見出し画像

THE GUILD勉強会 #03「データ×UXデザイン」

デザイナーの高見です。
ずっとnoteに投稿できていなかったのですが、今回GUILDさんの勉強会でnote枠に応募させてもらい、運良く当選もらえましたので、張り切ってメモメモしました。
この機会を活かしてこれからも楽しく書き続けていきたいです。
では。メモと簡単な感じたことです。

【第一部:講演】

大竹雅登(dely株式会社)
認知バイアスを回避するためのアイデア検証プロセス

レシピ動画サービス「クラシル」を運営されているdelyさん。
会社の立ち上げ当初から参画されている大竹さんのセッションです。

デザイナーが抱えるジレンマ
デザインは重要だけど、数値的な結果に直接的につながらない

今後必要になるスキル
経営、データ、マーケのようなデザインを数値的な結果にまでつなげるスキル

データで失敗するパターン
1. データをみなさすぎ →課題事実の発見にデータを活用する
2. データを間違って解釈する →アイデア検証に定性的なアプローチをとることでミスリードを防ぐ
3. データの制度を不必要に高めすぎる →はじめに検証したいことを整理して必要十分な工数で意思決定する

改善プロセスをフォーマットかしてた正しい意思決定ができること
デザインフェーズをメインに
改善プロセスの三要素
課題事実、原因仮説、解決策

キーワード検索から課題事実を見出す見つけ出す
ここに解釈を入れるのはよくない 自分の考えを入れるとぶれる
なぜこうなったか? 仮説をたてる

ソリューションを出すためのロジック的にUIの良し悪しを判断する
・他社事例から案出し
・デザイン原則を基に組み立て

整理してからアイデアの検証に進めていくべき
課題発見だけでは出戻りが多い
やってみたけど課題がぶれるあやふやになりやすい

アイデアの検証は主にユーザーテスト 社内、社外含め実施
→定性的な検証アプローチでアイデアの大局的な反応をみる
なぜよくなかったか目の前で肌感でわかる スピード感もある

まとめた内容から解決策、原因仮説を見直す
確度の高いアイデアを検証からデザインフェーズで見出し、実装フェーズへ繋げていく
インサイトも多い 得られる情報も多い
自分たちで肌感でわかるメリットが高い

やる前に整理する ミスが起こらないこと
データは意思決定のための材料
→用法用量を守って正しく扱いましょう!

[感じたこと]
デザインフェーズの時点で、課題事実の検証を行い、その定性的なアプローチからブレない仮説を作っていくことが大切と知りました。
データをみなさすぎデザイナーとして非常に耳が痛い。。実装に向けて、皆が納得できる仮説立てがビジネスを成長させる意思決定につながっていく。これは常に頭に入れておきたいです。


山田智久(アドビシステムズ株式会社)
UI/UXデザイナーのためのAIによる行動分析データ活用方法

エクスペリエンスビジネス部シニアコンサルタントとして活躍されている、アドビの山田さんのセッション。adobe sensei など新しくAIを活用したソリューションに力を入れており、その具体的な活用法についてのお話。

AIを有効活用するポイント
エクスペリエンスビジネス部シニアコンサルタント
経験と勘で制作していた時代から、データ中心に企画を考えるキャリアへ

なぜここで話しているのか?
アドビのコンサルは色々なUX/UI設計や改善に関わる業務が多い

CCのイメージにくらべ、ドキュメントクラウドに加え、Expeienceクラウドが新しくでた
http://Adobe.io
Adobe Sensei

デジタルマーケの分析から施策実行まで

どんな業務をやっているのか
・各製品の導入支援
・各製品の活用支援
・マーケ支援
・ビジネス支援
UXUI改善定量データを用いた分析は重要
AIを組み合わせる

つたえたいこと
AIの機能を使う前に考える、以下の思考プロセス作業が重要
・目的を構造的に分解
・改善目標を設定
・目標達成のための課題特定

ポイント1
AIでカバーできるUIUX改善プロセスの範囲
どこでAIを使うのかスコープの狭め方が重要

ポイント2
目的と目標の間を言語化し、指標化することでAIの使い所がわかりやすくなる
指標 ディメンション この2つの区別 混ぜるな危険
指標は良し悪しを阪大したいり、予測するためにAIを使う

ポイント3
AIを活用する領域を分析と施策に分けて発想する
分析の話なのか、施策の話なのか
区分けを明確にする

AIという概念だけで活用を考えると迷走する

事例:ヘルプガイドサイトで考えてみましょう
改善目的を定義する

まとめ
・AIでカバーできるUIUX改善プロセスの範囲
・目的と目標の間を言語化し、指標化することで、AIの使い所をわかりやすくする
・AIを活用する領域を分析と施策に分けて発想する

告知
Adobe Symposium 2018
adobe MAX

[感じたこと]
これまでAIを活用した経験はないのですが、山田さんは活用領域を明確にすることを提言されてました。「分析」と「施策」。よくその話が混ざってしまうとのこと。
CCやドキュメントクラウド意外にもたくさんソリューションが登場しており驚きました。目的にあった組み合わせ所を見出すことがポイントと知りました。


