In. Data × UX Lightning Talks #1まとめ

こた🐈‍⬛ @kotadesign0523

19:30からIn. Data × UX Lightning Talks #1 開催します🥳 ※ハッシュタグ変更になりました dataadventure.connpass.com/event/196158/ #indu

ヒデ | ものづくりの人 :Maker Movement @hide_x_voice

始まりました！ In. Data × UX Lightning Talks #1 dataadventure.connpass.com/event/196158/ #Indu

小野 裕明｜データマーケター@マネーフォワード @hlak_tokyo

はじまった！UXの知見とデータ分析の知見を共有するという素晴らしい取り組み。 #Indu

tsujio @ntsujio

聞いてる #Indu

小野 裕明｜データマーケター@マネーフォワード @hlak_tokyo

NPS＝ネットプロモータースコア 信頼や愛着度を定量化する手法。 1回の使用体験の満足度ではなく、顧客の熱心な指示を測るもの。 調査方法は「この商品やサービスを友人に進める可能性は？」を0-10点で評価。 推奨さの割合-批判者の割合＝NPS 0-6：批判者 7-8：中立者 9-10：推奨者 #Indu

小野 裕明｜データマーケター@マネーフォワード @hlak_tokyo

（追記）統計上推奨度とロイヤリティの相関関係があるという調査がなされて「推奨度」を聴取する形になった。 ↑統計的に検証されていること知らなかった。 #Indu

えりりん@メンバーズデータアドベンチャー @EriShirai

最近NPSが注目されている理由としては、3の口コミによる拡散の重要度が増してるからではないか #Indu pic.twitter.com/1OFkSSfVBf

拡大

ゆい✍️デザイナー @n_m_y_y

顧客ロイヤリティーNPS、結構前に弊社デザイナーさんに教えてもらい興味があったのでこのタイミングで聴けてよかった。勉強になりました。 今成長に詰まっているタイミングなので、同じ部署の人に共有してみようかな ダブルブラインド調査についてもっとしりたい #indu

えりりん@メンバーズデータアドベンチャー @EriShirai

ユーザーテストではユーザーがはっきりと口にした言葉だけでは足りない。沈黙、停止、小さな呟きを拾い上げる。 #Indu pic.twitter.com/s1Htl4ay5g

拡大

ゆい✍️デザイナー @n_m_y_y

ユーザー調査の話：やってみてわかること多いから、心折れないことが大事ですね… #indu 新卒の学びが詰まっていて、心から応援したい😭　なんか身が引き締まる良い話だな。初心忘れるべからず

小野 裕明｜データマーケター@マネーフォワード @hlak_tokyo

ユーザー調査とは、ユーザーが何を求めているのか直接声を聞いて施策を検討すること。 ①アンケート ②ABテスト ③インタビュー ④アクセス解析 ⑤ユーザーテスト ↓↓↓ ユーザーテストは実際にサイトなどを操作してもらって使い勝手などを調査。 #Indu

小野 裕明｜データマーケター@マネーフォワード @hlak_tokyo

ユーザービリティの３要素 ①効果 ②効率 ③満足度 ↑これらの視点で ・主観が入らないようにまとめること ・口にした言葉だけではなく細かい動きにも目を光らせること が大切 #Indu

えりりん@メンバーズデータアドベンチャー @EriShirai

定性データと定量データははっきり分かれているわけではなく、数値化の難易度に合わせたグラデーションである。技術の発展が定性データを定量データに変えてきた。 #Indu pic.twitter.com/vqlib9PPkT

拡大

拡大

羽山 祥樹＠日本ウェブデザイン @storywriter

先月、メンバーズの方へのインタビュー記事を書いたので、おいておきますね。 「プロダクトオーナーの想い」を引き出す、新規事業を生み出すためのUXデザイン u-site.jp/hcd-practices/… UXリサーチを組織に定着させるには「いつもの業務のなかでリサーチする」こと thinkit.co.jp/article/17946 #Indu

なびなび @napinavi

弊社（C向けの会員ビジネス）でもNPSを導入したくて、事業部に提案したことがあったのですが、KGIを変えることへの抵抗感から、凄まじい反発を受け頓挫しました笑。 NPS導入時に反発があった際に、皆さんがどんな工夫をしているのか気になります。 #Indu

えりりん@メンバーズデータアドベンチャー @EriShirai

おお、実際自然言語処理のビジネス活用を現場でしてる人ならではだな。 自然言語処理は定性を定量に変える技術の一つ。企業内テキストデータは大量にあり、蓄積目的とデータ量でマトリクス化するとこんな感じ。使い方はこんな感じ。 #Indu pic.twitter.com/i5mWTmitti

拡大

拡大

拡大

拡大

kenken @tkhs0604

自然言語処理って、皮肉とかってどう評価するんだろ笑 #indu

小野 裕明｜データマーケター@マネーフォワード @hlak_tokyo

定性を定量に変える技術 （@G_K_data 先生） 定性データ＝数値化することが困難なデータ。 技術の発展によって定量化できるようになった。 ↓ テキストも自然言語処理で定量化できる。 （メールやチャット、アンケートなど） ↓ 続く #Indu

小野 裕明｜データマーケター@マネーフォワード @hlak_tokyo

自然言語処理することでアンケートの中から不満度をネガポジ分析してスコア化して優先的に対応するなど活用できる ↓ テキストデータもちゃんと分析すると超使える。 やり方ちょっと調べてみよう。 #Indu

羽山 祥樹＠日本ウェブデザイン @storywriter

「テキストマイニングするとき、ワードクラウドや共起ネットワークのように、なんだかわからないけどすごそうなものは、やってみると、本当になんだかわからない」wwwww #Indu

えりりん@メンバーズデータアドベンチャー @EriShirai

例えば「大量のアンケートや問い合わせからお怒り度合いが高い方を素早く見つけて迅速に対処したい」という課題に対して、感情分析でのアプローチなどが考えられる。 #Indu pic.twitter.com/siwzChdqQ3

拡大

拡大

拡大

youkai-watch @youkaiwatch2014

「定性を定量に変える技術」 ・「定性を定量に変える技術」 では自然言語処理が使いやすい ・ただし 自然言語処理を用いた分析でも 仮説は必要 むずかしいよね、この関係。 説明可能なAIにもつながる課題 #Indu #AI　#人工知能 pic.twitter.com/3JV47clg8T

拡大

拡大

拡大

拡大

えりりん@メンバーズデータアドベンチャー @EriShirai

ただし自然言語処理は夢の技術ではない。何かわからないけど凄そうなものは結局何なのかわからないし、人にはわからない何かを見つけてくれるはずだと思っても結局それは人にはわからない。自然言語処理というある程度処理を自動化してくれる技術があっても、やっぱり仮説が必要。 #Indu pic.twitter.com/cxt1ydR4aB

拡大

拡大

拡大

イデシタ コウジ @dessi_cozy

@hlak_tokyo この #indu というハッシュタグって何でしょうか？気になりまして…

えりりん@メンバーズデータアドベンチャー @EriShirai

結論、定性を定量に変えるのは技術がどんどん容易にしていくが、分析である以上目的と仮説は要るよね。 #Indu pic.twitter.com/LWn5L7rw2C

拡大