データの山を使用可能で意味のある洞察に変える方法（2021ガイド）

目の前にあるすべてのデータに圧倒されていますか？

そこには前例のない豊富なデータがありますが、どうすればそれを実用的な洞察に変えることができますか？

ご覧のとおり、データから洞察への道のりには課題がたくさんあります。 それらと戦うための強力な一連のステップが必要になります。

ここでは、大量のデータから洞察を抽出し、役に立たない情報を切り取り、組織内でデータに基づく意思決定を迅速化する方法を紹介します。

データとインサイトとは何ですか？

それに入る前に、データと洞察が何を意味するのかを定義しましょう。

• データは、観察を通じて収集された事実と統計です。 それらは、数字、テキスト、画像、音声などである可能性があります。
  
  これを見通しに入れましょう：
  
  eコマースストアを所有していて、Google Analytics（GA）をアクティブにしているとすると、オンラインストアをナビゲートする各ユーザーは、GAによって取得されたデジタルフットプリントをいくつか残します。
  
  これには、人口統計データ、デバイス、ブラウザなどが含まれます。これらの生の事実を見ると、構造化されておらず、コンテキストがない場合があるため、おそらくぎこちなく見えます。

  

• 情報は、このデータを洗練し、構造とコンテキストを与えることの産物です。 このように、データは肉眼でもう少し意味があります。
  
  eコマースストアの場合、例としてGAダッシュボードがあります。 すべてのデータがまとめられ、コンテキストで提示されると、それは消費可能であり、そこから洞察を引き出すことができます。

  

• 洞察は、情報の理解から得られる貴重な知識です。 情報（またはデータ）を消費し、そのコンテキストおよび利用可能な他の情報内でそれを正確に解釈すると、洞察に到達します。
  
  ビジネスの世界では、洞察はデータ収集の全体的なポイントです。 洞察は、観察している操作の内部動作を調べることと考えてください。 それらはデータから意味のある物語を語ります。

インサイトの例

効果的なデータ分析を通じて、結婚式を計画しているときに顧客の97％があなたを見つけていることを特定することは、洞察の例です。

それ自体は、知っておくと便利な情報にすぎません。

しかし、これを使用してブランドと顧客に具体的な価値をもたらす計画を立てる場合、それは実用的な洞察です。 たとえば、この情報を使用して、結び目を結ぶ人をターゲットにした広告キャンペーンを計画できます。

あなたはすでにこの聴衆があなたに惹かれていることを知っています。 したがって、高いROAS（広告費用対効果）はそれほど驚くことではありません。

データをこのような洞察に変換する前に、まずデータを収集してから分析する必要があります。

データを収集できるさまざまな方法

ほとんどの企業は、さまざまな方法を使用して複数のソースからデータを収集します。 また、各メソッドには独自のルールセットが付属しています。

たとえば、Google Analyticsは、JavaScriptとトラッキングコードを使用してデータを収集します。

トラッキングコードがページに追加されると、スクリプトはデータをGoogleサーバーに送信します。 これには、ページデータ（URL、タイトル）、ブラウザデータ（ビューポート、画面解像度）、ユーザーデータ（場所、言語）などが含まれます。

これは、Facebook、Twitter、Instagram、およびその他のサイトのソーシャルメディア分析に似ています。 以下からデータを収集することもできます。

• 調査
• 市場成長統計
• トランザクションデータの追跡
• 顧客フィードバック分析
• サブスクリプションおよび登録データなど。

ここから、データは次のステップに移動します。

データ分析とデータ分析

一般的な使用法とは異なり、これらの用語は同じ意味ではありません。

• データ分析は、データを収集して使用する科学です。 それは、生データを収集してから行動を起こすまでのすべてです。 これには、機械学習、統計、コンピューターベースのモデルを使用したデータの収集、整理、保存、分析が含まれます。
• データ分析は、データ分析のサブコンポーネントです。 データ分析は、貴重な情報を抽出し、それを使用して意思決定や行動に情報を提供することを最終目標として、データを調査、クリーニング、変換、および整理するプロセスです。

