Soumettre la recherche
Mettre en ligne
Startup Science ⑥
•
22 j'aime
•
22,589 vues
Masa Tadokoro
Suivre
【1229ページスライドダウンロード】https://how-to-startup.stores.jp
Lire moins
Lire la suite
Business
Signaler
Partager
Signaler
Partager
1 sur 116
Recommandé
Startup Science ⑤
Startup Science ⑤
Masa Tadokoro
Startup Science ④
Startup Science ④
Masa Tadokoro
Startup Science ②
Startup Science ②
Masa Tadokoro
Startup Science ③
Startup Science ③
Masa Tadokoro
Startup Science ①
Startup Science ①
Masa Tadokoro
Startup science 2018 4 ビジネスモデルの型とPlanAの作成
Startup science 2018 4 ビジネスモデルの型とPlanAの作成
Masa Tadokoro
Startup Science 2017 拡大版(1750page)2/10
Startup Science 2017 拡大版(1750page)2/10
Masa Tadokoro
Startup science 2018 ③ アイディアの検証
Startup science 2018 ③ アイディアの検証
Masa Tadokoro
Recommandé
Startup Science ⑤
Startup Science ⑤
Masa Tadokoro
Startup Science ④
Startup Science ④
Masa Tadokoro
Startup Science ②
Startup Science ②
Masa Tadokoro
Startup Science ③
Startup Science ③
Masa Tadokoro
Startup Science ①
Startup Science ①
Masa Tadokoro
Startup science 2018 4 ビジネスモデルの型とPlanAの作成
Startup science 2018 4 ビジネスモデルの型とPlanAの作成
Masa Tadokoro
Startup Science 2017 拡大版(1750page)2/10
Startup Science 2017 拡大版(1750page)2/10
Masa Tadokoro
Startup science 2018 ③ アイディアの検証
Startup science 2018 ③ アイディアの検証
Masa Tadokoro
Startup Scienceの要諦 ②
Startup Scienceの要諦 ②
Masa Tadokoro
Startup Scienceの要諦 ①
Startup Scienceの要諦 ①
Masa Tadokoro
ストーリーでわかる「起業の科学」ハマりやすい57のワナスライド sd用
ストーリーでわかる「起業の科学」ハマりやすい57のワナスライド sd用
Masa Tadokoro
Startup science 2018 5 Customer Problem Fit
Startup science 2018 5 Customer Problem Fit
Masa Tadokoro
成功するスタートアップの作り方 ー 完全版
成功するスタートアップの作り方 ー 完全版
Masa Tadokoro
Startup Science - スタートアップにおけるPlan Aの作り方
Startup Science - スタートアップにおけるPlan Aの作り方
Masa Tadokoro
Startup science 2018 ② Startup にとって良いアイディアとは?
Startup science 2018 ② Startup にとって良いアイディアとは?
Masa Tadokoro
ピッチの極意
ピッチの極意
Masa Tadokoro
Fit9
Fit9
Masa Tadokoro
Startup science 6 Problem Solution Fit
Startup science 6 Problem Solution Fit
Masa Tadokoro
Startup Science - Pivotとは何か?
Startup Science - Pivotとは何か?
Masa Tadokoro
Startup science 2018 8 MVPを構築する
Startup science 2018 8 MVPを構築する
Masa Tadokoro
スタートアップの失敗を90%減らす10のポイント
スタートアップの失敗を90%減らす10のポイント
Masa Tadokoro
Startup science 2018 ① Startup Scienceとは何か?
Startup science 2018 ① Startup Scienceとは何か?
Masa Tadokoro
Startup Science 2017 拡大版(1750page)1/10
Startup Science 2017 拡大版(1750page)1/10
Masa Tadokoro
Startup Science 2017 拡大版(1750page)5/10
Startup Science 2017 拡大版(1750page)5/10
Masa Tadokoro
リーンスタートアップ概論
リーンスタートアップ概論
Itsuki Kuroda
リーンスタートアップにおける良い仮説、悪い仮説
リーンスタートアップにおける良い仮説、悪い仮説
Takaaki Umada
時を超えた越境への道
時を超えた越境への道
toshihiro ichitani
非エンジニア・非デザイナーがプロダクトマネージャーになってみた。
非エンジニア・非デザイナーがプロダクトマネージャーになってみた。
明弘 大橋
Startup Science 2017 拡大版(1750page)8/10
Startup Science 2017 拡大版(1750page)8/10
Masa Tadokoro
Startup science 2018 10 UX改善とPivot
Startup science 2018 10 UX改善とPivot
Masa Tadokoro
Contenu connexe
Tendances
Startup Scienceの要諦 ②
Startup Scienceの要諦 ②
Masa Tadokoro
Startup Scienceの要諦 ①
Startup Scienceの要諦 ①
Masa Tadokoro
ストーリーでわかる「起業の科学」ハマりやすい57のワナスライド sd用
ストーリーでわかる「起業の科学」ハマりやすい57のワナスライド sd用
Masa Tadokoro
Startup science 2018 5 Customer Problem Fit
Startup science 2018 5 Customer Problem Fit
Masa Tadokoro
成功するスタートアップの作り方 ー 完全版
成功するスタートアップの作り方 ー 完全版
Masa Tadokoro
Startup Science - スタートアップにおけるPlan Aの作り方
Startup Science - スタートアップにおけるPlan Aの作り方
Masa Tadokoro
Startup science 2018 ② Startup にとって良いアイディアとは?
Startup science 2018 ② Startup にとって良いアイディアとは?
Masa Tadokoro
ピッチの極意
ピッチの極意
Masa Tadokoro
Fit9
Fit9
Masa Tadokoro
Startup science 6 Problem Solution Fit
Startup science 6 Problem Solution Fit
Masa Tadokoro
Startup Science - Pivotとは何か?
Startup Science - Pivotとは何か?
Masa Tadokoro
Startup science 2018 8 MVPを構築する
Startup science 2018 8 MVPを構築する
Masa Tadokoro
スタートアップの失敗を90%減らす10のポイント
スタートアップの失敗を90%減らす10のポイント
Masa Tadokoro
Startup science 2018 ① Startup Scienceとは何か?
Startup science 2018 ① Startup Scienceとは何か?
