顧客への影響を測定するMeasure for customer impact

顧客への影響を測定するには、さまざまな方法があります。There are several ways to measure for customer impact. この記事は、顧客の共感を構築する取り組みから生じた仮説を検証するためのメトリックの定義に役立ちます。This article will help you define metrics to validate hypotheses that arise out of an effort to build with customer empathy.

戦略的なメトリックStrategic metrics

クラウド導入ライフ サイクルの戦略フェーズでは、動機ビジネス成果を確認します。During the Strategy phase of the cloud adoption lifecycle, we examine motivations and business outcomes. これらのプラクティスでは、顧客への影響をテストするために使用する一連のメトリックが用意されます。These practices provide a set of metrics by which to test customer impact. イノベーションが成功すると、戦略目標に沿った結果が見られる傾向にあります。When innovation is successful, you tend to see results that are aligned with your strategic objectives.

学習メトリックを確立する前に、このイノベーションが影響を及ぼす必要のある少数の戦略的メトリックを定義します。Before establishing learning metrics, define a small number of strategic metrics that you want this innovation to affect. 一般に、それらの戦略的メトリックは、次の成果領域の 1 つまたは複数に沿っています。Generally those strategic metrics align with one or more of the following outcome areas: - ビジネスの機敏性Business agility - 顧客エンゲージメントCustomer engagement - 顧客への到達率Customer reach - 財務上の影響Financial impact - ソリューションのパフォーマンス (運用上のイノベーションの場合)。Solution performance, in the case of operational innovation.

合意されたメトリックを文書化し、それらの影響を頻繁に追跡します。Document the agreed-upon metrics and track their impact frequently. ただし、これらのメトリックのいずれかで成果が数回のイテレーションで現れると期待しないでください。But don't expect results in any of these metrics to emerge for several iterations. 関係するパーティ間での期待値の設定および調整の詳細については、「イテレーションに対するコミットメント」を参照してください。For more information about setting and aligning expectations across the parties involved, see Commitment to iteration.

動機とビジネス成果のメトリックとは別に、この記事の残りの部分では、透明性のある発見と顧客重視のイテレーションを説明することを目的とする学習メトリックについて重点的に説明します。Aside from motivation and business outcome metrics, the remainder of this article focuses on learning metrics designed to guide transparent discovery and customer-focused iterations. これらの側面の詳細については、「透過性に対するコミットメント」を参照してください。For more information about these aspects, see Commitment to transparency.

学習メトリックLearning metrics

実用最小限の製品 (MVP) の最初のバージョンを顧客と共有する時点 (おそらくは初回の開発イテレーションの終了時) では、戦略的メトリックに対する影響は発生しません。When the first version of any minimum viable product (MVP) is shared with customers, preferably at the end of the first development iteration, there will be no impact on strategic metrics. 何回かのイテレーション後、チームは、依然として、戦略的メトリックに実質的な影響を与えるのに十分な行動の変化を得ることに苦慮している可能性があります。Several iterations later, the team may still be struggling to change behaviors enough to materially affect strategic metrics. チームには、Build-Measure-Learn (構築-計測-学習) サイクルなどの学習プロセス中に、学習メトリックを導入することをお勧めします。During learning processes, such as build-measure-learn cycles, we advise the team to adopt learning metrics. これらのメトリックは機会を追跡および学習します。These metrics tracking and learning opportunities.

顧客フローと学習メトリックCustomer flow and learning metrics

MVP ソリューションを使用して顧客に重点を置いた仮説を検証する場合、このソリューションによって顧客の行動の変化が推進されます。If an MVP solution validates a customer-focused hypothesis, the solution will drive some change in customer behaviors. 多様な顧客集団におけるこれらの行動の変化によって、ビジネス成果が向上します。Those behavior changes across customer cohorts should improve business outcomes. 顧客の行動の変化は、通常、複数段階から成るプロセスであることに注意してください。Keep in mind that changing customer behavior is typically a multistep process. 各段階に影響を測定する機会があるため、導入チームは常に学習を行って、より優れたソリューションを構築することができます。Because each step provides an opportunity to measure impact, the adoption team can keep learning along the way and build a better solution.

顧客の行動の変化についての学習は、MVP ソリューションからの望ましいフローをマップすることから始まります。Learning about changes to customer behavior starts by mapping the flow that you hope to see from an MVP solution.

