2019 年 3 月 1 日開催 Inevitable ja night #8 の株式会社プレイドの牧野 祐己さんの講演資料です。

1. データでカスタマーエクスペリエンスを
どう捉えるか
INEVITABLE ja night
第 8 回
エクスペリエンスドリブンへの不可避な流れ

2. データやシステムの観点から
エクスペリエンスを語ります

3. AGENDA
1. 自己紹介
2. カスタマーエクスペリエンスとは？
3. カスタマーエクスペリエンスを考える時の重要な考え方は？
4. どういう風にデータを扱うのが大事か？
5. それを実現するためには？
6. 宣伝

4. 自己紹介
1. 自己紹介
2. カスタマーエクスペリエンスとは？
3. カスタマーエクスペリエンスを考える時の重要な考え方は？
4. どういう風にデータを扱うのが大事か？
5. それを実現するためには？
6. 宣伝

5. 牧野 祐己
CTO, PLAID
東京大学工学系研究科で修士課程卒業
2009 年から2014 年までIBM ソフトウェア開発研究所
でビッグデータ関連の研究開発業務に従事
2015 年にプレイドに参画し、CXプラットフォーム
KARTEのデータ分析エンジンの研究開発を担当

6. 個人的な”エクスペリエンス”の歴史
建築学専攻の大学時代
システムデザイン系大学院時代
IBM
PLAID

7. 個人的な”エクスペリエンス”の歴史
建築学専攻の大学時代
システムデザイン系大学院時代
IBM
PLAID

8. 個人的な”エクスペリエンス”の歴史
建築学専攻の大学時代
システムデザイン系大学院時代
IBM
PLAID

9. 個人的な”エクスペリエンス”の歴史
建築学専攻の大学時代
システムデザイン系大学院時代
IBM
PLAID

10. 個人的な”エクスペリエンス”の歴史
建築学専攻の大学時代
システムデザイン系大学院時代
IBM
PLAID

11. 顧客体験 CX を
より良くするための SaaS プラットフォーム
https://karte.io

12. カスタマーエクスペリエンスとは？
1. 自己紹介
2. カスタマーエクスペリエンスとは？
3. カスタマーエクスペリエンスを考える時の重要な考え方は？
4. どういう風にデータを扱うのが大事か？
5. それを実現するためには？
6. 宣伝

13. カスタマーエクスペリエンス ”顧客体験” は
物だけでなく、人の満足感など感覚的な部分を含んだもの
物 → サービス → 人 という”不可避”な流れ

14. 細やかな一連の顧客接点に
カスタマーエクスペリエンス
は影響を受ける

15. “毎回来訪毎に10pt向上する”
ような単純な積み上げではなく
非線形的に変化する

16. 購入直後に「おまとめ配送」の
サービス認知を行うことで
ついで買い を約15%促進
LUXA様
事例

17. ”サービスの認知”を購入や会員登録の直後に行うと
サービス利用率が向上
状態変化の直前 / 後の
アクションで効果が全く異なる

18. ”顧客がどんな体験をうけるか”
はビジネスの本質的なものに近く
人の手によって設計/創造されるべ
きもの

19. カスタマーエクスペリエンスを
考える時の重要な考え方は？
1. 自己紹介
2. カスタマーエクスペリエンスとは？
3. カスタマーエクスペリエンスを考える時の重要な考え方は？
4. どういう風にデータを扱うのが大事か？
5. それを実現するためには？
6. 宣伝

20. つまり、顧客体験は
細かいイベントに左右され複雑で
非連続的でタイミングを掴むこと、が重要

21. 複雑なので
ユーザー視点で想像すること

22. タイミングが大事なので
変化を知ること
変化を知ってアクションすることを
リアルタイムに行うことが必要

23. 複雑なので
ユーザー視点で創造し
”最適”に飛びつかず、サイクルを回す

24. どういう風にデータを扱うのが大事か？
1. 自己紹介
2. カスタマーエクスペリエンスとは？
3. カスタマーエクスペリエンスを考える時の重要な考え方は？
4. どういう風にデータを扱うのが大事か？
5. それを実現するためには？
6. 宣伝

25. 顧客の接点に関わる
きめ細かいデータを大量に集め
ユーザー視点でデータを見る/想像する
リアルタイムにデータの変容を掴む

26. どういうデータ？
重要なイベントデータ
NPS的なユーザーの意識上のデータ
行動データ
アクション/接点のデータ
ナレッジ

27. どうデータを捉える？
大量のデータをユーザー軸でデータをま
とめあげ使える状態にする
蓄積されたすべてのデータを計算対象に
し、変化をみるために様々な観点の統計
処理を行う

28. 無限にデータがあるので常に局所的なも
のであることを意識
ユーザー視点でデータの行間を補完し想
像/創造ができる形でみる

29. 俯瞰と掘り下げ

30. データに振り回されるのではなく
Backcastingな視点でみる
”リアルリアルタイム”に処理しアクションに活用する

31. 複雑で動的なデータを基に
体験を設計/創造するためには？
局所データの最適化に飛びつかず
人を活かすこと
学習サイクルを高速に回す

32. それを実現するためには？
1. 自己紹介
2. カスタマーエクスペリエンスとは？
3. カスタマーエクスペリエンスを考える時の重要な考え方は？
4. どういう風にデータを扱うのが大事か？
5. それを実現するためには？
6. 宣伝

33. ”巨人の肩の上に立つ”

34. Region
#ECEFF1
Batch Layer
Track
Cloud Load
Balancing
Track
Compute Engine
Autoscaling
Distributed Queue
Cloud
Pub/Sub
End User
Devices
Redis
Analyze
Analyze
Compute Engine
Autoscaling
Batch
Cloud
Bigtable
Cloud
Bigtable
BigQuery
Stride
Compute Engine
Cloud
Storage
Admin
Admin
Compute Engine
Autoscaling
Client
Tracker.js
Cloud
CDN
Realtime Layer
or
Cloud
Front
JS/
SDK/
API
AWS
Redislabs
...
Stackdriver
Stride
すでに存在するサービス/インフラをフル活用して、その上で考える

35. データを扱うことではなくデータを活用し考えること “ビッグデー
タ”の次のレイヤ
インフラではなくプロダクトにフォーカスすること
人の価値を最大化すること

37. 宣伝
1. 自己紹介
2. カスタマーエクスペリエンスとは？
3. カスタマーエクスペリエンスを考える時の重要な考え方は？
4. どういう風にデータを扱うのが大事か？
5. それを実現するためには？
6. 宣伝

38. Location: GINZA SIX 10F
Founded: 2011/10
Member: 100
Mission:
データにより
人の価値を最大化する

39. 顧客体験 CX を
より良くするための SaaS プラットフォーム
https://karte.io