Masa Tadokoro
Startup Science 2017 拡大版(1750page)1/10
Startup Science 2017 拡大版(1750page)1/10
Masa Tadokoro
Startup Science 2017 拡大版(1750page)5/10
Startup Science 2017 拡大版(1750page)5/10
Masa Tadokoro
リーンスタートアップ概論
リーンスタートアップ概論
Itsuki Kuroda
リーンスタートアップにおける良い仮説、悪い仮説
リーンスタートアップにおける良い仮説、悪い仮説
Takaaki Umada
時を超えた越境への道
時を超えた越境への道
toshihiro ichitani
非エンジニア・非デザイナーがプロダクトマネージャーになってみた。
非エンジニア・非デザイナーがプロダクトマネージャーになってみた。
明弘 大橋
Tendances
(20)
Startup Scienceの要諦 ②
Startup Scienceの要諦 ②
Startup Scienceの要諦 ①
Startup Scienceの要諦 ①
ストーリーでわかる「起業の科学」ハマりやすい57のワナスライド sd用
ストーリーでわかる「起業の科学」ハマりやすい57のワナスライド sd用
Startup science 2018 5 Customer Problem Fit
Startup science 2018 5 Customer Problem Fit
成功するスタートアップの作り方 ー 完全版
成功するスタートアップの作り方 ー 完全版
Startup Science - スタートアップにおけるPlan Aの作り方
Startup Science - スタートアップにおけるPlan Aの作り方
Startup science 2018 ② Startup にとって良いアイディアとは?
Startup science 2018 ② Startup にとって良いアイディアとは?
ピッチの極意
ピッチの極意
Fit9
Fit9
Startup science 6 Problem Solution Fit
Startup science 6 Problem Solution Fit
Startup Science - Pivotとは何か?
Startup Science - Pivotとは何か?
Startup science 2018 8 MVPを構築する
Startup science 2018 8 MVPを構築する
スタートアップの失敗を90%減らす10のポイント
スタートアップの失敗を90%減らす10のポイント
Startup science 2018 ① Startup Scienceとは何か?
Startup science 2018 ① Startup Scienceとは何か?
Startup Science 2017 拡大版(1750page)1/10
Startup Science 2017 拡大版(1750page)1/10
Startup Science 2017 拡大版(1750page)5/10
Startup Science 2017 拡大版(1750page)5/10
リーンスタートアップ概論
リーンスタートアップ概論
リーンスタートアップにおける良い仮説、悪い仮説
リーンスタートアップにおける良い仮説、悪い仮説
時を超えた越境への道
時を超えた越境への道
非エンジニア・非デザイナーがプロダクトマネージャーになってみた。
非エンジニア・非デザイナーがプロダクトマネージャーになってみた。
Similaire à Startup Science ⑥
Startup Science 2017 拡大版(1750page)8/10
Startup Science 2017 拡大版(1750page)8/10
Masa Tadokoro
Startup science 2018 10 UX改善とPivot
Startup science 2018 10 UX改善とPivot
Masa Tadokoro
Startup science 2018 9 イテレーションと計測
Startup science 2018 9 イテレーションと計測
Masa Tadokoro
Startup Science 2017 拡大版(1750page)7/10
Startup Science 2017 拡大版(1750page)7/10
Masa Tadokoro
Fit15
Fit15
Masa Tadokoro
Startup Science 2017 拡大版(1750page)4/10
Startup Science 2017 拡大版(1750page)4/10
Masa Tadokoro
Startup Science 2017 拡大版(1750page)6/10
Startup Science 2017 拡大版(1750page)6/10
Masa Tadokoro
コンサルビジネスで収益拡大する方法
コンサルビジネスで収益拡大する方法
伊藤 剛志
What is lean
What is lean
shinichiro kinjo
Startup Scienceの要諦 ③
Startup Scienceの要諦 ③
Masa Tadokoro
iPhoneアプリ「トリセツ」にて実践したリーンスタートアップ
iPhoneアプリ「トリセツ」にて実践したリーンスタートアップ
VOYAGE GROUP
iPhoneアプリ「トリセツ」にて実践したリーンスタートアップ
iPhoneアプリ「トリセツ」にて実践したリーンスタートアップ
Kenji Tomita
Scale14
Scale14
Masa Tadokoro
Idea20
Idea20
Masa Tadokoro
事例から見る人工知能の現在と、企業における活用方法
事例から見る人工知能の現在と、企業における活用方法
Junya Kamura
Startup science 2018 14 資金調達の型
Startup science 2018 14 資金調達の型
Masa Tadokoro
【Schoo web campus】データ分析、その前にやっておくべきこと 先生 田畑直
【Schoo web campus】データ分析、その前にやっておくべきこと 先生 田畑直
schoowebcampus
リーンスタートアップの奇妙な冒険
リーンスタートアップの奇妙な冒険
Kakigi Katuyuki
【コンサル起業実践講座】ビジネスモデルの作り方
【コンサル起業実践講座】ビジネスモデルの作り方
伊藤 剛志
Pivotの極意
Pivotの極意
Masa Tadokoro
Similaire à Startup Science ⑥
(20)
Startup Science 2017 拡大版(1750page)8/10
Startup Science 2017 拡大版(1750page)8/10
Startup science 2018 10 UX改善とPivot
Startup science 2018 10 UX改善とPivot
Startup science 2018 9 イテレーションと計測
Startup science 2018 9 イテレーションと計測
Startup Science 2017 拡大版(1750page)7/10
Startup Science 2017 拡大版(1750page)7/10
Fit15
Fit15
Startup Science 2017 拡大版(1750page)4/10
Startup Science 2017 拡大版(1750page)4/10
Startup Science 2017 拡大版(1750page)6/10
Startup Science 2017 拡大版(1750page)6/10
コンサルビジネスで収益拡大する方法
コンサルビジネスで収益拡大する方法
What is lean
What is lean
Startup Scienceの要諦 ③
Startup Scienceの要諦 ③
iPhoneアプリ「トリセツ」にて実践したリーンスタートアップ
iPhoneアプリ「トリセツ」にて実践したリーンスタートアップ
iPhoneアプリ「トリセツ」にて実践したリーンスタートアップ
iPhoneアプリ「トリセツ」にて実践したリーンスタートアップ
Scale14
Scale14
Idea20
Idea20
事例から見る人工知能の現在と、企業における活用方法
事例から見る人工知能の現在と、企業における活用方法
Startup science 2018 14 資金調達の型
Startup science 2018 14 資金調達の型
【Schoo web campus】データ分析、その前にやっておくべきこと 先生 田畑直
【Schoo web campus】データ分析、その前にやっておくべきこと 先生 田畑直
リーンスタートアップの奇妙な冒険
リーンスタートアップの奇妙な冒険
【コンサル起業実践講座】ビジネスモデルの作り方
【コンサル起業実践講座】ビジネスモデルの作り方
Pivotの極意
Pivotの極意
Plus de Masa Tadokoro
MVV1
MVV1
Masa Tadokoro
資金調達の極意②
資金調達の極意②
Masa Tadokoro
資金調達の極意①
資金調達の極意①
Masa Tadokoro