安藤剛(THE GUILD)
なぜこれからのデザイナーにとってデータが重要なのか

GUILDでデータサイエンティストとして受託業務を行っている安藤さん。データの視覚化などnoteでも掲載されており、個人的には一番お話聞きたかった。

どんなことをしているのか
・ビジネス課題の整理
・主要KPIの可視化
・市場調査
・ユーザーインタブー
・アドホック調査
・施策のABテスト
・トラッキング
・ダッシュボード

デザインとコミュニケーションで改善するデータのUX
データ分析している会社は多いか社内でいろんあ人を巻き込んでやっているところは少ない
普及していない印象はあるが、日本の企業では活用できていないのでは
アメリカに比べて遅れている

6割の企業が利用率が20%以下
データを扱うことはチャンス!

何が問題でデータの活用が進まないのか?
ダッシュボードを有効活用されていない
なぜか? ダッシュボードには違和感がある
現実世界にあるものに似ているもの
飛行機の操縦席→いっぱいありすぎてアクションできない

よくあるダッシュボードの問題点
・グラフが何を表しているのかわからない
・コミュニケーショんが生まれない

なぜコミュニケーションが重要なのか
インプットとして→データ分析に一次情報(現場の意見)は大切

仮説
データのUXが悪い
データを活用できる人が増えると組織は賢くなる

テーマ1[デザイン

インフォグラフィック
ベクトルがある 探索型ーストーリーテリング型

3つの利用目的
マーケティオング、エディトリアル、学術・科学

情緒的な価値
・好ましさ
・美しさ
・魅力的

説明しやすい
覚えやすい
どういったメッセージを伝えたいか、ユーザーに届けるメッセージ

テーマ2[コミュニケーション]

初期の段階ではダッシュボードはコミュニケーションが生まれにくい
NoteではSlackをダッシュボードにしている
ダッシュボード化すると何がいいのjか
・カジュアルにコミュニケーショんが生まれる
・他の人のデータの見方を可視化できる
 →人によってどんなデータを気にしているのかわかる
・重視すべきKPIが見えてくる

明日から何をするべきか
・伝わるデータのビジュアルをデザインしよう
・データを介したコミュニケーションをデザインしよう

まとめ
デザイナーとデータサイエンティストが仲良く

[感じたこと]
首がもげるほど納得の連続。中でも怪物のイラストグラフと無色のグラフが同じ情報であることに驚いた。またその見比べた結果にも然り。いかに伝わるデータにビジュアライズするか、またそれを用いたコミュニケーションを生み出すかが重要と知りました。


鈴木陽介(日本経済新聞社)
創業140年の古い会社でデータの民主化を進めた話

日本経済新聞社で日経電子版の開発業務、ビジュアライゼーション、データ、技術、デザインを総合的に駆使するコンテンツ開発を行う鈴木さんのセッション。
鈴木さんはスライドを公開されていたのでこちらを共有。
創業140年の古い会社でデータの民主化を進めた話 / nikkei data driven 20180823

FTとの連携
爆速サイト開発 そので得られた知見を分析活用 英語のランチ会

データ・ドリブン
日経電子版でクレジット決済可能に
そこから個人情報を得ることができるようになった
それによってはじめてCRMを分析できる土台ができた

エンゲージメント指標
この数値が高いほど読者が解約しにくい この数値を上げていくこととメンバーの指標いしている
エンゲージメントのレベルは5段階 おもにロイヤル、スーパーロイヤル
跳ねれやすいレベルのユーザーをメンテすることが重要

新しいデータプラットフォームを使っている
Re:dashElasticsearch、ログ分析

取り組んできたことに対して
データを扱える人をどうやって増やしていくか データ分析の民主化

トレーニングに力を入れている「データ道場」
3ヶ月でデータ分析のためのノウハウを身につけるトレーニング 講師は外部に委託
エンジニアではなくビジネス企画やデザイン向けにやっているカリキュラム
・SQL基礎
・実践編

施策をやるときの基本姿勢を身につける
施策をする前にインパクトを考えてみる

道場でトレーニングをうけた方がUIを改善→クリック率が4倍に
最下部までスクロールしたはデータ取得できてなかったので今後課題

なんでデータの民主化が必要なのか
・データ分析はまともにやろうとするとかなりコストがかかる
 →現場の担当者ができることがメリット高い
・分析をすることで担当者が初めて足りないデータに気づく
・各プロダクトに担当者が関わることで初めて本当に役立つデータがとれるようになる

データの知識レベルが同じ人で話しができれば

[感じたこと]
知らないサービス名がたくさん出てきたけど、これはぜひ活用していきたい。re:dashとか。SQLもちょうど勉強しようと思っていたので、時間みつけて分析技術までいかなくてもデータをみて理解できるレベルには行かねば。デイタドウジョウうらやまし。あとお話にでてきたグノシーさんのデータ分析ブログは読む。読む!

