私たちは数字で世界を見ている

星4.8の人気店を訪ねて、がっかりしたことがある。レビュー数が300件を超えていたので、本当においしい店だと思ったのだ。数字が操作されていないのなら、実際にその店を気に入った人が300人以上いるということになるのだから。しかし、私にとってはおいしい店ではなかった。数字が教えてくれなかったのは、世の中には自分とは好みの違う人がたくさんいるという事実だ。ある人は雰囲気が気に入ったのかもしれないし、ある人は価格を評価したのかもしれないし、ある人は長く待たなくて済む点に満足したのかもしれない。

数字はうそをつかない。だからといって、数字がすべてを語ってくれるわけでもない。数字に込められた本当の話は、見えるものと隠れたものの間。そのどこかにある。

報告書が厚くなるほど、答えからは遠ざかった

インターンとしてデータ分析をしていた頃、私に与えられた最初の課題はシンプルだったが、同時に非常に難しいものだった。「中古取引の件数をどうすれば増やせるか、分析してください」。最初は、この問いがあまりにも大きく感じられた。どこから見ればいいのかわからず、とりあえず自分で抽出できるデータから手をつけた。取引件数、カテゴリー別の分布、時間帯別のパターン、再取引率、地域ごとの差。関連がありそうな指標なら、すべて引っ張り出した。報告書はいつの間にか数十ページにもなっていた。ところが、おかしなことに、報告書が厚くなるほど答えからどんどん遠ざかっていくような気がした。数値はいくらでもあるのに、「問題は何で、改善策は何か」という単純な問いへの答えは、ぼやけていくばかりだった。

最初は、SQL（データを扱う際に使う言語）をもっと使いこなさなければならないのだと思っていた。統計をもっと知らなければならないのだと思っていた。もちろん、そうしたスキルも重要だった。しかし、いざデータを抽出してみると、より必要だったのはスキルそのものよりも、数字を読み解く力だった。自分が見ている数字が本当に全体を代表しているのか、欠けているデータはないか、この指標は本当に問題を説明しているのか。そうしたことを見抜く力だ。それ以来、私が頼るようになったのは、より多くのクエリではなく、論理的思考力とデータリテラシーだった。

問いを持たずにデータを開けば、データはただの数字の山にすぎない。数字が増えるほど客観的な人間になれるような気がするが、実際には判断すべきことが増えるだけだ。それからは、データを見る前にまずこう問いかける習慣がついた。「この数字は、本当に問題を示しているのだろうか？」「問題だとすれば、カスタマージャーニーのどの段階で始まったのだろうか？」報告書は薄くなり、逆説的に説得力は増していった。

弾痕のない場所を見るべき理由

第二次世界大戦中、連合軍は戦闘を終えて基地に戻ってきた飛行機に残された弾痕を調査した。帰還した飛行機を調べると、翼と胴体に弾痕が集中していた。一方、エンジンなど一部の部位には比較的弾痕が少なかった。目の前の結果だけを見れば、判断は単純に思える。弾痕が多く見つかった翼と胴体を、さらに頑丈に補強すればいい。しかし統計学者のエイブラハム・ウォールドは、正反対の方向を見ていた。弾痕が多い場所ではなく、弾痕がほとんどない場所を補強すべきだと判断したのだ。

調査対象となった飛行機は、翼や胴体に被弾したものの、何とか基地まで帰還した飛行機だった。反対に、エンジンのような致命的な部位に被弾した飛行機は帰ってこられず、したがって調査対象にも含まれなかったのだ。この事例は、生き残った事例ばかりに注目するあまり、そもそもサンプルに入ることのできなかった事例を見落としてしまう「生存者バイアス」を説明する際によく用いられる。

実務でも同じだ。購入した顧客の行動は、比較的はっきりと記録に残る。どの商品を見たのか、何をカートに入れたのか、どのクーポンを使い、いくら支払ったのかも確認できる。しかし、商品をちらっと見ただけで何もせずに去った顧客、求める答えが見つからず検索をあきらめた顧客、購入プロセスで不便を感じたものの特に意見を残さなかった顧客の理由は、データには残らない。