Open innovation 2018_0820 2
Open innovation 2018_0820 2
Masa Tadokoro
Open innovation 2018_0820_1
Open innovation 2018_0820_1
Masa Tadokoro
Open innovation 2018_0820_2
Open innovation 2018_0820_2
Masa Tadokoro
Fit8
Fit8
Masa Tadokoro
Fit24
Fit24
Masa Tadokoro
Fit26
Fit26
Masa Tadokoro
Fit4
Fit4
Masa Tadokoro
Fit28
Fit28
Masa Tadokoro
Fit17
Fit17
Masa Tadokoro
Fit23
Fit23
Masa Tadokoro
Fit16
Fit16
Masa Tadokoro
Fit6
Fit6
Masa Tadokoro
Fit27
Fit27
Masa Tadokoro
Fit18
Fit18
Masa Tadokoro
Fit5
Fit5
Masa Tadokoro
Fit25
Fit25
Masa Tadokoro
Fit19
Fit19
Masa Tadokoro
Plus de Masa Tadokoro
(20)
MVV1
MVV1
資金調達の極意②
資金調達の極意②
資金調達の極意①
資金調達の極意①
Open innovation 2018_0820 2
Open innovation 2018_0820 2
Open innovation 2018_0820_1
Open innovation 2018_0820_1
Open innovation 2018_0820_2
Open innovation 2018_0820_2
Fit8
Fit8
Fit24
Fit24
Fit26
Fit26
Fit4
Fit4
Fit28
Fit28
Fit17
Fit17
Fit23
Fit23
Fit16
Fit16
Fit6
Fit6
Fit27
Fit27
Fit18
Fit18
Fit5
Fit5
Fit25
Fit25
Fit19
Fit19
Dernier
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
ユニパー株式会社
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ 株式会社
Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadership
Yasuyoshi Minehisa
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
KayaSuetake1
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
masakisaito12
20240427 zaim academy counseling lesson .pdf
20240427 zaim academy counseling lesson .pdf
ssuser80a51f
Dernier
(6)
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadership
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
20240427 zaim academy counseling lesson .pdf
20240427 zaim academy counseling lesson .pdf
Startup Science ⑥
1.
How to start
a startup スタートアップを成功に導くサイエンス 2017年度版 ⑥ Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science
2.
Product-market-fit MVPを 最初のカスタマ ーに届ける MVPで 何を学ぶか 明らかにする MVPで 何を学ぶかを 明らかにする MVPのタイプを選び、 必要最低機能を持った プロダクトを作る エバンジェリスト カスタマーに 自らデリバリー して学ぶ innovation metricsによる定量計測 カスタマー対話による 定性計測を実施 Hooked model を使い施策検討し実装 カスタマーをハマらせる プロダクト/UX施策 を実装してローンチ カスタマーに価値を届ける イテレーションを実装 プロダクト イテレーションを 実装してローンチ 必要に応じてpivotする Pivotか辛抱か 決定する 定量的計測と 定性的計測を行う MVPを 構築 PMFを達成 するまで 回し続ける 順応性の高い チームを作る Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
3.
”我々は神を信じる 神じゃない人間は データを持ってこい” -エドワード・デミング Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
4.
新たなアイデアやコンセプト を素早く形にして(MVPを作る) 実際のカスタマーの反応を見ながら 構築(build)-計測(measure)-学習(learn) のサイクルを反復する。 その中で起業家や開発者の持つ仮説検証を行い 検証による学び(validated learning) を通じて新製品やサービスの 事業成功の確度を高める手法 リーンスタートアップ: Build Ideas Product Mea sure Data Learn データを計測しながら 次に活かしていく Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
5.
”定性的に発見をして、 定量的に証明しましょう” - Alistair Croll Lean
Analytics 著者 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
6.
”計測できないものを 管理することはできない” P.F. ドラッカー Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
7.
質問 ❓ 初期のスタートアップ は何を計測するべきだ と思いますか? Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
8.
AARRRR(海賊指標)を導入する Acquisition: 獲得 Activation: サインアップして、 最初の体験に満足する Retention:
継続利用 Revenue: 売り上げ上げる Referral: 他のカスタマーの紹介 AARRRはカスタマー獲得から獲得したカスタマー が収益を生み出すまでの一連の流れを、 5段階に分けて活動を進めるフレームワーク Copyright 2017 Masayuki Tadokoro All rights reserved AARRR! Startup Science 2017 (後半)
9.
マーケティングにリソースを導入した 分しか、レベニューが伸びていない マーケティング費用を5倍かけて 5倍のカスタマー獲得を行う Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
10.
Product-market-fit (人が欲しいものを作れる状態) の前に、プロダクトの口コミや カスタマー獲得を積極的に促進しても意味がない むしろ、ネガティブな結果になる PMFを達成する前に Referralやカスタマー獲得にこだわるな! Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
11.
バックログ 仕掛り中 完了
検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード Activation/ Retention/ Revenue を計測する MVP ストーリー ストーリー 1−1 ストーリー 1−2 Copyright 2017 Masayuki Tadokoro All rights reserved
12.
登録後三日以内の ログイン率 ユーザー一人あたりの 1日平均広告視聴回数 登録者画面に きたUU数 一連の作業を 最後までやった ユーザー割合 KGI 登録画面 に初めて来る メニュー 画面 広告視聴 開始 広告視聴 完了 wifi使用 開始画面 wifi使用 開始 再ログイン 画面 メニュー 画面 広告視聴 開始 広告視聴 完了 Acquisition Activation Retention
Revenue KPI 登録者画面に きたUU数 メニュー 画面の 離脱率 視聴 開始率 視聴 完了率 使用 開始率 ログイン画 面の 離脱率 メニュー画 面の 離脱率 ユーザー一人あたりの 1日平均広告視聴回数 サイン アップ率 サイン アップ率 Anytime onlineのMVPローンチして その結果(AARRR)を計測する Copyright 2017 Masayuki Tadokoro All rights reserved
13.
