UXなまトーク Vol.3

1. 株式会社サイバーエージェント 水野 寛
アメーバピグのユーザ体験を
定量/定性で捉える方法
UXなまトーク Vol.3

2. 2
水野 寛
株式会社サイバーエージェント
Ameba統括本部
Amebaピググループ PCピグスタジオ
ディレクター / UXアーキテクト
HCD-net 認定人間中心設計専門家

3. 3
自分そっくりのアバター
仮想空間のコミュニケーション

4. アメーバピグについて
サービス7年目。外部環境の変化にあわせた進化が求められる。
4
ピグアイランド ピグカフェ

5. ピグのユーザ分析体制
5
アメーバ
ピグ
ピグ
ライフ
ピグ
ワールド
ピグ
ブレイブ
新規
サービス
トップダウンの事業判断だけでは、変化を生みにくい。
事業責任者

6. ピグのユーザ分析体制
6
事業責任者
エンジニア中心
12名
分析推進室
アメーバ
ピグ
ピグ
ライフ
ピグ
ワールド
ピグ
ブレイブ
新規
サービス
ユーザと本質的に向き合うために、タスクフォースを結成した。
職能横断
3名
UXD推進室
KPI設計 / データ取得基盤 / レポート
インタビュー / アンケート
行動解析 / 機械学習
テキスト解析
UXD導入設計
企画支援 (UX設計)
ユーザーテスト
UXD専門家
(水野)

7. 2つの行動分析
7
コンセプトダイアグラム カスタマージャーニーマップ
どちらもユーザ体験を視覚化する方法。違いは？
ユーザの理解 = サービス内の行動をひも解くこと。

8. 1. ピグの定量・定性使い分け
8
4. まとめ
2. コンセプトダイアグラム事例
3. カスタマージャーニーマップ事例

9. 1. ピグの定量・定性使い分け
9
4. まとめ
2. コンセプトダイアグラム事例
3. カスタマージャーニーマップ事例

10. 分析とは？
10
現状把握 ✕ アクション

11. 分析とは？
11
サービスのあるべき姿 ユーザー観察事実
現状把握
ダカイ カイゼン
アクション
事業目線 ユーザ目線
部分最適 変化への適合

12. 分析とは？
分析の目的は、３つに集約される。
12
サービスのあるべき姿 ユーザー観察事実
現状把握
ダカイカイゼン
アクション
① 事業コンディションの把握
② 施策の効果測定
③ 事業機会の発見

13. 現状把握の方法とは？
全体感を伝える量的データだけでは、足りない。
13
個
全体
質的 量的
行動ログ
KPI 視点
分類/意味性 数値/比率

14. 現状把握の方法とは？
ピグでは、ユーザについての様々なデータを集める基盤をつくった。
14
個
全体
質的 量的
ユーザテスト
アンケート
チャット抽出
行動ログ
サブKPI 視点
行動ログ
KPI 視点
行動ログ
ミクロ視点
インタビュー/
行動観察

15. 定量分析
定性分析
現状把握の方法とは？
15
数値で把握する定量分析と、意味データから考察する定性分析。
個
全体
質的 量的
ユーザテスト
アンケート
チャット抽出
行動ログ
サブKPI 視点
行動ログ
KPI 視点
行動ログ
ミクロ視点
インタビュー/
行動観察

16. 定量・定性分析の違い
数値だけでは、なぜ(why)やどのように(how)を見出しにくい
16
定量分析 定性分析
収集データ
行動ログ
アンケート
インタビュー
行動観察
関心
全体の推定 / 量の裏付け
傾向性 / 予測
興味深い 仮説の発見
分かること
数値や量
→ いつ、だれ、どこで、なにを
意味や経緯
→ なぜ、どのように

17. 定量・定性分析の違い
価値を生むデザインプロセス / カリフォルニア大学 サラ・ベックマン
WhyとHowの考察が、価値ある創造を生み出す。
17
具体的
抽象的
Why How
発見
観察
再構築
気づき・洞察
着想
アイデア出し
創造
経験のデザイン

18. 定量・定性分析の違い
価値を生むデザインプロセス / カリフォルニア大学 サラ・ベックマン
定性分析は、デザインプロセスの一部。
18
具体的
抽象的
Why How
発見
観察
再構築
気づき・洞察
着想
アイデア出し
創造
経験のデザイン
定性分析

19. 定量・定性分析の違い
19
量的
定量分析
定性分析
個
全体
質的
ユーザテスト
アンケート
チャット抽出
行動ログ
サブKPI 視点
行動ログ
KPI 視点
行動ログ
ミクロ視点
インタビュー/
行動観察
仮説検証
仮説を検証していくことは、もちろん大事（実験科学）。

20. 定量・定性分析の違い
20
量的
定量分析
定性分析
個
全体
質的
ユーザテスト
アンケート
チャット抽出
行動ログ
サブKPI 視点
行動ログ
KPI 視点
行動ログ
ミクロ視点
インタビュー/
行動観察
仮説検証
仮説生成
仮説を生み出す調査も、大事な分析アプローチ（仮説生成科学)。

