ユーザープロファイリングは多くの人が話題にしていますが、実際に問題に直面してみると、たいていは「性別と年齢」の割合をリストアップするだけで、それで終わってしまうようです。問題を真に診断し、改善を図るのは困難です。 今日は、ユーザープロファイルを使って問題を診断する具体的な例を見ていきます。さっそく、シナリオを見ていきましょう。 問題シナリオ：あるインターネット企業は、広告事業を促進するために従来型の電話営業を行っています。最近、新規採用した営業スタッフの3ヶ月以内の離職率が非常に高く、経営陣は容認できない状況に陥っています。経営陣は、営業スタッフのユーザープロファイルを確認し、問題の原因を分析するよう依頼しています。 Q:この肖像画をどう解釈したらいいのでしょうか…？ I. よくある間違いタイトルの「ユーザープロフィール」という言葉を見て、すぐに売上データを掘り下げ始める学生はどれくらいいるでしょうか？性別、年齢、学歴、職務経験年数、フォローアップリード数、取引数、パフォーマンス…膨大な数の指標がPPTに貼り付けられています。 営業スタッフは社内従業員であるため、応募時に入力した履歴書には活用できる項目が豊富に含まれています。そのため、この「ユーザープロフィール」PowerPointプレゼンテーションは非常に長くなる可能性があります。 問題は、これを実行することで問題を説明できるかどうかです。 明らかに違います! II. 行き詰まりを打破する問題は明らかです。これは、「売上高」の問題そのものに対処せずに、単にデータをリストしているだけです。 データを無視すると、なぜ営業スタッフは辞めてしまうのでしょうか？その理由は多岐にわたると考えられます。 ● この会社はひどいです。業界での評判が非常に悪いです。 ● 人事部は最初から間違った人材を採用し、単に欠員を埋めていただけだった。 不十分な販売管理とひどい従業員体験 ● 営業成績が本質的に悪く、営業マンは利益を上げていません。 ● 販売は利益を生みやすいですが、信じられないほど大変な仕事です。 さらに、これらの要因は重なり合うこともあります。例えば、広告は売れにくいため、経営陣は多くの従業員を投入する傾向があり、従業員に残業を強いて限界まで追い込むことがあります。こうした強制的なプレッシャーは、従業員の職務経験を低下させ、心理的負担を増大させ、悪循環を生み出します。 したがって、問題を明確に分析するという観点から、「ハンマーで釘を探す」ようなことは不可能です。リーダーがユーザーペルソナについて言及したからといって、すべてのユーザーペルソナを作成しなければならないわけではありません。まず分析ロジックを明確にし、その上でユーザーペルソナがどのような問題を解決できるかを検討しましょう。 III. 分析論理の構築まず、退職する従業員は「この会社は最悪だ！」と言う可能性が非常に高いため、「会社が最悪だ」といった理由はまず排除するのが最も簡単です。統計的に言えば、本当にひどい会社は最初から最後まで本当にひどいのです（下の図を参照）。 第二に、経営管理の不備は比較的容易に排除できます。会社全体がひどい状況でない限り、一部の営業チームの経営管理が不十分である一方で、他の営業チームは非常にうまく管理されているという状況であると考えられます。したがって、チームの観点から離職率を見ると、問題が容易に明らかになります（下の図を参照）。 次に、例えば、ある期間に営業リードの質が悪すぎて営業業務に支障が出るような場合も、事前にこれを排除することができます (下の図を参照)。 マクロレベルの明白な問題を取り除けば、営業能力そのものに焦点を当てることができます。そして、詳細な議論が可能になります。事業自体が営業にとって扱いにくいものなのか、それとも営業チームは実際には能力があるのに、人事部が適切な人材、つまり必要なスキルを欠いた人材を採用してしまったのか。この判断には、営業能力の評価と、担当者の基本的な特性の理解が含まれます。ユーザープロファイリングは、このプロセスにおいて役立ちます。 IV. ユーザープロファイリングのエントリーポイントユーザープロフィールは、「性別や年齢」といった基本的な特性だけではありません。様々なユーザー行動や社会的な関係性も重要な要素です。