登録後三日以内の ログイン率 ユーザー一人あたりの 1日平均広告視聴回数 登録者画面に きたUU数 一連の作業を 最後までやった ユーザー割合 KGI 登録画面 に初めて来る メニュー 画面 広告視聴 開始 広告視聴 完了 wifi使用 開始画面 wifi使用 開始 再ログイン 画面 メニュー 画面 広告視聴 開始 広告視聴 完了 Acquisition Activation Retention
Revenue KPI 登録者画面に きたUU数 メニュー 画面の 離脱率 視聴 開始率 視聴 完了率 使用 開始率 ログイン画 面の 離脱率 メニュー画 面の 離脱率 ユーザー一人あたりの 1日平均広告視聴回数 サイン アップ率 サイン アップ率 Anytime onlineのMVPローンチして その結果(AARRR)を計測する 結果 335人 302人 93人 23人 4.2回 (合計96回) Copyright 2017 Masayuki Tadokoro All rights reserved
14.
MVPの 計測結果(実数) MVPの 計測結果(割合) アクイジション (訪問者) 332人 100% アクティベーション (登録) 305人
90% アクティベーション (作業完了) 93人 30% Retention (三日以内再訪) 23人 25% Revenue (ユーザー一人あたりの 1日平均広告視聴回数) 4.2回 4.2回 結果を定量的/ 割合で表す 比率で 表現する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
15.
なぜ、計測することが重要なのか? 目標に向かって自分たちが、 どこにいるのかを 正しく認識するため 目標と現状のギャップを 認識した上で、そこを埋める アクションアイテムを導く KPIはステークホルダー間で の共通言語になる Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
16.
目標と現状のギャップを 認識した上で、そこを埋める アクションアイテムを導く 目標 MVPの 計測結果(実数) MVPの 計測結果(割合) 目標値 アクイジション (訪問者) 332人 100%
100% アクティベーション (登録) 305人 90% 95% アクティベーション (作業完了) 93人 30% 80% Retention (三日以内再訪) 23人 25% 80% Revenue (ユーザー一人あたりの 1日平均広告視聴回数) 4.2回 4.2回 10回 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
17.
優れた指標とは? 優れた指標は チェックしやすい 優れた指標は わかりやすい 優れた指標は 行動につなげやすい 優れた指標は 因果指標である (他の指標の変化を 引き起こす指標) Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
18.
KPI設定する際にありがちな罠 結果指標しか見ていない: UU, PV, 売り上げ、CPA など 相関指標を見る: 因果関係でなく 相関関係を見てしまう アクションできない指標を見る 粒度が荒い新規率、リピート率 を指標にして、 など次の行動が思いつかない Copyright
2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
19.
KPIの設定はよく間違う ビジネスにとって そのステージで 適切なKPIを計測しているのかを 継続的に検証する Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
20.
虚栄の指標を捨てる ページビュー:ページを踏んだ数、アド広告やバナーなどを 設定していなければ意味が無い指標である。 訪問数:誰がどれくらいの頻度で来ているのかが わからないので意味の無い指標である ユニークな訪問者:サイトに来て何をしたかがわからない ページにとどまったのか、離れたのかが検証できない ページの滞在時間 : どのページに滞在していたかを計測しないと意味が無い、 サポートページやFAQにいたら、カスタマービリティーが 悪いことを示唆している メールサインアップ数:プロモメールを打ってみて実際に どれくらいの数がオープンされたか わからないと意味がない。 Follower,
Fan, Like: 数だけだと意味がない、 重要なことは何かを売り込んだ時に、 どれくらいの人がアクションをしてくれるか Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
21.
So What ? 虚栄の指標は、現状の姿を現している が、”だから何?”というもので 行動に結びつかない Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
22.
”Vanity Metrics(虚栄の指標) はあなたを安心させるが 何をするべきか明確な ガイダンスを提供しない” - Eric
Ries Lean Startup Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
23.
計測を続ければ、右肩あがりの指標 (確証バイアスを正当化する指標)は見つかる 売り上げは 上がっていない Page view を計測すれば 上がっている time Page View page view revenue Copyright
2017 Masayuki Tadokoro All rights reserved
24.
自分の見たいものだけを 見る傾向がある 人間は現実湾曲空間の中 で生きている Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
25.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと カスタマーはwifi使用容量を増やし、 その使用容量を活用できるか? カスタマーがアプリ起動、サインアップする。 広告視聴を行い、貯めた容量を活用する Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 20人日/2週間 イテレーションキャンバス Activation: 30% Retention:25% Revenue: 1日4回 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
26.
数字の裏にいる 人の話を聞こう Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半) Startup Science 2017 (後半)
27.
バックログ 仕掛り中 完了
検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード カスタマーの 話を聞く MVP ストーリー ストーリー 1−1 ストーリー 1−2 Copyright 2017 Masayuki Tadokoro All rights reserved
28.
ユーザーストーリーは ユーザーの主観で成り立っている。 定量的データだけでは、 主観的なインサイトが 削られてしまっている。 Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
29.
MVPを実際に使った カスタマーにインタビューをする Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
30.
・このプロダクトを使って価値を感じましたか? ・もっとも価値を感じることができたフィーチャーの Top3はなんですか? ・なぜそれらのフィーチャーに価値を感じることができ たのですか? ・使わなかったフィーチャー、価値を感じることができ なかったフィーチャーはなんですか? ・なぜ、それらのフィーチャーの価値を感じることがで きなかったのですか? ・このプロダクトを家族や仲の良い友人に勧めますか? MVPインタビューの質問例 Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
31.
Start-up Founderはカスタマーと直接話しながら プロダクトを作ることができる スタートアップの競争優位性 Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
32.
カスタマーとの対話 (Voice of Customer)から インサイトを引き出す Copyright
2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
33.
カスタマーの声そのものは カスタマー自身の素人分析や 表面的であることが多い ただ単に カスタマーの声を聞くだけはNG Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
34.
カスタマーの声を KJ法で定性的に検証 ①インタビュー データを集める ②データを 細かい単位に 分ける ③カードを 平面上に 展開して グループ化する ④ひとまとめした カード群にその グループを適切に 表す表札をつける ⑤グループ相互の 関連性を最も 論理的に説明できる ようカードを並べる ⑥カスタマーの成功 の本当の要因(真因) を言語化する カスタマーの成功 要因 要因 真因 Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
35.
カスタマーの言葉 インサイト インサイト 最も深い インサイト カスタマーインサイトの検証 Copyright 2017 Masayuki
Tadokoro All rights reserved つまり、 どういうことか? つまり、 どういうことか? Startup Science 2017 (後半) つまり、 どういうことか?
36.