学習メトリックを決定するために使用される顧客フロー

ほとんどの場合、顧客フローには、容易に定義された開始点と、2 つまでの終点があります。In most cases, a customer flow will have an easily defined starting point and no more than two endpoints. 開始点と終点の間には、フィードバック ループで測定基準として使用されるさまざまな学習メトリックがあります。Between the start and endpoints are a variety of learning metrics to be used as measures in the feedback loop:

  1. 開始点 - 最初のトリガー: 開始点は、このソリューションの必要性のトリガーとなるシナリオです。Starting point—initial trigger: The starting point is the scenario that triggers the need for this solution. ソリューションが顧客の共感を得て構築されると、顧客は、その最初のトリガーによって、MVP ソリューションを試す気になります。When the solution is built with customer empathy, that initial trigger should inspire a customer to try the MVP solution.
  2. 顧客ニーズへの適合: ソリューションを使用して顧客のニーズが満たされたときに、仮説が検証されます。Customer need met: The hypothesis is validated when a customer need has been met by using the solution.
  3. ソリューションの段階: この用語は、最初のトリガーから成果の実現まで顧客を移動させるために必要な各段階を表します。Solution steps: This term refers to the steps that are required to move the customer from the initial trigger to a successful outcome. 各段階では、次の段階に進むための顧客の決定に基づいて、学習メトリックが生成されます。Each step produces a learning metric based on a customer decision to move on to the next step.
  4. 個々の導入の実現: 次にトリガーが検出されたとき、顧客が自分のニーズを満たすソリューションに戻っていれば、個々の導入が達成されています。Individual adoption achieved: The next time the trigger is encountered, if the customer returns to the solution to get their need met, individual adoption has been achieved.
  5. ビジネス成果インジケーター: 顧客が、定義されたビジネス成果に対して貢献するような方法で行動した場合、ビジネス成果インジケーターが観察されます。Business outcome indicator: When a customer behaves in a way that contributes to the defined business outcome, a business outcome indicator is observed.
  6. 真のイノベーション: "ビジネス成果インジケーター" と "個々の導入" の両方が求められている規模で発生したときに、真のイノベーションが実現しています。True innovation: When business outcome indicators and individual adoption both occur at the desired scale, you've realized true innovation.

顧客フローの各段階で、学習メトリックが生成されます。Each step of the customer flow generates learning metrics. 各イテレーション (またはリリース) の後で、新しいバージョンの仮説がテストされます。After each iteration (or release), a new version of the hypothesis is tested. 同時に、仮説の調整を反映するようにソリューションに対する微調整がテストされます。At the same time, tweaks to the solution are tested to reflect adjustments in the hypothesis. 顧客が各段階で所定のパスに従うと、肯定的なメトリックが記録されます。When customers follow the prescribed path in any given step, a positive metric is recorded. 顧客が所定のパスから逸脱した場合は、否定的なメトリックが記録されます。When customers deviate from the prescribed path, a negative metric is recorded.

これらの調整と逸脱の記録によって、学習メトリックが作成されます。These alignment and deviation counters create learning metrics. クラウド導入チームは、ビジネス成果と真のイノベーションに向かって進む間、記録と追跡を行う必要があります。Each should be recorded and tracked as the cloud adoption team progresses toward business outcomes and true innovation. お客様による学習」で、これらのメトリックを適用して学習を行い、より良いソリューションを構築する方法について説明します。In Learn with customers, we'll discuss ways to apply these metrics to learn and build better solutions.

顧客パートナーをグループ化して観察するGroup and observe customer partners

学習メトリックを定義するための最初の基準は、顧客パートナー定義です。The first measurement in defining learning metrics is the customer partner definition. イノベーション サイクルに参加するすべての顧客に、顧客パートナーの資格があります。Any customer who participates in innovation cycles qualifies as a customer partner. 行動を正確に測定するには、コーホート モデルを使用して顧客パートナーを定義する必要があります。To accurately measure behavior, you should use a cohort model to define customer partners. このモデルでは、MVP での変更に対する顧客の対応をより明確に理解できるように顧客がグループ化されます。In this model, customers are grouped to sharpen your understanding of their responses to changes in the MVP. これらのグループは通常、次のようになります。These groups typically resemble the following:

  • 実験またはフォーカス グループ: 時間の経過による変化をテストするように設計された特定の実験への参加に基づいて顧客をグループ化します。Experiment or focus group: Grouping customers based on their participation in a specific experiment designed to test changes over time.
  • セグメント: 会社の規模によって顧客をグループ化します。Segment: Grouping customers by the size of the company.
  • 業界: 顧客が属している "業界ごとに垂直方向" にグループ化します。Vertical: Grouping customers by the industry vertical they represent.
  • 個人の人口統計: 年齢や物理的な場所などの個人の人口統計に基づいてグループ化します。Individual demographics: Grouping based on personal demographics like age and physical location.

この種類のグループ化は、イノベーションの取り組み中に貴社とのパートナー関係を選択する顧客のさまざまなクロスセクションにわたる学習メトリックを検証する際に役立ちます。These types of groupings help you validate learning metrics across various cross-sections of those customers who choose to partner with you during your innovation efforts. 以降のすべてのメトリックは、定義可能な顧客のグループ化から引き出す必要があります。All subsequent metrics should be derived from definable customer grouping.

次のステップNext steps

学習メトリックが蓄積されると、チームは、顧客と共に学習することを開始できます。As learning metrics accumulate, the team can begin to learn with customers.

この記事の概念の一部は、『リーン スタートアップ』(Eric Ries 著) で初めて書かれたトピックを基に作成されています。Some of the concepts in this article build on topics first described in The Lean Startup, written by Eric Ries.