通常の組織では、データ分析を使用して洞察を引き出すのは、通常、データサイエンティスト、エグゼクティブ、およびマネージャーだけです。

効率的なデータ主導の組織は、データへのアクセスとデータの理解をすべてのメンバーに分散させる必要があります。

これにより、ゲームを変えるコンセプトであるデータの民主化が実現します。

データの民主化とは何ですか？

データの民主化とは、超専門的な専門知識の障壁なしに、組織内のすべての人がデータを利用できるようにすることを意味します。 つまり、組織内の誰もがデータにアクセスして理解し、それを使用して意思決定や推奨を行うことができます。

アイデアは、（データに関して）実践的なデッキが多ければ多いほど、会社はデータ主導の意思決定文化を上から下へとより早く採用するということです。

しかし、落とし穴があります。

このレベルのアクセスでは、データのセキュリティと整合性を維持することが難しくなります。 訓練を受けたアナリストの専門知識がない人がデータを誤って解釈する可能性もあります。

それでも、データの民主化は、データ主導の意思決定をよりスマートかつ迅速に行い、顧客体験を向上させるための重要な推進力です。

Royal Bank of Scotlandのマーケターは、マーケティング以外の同僚を顧客体験の最適化プロセスに参加させることがいかに効率的であるかを示しました。

データから洞察を生成する際の課題

データから洞察への道は、課題に満ちています。 データ駆動型アクションの代替案がより魅力的に見えるほどです。

マーケター、データサイエンティスト、経営幹部、および毎日のデータを扱うその他の専門家は同意しているようです。

私は（こことここで）簡単な世論調査を実行し、データ検証がそれらの39％にとって最大の課題であることを明らかにしました。 困難をデータの量に起因すると考えたのはわずか11％でした。 28％はさまざまなソースからのデータの統合に取り組み、22％は関連する時間と労力を挙げています。

これらの4つとは別に、データを実用的な結果に変換する際のその他の課題は次のとおりです。

• データにアクセスできない
• データの質が悪い、および
• ROIを実現するためのプレッシャー

ChallengerDigitalの創設者であるStevenAlexanderYoungにとって、最大の課題は、パフォーマンスの変化の背後にある変数を分離することです。 分析データは必ずしも完全なストーリーを伝えるとは限りません。

ここでトラフィックが減少したのは、誰かがページに変更を加えたためでしたか（もしそうなら、何を）？ ページが変更されなかった場合、競合他社はたまたまSEOを強化し、あなたを追い越しましたか（もしそうなら、誰が）？ （…）電話でクライアントに詳細を提供してもらい、問題を除外することができたとしても、回答を追跡するために、チーム内で自分のガチョウを追いかけなければならないことがよくあります。 もちろん、これと並行して、Googleのアルゴリズム更新の可能性が常に存在します。

ULProspectorのリードデータサイエンティストであるThomIves（Ph.D.）は、データを精製および洗浄が必要な原油に例えました。 彼は、データが「間違った方法で処理されると危険になる可能性がある」と警告しています。

これは意思決定者を緊張させます。

結局のところ、企業の74％がデータ駆動型になりたいと同意しているにもかかわらず、Forresterのレポートによると、分析結果に基づいて行動できるのは29％にすぎません。

データ主導の意思決定はビジネスの成長に優れているだけでなく、間違いは壊滅的なものになる可能性があります。 おそらく、間違いを犯す可能性は、経験や直感によって決定を下す、または単に現状を追う他の71％の大部分を思いとどまらせました。

多くの場合、これは、59ゼタバイトのデータ（59の後に21個のゼロが続く！）を利用してビジネスを変革する洞察を生成することを犠牲にして発生します。

WynterのCEOであるPeepLajaは、「私たちはデータが豊富ですが、洞察力が乏しい」と適切に要約しています。

データをインサイトに変えるための10の実用的なステップ

指標は簡単です。 洞察は困難です。多くのデータを収集することは1つですが、それらを貴重な資産にすることは別のことです。 ありがたいことに、答えを得るための試行錯誤された方法があります。