21. ピグのユーザ行動分析
仮説検証目的
データ 定量(数値)データ 定性(意味的)データ
コンセプトダイアグラム(後述) カスタマージャーニーマップ(後述)
21
サービスのあるべき姿 ユーザー観察事実
現状把握の視点
ダカイカイゼン
アクション
① 事業コンディションの把握
② 施策の効果測定
③ 事業機会の発見
把握方法
仮説生成

22. 1. ピグの定量・定性使い分け
22
4. まとめ
2. コンセプトダイアグラム事例
3. カスタマージャーニーマップ事例

23. コンセプトダイアグラムとは
事業ビジョン・戦略を参考に、理想の行動フローを整理するもの。
23
① 事業コンディションの把握、②施策の効果測定が目的

24. コンセプトダイアグラムとは
24
事業のあるべき姿と、想定されるサービス内行動の整合性を図る。
サービス内行動
事業の狙い
サービスのあるべき姿から逆算して、
理想の行動を明らかにする。
事業目線

25. 事例｜アメーバピグ KPI設計
深い現状把握ができず、アクションが見出しづらかった。
変遷理由が不明・・・指標いっぱい・・・
25
ビギナー ライト
カム
バック
ヘビー
？ ？
？
DAU , 翌日継続率, ログイン密度, チュ
ートリアル通過率, グッピグ数,
会話UU数, エリアお出かけ数,
着せ替え数, アイテム購入率…

26. 事例｜アメーバピグ KPI設計
既存戦略を棚卸し。つながりある体験像としてまとめた。
26
各セグメントはどんな成長過程を るか？
新たなセグメントは生まれていないか？
各施策は、どんな行動を活性化しているか？
行動の中で、どんな思考や感情が生まれる？
行動ログ取得条件に置き換え

27. 事例｜アメーバピグ KPI設計
Google BigQueryにログ集積 → Google スプレッドシートに自動出力
27
既存戦略と、サービス内行動の繋がりが見えてきた。
対応する施策
セグメント別UU
セグメント別 行動(比率)

28. 1. ピグの定量・定性使い分け
28
4. まとめ
2. コンセプトダイアグラム事例
3. カスタマージャーニーマップ事例

29. カスタマージャーニーマップとは
インタビューや観察調査から洞察を得て、体験像を明らかにしたもの。
29
③ 事業機会の発見が目的。

30. カスタマージャーニーマップとは
30
ユーザの体験事実から、サービス内行動を想定する。
サービス内行動
ユーザの目的/意図
事業の狙い
ユーザ目線
ユーザ観察から事実を積み上げて、
実際の行動を明らかにする
サービスのあるべき姿から逆算して、
理想の行動を明らかにする。
事業目線

31. ユーザ観察から得られる洞察の強み
自分や他人がわかっていない部分にこそ、本質的な価値が潜む。
ジョハリの窓（対人関係における気づきのグラフモデル） / サンフランシスコ州立大学 ジョセフ・ルフト とハリー・インガム
31
開放の窓 盲点の窓
秘密の窓 未知の窓
自分に分かっている 自分にわかっていない
自分他人にわかっていない他人に分かっている
他人
意外性のある気づき
客観的観察から発見が可能。

32. 常識のフレーム
ユーザ観察から得られる洞察の強み
今までの固定観念を超えた、魅力ある仮説構築が可能。
32
事実
魅力的
仮説
常識的
仮説
新しいフレーム
ダカイ
カイ
ゼン
リフレーム
変化への適合
部分最適
ありきたり解釈
ことの本質
固定観念

33. 事例｜ピグワールドの「観光名所イベント」
長期の高難度イベントに、ユーザがついてこれない状況が鮮明に。
33
「完成するはずないけど、習慣だから仕方なく始める」
「そんなに画面に張り付いていられないよ。仕事もあるのに」
「未完成建物は 墓場 行き・・」
■ タッチポイント ■ ステージ ■ 行動 ■ 感情・思考 ■ 課題

34. 事例｜ピグワールドの「観光名所イベント」
接触時間を確保しきれないユーザへの、サポート施策を打ち出した。
34
売上111%(前月比)のヒット！

35. 1. ピグの定量・定性使い分け
35
4. まとめ
2. コンセプトダイアグラム事例
3. カスタマージャーニーマップ事例

36. ピグのユーザ分析定義
36
仮説検証目的
データ 定量(数値)データ 定性(意味的)データ
コンセプトダイアグラム カスタマージャーニーマップ
サービスのあるべき姿 ユーザー観察事実
現状把握の視点
ダカイカイゼン
アクション
① 事業コンディションの把握
② 施策の効果測定
③ 事業機会の発見
把握方法
仮説生成
どちらもユーザ体験を視覚化する方法

37. 定量/定性分析の限界
行動背景は読み取れない
様々な環境・社会的影響 / 合理性より感情
仮説は勘と経験にも基づく
「当たり前」見解になりやすい
定量の限界
分析者の認知バイアス
職能横断、なるべく複数視点を取り入れる必要
呼んでくるユーザの適合性
リクルーティングの精度、割り付けや属性抽出は慎重に
定性の限界
37

38. 定性/定量分析の使いドコロ
限界は理解した上で、目的で使い分ける。
38

39. 愚直に向き合い、進化を生み出す。
対面したユーザ* UXのための共創活動*分析 / UXDメンバ
48 3417 名 回名
* 2015年5月∼12月累積実績

40. ご清聴ありがとうございました！
40