インタビュワー:本日はお時間ありがとうございます キャサリン(カスタマー):どういたしまして。 インタビュワー:1週間ほど、弊社のサービスを活用いただいて ますが、いかがでしょうか? キャサリン(カスタマー):満足しています。広告を視聴するこ とで、使用できるwifiの使用量が増えるのはとても便利です。 インタビュワー:なるほど、なぜ、便利に感じるのですか? キャサリン(カスタマー):私は、いつでも、どこでもYoutube を見たいと思っているので、使用量が減ってきたら、また広告を みて容量を足すことができるからです。 カスタマーと話す Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
37.
インタビュわー:なるほど、Youtubeを見るので、常に容量が 減っていくので、継続的に広告を見て容量を足したいというこ とですね。 キャサリンさん(カスタマー):そうです。だいたい、 Youtube5分みると10MBを使い切ってしまいますので、また、 広告視聴に戻って、10MB足すという行為を繰り返しています 。 インタビュワー:なるほど、興味深いですね。その時はどんな 気持ちになっていますか? 大久保さん(カスタマー):正直、少し面倒くさいと感じてい ます。一気に、もっと容量を増やすことができれば、使い勝手 が向上すると思います。 Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
38.
カスタマーの声:とても便利である インサイト:動画を見るために 容量を継続的に加算できる インサイト:広告を見て 動画をみるというのは少し面倒くさい 一回あたりの 使用容量を 増やしたら 使い勝手が上がる Anywhere Onlineの事例 Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半) つまり、 どういうことか? つまり、 どういうことか? つまり、 どういうことか?
39.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと カスタマーはwifi使用容量を増やし、 その使用容量を活用できるか? カスタマーがアプリ起動、サインアップする。 広告視聴を行い、貯めた容量を活用する Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 20人日/2週間 イテレーションキャンバス Activation: 30% Retention:25% Revenue: 1日4回 使い勝手に、難があるが カスタマーは価値を感じながら ソリューションを使っている Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
40.
Copyright 2017 Masayuki
Tadokoro All rights reserved もしCRM システムがあるなら 貯めていく Startup Science 2017 (後半)
41.
MVPにすぐに見切りを つけるのはNGである 一定期間辛抱する 十分な定量データ、定性フィードバック を獲得にしておく Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
42.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと カスタマーはwifi使用容量を増やし、 その使用容量を活用できるか? カスタマーがアプリ起動、サインアップする。 広告視聴を行い、貯めた容量を活用する Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 20人日/2週間 イテレーションキャンバス Activation: 30% Retention:25% Revenue: 1日4回 使い勝手に、難があるが カスタマーは価値を感じながら ソリューションを使っている カスタマーは、価値を感じてつかってもらうことができたが、 一度あたりに加算できる容量が少ないため、継続して使うモチベーションが続かない という学びがあった Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
43.
MVPで学んだことをチームで 言語化・検証していく チーム Copyright 2017 Masayuki
Tadokoro All rights reserved ”MVPを通じて学んだこと” Startup Science 2017 (後半)
44.
チーム内で検証すること ・カスタマーはなぜプロダクトを使ったのか? ・カスタマーはプロダクトのどのフィーチャーに価値を感じたのか?そ れはなぜか? ・カスタマーはなぜプロダクトを使わなかったのか? ・カスタマーはプロダクトのどのフィーチャーに価値を感じたのか?そ れはなぜか? ・自分たちの立てたプロダクトの価値仮説はどこが正しくて、どこが間 違っていたのか? ・カスタマーの考えるプロダクトの評価基準と、自分たちの想定したプ ロダクトの評価基準は合っていたか?ずれていたか? どこが合って、どこがずれていたか? ・MVPからの最大の学びは何か? ・どの既存フィーチャーの改善が必要か?どの既存のフィーチャーを 廃止する必要があるか?どのような追加フィーチャーを加える必要があ るか? Copyright 2017 Masayuki
Tadokoro All rights reserved
45.
組織的な知識創造をプロセス化する 暗黙知 暗黙知 暗黙知暗黙知 形式知 形式知 形式知形式知 個人
個人 G 個 個 個 個 個 個 個人 G G G G 身体や五感を駆使、 直接経験を通じた 暗黙知の獲得 対話、施策、比喩 による概念の仮説の 創造 形式知の 組み合わせに よる知識の体系化 形式知を行動を 通じて具現化 新たな暗黙知として 理解する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
46.
新たな知(=インサイト)は、 経験に基づいて暗黙のうちに持つ 主観的な「暗黙知」と、 言葉で表現できる客観的な「形式知」が、 対話を通して相互に変換し、 スパイラルに循環していくなかで生まれる。 野中 郁次郎 一橋大学名誉教授 Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
47.
カスタマー からの定性的 フィードバック チーム 定量的なデータ 社内の 学びとして 蓄積していく 学びの蓄積 Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
48.
次のステップを どうやって決めるか? Startup Science 2017
(後半)
49.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーの みで十分な価値を提供しているか ? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017
Masayuki Tadokoro All rights reserved
50.
Product-market Fitは 達成できたか? Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
51.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーの みで十分な価値を提供しているか ? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017
Masayuki Tadokoro All rights reserved
52.
”PMFがないと、製品の価値が顧客につたわならい 口コミが広がらない、利用が加速しない。 メディアの評判が最低、 販売サイクルに時間がかかる 。 PMFがあるとすぐにわかる。 製品を作ると顧客が買いに来る。 サービスを追加すると利用が拡大する。 営業や顧客サポートのスタッフが雇える。 記者から連絡がある。” -
マーク アンダリーセン Copyright 2017 Masayuki Tadokoro All rights reserved “Traction”より Startup Science 2017 (後半)
53.
PMF達成基準 チェックシート ✔︎ 高いリテンションを保てるか? ✔︎ カスタマー獲得から売り上げを上げるまで再現 可能なパターンがあるか? ✔︎
資金を投入すれば、LTV>CPAがどんどん改善す るというモデルができているか? ✔︎ リーンキャンバスの全体をみて成立しているか? Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
54.
ショーン・エリス 40%以上のユーザーが “プロダクトがなくなったら非常に残念” と答えたのであれば、 そのプロダクトは今後も継続的に 顧客を獲得できる。 Copyright 2017 Masayuki
Tadokoro All rights reserved “Traction”より Startup Science 2017 (後半)
55.
Product-market-fitが 達成できていないならば、 達成するための”次の施策”を考える Startup Science 2017
(後半)
56.
