計測（eコマースサイト）

購入（コンバージョン）までの日と訪問回数を測る

統計の管理限界を活用する

コンバージョン可能な機会の大きさを測る

所感

関連記事

ラインを引いた箇所

１、経路分析

２、コンバージョン率

３、完璧の追求（Webデータの完璧）

４、リアルタイムデータ

５、標準的KPI

所感

関連記事

ラインを引いた箇所

競合分析

Alexaのレポートについて

競合分析で避けるべき2つの落とし穴

リッチなコンテンツのデータを取得する際に気をつけること

RSSの計測について

所感

関連記事

ラインを引いた箇所

ベンチマークと目標設定で人を動かす

データによる意思決定を困難に感じる理由

背景情報

ダッシュボードについて

所感

関連記事

ラインを引いた箇所

間違いであることを学ぶ

テストについて

テストのシナリオでなくて仮設を述べる

テストをする際に取りまとめるべき要件

所感

関連記事

ラインを引いた箇所

基本的な指標

メール分析での落とし穴

オフラインからオンラインの行動トラッキング方法

オンラインからオフラインの行動トラッキング方法

マルチチャネル分析の課題

所感

関連記事