Measuring the User Experience 読書会で使用した、10章「ケーススタディ」の発表資料です。

1. CHAPTER 10
CASE STUDIES

2. 5つの事例
• 日本語版には掲載なし（第二版以降に掲載）
サマリ：https://www.sociomedia.co.jp/5340
１：NPSとユーザ経験との関連を測る
２：指紋読み取りシステムへのフィードバック実装についての効果測定
３：プロトタイピングツールのデザイン改良
４：大学の志望者を集めるためのアクセスデータ分析
５：生体反応からユーザビリティを測る

3. １：NPSとユーザ経験との関連を測る
●目的
NPSを使って、製品改良の意思決定につなげるモデルを作りたい
●結果
NPSから意思決定を行い、一定の成果を挙げた

4. NPSとは
※NPSとは？
• 「あなたはこの商品を友達に勧めたいですか？」（0-10点）
⇒他人への責任が生じるので、自分の満足度を聞くより正確な答えを得やすい

5. NPSを意思決定へ結びつけるプロセス
・満足度を聞く
・他人に推薦するかどうかと、それぞれの機能について聞き、どの機能が強い変数
か計測
⇒二軸を取り平面にプロット
FIX REVERAGE
HOLD MAINTAIN
重
要
度
満足度
投資による満足度の向上
最優先で投資
次に投資

6. NPSによる意思決定の実行
• ユーザーエクスペリエンスに注力することで推奨可能性が上がるとわかった
• 推奨可能性の5％増加を目標として改善を行う
⇒１年後、3％の改善に成功
目標には届かなかったが、一定の成果が出た
• 新規に顧客を1人得るためには、8人が他人に推奨する必要がある
→そのためには、13人の推奨者が必要

7. この事例からの示唆
★単にスコアだけ取っても意味がない
→Key Driver Chartに落とすなどして、どこに投資すべきかを判断することが必要
• 投資の結果についても、年ごとに定量的に確認する必要がある
（今回の場合は推奨可能性を測定することにより、投資対効果を把握した）

8. ２：指紋読み取りシステムへのフィードバック実装についての効果測定
●目的：
リアルタイムで表現豊かなフィードバックがあると、ユーザは独力でシステムを使え
るようになるか調べる
●結果：
• 成功率や満足度について、フィードバックがある方が上昇した

9. この事例からの示唆
★実際の調査で、定量データからユーザビリティ向上を読み取るための例
使用した主な指標：
・完遂率
・エラー
・指紋の精度
・時間
・満足度
（※なぜこれらの指標を選んだのかは明確には示されていない）

10. ３：プロトタイピングツールのデザイン改良
●目的
• OpenText社のプロトタイピングツール「Web Experience Management」のデ
ザインリニューアルを行う
• 最新のアップデートで、ツールパレットが大きくて邪魔だという声が多く出たため、
よりよいデザインを模索したい
●結果
• 最終的に、操作の難易度が低く、完遂率が高い画面が出来上がった
（※どのようにそのデザインを導き出したのかについては触れられていない）

11. ユーザビリティ調査で使用した指標
●今回使用した指標
• 完遂率
• 時間
• SEQ
（※タスク終了後に、難易度を0-
7点で聞く）
●ユーザビリティの定義(ISO)
• 効果
• 効率
• 満足度
対応
●各指標の結果
• 完遂率：3回目で下がるが、4回目で最高を記録
• SEQの平均：一貫して数値が上がり続けた

12. この事例からの示唆
★プロトタイプを高速回転させるPJTでは、体制を整えたうえで定量データを利用
すると効率的（参照：ch.3）
• 定量データを共有する仕組みを作っておくと、分析に入るまでの時間を短縮で
きる
（今回はExcelのテンプレートを作り、それを埋める形でデータを収集した）

13. ４：大学の志望者を集めるためのアクセスデータ分析
●目的
• Open Universityサイトのユーザエクスペリエンスを向上させるために、複数の
指標を組み合わせてインサイトを得たい
●結果
※この事例は明確な結果というより、手法の解説に重きを置いている

14. 手法1：特定のボタンについてのユーザの行動を探る
• 何人か調査を行って仮説を得たうえで、定量データ分析に切り替える
（例）Information Technologyのリンクは折りたたまれているために、Computingの
リンクより押されにくいのではないか？
Information
Technology
Computing
37%
27%
⇒Computingボタンの方が押されやすい
33%多い

15. 手法２：サイト全体でのユーザの流れを確認しボトルネックを見つける
• 手法１よりも、日常的に行うことができる
例）本書の場合
• 大量の流入があるのに、次のページへの遷移が少ない箇所がある
⇒その前のページで、ユーザが行きつ戻りつして先に進めていないため

16. 手法３：ペルソナがデータと合致しているか確認し修正する
• 既存のペルソナが合っているか、指標を通じて確認でき、修正箇所もわかる
例）本書の場合
• ペルソナ「Winston」を用意したが、調査ではそれらしいユーザに出会わな
かった
⇒ぴったり合致するユーザがいなかっただけか、あるいはペルソナが間違ってい
るのか？
• アクセスログを解析したところ、Winstonの行動として想定していたもののうち、
実際には起こっていないものがあった
⇒Winstonを修正し、新しいプロトタイプ「Win」を作ることができた

17. この事例からの示唆
★Open Universityもユーザビリティテストは積極的に行っていた
• しかしサイトが大規模で複雑なため、全ての課題を抽出・対処することができ
ない
⇒利用者が少ない機能は、どうしても後回しにされる
⇒調査で指標を抽出することによって、課題発見～対応までのプロセスを素早く
行うことができる

18. ５：生体反応からユーザビリティを測る
●目的
• デジタル教科書と紙の教科書のどちらが使いやすいかを調査する
• その際、ユーザの感情を測定し、使いやすさの指標と相関するのか調べたい
●結果
• 紙のテキストへの感情はネガティブなものが多かった
• ただし、次に使いたいのはどちらかを聞いたところ、半々に分かれた

19. 使用したもの
●Affectiva Q sensor（参照：Ch.7）
• 神経の反応（覚醒度）を測定する
⇒それが正負どちらの感情によるのかは分
からない
●Microsoft Product Card
• 感情を表す118の言葉が書かれたカード
⇒特定の感情について説明しやすくなる
それぞれの感情を感じているかも見られる
Dull Helpful
Easy to use High quality
Effective Impersonal
Efficient Impressive
Effortless Incomprehensible
Empowering Inconsistent
Energetic Ineffective
（一部抜粋）

20. この事例からの示唆
★Q sensorを使う際は、できるだけ多くのマーカーを設定し、大量のデータを取
る方が、結果的に時間の節約になる
• 通常のデータ分析では、見るべきデータは少ない方が良いはず
• しかし今回の場合は、機械でなければ取れないデータが多く含まれる
⇒「仮説構築＜今までにないデータから見つかる発見点」という解釈

21. 感想
●事例１や５については、新たな計測手法を提示しており刺激的だった
• NPSに基づいた経営をする場合、「売上との相関があるのかどうか」が大きな
問題になっていくと考えられる
（※営業の場合、「トップ営業マンは紹介によって顧客を得ていく」ということは経
験的にはわかっているが、定量化できていない）
• 事例５は、モデレータによる定性調査の限界を打ち
破る可能性を秘めている
-自己申告データよりも正確性が高い
-無意識のニーズをより簡単に測りうる
-ラボ内にとどまらず、日常生活でのリアルタイ
ムな反 応も測りうる
参考：「データの見えざる手」