データプロダクトをつくるときに気をつけること

http://blog.relateiq.com/the-data-revolution/

1 comment | 0 points | by WazanovaNews 3年以上前


Jshiike 3年以上前 edited | ▲upvoteする | link

LinkedIn / Greylockを経て、CRMツールのRelatelIQのVP of ProductをしているDJ Patilの "Building Great Data Products"をまとめたものです。データの絡むプロダクトづくりをするときにハイレベルで気をつけるべきことが挙げられてます。

1. あまり凝りすぎないこと。

シンプルで素直なかたちの方が、凝ったアプローチよりも、10回のうち9回は正しい。

2. シンプルなものからはじめて、必要あらば、複雑にしていけばよい。

複雑なものからはじめて、それからシンプルしようなんて思わないこと。

3. データサイエンスにおいては、正しい、クリーンなデータを揃えるのが一番大変。

時間の80%以上はデータをクリーンにする作業に費やされる。

4. データはユーザから受け取るところできれいに整理すること。後からバックエンドでどうにかしようとしない。

入力してもらう時点で、オートコンプリートや「…という意味ですか?」とユーザをガイドすること。ユーザに完全に任せると、こんなことになってしまう。

5. プロダクトの初期のバージョンでは一般的に、手動での人力やMechanical Turk(Amazonのクラウド人力作業サービス)で対応すること。

後で、自動化やフローの整理に取り組めばよい。

6. まずは開発難易度の低い機能で要件を満たすこと。

例えば、パーソナルレコメンデーションよりは、協調フィルタリングから実装する。

7. ユーザにデータをチャートを使って見せたり、ブログで紹介すると、プロダクトにより関心をもってくれる。

8. データを見せるときは、「1) 何を読み取ってほしいか。2) どんなアクションをとってほしいか。3) どう感じてほしいか。」をよく考えること。

ユーザエクスペリエンスはとても大事。ユーザを大量の情報で溺れさせたり、どうでもいい細かい内容で迷わせたりしないこと。

9. ユーザの期待値を低めにセットすること。

期待値が高くて失敗すると、ユーザの信頼を取り戻すのは難しい。例えば、「XYZが好みなんでしょう?わかってますよ!」と言って、もしそうでなかったら、その後のレコメンデーションは効かなくなる。「XYZに興味あります?違うんですね。失礼しました!」としたほうが、許してもらえる。

10. 残念ながらデータプロダクトを試すことができるのは本番環境だけである。

レコメンドが効くかどうか、プロダクトのダメなところはどこか、レアケースがあるかどうか気付けるのは、本番環境に提供した後である。例えば、レコメンドの結果、ユーザの課金/リテンションなどうまくいってほしい指標を確認できるのは、サービスを提供した後である。

11. どの段階できちんとしたものに仕上げるべきかは理解してないといけない。

最初はシンプルなものがよいとしても。

12. 人手を全く不要にするのではなく、うまく補って効率的にアクションをとってもらうようにすること。

必要がないとか、代わりがきくと感じるのは、とかく嫌なものである。

13. フリクションの極力ないサービスにすること。

ユーザに回答するとか、データを入力するとかを期待するなら、とにかく簡単で面倒のないフローにすること。さもなくば、ユーザはやってくれない。誰もマニュアルや説明文言は読まない。iPadやAngry Birds並みに、直感的に使えるものに仕上げること。

14. 法則: データの入力を前提とする度に、コンバージョン率は10%落ちる。

質問をとにかく簡潔、かつ簡単に答えられるようにして、ダメージを最小限にとどめること。


[2013] ワザノバTop100アクセスランキング


#開発スタイル #relateiq

Back