よくわからないから楽しい

たまに何を言っているのかも分からなくなります

グロースハッカーなのに、DAUや継続率をKPIって言ってていいの? (前編)

そもそもKPIって何だっけ?

写真共有サービスを例にしてみます。これから挙げるそれぞれの数字は、あえて分類するなら「KPI」でしょうか?それとも「単なるデータ」でしょうか?

・DAU
・MAU
・タイムライン閲覧数
・写真投稿枚数
・写真投稿DAU率(写真投稿枚数÷DAU)
・会員登録数
・会員化率
・フォロー数、フォロワー数
・継続率
・課金売上


割合で表されているものがKPI?
割合以外のものは単なるデータ?
じゃあ課金売上はKPIじゃないの?

 

言葉の意味についてチームの認識を合わせよう

KPIという言葉の厳密な定義について、世の中的に一般化するのは難しいかもしれません。というか無理です。でもグロースハックに本格的に取りかかるなら、チーム内で用いる言葉の意味について明確に認識を合わせておいた方が、後々で余計なコストを発生させずに済みます。

うちの社内では、いくつかの言葉についてこう定義しています。

KPI
「ある特定の仮説検証における、重点観察すべき傾向の変化」

データ
「KPIを取得するために必要な情報や、その他の雑多な情報」

目標値
「設定したKPIをいつまでに、どの数値まで改善するか」

この定義によると、記事の最初で挙げたすべての数字は「ある特定の仮説検証」に該当しないので、どれもKPIではなく単なるデータを表しているに過ぎない、ということになります。

最初にチーム内で認識合わせをしておくことで、自分たちが何にフォーカスしようとしているのかがブレることなく、議論をしたり検証をしたりできるようになります。

 

仮説検証には適切なセグメントとサンプルが必要

仮説検証を行う場合には、モニタリングする材料としてすべてのユーザーを対象にしてはいけないケースがあります。例えばiOS/AndroidといったOSごとや、日本/アメリカといった国ごとなどで、利用傾向が異なることがデータから分かっている場合です。

うちのSnapeeeがそういう傾向にあります。最低でもOSと国情報は分けてセグメントし、ユーザー数の少ない国は仮説検証のサンプルから除外するようにしています。

付け加えて、1000人でサンプルが作れれば実際の数字との誤差が少なく、比較的信頼できる(※)という話もあるので、そのあたりも意識しながらサンプルデータを作るようにしています。

----------
※ サンプルの信頼性についての補足
あるアンケートについて、

10人中6人がYESと回答した・・・60%
1000人中300人がYESと回答した・・・30%

この場合、1000人を対象にした方が信頼性が高い。一方で、100000人にアンケートを取っても1000人とあまり結果は変わらない。
----------

仮説検証をする前提として、適切なセグメントとサンプル作りは必須です。

要は数字の信頼性は低いより高い方が良いという話なので、1000人なんて難しいよ!という場合は、デイリーではなく週の単位でひとまとめにするなどしてうまくデータを加工することで、信頼性を高めるようにしましょう。

 

Garbage in, garbage out.を意識しよう

「ゴミデータを用いていくら解析してみても、出てくる結果はゴミばかり」という意味。ゴミデータに振り回されて時間を浪費しないためにも十分に意識しておきましょう。

この言葉はSnapeeeのグロースハックチームの標語になっています。

 

営業や経営チームのKPIはここまで細かくする必要は無い

営業や経営チームで必要とするKPIやデータは、グロースハックで必要とするKPIやデータほど細かくセグメントする必要がないケースが大半です。これが混同されているとかえって混乱するので、管理の仕方からして明確に区別した方が良いです。

 

参考事例

ちょっと長くなったので、後編として参考事例を作りました。 
グロースハッカーなのに、DAUや継続率をKPIって言ってていいの? (後編)