コラム

ブログ

勘を捨てることではない

データドリブンマーケティングとは ― 勘と経験との違い

データドリブンマーケティングは、しばしば「勘や経験に頼らない意思決定」と説明されます。この説明は誤解を招きます。

実際に違うのは、勘を使うかどうかではありません。判断の根拠を、後から確認できる形で残しているかどうかです。

記録を残すかどうかの違いは、1つの会社の判断を追うと見えやすくなります。この記事では次の架空の会社を例にとり、各節で同じ数字を使います。

この記事で使う事例(仮の数字)

  • BtoBのサービス会社(架空の会社・仮の数字)
  • 問い合わせは月20件前後
  • 昨年の秋の展示会
    • 名刺120枚・商談2件・受注0件
    • 出展費用は約80万円
  • 今年は出展を中止
  • 9月にサービス紹介ページへ新しいバナーを掲出
  • 問い合わせは8月20件→9月26件
  • 前年は8月18件→9月23件

勘・経験との本当の違い

経験のある担当者の勘は、しばしば当たります。問題は当たるかどうかではなく、外れたときに理由が分からないことです。

理由が分からなければ、次に同じ外れ方をしないための手が打てません。違いを並べると次のようになります。

項目 勘と経験だけの場合 データドリブンの場合
判断の根拠 本人の頭の中にある 記録に残っていて、他の人も見られる
外れたとき 「今回は運が悪かった」で終わる 前提のどこが違ったかを特定できる
担当者が代わったとき 最初からやり直しになる 過去の判断を引き継げる

この違いは、データの量とは関係がありません。月に数件の問い合わせしかない会社でも、判断の理由と結果を書き残していれば、表の右側の状態になれます。

具体例を1つ。事例の会社は、今年の秋の展示会への出展をやめると決めました。

勘と経験だけの場合、残るのは「やめた」という事実だけです。データドリブンの場合は、「昨年の展示会で名刺120枚、そこからの商談2件、受注0件。出展費用は約80万円。同じ費用を記事の制作に回したほうが商談につながると判断した。来年3月に、記事経由の商談数と比べて見直す」のように、判断の材料と見直す時期が一緒に残ります。

この記録があると、翌年に「やはり展示会に出るべきだったか」を議論するとき、印象ではなく当時の前提から話を始められます。記事経由の商談が思ったほど増えていなければ、「記事のほうが商談につながる」という前提が外れていたと分かります。

前提のどこが外れたかが分かれば、次の判断を直せます。

当てはまらない場合もあります。すぐに元に戻せて、費用も小さい判断まで、すべて記録する必要はありません。

記録の手間が判断の重さを上回るからです。例えば「月10万円以上かかるもの」「3か月以上続けるもの」のように、自社で記録の対象を決めておくと続けやすくなります。

データドリブンを名乗れていない状態

数字を見ていても、検証ができていない状態はよくあります。共通するのは、結果を見た後で基準や比較の相手を選んでいることです。

後から選べば、どんな結果でも「成功」と言えてしまいます。次の3つにあてはまっていないか確かめてください。

状態 なぜ検証にならないか
数字を見た後に基準を決める 結果を見て「まあ悪くない」と言えば、どんな結果も肯定できる。成功の基準は施策の前に決める
比較対象がない 「施策後に問い合わせが増えた」だけでは、季節や他の要因と区別できない
都合のいい数字だけを見る 報告のたびに見る指標が変わるなら、良い数字を探しているだけの可能性がある

見分けるためのいちばん手軽な方法は、報告の型を固定すること。毎月の報告で見る数字と、比べる相手(前年同月など)を先に決めておけば、良い数字だけを拾う余地がなくなります。

報告の途中で「今月はこの数字も見てほしい」と足すのは構いませんが、決めた数字を外すことはしません。悪い月の数字も同じ形で並ぶことが、検証の前提になります。

事例の会社では、9月に新しいバナーを出し、問い合わせが8月の20件から9月の26件に増えました。しかし前年の同じ月も同じくらい増えていたなら、バナーの効果とは言えません。

比較対象の置き方は「効果があった」と言う前に ― 比較対象の置き方で扱っています。

計算の形でも確かめておきます。今年は20件から26件で30%増、前年の同じ時期は18件から23件で約28%増でした。

季節による増え方が毎年同じくらいだとすれば、バナーによる上乗せは多く見ても2ポイントほどで、件数にすると1件に満たない差です。この差は偶然でも起こる大きさなので、「効果があった」とは言えず、「効果は確認できなかった」と記録するのが正確です。

仮説は勘から出てよい

「何を試すか」を考える段階では、経験にもとづく勘が最も役に立ちます。データは、これから試すことを教えてはくれません。

過去に起きたことしか記録していないからです。役割を分けると次のようになります。

  • 仮説を出す … 経験・現場の声・顧客との会話
  • 優先順位を付ける … 影響の大きさと、かかる手間の見積もり
  • 結果を判定する … あらかじめ決めた指標と比較対象