Product-market-fit MVPを 最初のカスタマ ーに届ける MVPで 何を学ぶか 明らかにする MVPで 何を学ぶかを 明らかにする MVPのタイプを選び、 必要最低機能を持った プロダクトを作る エバンジェリスト カスタマーに 自らデリバリー して学ぶ innovation metricsによる定量計測 カスタマー対話による 定性計測を実施 Hooked model を使い施策検討し実装 カスタマーを ハマらせる プロダクト/UX施策 を実装してローンチ カスタマーに価値を届ける イテレーションを実装 プロダクト イテレーションを 実装してローンチ 定量的計測と 定性的計測を行う MVPを 構築 次のステップを 検討する ビジネスモデルをpivotする ビジネスモデルの Pivotを行う PMFを達成する ための次の施策を 検討する Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
57.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017
Masayuki Tadokoro All rights reserved 次の決定を する際に参考にする
58.
Business Model 1
Business Model 2 Business Model 3 時間 MVP Version2 Version4Version3 Version6Version5 改善改善 改善 改善 改善 改善 改善 改 善 改 善 改 善 Pivot Pivot 同じモデルを保っても PMFが達成できない場合 はPivotを行う
59.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017
Masayuki Tadokoro All rights reserved 同じモデルを保っても PMFが達成できない場合 はPivotを行う
60.
Business Model 1
Business Model 2 Business Model 3 時間 MVP Version2 Version4Version3 Version6Version5 改善改善 改善 改善 改善 改善 改善 改 善 改 善 改 善 Deploy Deploy Deploy Deploy Deploy Deploy Deploy Deploy Deploy UX/機能改善は 継続的に デプロイメントする
61.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017
Masayuki Tadokoro All rights reserved UX/機能改善は 継続的に デプロイメントする
62.
Business Model 1
Business Model 2 Business Model 3 時間 MVP Version2 Version4Version3 Version6Version5 改善改善 改善 改善 改善 改善 改善 改 善 改 善 改 善 Iteration Iteration Iteration Iteration Iteration 学びをベースにした プロダクトイテレーション を回していく
63.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017
Masayuki Tadokoro All rights reserved 学びをベースにした プロダクトイテレーション を回していく
64.
Product-market-fit MVPを 最初のカスタマ ーに届ける MVPで 何を学ぶか 明らかにする MVPで 何を学ぶかを 明らかにする MVPのタイプを選び、 必要最低機能を持った プロダクトを作る エバンジェリスト カスタマーに 自らデリバリー して学ぶ innovation metricsによる定量計測 カスタマー対話による 定性計測を実施 Hooked model を使い施策検討し実装 カスタマーを ハマらせる プロダクト/UX施策 を実装してローンチ カスタマーに価値を届ける イテレーションを実装 プロダクト イテレーションを 実装してローンチ 定量的計測と 定性的計測を行う MVPを 構築 ビジネスモデルをpivotする ビジネスモデルの Pivotを行う Copyright 2017
Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
65.
プロダクト(MVP) のイテレーションを検討する プロダクト(MVP)の 既存フィーチャーは十分な価値を 提供しているか? Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
66.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーは 十分な価値を提供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017
Masayuki Tadokoro All rights reserved
67.
既存のプロダクトフィーチャーで 十分な価値を提供できそうか? Startup Science 2017
(後半)
68.
追加フィーチャー検討よりも 既存フィーチャーの磨き込みを優先する 多くの場合、追加機能は無駄になってしまう *プロダクトの全機能のうち20%が80%使われるという数字がある 機能追加には基本的にNoから始める *機能の追加には隠れたコスト(テスト、調整、複雑性、注意散漫)が増え る Copyright 2017 Masayuki
Tadokoro All rights reserved Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
69.
13% 7% 16% 19% 45% 使わない よく使う いつも使う 時々使う たまに使う よく使われるフィーチャーは全体の 20%である Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
70.
追加フィーチャーよりも フィーチャーを削減することを考慮する
71.
“Kill the feature
- イケてない機能があったら 見つけて、削除(Kill)しろ” Dave McLure Founder of 500 Startup
72.
13% 7% 16% 19% 45% 使わない よく使う いつも使う 時々使う たまに使う 使わないフィーチャーを 削除する! Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
73.
追加フィーチャーを 考慮するケース Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
74.
次のイテレーションで 検討したい課題仮説は何か? をきちんと考慮する Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
75.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャーの みで十分な価値を提供しているか ? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017
Masayuki Tadokoro All rights reserved 機能追加 する!
76.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと カスタマーはwifi使用容量を増やし、 その使用容量を活用できるか? カスタマーがアプリ起動、サインアップする。 広告視聴を行い、貯めた容量を活用する Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 20人日/2週間 イテレーションキャンバス Activation: 30% Retention:25% Revenue: 1日4回 使い勝手に、難があるが カスタマーは価値を感じながら ソリューションを使っている カスタマーは、価値を感じてつかってもらうことができたが、 一度あたりに加算できる容量が少ないため、継続して使うモチベーションが続かない という学びがあった 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する Copyright 2017 Masayuki Tadokoro All rights reserved 機能追加 によって学習したい こと Startup Science 2017 (後半)
77.
課題仮説: カスタマーは、現在の少しずつしか、 wifi使用容量を増やすことができない ソリューションの使い勝手が悪くてイラ イラしている Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
78.
MVPの イテレーションキャンバス Version 2 の イテレーションキャンバス 次のスプリントで 学習/検証したい課題仮説を 新しいイテレーションキャンパスに移す Copyright
2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
79.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
80.
Copyright 2017 Masayuki
Tadokoro All rights reserved 新たなストーリー候補(追加機能)を検討する ストーリー候補①:広告動画を3回連続視聴できるように する(現在は、いちいち、トップページ戻る必要がある) ストーリー候補②:広告視聴あたりに付与される容量を増 やす(現在の10MBから15MB) ストーリー候補③:カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍)の使用容量を追加することができ る Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
81.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチャー のみで十分な価値を提供してい るか? フィーチャー追加による プロダクトイテレーションを検討ストーリー候補を カンバンボードに 貼り付ける Copyright 2017
Masayuki Tadokoro All rights reserved
82.
バックログ 仕掛り中 完了
検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード 次のイテレーション ストーリー候補を 貼り出す MVP ストーリー ストーリー 2−1 ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 Copyright 2017 Masayuki Tadokoro All rights reserved
83.
バックログ 仕掛り中 完了
検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード Verizon2の ストーリーとして 抽出する Version 2 ストーリー MVP ストーリー ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 Copyright 2017 Masayuki Tadokoro All rights reserved
84.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Copyright 2017 Masayuki Tadokoro All rights reserved 同じサイクルを 再び回していく Startup Science 2017 (後半)
85.
