売上を上げる仮説の作り方【後編】打ち手の導き出し方編｜データサイエンティスト松本健太郎氏 × 世界へボカン徳田

Date:: 2022 / 07 / 04

対談動画

この記事を読むことで、データをもとに打ち手を考える方法についてがわかります。

【データサイエンティスト　松本健太郎氏　略歴】
定性分析、消費者心理、行動経済学を学び、デジタルマーケティング、消費者インサイト等の業務を経験したマーケター兼データサイエンティスト。
政治、経済、文化など、さまざまなデータをデジタル化し、分析・予測を行う。
ラジオや雑誌に登場するほか、ビジネス書約16冊を出版。
最新著書「データ分析力を育てる教室（マイナビ出版）」は6/28発売。

【世界へボカン株式会社代表取締役徳田祐希　略歴】
日本の魅力を世界へ伝えるというミッションの元、13年以上にわたり、多国籍メンバーと共に越境EC、海外BtoBマーケティングに取り組む。
越境EC企業の年商を35億→500億、14.7倍の成長を導くなど数多くの実績を残す。
Shopifyマーケティングエキスパート。
前編はこちら：

→　「売上を上げる仮説の作り方【前編】仮説構築・検証編｜データサイエンティスト松本氏 × 世界へボカン徳田」

データサイエンティスト・松本氏の紹介

世界へボカン株式会社徳田祐希（以下：徳田）

それでは松本さん、後編もよろしくお願いします。

前編では、売上を上げるための仮説の構築と検証について伺いました。

この後編では、実際にデータを読んで打ち手を導き出す方法について教えていただきたいと思います。

データを読んで、打ち手を導き出す方法

徳田

「データを読み解いて打ち手を導き出す方法とは？」ということについて。

僕らは意図的に取り組むエリアや分野を絞って海外Webマーケティングをやっているので、データを取ったり打ち手を考えたり、ある程度「こういうことはやらないと、お客様をロスしちゃうよね」という施策リストのようなものがあります。

そこから外れた施策を提案するとなると、やはり経験値のあるシニアクラスの人でないと厳しくて、ジュニアメンバーは既存の打ち手リストの中から「これが良いんじゃないか」と導き出すか、新たな方法を考えるにしても時間がかかってしまうんですよ。

「データを読み解いて次の打ち手を導き出す」ということは、複数の作業が発生しているかと思います。
どうしたらこれができるようになるのか？またそうなれるようにトレーニングする方法はあるのか？ということを教えていただきたいです。
データサイエンティスト　松本健太郎氏（以下：松本氏）

データを読み解くということ、「データドリブン的に何か優れた結論が導き出せないか」ということについてご相談いただくことも多いです。

そこで本記事を読んでいる方にもお聞きしたいのが、「データドリブンってどう見えていますか？」ということです。

なにか物事を因数分解的により分けていき、そこから何か“黄金の結論”に至るんじゃないかというイメージをされている方が結構いらっしゃると思います。

ただ僕自身、まだそこまで経験年数が長いわけではないですけど、あまりそういうことはなくて。
データを因数分解的により分けて、より分けて、より分けた結果、何も残ってないことも多々あるんですよね。
まさに「データの海に溺れる」という言葉に近しいと思います。

松本氏

「データを読み解くとは何か？」と聞かれたら、僕は「因果関係で捉えることだ」と答えます。
物事のあらゆることは、すべて原因と結果に分かれると思っています。

そして今手元にあるデータが原因系なのか結果系なのか？と考えた時に、例えばコンバージョン率（CVR）は結果のデータになりますが、その原因としてまずクリック数・流入数がありますと。

そして今度は流入数を結果データとして捉えて、それはどこから来たのかしら？と考えることもできますよね。

そうやって原因、結果、原因、結果で分けていくと、「今何をすれば、どういう結論につながるのか」という因果関係は結び付けられるようになると思います。
これは、Googleアナリティクスの画面でもできる話ですね。
徳田

なるほど。
松本氏

ややこしくなってくるのが、デモグラの観点とか、人の感情の観点とか、数字で表現できない定性的な要素が入ってきたときです。

そういう時はどうしても打ち手の選択肢も狭まってしまうし、「過去の勝ちパターンを一旦踏襲しよう」という判断になってしまいがちだと思います。

ただもう一度物事をシンプルに捉えてみると、やはり「データを因果関係の観点で考えてみましょう」ということになります。
究極的に言ってしまうと、これは「なんで買ったの？なんで買わなかったの？」ということに尽きると思うんですよね。

松本氏

「なんで買ったの？」という点については、リアルの店舗でもECでも「たまたまです」というケースが実は多いと思います。

僕の妻も楽天がすごく好きで、1,000円セールのようなイベントがある時は家に大量のダンボールが届くんですよ。

なんでこんなに買ったの？これ、いる？と思うようなものも買っていて、聞いてみると、「なんか良さそうだから買った」と返ってきたりとか。
徳田

確かに、ありますね。
松本氏

人は、「なんとなく良さそうだから」という理由で物を買うんですよね。

マーケ側ってついつい、データを読み解く、施策を考える時に、ニーズベースで考えてしまう傾向があると思います。
「お客様はこうだから買ってくれるに違いない」と、脳で考えちゃうというか。

でも実際に蓋を開けてみると、人は値段が安ければ安いほど、脊髄反射的にボタンをポチッと押すんです。
そういう時には、ニーズがどうのこうのってあまり考えていないと思うんですよね。
0.5秒くらいでは考えているとは思いますが。

