CX課題発見メソッド

ユーザー視点で定量と定性の両面からCX上の課題を見つけ出すメソッドを提供しています。これにより、潜在的かつ本質的な問題を洗い出すための分析・診断を体系的に行うことが可能です。

3分でわかるSprocketの機能と成果

CX上の課題発見が難しい理由

CX改善戦略の設計時に欠かせないCX上の課題発見ですが、実際のところは調査・分析に難航し、思うように進められないというケースが少なくありません。それはなぜかということをひもといていきましょう。

必要なデータが集められない

CX上の課題発見をユーザーの行動データから実施しようとしても、そもそもサイトやアプリから離脱したユーザーから得られる行動データはかなり限定されてしまうという問題があります。例えば、「直帰」はCX上の大きな課題ですが、直帰ユーザーの行動データはほとんど残らないため、データ分析からなぜ直帰したかの仮説を立てるのはかなり困難です。そのため、まず施策を打ってみて、その反応から検証を繰り返すというPDCAサイクルを回していく必要があります。

行動データの分析に慣れていない

分析に必要なユーザーの行動データが得られていたとしても、行動データの分析はWebサイトのページ単位の分析と考え方が異なります。ページという点ではなくユーザーの一連の行動という線で見る発想や、共通する行動パターンを見つけていくという発想が大切になります。ユーザーがどのような経路をたどったのか、どのような行動がCX上重要なのか、あるいは、重要行動を取ったユーザーと取っていないユーザーの違いはなにか、といったような観点から分析を行うことになります。

分析結果からCX上の課題を見つけられない

データ分析を経てユーザーの行動把握が進んだとしても、実は分析結果からCX上の課題が直接的にわかることはあまりありません。CX上の重要行動の仮説を得た上で、「そのような行動を取らないユーザーに行動変容を促すにはどうすればいいか…？」を考えることになります。既存データの分析結果だけでは検証に必要な情報が不十分なこともあり、ユーザーに施策に当てた上で、そのレスポンスからデータを補完する、といった発想も必要になります。このような試行錯誤を繰り返すことで徐々にCXの課題が見えてくるようになります。

CX課題発見メソッドのポイント

Sprocketではユーザーの行動データをリアルタイムに収集しています。このデータはCX改善に向けたデータ分析に活用される他、属性データや購買履歴データなどの静的なデータと掛け合わせて顧客理解を深めるために利用できます。ある業界に共通して見られるユーザーの行動特性やWebサイト・アプリのジャンルに共通して見られるユーザーの行動特性というものがあります。ユーザー行動特性が共通していれば、CX課題も似たものになります。Sprocketでは行動データを分析することで、「ある状況におけるユーザーの典型的な行動心理のメカニズム」を解明し、重要な顧客体験を可視化できるようにメソッド化しています。

フリクション診断

ユーザーの離脱要因となる体験上のさまざまな障害のことを「フリクション」と言います。フリクションを解消していくことにより、顧客体験が改善されます。 Sprocketでは、10万回以上のA/Bテスト結果から導き出されたサイトタイプ別のフリクションポイントに絞ってチェックシートを作成、具体的な改善策まで導き出せる「フリクション診断」を行っています。

フリクション診断の詳細はこちら

ロイヤルティ要因分析

Sprocketが独自に収集するユーザーの行動データから、特定の行動をした／していないの差異を定量的に出力。差異が大きい行動から「重要な顧客体験」が特定できます。初回購入をした／しない、リピーターになった／ならないというユーザーの行動の差には、そこに影響を与えている要因があります。それがわかれば、「何をすれば良いのか？」を明確にすることができ、具体的な施策に落とし込むことができます。 Sprocketでは、顧客を「望ましい状態」に導いた要因が何だったのかを可視化する「ロイヤルティ要因分析」を開発し、視覚的に整理したレポートとその元データとなる詳細レポートという形で提供しています。