バックログ 仕掛り中 完了
検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード 構築を 開始する Version 2 ストーリー MVP ストーリー ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 Copyright 2017 Masayuki Tadokoro All rights reserved
86.
起動画面 メニュー画面 Anywhere onlineの Version
2のストーリー 使用確認 確認画面 アンケート 画面 確認 画面 広告視聴 確認 画面 追加された ストーリー Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
87.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 5人日/1週間 KPI/KGI 実装イメージ 工数見積もり を洗い出す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
88.
バックログ 仕掛り中 完了
検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード MVP ストーリー Version 2 ストーリー 構築・ローンチ して定量検証 を行う ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 Copyright 2017 Masayuki Tadokoro All rights reserved
89.
登録 画面 メニュー 画面 広告視聴 開始 広告視聴 完了 wifi使用 開始画面 wifi使用 開始 Activation率 登録した割合: 90% Activation率 一連操作を最後 までやった割合: 35% ログイン 画面 メニュー 画面 広告視聴 開始 広告視聴 完了 Retention率 登録後三日以内の ログイン率: 25% Revenue 1日の広告視聴及び アンケート回答の回数: 6回 Anytime online Ver
2 をローンチして結果を計測する アンケート 画面 確認 画面 アンケート 画面 確認 画面 Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
90.
スプリットテストをベースにして コホート分析レポートを作成する Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
91.
スプリットテスト: 対象者をランダムなグループにわけて各グループ (コントロールグループAと被験グループB) の行動そ計測し比較する科学的な実験 *グループに分けるときは、 一つ以上の条件を変更して測定する Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
92.
コホート分析: 自分たちが行った施策が、サービス にどのような影響を与えたのかを可 視化する。その結果を次の施策へフ ィードバックするための 分析手法のこと。 Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
93.
MVPの 計測結果(実数) MVPの 計測結果(割合) Version 2 計測結果(実数) Version 計測結果(割合) 目標値 アクイジション (訪問者) 332人
100% 325人 100% 100% アクティベーション (登録) 305人 90% 291人 90% 95% アクティベーション (作業完了) 93人 30% 102人 35% 80% Retention (三日以内再訪) 23人 25% 25人 25% 80% Revenue (ユーザー一人あたりの 1日平均広告視聴回数) 4.2回 4.2回 6.1回 6.1回 10回 MVPと バージョン2の 比較を行う MVPと バージョン2の 比較を行う Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
94.
スプリットテスト/コホートレポートを 導入すると短期的な仕事が煩雑になる。 しかし、定量的な評価システムを実装する ことで長期的には時間が大幅に節約できる Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
95.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 5人日/1週間 MVP Version 2 Activation(sign-up) 90% 90% Activation(作業完了) 30% 35% Retention(3日以内ログイン) (三日以内再訪) 25% 25% Revenue(1日当たりの広告視聴 及びアンケート返信回数) 4回 6回 定量的な結果 を書き出す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
96.
Version2を実際に使った カスタマーにインタビューをする Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
97.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 5人日/1週間 MVP Version 2 Activation(sign-up) 90% 90% Activation(作業完了) 30% 35% Retention(3日以内ログイン) (三日以内再訪) 25% 25% Revenue (1日当たりの広告視聴 及びアンケート返信回数) 4回 6回 定量的な 結果を書き出す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
98.
学習したいこと 学習するために検証するストーリー 検証するためにどの指標を計測するか? 何を構築するか 構築にかかる コスト・時間 定量的な結果
定性的な結果 得た学びは 次回以降のスプリントで学習したいこと イテレーションキャンバス 一度あたりに加算できる容量を増やすことができれば、カスタマーの煩わしさを解消することが できる。それによって、カスタマーの定着率が改善するかを学習する カスタマーがアンケートに答えたら、 30MB(広告視聴の3倍) の使用容量を追加することができる Activation: 登録率、一連操作完了率 Retention:三日以内再訪問率 Revenue:1日あたりの1日平均広告視聴回数 5人日/1週間 MVP Version 2 Activation(sign-up) 90% 90% Activation(作業完了) 30% 35% Retention(3日以内ログイン) (三日以内再訪) 25% 25% Revenue (1日当たりの広告視聴 及びアンケート返信回数) 4回 6回 得た学びを 書き出す Copyright 2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
99.
イテレーションのバッチサイズは 時間とともに大きくなりがちである バッチを次の段階に すすめると、追加作業、やり直し、 遅延、割り込みなどが発生する このオーバーヘッドを小さくしようと バッチサイズが自然と大きくなってしまう Copyright 2017 Masayuki
Tadokoro All rights reserved 注意点 Startup Science 2017 (後半)
100.
バックログ 仕掛り中 完了
検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード 面倒臭いんで 二つのストーリー (フィーチャー) を一緒に更新して テストしよう ストーリー ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 ストーリー ストーリーストーリー ストーリー ストーリー ストーリー (上限数3)(上限数3) (上限数3)(上限数3)(上限数3) Copyright 2017 Masayuki Tadokoro All rights reserved
101.
バックログ 仕掛り中 完了
検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード バッチサイズを 大きくして 一気に検証 ストーリー ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 ストーリー ストーリーストーリー ストーリー ストーリー (上限数3)(上限数3) (上限数3)(上限数3)(上限数3) Copyright 2017 Masayuki Tadokoro All rights reserved
102.
バックログ 仕掛り中 完了
検証 バックログ ストーリー このイテレーション で学習したい ストーリーを抽出 構築 構築完了 ローンチ 定量検証 (スプリットテスト 、コホート分析) カスタマーと話して 定性検証/ 内省する ストーリーカンバンボード どっちのストーリー (機能)が 効果があるのか わからない、、 ストーリー ストーリー 1−1 ストーリー 1−2 ストーリー 2−2 ストーリー 2−3 ストーリー ストーリーストーリー ストーリー (上限数3)(上限数3) (上限数3)(上限数3)(上限数3) Copyright 2017 Masayuki Tadokoro All rights reserved ストーリー
103.
巨大バッチの 死のスパイラルに陥ってしまう バッチサイズを大きくしてしまうと 毎イテレーションから学習する という目的が達成されなくなる Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
104.
工数が比較的少ない 簡単なフィーチャー追加の場合は、 タスクボードに追加する Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
105.
