グロースハックの旅へようこそ #3

DMMオンラインサロンアワード2017で

【2017年 日本で最もコミュニケーションが活発だったサロン】に選ばれました!!




日本一コミュニケーションが活発なオンラインサロン「ファーストペンギン大学」はこちら▼▼

トリイ学長です。

今回もグロースハックの実践風景をお見せしていこうと思います。

現段階でサービスのローンチから1年7ヵ月が経過しました。

先にここまでの流れをまとめると、ローンチ当初は「フロントエンドサービスとしてのコミュニティ」という立ち位置でスタートし、3か月後に「せっかくだから日本一のサービスを創ろう」ということでピボットして「交流を重要視したオンラインマッチングサービスとしてのコミュニティ」に変えました。

2017年4月~9月の半年間で、「オンラインマッチングによってオンリーワンのバリューが提供できる」ということは検証できた(バリュー部分の検証が完了した)のですが、次は「マッチングがシステマイズされていないのでスケールできない」という問題に対応する必要が出てきました。

そこで2017年10月からは「バリューを維持したままスケーラビリティを出すにはどうすればいいか」ということで色々とテストを繰り返し、5ヵ月間のテストを経て2017年3月に「システマイズされたマッチングを提供するサービス」にピボットしました。

そこからさらに「瞬間的なマッチングではなく、生涯学習を支援できるプラットフォームにするにはどうすればよいか」というサステイナビリティの問題に取り組みました。ここについては、まだ取り組んでいる最中という状況ですが、「マッチングサービスとしてのメディア」を構築していくという方向性で固まってきています。

参加型メディアでゆるく繋がりあい、受動的にサービスを消費する中で「学習するモチベーションを想像」してもらい、能動的なシーンではオンラインのマッチングシステムによって「出会いを創造」することで、実践につなげて成長を促す。それらの活動を「文化」と「評価制度」によって包み込むことで、【環境】を提供する。この【環境】という包括的な要素が、ただのマッチングと違ったオンリーワンのバリューになります。

上記の流れで、ローンチから1年7ヵ月が経過してきました。

ちなみに、あまり経験のない人は「めちゃくちゃバタバタ変更している」ように感じるかもしれませんが、WEB系のサービスはベータ版を初期ローンチしてから最初の数年はこういった動きになるのは珍しくありません。新しいサービスは、表に出てきた時点で、実際には水面下で2年くらいこのような動きをしているものです。(後発で技術力や資金力で追いかける場合は別です)

コンシューマー向けのサービスでスケールのために重要なのは、細かいUXの調整だと私は考えています。

コアバリュー⇒スケーラビリティ⇒サステイナビリティという順でやっとサービスが大きく固まってきたので、ここからはグロースハックの実践によって細かいUX調整を行っていこうと考えているのが今だという話になります。

ここまでの実践

ここまで行ってきた内容についてまとめると、

  • AARRRではなくARRRAモデルで行うことを決定
  • アクティベーションのKGIを3ヵ月後の残留率とする
  • KGIにひもづくKPIを「入会後1か月以内のゼミの参加率」と「入会後1か月以内のゼミの参加者の3ヵ月後の残留率」の2つに設定
  • KPIをそれぞれ80%を目指すことで、KGI73%を目標値とする
  • 期待値調整のためLPを変更し、マッチング寄りにした
  • チュートリアルの改善でオリエンテーションへの誘導を強化する仕組みを創った
  • オリエンテーションのバリエーションを増やした
  • 入会後のオリエンテーション参加までのアクションコストを減らした

上記になります。

7月時点で「入会後1か月以内のゼミの参加率」については70%まで上げられているので、上記施策によって8月にはおそらく80%の目標値が達成できる見込みです。

もう一つのKPI「入会後1か月以内のゼミの参加者の3ヵ月後の残留率」は現状60%という状況で、達成見込みでも70%しか見えていません。

こちらについては、原因が良く分かっていないのでユーザーに聞くしかありません。ですので、「入会後1か月以内にゼミに参加したが、3ヵ月以内に退会してしまったユーザー(アクティベーションの要件を満たしたはずなのに、実際にはアクティベーションしなかったユーザー)」を識別し、アカウント単位で追いかけて原因を考え、仮説を立ててから施策を打っていく必要があります。

この場合あり得るのは、

Aだと思っていたけどBだった

という「期待値とずれていた」ケースです。この場合に、「Aだと思っていたけどBだった」という顧客の声に対して、「サービスがBである」場合には、「なぜAではないのに、利用前にAと思われたのか?」について考えていき、施策を打っていきます。主にプロモーション段階の問題を解決することになります。(LPがずれている?広告が悪い?プロモーションの流通ルートが悪い?など)

逆に、「サービスがAである」場合には、「なぜBではないのに、使った時にBだと思われてしまったのか?」について考えていきます。主にサービス利用後の部分について問題を解決することになります。(サービスが安定して価値提供できていない?誤解されるようなUXになっている?など)

さらに言うと、「サービスはCである」という場合もあるかもしれません。その場合は見せ方も中身も完全いずれてしまっているという事になります。

そうやって、ヒアリングを通じて問題を解決していきます。

これらを実現するために、まずは「ヒアリングシステムを構築」することと、ヒアリング以外でも数値で傾向値を取っていくための「該当ユーザー情報の取得」が次のタスクになります。

ちなみに、リテンションに関しては、数値を取り始めている段階です。こちらは、「3ヵ月以上滞在した(アクティベーションした)ユーザーが、どのタイミングで退会しているか」をチェックしていっています。メイン機能である「ゼミの利用状況」と「メディアの視聴状況」についてアカウント単位で記録していき、傾向値をつかめないか、という感じで「データ取得による傾向値の把握」というフェーズになっています。

ただし、3月にピボットしているため、ピボット前の対象ユーザーについてはあまりシビアに考えても仕方がありません。ピボットすると対象ユーザーがずれるため、期待値のずれがどうしても発生してしまいます。

この辺も、KGIとKPIの設定が最も重要で工数をかけるべき部分です。特に、リテンションのカギとなる数値が何なのか?について把握するのは難しそうです。MAUなのか?DAUなのか?などの期間やユーザーの利用サイクルの問題や、そもそもMAUだとしても「何をもってAと呼ぶのか?」についても、意見が分かれるポイントです。

そのあたりを、数値やユーザーを見ながら考えていく作業がしばらく続くと思います。

 

とりあえず今日は以上で終わります。今後も色々書いていきます。

では明日も精進しましょう。