科学的方法の手がかり。

ただし、これはエウレカの瞬間ではありません。 科学者は、何世紀にもわたってデータから洞察を引き出すときにこの方法を使用してきました。

科学的方法からインスピレーションを得て、実用的な洞察と推奨事項への道を開く10のステップを紹介します。

すぐに飛び込みましょう：

1.適切な質問から始めます

データを掘り下げる前に適切な質問をすることで、間違ったことに時間を費やすことがなくなります。

旅行に出る前に明確な目的地を設定するようなものです。

データの山をくまなく調べる前に、データにどのような質問に答えてほしいかを考えてください。 そうすれば、ビジネス目標に影響を与えない洞察を思い付くのを避けることができます。

SaaS企業の場合、最初にいくつかの質問があります。

• 何人のブログ投稿リーダーが他のコンテンツに移動しましたか？
• ウェブサイトのトラフィックの何パーセントが購入者のペルソナに適合していますか？
• セールスファネルのどの段階で最もリークが発生しますか？

2.適切なメトリックを追跡します（バニティメトリックはありません！）

ビジネスを正しい方向に導く洞察は、間違った指標を見つめることから得られるものではありません。

特にバニティメトリック。 見栄えは良くなりますが、洞察のフレームワークには追加されません。 例：ページビューとクリック数。

さらに、間違ったメトリックは気を散らす可能性があります。 手順1で回答が必要な質問を決定したので、追跡する必要のあるメトリックを特定します。

StearsBusinessのデータサイエンティストであるAniekanInyangは、業界固有のニュアンスを考慮しないように警告しています。

これにより、関連するメトリックを追跡したり、誤って解釈したりするのではなく、メトリックを追跡するために間違った機能を選択する可能性があります。

それを使用して、テストできる仮説への道を打ち破ります。

3.最終目標を述べる

ほとんどの場合、事前テストで特定のビジネス目標があります。 これらは、テストの目的と密接に一致している必要があります。

あなたが始めた質問から、あなたはあなたが追跡したいものを理解しました。 しかし、これで何を達成することを目指していますか？

特定の測定可能な仮説を立てるのに役立つので、これを書き留めてください。

4.データソースを統合します

あなたが持っているデータセットは母集団のほんの一部であり、必ずしも完全な話をするわけではありません。

トムアイブス博士は次のように述べています。

それは私たちが知らないバイアスを持っているかもしれず、すべてのデータよりも弱くなるでしょう。

収集する実用的なデータが多いほど、正確なストーリーに近づきます。

すべてのソースをまとめると、データの解釈がブルズアイに近づきます。 適切なツールを使用してさまざまなソースを統合し、有意義な顧客インサイトの収集を見逃さないようにしてください。

5.コンテキストとビジュアルを使用してデータセットを簡素化する

今日のデータでは、ビジュアルはかなり一般的です。 理解できない生の形式のデータに遭遇することはほとんどありません。 それでも、適切なコンテキストがないと、完全なストーリーが得られないか、間違ったストーリーが得られます。

コンテキストとして、5Wを使用してデータを分析します。

• 誰（聴衆、リード、見込み客）
• 何（目標、イベント、観察）
• いつ（時間枠、スケジュール）
• 場所（ウェブページ、ソーシャルメディア、ランディングページ）、および
• なぜ、（なぜそれが起こったのですか？）

コンテキストにより、データが画面から飛び出し、その背後により多くの意味があります。 間違いを犯す可能性を減らします。

正確なビジュアルに加えて、それらのチャンスはさらに低くなります。 しかし、ビジュアルにもエラーが発生します。

たとえば、バブルチャートでコストのかかる間違いを犯すのはよくあることです。 バブルの面積ではなく半径を対応する値に変更すると、次の図のようにデータのストーリーテリングが不正確になります。

左上のオレンジ色のバブルとその横の緑色のバブルを強調してみましょう。 オレンジ色の泡は、隣の緑の泡の4倍の大きさに見えます。

内部に実際の値がラベル付けされていないと、誤解を招く可能性があります。 オレンジ色のバブルの値（18億4,000万ドル）は、緑色のバブルの値（9億2,000万ドル）のわずか2倍です。

これがFoxNewsによる面白い失敗です：

6.データをセグメント化する

データをセグメントに分割すると、データをよりよく理解するのに役立ちます。 たとえば、Google Analyticsには、これを簡単に実行できる機能が組み込まれています。