No Yes ストーリーカンバンボードに ストーリーとして追加 プロダクト(MVP)を ローンチして定量・定性分析する PMFを達成できたか? 同じビジネスモデル で改善続ければ達成できそうか? スケールするために 組織をトランジションする Yes Pivotを検討 No Yes No 次のステップを決定するフローチャート Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィーチャー / 工数はかかるか? ストーリーカンバンボードに ストーリーとして追加 Yes No タスクカンバンボードに フィーチャーとして追加 大きなフィチャー/ 工数はかかるか? 既存フィーチャのUX/機能改善 を検討 プロダクトの既存フィーチ ャーのみで十分な価値を提 供しているか? フィーチャー追加による プロダクトイテレーションを検討 Copyright 2017
Masayuki Tadokoro All rights reserved 工数が小さいものは タスクとして扱う!
106.
実装するタイミングが 近づいてきたら必要な項目の分析を行い 必要な機能を必要な時に作る ジャストインタイムを採用 Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
107.
・最新かつ、もっとも充実した情報に基づいて分 析できる(今やる理由を問い続ける) ・開発者はカスタマーから学ぶ機会を増やせる ・手戻りが大量に発生することを防げる ・ひとつひとつの施策(バッチ)に対して、スプ リットテスト/コホート分析をすることによって施 策の品質を早期に検証できる ジャストインタイムの効果 Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
108.
Product Market-Fit リスク (=カスタマーが 欲しいものを 作れないリスク) 時間 カスタマーの フィードバックが ないと、PMFリスクが 増え続ける カスタマーの声を聞きながら小さいバッチを回して ”人が欲しがらないものを作ってしまう”リスクを減らす カスタマーの フィードバックをと PMFリスクを抑える ことができる 高 低 x Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
109.
ジャストインタイムを リズミカルに運営する方法 ・タスクカンバンボードを活用する ・デイリースタンドアップを行う ・カスタマーとの対話をベースに開発を進める ・文書化をせずに開発を進める *ただし、カスタマーインサイトに関しては資産化/共有していく Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
110.
バックログ 仕掛り中 完了
検証 バックログ ストーリー 構築 構築完了 ローンチ 定量検証 (スプリットテスト、コホー ト分析) タスクカンバンボードの活用 フィーチャー フィーチャー フィーチャー 優先順位の高い フィーチャーから 上位に置いていく Copyright 2017 Masayuki Tadokoro All rights reserved
111.
バックログ 仕掛り中 完了
検証 バックログ ストーリー 構築 構築完了 ローンチ 定量検証 (スプリットテスト、コホー ト分析) タスクカンバンボードの活用 フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー (上限数3)(上限数3)(上限数3)(上限数3) ストーリーカンバン ボード同様 上限数を設ける Copyright 2017 Masayuki Tadokoro All rights reserved
112.
バックログ 仕掛り中 完了
検証 バックログ ストーリー 構築 構築完了 ローンチ 定量検証 (スプリットテスト、コホー ト分析) タスクカンバンボードの活用 フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー フィーチャー (上限数3)(上限数3)(上限数3)(上限数3) ボトルネックがある場合は そこにリソースを投入して スループットを増やす Copyright 2017 Masayuki Tadokoro All rights reserved
113.
開発の進捗を デイリーStand upミーティング で共有する デイリーStand upで共有する3つのこと ①昨日やったこと ②今日やること ③チームの開発速度を下げてしまう障壁 Copyright
2017 Masayuki Tadokoro All rights reserved Startup Science 2017 (後半)
114.
開発する際に 文書化はしない 文書化すると、 文書にどうにか合わせること 優先順位が上がってしまう Copyright 2017 Masayuki
Tadokoro All rights reserved Startup Science 2017 (後半)
115.
カスタマー からの定性的 フィードバック チーム 定量的なデータ 社内の 学びとして 蓄積していく 学びの蓄積 カスタマーのインサイトは文書化して、 チーム内で共有するようにする Copyright 2017 Masayuki
Tadokoro All rights reserved
116.
プロダクトイテレーションは リズミカルに廻していく Copyright 2017 Masayuki
Tadokoro All rights reserved
Notes de l'éditeur
How to start a startup
seedの段階
たとえば、Gameが大好きだけど、
http://500hats.typepad.com/500blogs/2007/06/internet-market.html 顧客がサービスに登録してから最初の体験に満足するまでの 道筋をしめしたものである
5000人 500人 50人 25人 5人
行動しやすさ、わかりやすさ、チェックしやすさ
https://blog.kissmetrics.com/throw-away-vanity-metrics/
Set up one-on-one interview in order to get feedback. Avoid one-to-N interview, since you cannot hear open opinions P163 start-up owener’s manual
インタビューの分析:KJ法を行う ユーザビリティエンジニアリング 1099
http://blogs.wsj.com/accelerators/2014/06/03/jessica-livingston-why-startups-need-to-focus-on-sales-not-marketing/
http://genius.com/Emmett-shear-lecture-16-how-to-run-a-user-interview-annotated
http://blogs.wsj.com/accelerators/2014/06/03/jessica-livingston-why-startups-need-to-focus-on-sales-not-marketing/
新たな知は、経験に基づいて暗黙のうちに持つ主観的な「暗黙知」と、言葉で表現できる客観的な「形式知」が、対話を通して相互に変換し、スパイラルに循環していくなかで生まれる。 http://systemincome.com/tag/野中郁次郎 タグ&個別ページへのリンク
PMFがないと、製品の価値が顧客につたわならい 口コミが広がらない、利用が加速しない。 メディアの評判が最低、 販売サイクルに時間がかかる PMFがあるとすぐにわかる 製品を作ると顧客が買いに来る サービスを追加すると利用が拡大する。 営業や顧客サポートのスタッフが雇える 記者から連絡がある マークアンダリーセン
ー十分に痛みのある課題の存在が存在することを確証した ー課題を解決するのに必要最小限の機能が明確にできた ーソリューションを使ってくれそうな顧客プロフィールが特定できた
ショーンエリスのテスト <プロダクト>が使えなくなったときにどう思いますか? 1 非常に残念 2 少し残念 3 残念でない 4 すでに<>を使っていない 40%以上のユーザーが非常に残念と 答えたのであれば、この”絶対に必要”な製品は 今後も継続的に顧客を獲得できる 40%という数値は数百社のスタートアップを参考にして 決めたものだ。 40%以上を獲得したスタートアップは、 ビジネスを継続的に拡大している 40%を大きく下回ると、たいてい苦戦している アクティベーションのすんだユーザーのうち毎月40% 以上定着すれば、 初期のトラクションがあることになる
seedの段階
seedの段階
30MB