具体的な分析を行う際には、問題を説明する上で最も役立つ特性を選択する必要があります。離職率の問題においては、最も役立つ要素は収入です。収入がなければ、誰も辞めないのではないでしょうか。 ※問題のシナリオは「新入社員の3ヶ月以内の離職率」ですが、収入は通常月単位で確定するため、3ヶ月間の離職率を区別して考える必要があります。なお、平均だけで計算するのではなく、1ヶ月で1件も売上を上げずに退職する人（自信喪失のため）や、収入が不安定で継続に自信が持てないなど、収入の増減が激しい時期を繰り返す人など、様々な要因が絡み合うため、より細分化した分析を行うことが重要です（下図参照）。 高所得者と低所得者を区別するこのステップと離職率データを組み合わせることで、この問題をほぼ説明できます。離職者の大半は低所得者である可能性が高いです。さらに、高所得者が離職する場合は、仕事が難しすぎると感じ、より高収入の別の会社でポジションを探している可能性が高く、さらなる分析が可能になります。 V. 基礎から上級レベルまでの議論さらに深く掘り下げるには、低所得の原因が何なのかをさらに説明する必要があります。 考えられる理由は次のとおりです。 ● 割り当てられたリードが不十分（管理上の問題） ● 十分な手がかりが割り当てられたが、作業が完了しなかった（実行上の問題）。 ● 割り当てられたリードは十分であり、作業は完了しましたが、コンバージョンはありませんでした（スキルの問題）。 ● 割り当てられたリードは十分であり、作業は完了し、コンバージョンもありますが、注文サイズが小さすぎます（依然として管理上の問題です）。 ここでは、マトリックス分析を用いて状況を区別することができます。一般的に、リード配分メカニズム自体に問題がある場合（例えば、配分が不均一であったり、優良リードが特定の担当者に集中しすぎていたり、業界ごとの差別化が不十分なため、一部の担当者が常にリードをほとんど獲得できないなど）、これらは営業の問題ではなく、内部管理メカニズムの最適化によって改善できます（下図参照）。 これにより、人事部門が適切な人材を採用できなかったかどうかという点に議論を集中させることができます。営業チームにおいて、実行力とスキルに欠ける人材と、積極的で仕事への意欲のある人材の特徴を比較することで、営業担当者の真の特性を特定することができます。そして、人事部門が質に疑問のある人材を採用した可能性があるという結論に至ります。 この時点で、ユーザー特性を比較対象として活用できます。理論的には、年齢、性別、地域（方言圏かどうかも含む）、学歴、職歴といった履歴書に直接記載できる項目をすべて活用できます。さらに、「応募者はインターネット広告の営業経験があるか」というタグをテキストから抽出し、分析に利用できます。人事部が「営業」を冠する人材を全員採用したものの、この営業モデルに適応できずに辞めてしまったというケースも考えられます。 VI. 特別なケース一連の比較を行った結果、次のような非常に特殊なケースが判明しました。 データはほぼ同じです! 収入に大差ないですよ！ 実行に違いはありません！ ※特性はほぼ同一です！ 明確な理由もなく仕事を辞めてしまう人もいれば、辞めなくてもお金を稼げない人もいます。 何をするか！ もしこれが真実なら、この業界は明らかに新聞配達少年効果に悩まされている可能性が高い。つまり、新聞配達少年が売る新聞の数は、彼の個人的な特性、販売スキル、顧客のニーズとはほとんど関係がなく、どんなに頑張っても100人中2人しか買わないということだ。 もしそうなら、それは別の戦略です。売上はいずれにせよ減少するのは避けられず、状況を改善する術もないのであれば、採用コストを削減し、より安価な労働力を確保する方法を探るべきです。 VII. 要約上記は分析アプローチの簡単な説明に過ぎません。実際の作業はもっと複雑かもしれませんが、基本的な考え方はデータ分析を行うことです。ハンマーで釘を探すのではなく、具体的な状況に適応し、問題解決志向で具体的な問題を分析することです。 あらゆるツールは、実際の状況と有機的に組み合わされる必要があります。ユーザーペルソナはタグの組み合わせであり、状況に応じて適切なタグを選択し、場合によっては新しいタグを開発する必要があります。 |