特定の類似点に従ってWebトラフィックを分割すると、洞察を抽出するプロセスが簡素化されます。 セグメンテーションは、ターゲットオーディエンスの理解を深めることができます。

また、セグメント化するときは、古い学齢期と性別のセグメントを超えて考えてください。 Web訪問者をグループ化するための詳細がはるかにあります。

これを行う1つの方法は、トランザクションの価値（つまり、顧客が製品に費やす可能性が高い金額）によって顧客をセグメント化することです。 これを実現するには、過去のトランザクションデータを使用する必要があります。 費やした金額、費やした頻度、購入した製品の価値などのデータ。

この単純さを一度経験すると、それはすぐに洞察戦略の主要なプロセスになります。

適切なデータセグメンテーションの重要性を示す別の例を次に示します。

7.適切な時間枠でデータを表示する

ある時間の断片から引き出された洞察に基づいて意思決定を行うことは、悲惨なことになる可能性があります。 履歴データへの参照がゼロの小さな画像だけを見ると、一般的なエラーになります。

通常、データには裏話があります。

現在を理解するためにそれをチェックすることが重要です。 休日、季節、景気循環などの外部の影響に応じて、過去にイベントが発生することがありました。

トレンドの全範囲を調査して物事をより正確に読み取るときは、これを考慮に入れてください。

8.適切なパターンを見つける

上昇と下降—折れ線グラフで観察するのが最も簡単な2つの傾向。 これは通常、ページビューとエンゲージメントデータがGAに表示される方法です。

時系列プロットや散布図などの他のタイプのプロットは、データのパターンを描くのに役立ちます。 上昇傾向または下降傾向があるときを見つけたり、2つの変数間の相関関係を視覚化したりすることができます。

それらはすべて、データの背後にあるストーリーを明らかにするように調整されています。 注意点：パターンをコンテキストから切り離して表示しないでください。

あなたのプロットを分析する際に、MITのラマ・ラマクリシュナン教授はあなたのプロットを予備的な期待と一致させることを提案します：

一致しないものはありますか？ 「それは奇妙だ」または「それは意味がない」とあなたを動かすものは何ですか？ ズームインして、あなたのビジネスでその奇妙なことがそのようなデータに現れる原因を理解してみてください。 これは重要なステップです。 （…）あなたはビジネスへの洞察を見つけて、あなたの理解を深めたかもしれません。 または、データの収集または計算方法にバグがあることに気付く場合があります（Twymanの法則）。

9.勝利の仮説を立てる

データを分析して正確な推論を引き出したら、テストできる仮説を立てるときが来ました。

仮説を立てる際には、実験で検証できる問題の解決策を考え出します。

測定可能な仮説は、次の3つの部分で構成されます。

• 観察、
• 実行、および
• 結果

これがConvertパートナーからの実際の例です。

観察：分析データから、主力製品のページで高いバウンス率が観察されました。 また、調査、世論調査、ユーザビリティ調査を実施したところ、ユーザーが当社の製品の価値を理解しておらず、信頼していないことがわかりました。 また、ほとんどの訪問者はページをさらに下にスクロールしませんでした。

実行：より多くのページ訪問者を維持し、信頼の問題に対処し、ページのコンバージョンを増やすために、折り畳み領域により良いコピーを追加したいと考えています。

結果：これにより、より多くのWeb訪問者がページをスクロールし、当社の主力製品を望み、それを購入することになります。 これは、低いバウンス率、高いコンバージョン率、および収益によって測定されます。

ここに着陸したら、次のステップはテストです。

この例は、印象的な結果につながった実際の仮説です。 実験の詳細については、以下の最初の実用的な洞察の例を確認してください。

10.実験の準備をする

上記の仮説を使用すると、エキスパートコンバージョン率オプティマイザーが行うことを実行してテストを実行できます。

この時点まで、あなたの仮説は、たとえデータから生まれたとしても、直感と同じくらい良いものです。

実験することで、確固たる事実の作成に近づくことができます。

ここから、データ分析のROIを取得し始めます。

科学的アプローチは、私たちの生の、理解できないデータを読みやすいものに変えるのに役立ちました。 次に、データ分析の力を適用して、そこに含まれるジューシーな洞察を明らかにしました。

