Insight Tokyo ＃1に参加しました

「Insight Tokyo ＃1」に参加したので、まとめました。
間違っている箇所がある場合、指摘いただけると助かります.。

どんなイベント？

insight-tokyo.connpass.com

サービスや製品のユーザーを理解したいという気持ちに職種は関係ありません。むしろ、ユーザーを理解するためにあらゆる方法を理解し融合していくことが、今後不可欠になっていきます。

Insight Tokyoは、いろいろな立場の人がユーザーを理解するために実践している取り組みを共有する場をつくっていきます。

今回は、「UXリサーチ×データ分析」をテーマに開催します。 お互いに補う関係にある両者の得意なこと、苦手なことを知ることでより深くユーザーを理解できるようになればと考えています。

またデータを扱う人とユーザーの体験を考える人がお互いに考えていることを知る機会になればいいと考えています。

今回参加のモチベーション

仕事ではデータ分析・機械学習領域がメインなのですが、UXに関わる事も増えてきているため、他社での事例やアナリスト・UXリサーチ両面からの考え方等を知りたいと思い参加しました

LT

Rettyにおける定量/定性データを活用した意思決定事例

• 目的:ヘビーユーザーの継続理由をあきらかにする。
  • なぜ定量分析だけでなく、定性分析も行うのか
  • 行動の裏にあるインサイトを把握する必要がある。
  • インサイトを知ると本質的な打ち手に繋がる
  • プロセス
    • 定量調査
      • 価値仮説の構築
        • 価値仮説表を作成
      • 価値仮説の定量調査
        • どんなニーズを持つセグメントが存在するかを把握する
    • 定性調査
      • インタビューで定性データを収集
      • 上記定性データを分析
  • 意思決定
    • ターゲット選定および提供価値の方向性を決める
  • 手法:KA法×KJ法が使えた

もし仮に、定性・定量リサーチを全開発者が自ら実施できるようになったとしたら？

speakerdeck.com

• UXリサーチ×データ分析の外側領域の話
  • 仕事内容:ユーザーインサイトを開発に活かすこと
    • 自然と定性、定量両方と向き合う必要性がある
  • 実事例
    • 定性
      • 社内リサーチ文化
        • slackの雑談チャンネルがドメイン知識の宝庫となっている
      • バイアス対策
        • バイアスの懸念を解消するためA/Bテストによる仮説検証
      • マインドタイプ
        • ユーザーに対する解像度を上げる共通言語を定義する
    • 定量
      • ユーザー中心のデータ整備
        • 分析ツールやデータの中身の整備
        • 欲しい時に手に入りやすいように事前処理する
      • インサイト抽出サイクル
        • 主要指標を俯瞰してモニタリング(施策の効果検証とは別)
      • データリテラシーの底上げ
  • 俯瞰して見えるもの
    • カジュアルなリサーチカルチャーを作る→結果的に定性。定量間にグラデーションが出来る

恋愛にまつわるサービスで、ユーザーとどう向き合ってるか

• 少人数チームで一人でユーザーといかに向き合うかについて
  • 大きく6つに分けられる(主に上から4番目までの内容について話されていました)
    • 当事者として体験する
      • ユーザーとして体験しているときの感情や状況などをメモする
    • 体験したことを俯瞰する
      • 恋愛に関して、冷静に振り返る事は主観が入り難しい→本を読んで振り返る
    • 自己開示(発信する)
      • 恋愛周りの話はとてもプライベートな話で、話す相手や内容を選ぶ
      • そこで、自分の話からする事により話てもいいかと思ってもらう
    • インタビューする
      • インタビュー内容からUIのヒント等を得た
    • アンケートを取る
    • 数値を見る
  • 全体の流れとしては、「広い視野で、色んな切り口からユーザーを捉え」→「仮説と確度を持ってユーザーを捉える」

定量×定性の補完的アプローチ maruhadakaPJ

• メルペイにおける定量的・定性的アプローチを組み合わせた実際のアプローチについて
  • UX Researchとは何？
    • 事業の意思決定に関しては、データアナリストと共通するのではないか？
  • maruhadakaPJ
    • 初決済を増やすために
    • リブランディングの効果をみるために
    • ロイヤルなお客様を増やすために
    • どのようなn=1の対象者を選ぶかが重要
      • ここの精度を上げるために定量分析も活用している
      • アクション
        • どのような行動をしている？(定量)
          • 行動ログの解析から傾向理解等
        • どのような思考をしている？(定量・定性)
          • サービスが好き？嫌い？
          • ログでわからない思考・認知等をアンケートで取得
        • それはなぜ？(定性)
          • n=1の人を決めて、デプスインタビュー等で深堀りしていく
        • インパクトにつながる？(定量・定性)
          • 構造・共通点の分析や市場規模の把握から優先度の決定等

感想

あまり今まで話を聞いた事がないUXデザイン・リサーチでの進め方や考え方を知る事が出来ました。

その中でも特にユーザーを理解するために、それぞれの企業・チームが取るアクションの流れが体系化されているのが印象に残りました。