目次
人生を彩る趣味のプラットフォーム「GOOPASS（グーパス）」を運営するGOOPASS株式会社では、以前はデータ分析ツールを扱える人材が限られており、データに基づいた意思決定が一部の担当者に依存していました。この課題を解決するために導入したのが、AIアナリティクスツール「Wicle」です。
Wicleの導入により、専門スキルを持たないメンバーでもデータを見られるようになり、組織全体のデータ活用が促進されました。チームの各メンバーが自ら数値的根拠を持って改善提案を行う文化が生まれ、部門間の議論もスムーズになったといいます。
組織内におけるデータ分析のハードルを下げたことが、GOOPASSのプロダクトチームにどのような変化をもたらしたのか。プロダクトマネージャーの遠越さんにお話を伺いました。
課題・解決策・効果
【課題】
Google Analyticsを扱える人材が社内に少なく、データ分析が属人化していた
既存のBIツールは設定の変更に手間がかかり、分析のたびに外部パートナーへの依頼が必要だった
専門スキルがなくても、誰もが直感的にデータを扱える環境が求められていた
【解決策】
直感的なUIで専門スキルを問わず利用でき、データ分析を推進
審査プロセスや決済フローなど、重要なファネル分析を定常的に実施できる体制を構築
複数機能を活用し、定量データと定性データ両面からユーザー行動を分析
【効果】
データを見られる社員が増え、プロダクト開発チームが数値的根拠に基づいた提案を行えるようになった
異常値を早期に発見し、迅速な原因調査に着手できた
データから、「ユーザーが必ずしも合理性で動くわけではないこと」を発見し、審査通過率の改善に成功
専門スキルがなくてもデータを扱える環境を。分析の属人化がプロダクト開発の壁に
──Wicleを導入した経緯について教えてください。
遠越さん：私が入社する前になりますが、2022年4月に当時のマーケティング担当者がWicleのプレビュー版のアーリーアクセスに申し込みをして利用を開始しました。このときは、LPにおけるCVの分析を目的としていたそうです。その後、2023年4月にWicleの担当者がプロダクトマネジメントの担当者に代わったことで、徐々にプロダクトの分析にもWicleを活用していくようになりました。
──Wicleの導入前は、データ分析においてどのような課題がありましたか？
遠越さん：当時の状況を振り返ると、一番の課題は「データ分析の属人化」だったと思います。当時はGoogle Analyticsが主な分析ツールでしたが、社内にはGoogle Analyticsを扱える人材がほとんどいませんでした。そのため、マーケティングの専門知識やスキルがないメンバーでもデータを見られるツールが必要という課題感があったのだと思います。
──導入前はどのような体制でデータ分析を行っていたのでしょうか？
遠越さん：データ分析専門のチームはなく、各部署が必要に応じてデータを見ていくスタイルでした。プロダクト開発、カスタマーサクセス、カスタマーサポート、マーケティングを担当とする部門が主に関わっていました。
BIツールも導入していましたが、少し凝った分析をしようとすると、その都度外部のパートナー企業に依頼する必要があり、小回りが利かないという課題もありました。自分たちで深掘りしたいと思っても、すぐにはできない環境だったのです。
「合理的な改善」で通過率が低下、n1分析で見えた重要なインサイト
──現在、Wicleを具体的にどのように活用されていますか？
遠越さん：UUやCVなどKPIの定点観測が日常的な使い方ですね。あとは、ファネル分析を活用して審査プロセスにおけるユーザー登録後の「審査動線」や「商品詳細ページから決済完了まで」の動線などの数値をチェックしています。これらのファネルの通過率をチェックし、どこに課題があるのか、施策によってどのようなインパクトがあったのかを計測しています。
n1分析でユーザーの行動を掘り下げるという使い方もしています。その際は、セッションリプレイと行動履歴をチェックしています。まずセッションリプレイを確認しますが、それだけではインサイトが得られるとは限らないため、続けて行動履歴を追っています。
──Wicleを活用したことで改善できた事例はありましたか？
遠越さん：n1分析を行ったことで、課題が早期に発見できたことがあります。GOOPASSの審査では、多くの個人情報をご入力いただくため、プロセスが長く、離脱ポイントの特定が重要になります。