勘を仮説に変えるには、「何をすると、何が、どう変わるか」の形に書き直します。例えば営業担当の「料金を載せると問い合わせが減る」という勘は、「料金ページを公開すると、問い合わせの件数は1割ほど減るが、見積もり後の失注も減る」と書けば、判定できる仮説になります。

見る数字(問い合わせ件数と、見積もり後の失注率)と、どちらの方向に動けば当たりかが、文の中に入っているからです。

優先順位を付ける段階の目安は、影響と手間の2軸。影響が大きく手間が小さいものから試し、影響が小さく手間が大きいものは後回しにします。

影響の大きさは、その仮説が当たったときに増える件数を、今の件数から粗く見積もれば十分です。見積もりが外れても構いません。

見積もりを書いておくこと自体が、後で振り返る材料になります。

このうち3つ目だけがデータの仕事です。1つ目まで数字に任せようとして、ダッシュボードを眺めながら「何かヒントはないか」と探し続けるのは、よくある行き詰まり方です。

仮説は現場で出し、データはそれを判定するために使います。

小さく始める手順

ツールを増やす前に、次の形式で施策を1件記録してみてください。紙でもスプレッドシートでも構いません。

大事なのは、実施する前に全項目を埋めることです。

施策の記録(1件分)

  • やること: 何を変えるか
  • 期待: 何がどう変わると思うか
  • 見る数字: 判定に使う指標を1つ
  • 比較対象: 何と比べるか(前年同月/他のページ/実施しなかった層)
  • 判定日: いつ結論を出すか

記入例を示します(仮の内容です)。

  • やること: サービス紹介ページの冒頭に、導入までの期間と費用の目安を追記する
  • 期待: 問い合わせ内容に「費用はいくらか」という質問が減り、具体的な相談が増える
  • 見る数字: 問い合わせのうち、具体的な相談(時期や規模が書かれたもの)の件数
  • 比較対象: 追記前の3か月と、前年の同じ3か月
  • 判定日: 追記から3か月後の月末

判定日は、見る数字が十分にたまる時期で決めます。月に数件しかない数字なら、1か月後の判定はほとんど偶然の結果を見ることになります。

月の件数が少ないほど判定日を先に置き、その間は同じ数字に影響する別の施策を重ねないようにしてください。

判定日が来たら、結果と「期待とどう違ったか」を同じ行に書き足します。外れた施策も消さずに残すと、何件か貯まったところで、自社でどんな予想が外れやすいかが見えてきます。

件数が少ないうちは、率だけで判断しないでください。母数が小さいと率は大きく振れます。

この点は件数が少ないときに、率だけで判断しないで詳しく扱っています。

よくある質問

Q. 社長が勘で決めてしまいます。データドリブンにするには、どう説得すればよいですか。
勘で決めること自体を止める必要はありません。決まった施策について、上の5項目を担当者が書き、判定日に結果を報告する流れを作るだけで十分です。何件か続けると、当たった判断と外れた判断が記録に並びます。説得よりも、その記録を一緒に見る機会を作るほうが、判断の仕方は変わりやすくなります。

Q. 問い合わせが月に数件しかない会社でも、データドリブンは成り立ちますか。
成り立ちます。件数が少ないと率の比較は難しくなりますが、判断の理由と結果を残すことは件数に関係なくできます。判定の期間を長めにとり、問い合わせ1件ずつの内容を読むことも判定の材料にしてください。件数の少なさを理由に記録をやめると、何年たっても比べる材料がたまりません。

Q. 生成AIに仮説を出してもらってもよいですか。
仮説の候補を広げる使い方なら役に立ちます。ただしAIは、自社の顧客が何に迷っているか、営業の現場で何が起きているかを知りません。AIが出した候補は、現場の感覚と照らして選び、選んだ理由を記録に残してください。判定の部分は、AIを使っても使わなくても、先に決めた基準と比較対象で行います。

まとめ

データドリブンマーケティングは、勘を捨てることではありません。判断の根拠を残し、外れたときに理由を辿れるようにすることです。

仮説は経験から出して構いません。データが担うのは、あらかじめ決めた基準でその仮説を判定する部分だけだと考えてください。

確認リスト

  • 施策を始める前に、成功の基準を決めている
  • 比較対象を決めている
  • 見る指標を先に固定している
  • 判定する日を決めている
  • 外れた施策も含めて記録に残し、後から読み返せる

記事に関することやお仕事のご相談は、下記よりお問い合わせください。

お問合せはこちら

記事一覧
datamake

施策の効果測定と実験設計が専門。 世に出ている成功事例の多くは、比較対象が置かれていないか、社会的背景と施策が分離されていないにもかかわらず、なぜか過去の多数の失敗事...

関連記事一覧