【第二部:パネルディスカッション】

登壇者4名 & 深津貴之(欠席)

Q. データとの出会い・きっかけ

鈴木:編集記者で翌日の記事の反響を気にしていた PV10万いいねとか
検索のクローラやボットがきになる データの信ぴょう性を感じた

安藤:エンジニアで初めて検索エンジン開発からサーバのサイジングやってた
社内の文章を検索してパフォーマンスでないときのボトルネックを見つけてチューニングしてた
改善の施策をためすことをやってた グロースハックと似た業務
地味だけととても好きだった データみるのが趣味

大竹:2016年にアプリがでてどうしたら日本一伸びるか
先人の知恵 伸びてるサービスに聞く
メルカリとグノシーに聞いた どうやって伸びるか データとっているか? GAくらい
GAだけでの分析は暗闇で走るようなもの
もっと細かくユーザーが行動しているのか分析しないと伸びない そこからデータ基盤を構築した
初心者ですらなかった データを見ていなかった 伸びない理由がわからない アドバイスから改善

山田:20代後半で大事さを知った 文系だった 数字は好きじゃないけど企業のFbのいいね数に向き合った
意識が芽生えて投稿がはねた時なぜか調べた 要素を丸×で調べた それをきっかけに転職した

Q.やっている幅の広げ方は?

鈴木:なんとなく大事だよね、という考えかたから深くじっくりと数人でやる、大勢で簡単でざっくりとなどパターンを探る

大竹:SQLという言葉を使ってはいけない メタベースを使ってみた
壊れそうで触りたくない という思いから変数かえるだけとか
データ可視化チームを設けて書くのではなく見ることにフォーカスして敷居を下げる その中からSQLをかけると面白いと思える人を見つけて取り込む

Q. データを自分で分析してきうときに何を大事にしているか

山田:ギリギリまでデータを見ず指標と仮説で考える
人にお願いするときもブレイクダウンさせてから支持を出す
目的と目標のブレイクダウン

大竹:何をみるか 見たデータを共有すること
センセーショナルな文言を入れて共有する ここに金脈があったぞ!
ログが残る 伝えたい深く話ししたい人にはメンションつける 理解を一緒に深める インプットも一緒にできる
コミュニケーションまでセットに分析する

安藤:意思決定をするためにやること ビジネスの成果を生み出すため
デザインなら90%の完成度でも納品できるがデータ分析は結果が全てなので緊張感もってやる 二次情報として一人歩きして誤解されないように注意する
もし成果につながるデータがなかったときは、ここには何もなかったことがわかりましたって成果として言う

鈴木:エンゲージメントレベルで見ると思わぬ発見がある
ブレイクダウンさせて見えてくるもの
後付けでデータ探すのは辛い 最初の段階から仕掛け、仕込みをした上でデータ分析するのが必須

Q. 分析するために何を用意する必要があるか、計測するための作業はどうやっているのか

鈴木:データ投げることは担当のフロントエンドがやればいいのでは

大竹:アプリはデータソースはシートに タイピングミスをしないように ログ計測コストを下げる

Q. 勉強会など頻度高くやるための秘訣は

安藤:資料は作らなくてテーマだけある 参加者がWS形式でやる
その流れの中で教育も実施 大きい勉強会はスライドで
スライドは再利用はしている noteに公開する

鈴木:担当は広報も担っているとのランチ会など 社内キータなど

大竹:勉強会よりは都度共有 1on1コミュニケーションでどうしても教育してもらいたいことはやる 深くすぐにキャッチアップしたいとき

山田:お客様に教えることが多いのでスライドは作る 自社の勉強会はつくらない データをその場で見て会話を重ねる
業務としての意識合わせをやる データの正しさではなく目的目標が正しいか壁打ち相手として頻繁に

Q. 日経さんへ 大きい企業だと経営層にどこまでデータ理解があるのか

鈴木:CDOなどいる協力会社の外圧は大きい FT社
パフォーマンスの話をするような場を作っている

Q. 長く運営しているサービスで分析指標を新たに埋め込むときの運営方法は?

みんな総出で洗い出しかテンプレートに埋め込む 古い資料はそこまでカバーしなくてもいい 新しい記事がみらえているため

今後、UXデザインを生業にしていくためにもデータ分析は必須であるし、みて読んで仮説を立てるまでの理解力が必要と感じました。そのデータには個人の主観はないし、ユーザーのリアルな行動と結果が蓄積されている。それを目的と目標に合致した分析から、ユーザー体験の向上へ導いていきたい。それを様々な役割のメンバーと共に共有し、同じ目線の上で問題点を考える環境づくりも大切ですね。
今回note枠で参加させてもらえて、気づきも発見も多かったです。このようにレポート書くことでちゃんと意識づけできました。
今後も続けていく。いきたい!

この記事が気に入ったら、サポートをしてみませんか?気軽にクリエイターを支援できます。

サンキューです!次も頑張ります!
32
広島生まれ ISID UX/UIデザイナー キャンプとトレランが好きです。好きな山は本社ヶ丸と赤岳。
コメントを投稿するには、 ログイン または 会員登録 をする必要があります。