そう考えると、本当にやらなきゃいけないデータの読み解きというのは、反射的に購入してしまう背景、すなわち買った理由を探すことだと言えます。

松本氏

逆に反射的に買わなかった人には、優先度が多少下がるとしても、買わなかった理由やパッと見て気に入らなかった理由があるはずですよね。

本来は、そうやって「買った人・買わなかった人の因果の違いって何だろうね？」ということから出発して、そこに数字を使ったり定性的な文章を使うはずなんです。

今は、色んな人が色んなデータに埋もれてしまっているので、物事を複雑に考えすぎてしまっている傾向はあるかもしれません。
徳田

なるほど。

まず定量的にデータを取って因果関係を見るということは簡単にできるので、何かの基準値があった時、それに対して劣っているのはどこなのか？と考えることができますよね。

定性的な部分については、買った理由・買わなかった理由の因果関係を明らかにして、その差分について考えていき、「買わなかった理由をなくすために何ができるか？」という風に打ち手を考えられるということですね。

松本氏

そうです！

あと、個人的に「へぇ〜」と思ったことがあるんですけど……

仮にどら焼き屋さんがあったとして、そこのどら焼きはあんこがめちゃめちゃ美味しくて、ものすごく高級なあんこを使っていたとします。
そこのメーカーの人たちも「みんな最高級のあんこを求めているに違いない！」と自信を持っている。

そして実際にソーシャルリスニングやユーザーアンケートをすると、6割くらいはそうなんですよ。
「あんこが美味しいからリピートしました」と言っていますと。

松本氏

ただ3割くらいの人は「シェアしやすい」と言うんですよ。
あんこが有名か美味しいかはよく知らないけど、この形でこのサイズだから、オフィスでシェアしやすいとか。
病室に持っていきやすいとか。

そして残り1割が、「筋トレに良い」と言うんです。
甘すぎないし小豆でタンパク質も取れるという理由で選ばれていたと。

つまり購入した人のうち約4割は、メーカー側が想定していなかった理由で買っているんですよね。
言い方を買えると、この「シェアしやすさ」をECサイト上でもっとアピールしたり、楽天市場などでそういうフレーズをもっと盛り込むことで、売上が伸びるかもしれない。

この「シェアしやすい」ということや「鍛えている人向けのスイーツとして良い」ということは、数字だけでは分からない情報です。

数字は大事なので当然追うべきではありますが、数字だけでビジネスの課題が解決するとは限りません。
数字以外にも重要なヒントがあるかもしれないということは忘れないようにしていただきたいですね。
徳田

なるほど、そうやって定性的なデータをもとに打ち手を考えるということもできると、データの海に溺れにくくなるということですね。

僕の中では、どちらかというと自分の経験則をもとに打ち手を考えることが多かったので、純粋なデータ分析力が高いかというとそうでもなかったんですよね。
お客様に価値を提供できている、という自負はあったんですけど。

データ分析やデータサイエンティストという言葉を思い浮かべると、統計データの話になるイメージがありましたが、今日お話を伺ってみて、もっと身近なところに仮説構築・仮説検証のヒントがあるんだなと感じました。
松本氏

そうなんですよね。

僕自身も最初は統計や数字をバリバリ使って、データサイエンスです！という風にやっていたんですけど、マーケティングの現場でレポートを出すたびに、毎回怒られていて……（笑）

「これは知ってる」、「これは分かってる」とか。
「数字で説明しきれていない」、「これでお客様のことを分かった気にならないでほしい」とか。

そういうことを言われて、泣いてしまうような経験も結構あったんです。

そこから自分が得た結論は、データ分析・データというものは、数字だけでやろうとすると絶対に限界が出るということです。
よってデータ分析には、僕はどちらかというと論理学をしっかりマスターするべきだと思っています。

松本氏

論理の上に手段として初めて数字・統計学というものが入ってくるのであって、むしろマーケティングであれば人に対する洞察・考察、それに加えて論理というものをマスターしないと分析が成り立たないんじゃないかと思います。

逆に言うと、統計学とかに全然詳しくなかったとしても、実はデータ分析ってだいたいの人が本来はできるはずなんですよね。

松本氏の最新著書「データ分析力を育てる教室」

徳田

松本さんの最新著書「データ分析力を育てる教室（マイナビ出版）」についてお伺いさせてください。

この本はどんな方に読んでほしいと考えていますか？
松本氏

データサイエンスというところにどうしても怖気づいている人というか、「私、理系じゃないしな……」と思う人に読んでいただきたいです。

やっぱり、データ分析＝理系ではないと思いますし、データ分析に本当に必要なのは論理、つまりは国語力だと思っています。

今回、仮説構築と仮説検証というお話をさせていただきましたが、実はデータサイエンティストの中でも、仮説構築が得意な人というのは意外と少ないんじゃないか？とも思っています。
徳田

事象に触れている機会が少なかったりすると、ですか。
松本氏

そうです。
なので、改めて「仮説構築ってどうしたらいいんだろう？」ということをこの書籍ではかなり重点的に記載しています。

「理系じゃないから」という理由でデータ分析を諦めていた方や、マーケティング界隈の方で「分析の内容にディープさを増していきたい」と考えている方には、ぜひ読んでいただきたいですね。
徳田

なるほど、ありがとうございます。

松本さんの「データ分析力を育てる教室」、打ち手が考えられない、仮説構築ができないとお悩みのマーケターの方は、ぜひお手に取ってみてください！

松本さん、本日は貴重なお話をありがとうございました！