当初、プロセスの順番は「個人情報を入力→本人確認書類を提出」でした。これを「書類を先に提出すれば、情報が自動入力されて楽になるはずだ」と考え、順番を逆にしました。合理的に考えれば、こちらのほうが通過率は上がるだろうと考えていました。
しかし、変更後に審査通過率が落ちてしまったのです。Wicleで離脱したユーザーの行動を分析してみると、最初の「書類提出」というハードルが高すぎて、先に進むのをためらっている様子が確認できました。そこで、元の「個人情報入力→書類提出」の順番に戻したところ、通過率は回復しました。
この経験から、「ユーザーは必ずしも合理性だけで動くわけではない」という重要なインサイトを得ることができました。これは、定量的なデータをただ眺めているだけでは分かりづらい発見だと考えています。
データに基づいたプロダクトの企画開発が進む組織への変化
──Wicleを導入したことで、チームや組織にどのような変化がありましたか？
遠越さん：何か見たいデータがあるときに、Wicleですぐにチェックできるようになったのはありがたいですね。BIツールやGoogle Analyticsの環境を構築する手間などが減ったため、データ分析における外注コストが下がった面もあります。
最も大きな変化は、社内でデータを見られる人が増えたことです。私のチームには、BIツールの利用に慣れていないメンバーもいますが、Wicleなら直感的にある程度操作できるので、数値を裏付けとした施策を立案できるようになりました。
──データに基づく議論が活発になったのですね。
遠越さん：メンバー間で数字をベースに話し合う文化が根付いてきました。最近の例でいうと、11月に突然ユニークユーザー数が急増したことがありました。一見良いことのように思えますが、CVRは下がっており、明らかに異常な状態でした。
Wicleでデータを見ていなければ、この変化に気づくのが遅れていたかもしれません。すぐに「ボットによるアクセスではないか」という仮説を立て、調査に着手できました。このように異常値を早期に発見し、アラートを上げられるようになったのは大きな変化です。
──n1分析と定量データはどのように使い分けていますか。
遠越さん：そこは明確に使い分けています。n1分析は、仮説を立てたり、ユーザーの解像度を上げたりするための「インプット」として活用しています。個別のユーザーがどんな動きをしているのかを深掘りすることで、施策の着想を得ることが多いですね。
一方で、経営層などに対して説明責任を果たす際には、定量的なデータを使います。n1分析で見つけたインサイトだけでは、根拠として弱い場合があるためです。チーム内で議論するときはn1分析で、他部署や経営層とコミュニケーションするときは定量データで、というように、両方を使いこなせるところがWicleの価値だと感じています。
n1分析やAI機能で、さらなるデータ活用を進めたい
──Wicleの活用に関して、今後検討されていることはありますか。
遠越さん：今後は、n1分析をさらに活用していきたいです。これまではファネルの切り口から個別のユーザーを見ていくことが多かったのですが、逆に「特定の行動をしているユーザー」を主語にして、その人たちがどのような動きをしているのかを分析していきたいと考えています。
例えば、「CV率が高いユーザーは、どのようなページを、どのような順番で見ているのか」といった分析です。フロントでのユーザーの動きからインサイトを得ることで、ユーザーへの解像度をさらに高めていきたいです。
──Wicleに今後期待することはありますか。
遠越さん：自然言語で質問を投げかけると、AIが分析結果を返してくれるような機能があると嬉しいですね。例えば、「CV数が多いユーザーの傾向は？」とか「離脱が多いユーザーの傾向は？」と入力するだけで、関連するデータや該当ユーザーのリストをアウトプットしてくれるようなイメージです。
調査時間が大幅に短縮されますし、テクニカルスキルがないメンバーでも、より深いインサイトを得やすくなると思います。開発の精度とスピードが、さらに向上するはずです。
──最後に、これからWicleの導入を検討している企業へメッセージをお願いします。
遠越さん：Wicleは、テクニカルスキルがなくても気軽に数字に触れられるプロダクトです。一言で言うなら「ユーザー分析が簡単になるツール」。
初めて分析ツールに触る方にとってはどんなツールでも最初は難しく感じるかもしれませんが、同種のプロダクトの中では、Wicleは非常に簡単で、直感的に使える方だと思います。データ活用の第一歩を踏み出したいと考えている企業には、ぜひおすすめしたいですね。