だからこそ、数字を見るときは表の中の値だけでなく、その表に入らなかった状況まであわせて考えなければならない。今見ている数字は誰の記録なのか、どんな顧客体験がここから抜け落ちているのか、そもそも測定されていない行動はないのかを問う必要がある。数字を読むということは、見えている値を正確に計算するだけでは終わらない。見えていないものが何なのかを想像し、推論するところまで含まれるからだ。

成果が低く見える数字にもヒントがある

ある日、検索データを見ていると、クリック数の多い検索ワードよりも、表示回数は多いのにクリック率の低い検索ワードのほうが目に留まった。数字だけを見れば、成果の低い検索ワードだ。表示されたもののクリックにつながらなかったのだから、効率がよくないとも言える。しかし裏を返せば、お客様がすでにこうしたことを知りたがっているのに、私たちがまだその問いに十分に答えられていないというシグナルでもあった。お客様は「カフェインのないお茶」「ギフトにぴったりのお茶」「アイスで飲むのにおすすめのお茶」といった問いを持って訪れているのに、それにふさわしい答えがまだサイトにないのだ。

そのとき、問いが変わった。「どんな検索ワードで多くのお客様が流入しているのか？」から、「お客様がすでに知りたがっていることに、私たちは十分に答えているだろうか？」という問いへ。低いクリック率を単に成果が低いとだけ見れば、そこで終わってしまう。しかし、その背後にある問いを集めてみると、私たちがまだ十分に応えられていないお客様のニーズが見えてくることがある。低い数字は失敗ではなく、次に何をすべきかを教えてくれるシグナルなのだ。

AI時代も同じ。人の勘が必要だ

最近は社内でも、AIを活用する機会がぐんと増えた。データの整理、コピーの下書き、報告書の要約まで、AIが処理してくれる。以前は1時間かかっていた作業が10分に短縮されることもある。ところが、使えば使うほど感じることがある。成果物のクオリティは、結局のところ自分が投げかけた問いのクオリティに比例するという事実だ。

「コピーを書いて」という依頼と、「旧正月のギフトに悩んでいる40代の女性が初めてOSULLOCモールを訪れたとき、3万ウォン台のティーバッグセットを迷わず選べるよう後押しする、商品詳細ページの最初の一文を書いて」という依頼とでは、出てくる結果はまったく異なるはずだ。

後者のような依頼文を書くには、お客様が誰なのかを知り、どんな状況で訪れるのかを知り、どの時点で迷うのかを知っていなければならない。その理解は、データからも、お客様レビューからも、さらには一緒に働く人たちとの会話からも生まれる。

AIは、私がつくった問いを素早く実行してくれるツールになった。しかし、どんな問いをつくるべきかは、依然として人がやるべきことだと思う。数字も同じだ。数字を整理し要約してくれるツールは増えたが、どの数字の前で立ち止まるべきかは、今も人の勘で決めなければならない。

数字を前に、私が心がけていること

数字を見るときに気をつけていることもある。指標が目標になった瞬間、数字はときに本来の意味を失ってしまう。クリック率を上げることだけが目標なら、より刺激的な文言をつくることもできる。コンバージョン率を上げることだけが目標なら、購入ボタンをもっと目立たせることもできる。しかし、そうすればするほど、お客様からはどんどん遠ざかってしまうのではないだろうか。

だから最近の私は、数字を見るとき、その数字が自分にどんな問いを投げかけているのかをまず考えるようにしている。予想と違う数字、低く見えるのになぜか気にかかる数字、よく見えるのに理由が説明できない数字。そうした数字の中に、次の企画の手がかりが隠れていることが多かった。

次回は、こうして見つけた手がかりが、実際の企画へと落とし込まれていく過程について話してみたい。お客様が検索し、比較し、カートに入れ、最後に購入ボタンを押すまで。その間に生まれる迷いを、プロモーションやUXの中でどのように減らしていけるのかを考えてみたい。