これらの洞察から測定可能な仮説を立て、次の論理的なステップである実験を行いました。

これらの手順を実行するためのツールは何百もあります。 しかし、Convertは最終的にそれらをすべて結び付け、私たちの究極の目標である実用的な洞察に導きます。

Convertは数十のツールと統合されているため、収益の増加に直接つながる非常に強力な洞察を実験して発見できます。 無料トライアルで統合を変換してみてください

インサイトを超えて：インサイトを戦略に変える方法

インサイトは、戦略に変換されて実行されない場合、ビジネス目標を達成するのに役立ちません。

得られた洞察を実際にどのように使用して、組織の収益に直接影響するプラスのメリットを推進できますか？

3つの例を共有しましょう：

データを実用的な洞察の例に変える

ケーススタディ＃1：SplitBaseがGoogleアナリティクスを使用して、コンバージョンが27％増加する機会を明らかにした実験のデータを収集する方法

BestSelf Co.は、主力製品のページでリークを発見しました。 そこで彼らはSplitBaseと協力してプラグを差し込みました。

彼らはどうやってそれをしましたか？

世論調査、調査、ヒートマップなどのデータを収集するためのさまざまな手段を使用して、彼らは犯人を見つけました。

製品のメリットが十分に伝わっていなかったため、人々は折り目部分を通り抜けることさえできませんでした。 これから、彼らは私たちが以前に共有した仮説を作り上げました。

彼らはテストを実行し、彼らが正しいことを発見しました。 製品の主な利点と社会的証明を明確に示す新しい見出しは、製品の売上を大幅に押し上げました。

ケーススタディ＃2：この送料無料のプロモーションはお金を稼いだり失ったりしましたか？

これは、豪華な手作りのガラスのeコマースストアを運営しているチームの心の質問でした。

彼らは送料無料のプロモーションを開始し、コンバージョン率の上昇を発見しました。 これらの製品を顧客に輸送するコストを考慮すると、それはより多くのお金を意味しましたが、このオファーは輸送コストを相殺するのに十分でしたか？

さて、彼らはどうやって答えを見つけたのか…

彼らは、コンバージョン率の最適化機関であるBrave Oneに呼びかけました。彼は、彼らが負けているのか利益を上げているのか、そしてどれだけの利益を上げているのかを調べる計画を立てました。

データを収集するためのGoogleAnalyticsとMixpanelと実験のためのConvertを使用して、Brave Oneは、オファーのないサイトとオファーのあるバージョンを比較しました。

オファーを使用してビジネスを実行すると、同じ時間枠内で実行しない場合よりも16,000ドル多くなりました。

ケーススタディ＃3：データは、ナイキがターゲティングを調整し、より多くのオーディエンスの心に触れるのに役立ちました

ナイキが2012年のオリンピックの開始時に「FindYourGreatness」と呼ばれるキャンペーンを開始したいと思ったとき、彼らはデータを掘り下げてこれを見つけました。

彼らのターゲットオーディエンスのほとんどはプロスポーツ選手ではありませんでした。 彼らはプロを賞賛し、彼らのようになりたいと思った人々でした。

彼らはこれで何をしましたか？

彼らはターゲティングを調整しました。

ナイキは通常、プロアスリートを追いかけます。 しかし今回は、フィットネスレベルに関係なく、すべての人に限界を押し上げるように促すことにしました。

キャンペーンの動画の1つは、300万回以上再生されました。

そしてそれだけではありません。アディダスはオリンピックのスポンサーになるために数百万ドルを費やしましたが、ナイキはそのマーケティング予算の半分未満で同じレベルの露出を楽しんでいました。

まとめ

実験は、最適化の旅の終わりを示すものではありません。

私たちは常に洞察に気づいているわけではないので、それは継続的なプロセスでなければなりません。

また、覚えておいてください…社内のデータ分析を行うスキルが不足している場合でも、データの専門家のノウハウにいつでも頼ることができます。

Thom Ives博士は、より多くのデータが入ってくると、古いデータで行った推論を洗練する必要があると示唆しています。

そして良いニュースは？ このようにして、オーディエンスをより代表する洞察にアプローチし続け、より正確な予測と決定を行います。