目次
MORE
はじめに
STEP 0 マーケティングサイエンティストの戦略
「狙って、勝ち続ける」ための方法
マーケティング組織はコストセンターではない
マーケティングとはサイエンスである
マーケティングサイエンスは凡人のための武器
マーケティングサイエンスの6ステップ
ステップの全体像をつかむ
順番通りにステップを踏む
成功・失敗に隠れた理由
重要なのは「知識」より「感性」
「マーケティングサイエンティスト」を目指す
「仮説」がプロジェクトの成否を決める
感性を高めるための習慣
生成AIは、なぜ自社の戦略を語れないのか
２つのコンテキストの欠如
AIを最強の参謀に変えるブリーフィング
「プロンプト」から「コンテキスト」へ
STEP 1 目的 解決すべき「問題」を定める
組織に実行力を生む「目的」とは
目的は「社会の都合」で設定されるべき
プロセスを誠実にやり遂げる責任を持つ
プロジェクトの目的を「自分ごと」にする
何のために6ステップを行うのか？
マーケティング活動全体を理解する
組織の目的を分解する手法
目的と目の前の仕事を結びつける
【対談】目的定義のカギは「新しい現実」の裏にある
データはあっても「目的」不在のマーケティング
「目的」があるから顧客の問題を捉えられる
目的がわかると知りたいことがわかる
簡単な方程式はない。「考える」しかない
STEP 2 課題 ギャップを生み出す「真因」を捉える
実データから課題をあぶり出す
課題の根っこを特定する
「思い込み」が認識を狂わせる
シンプルかつ当たり前の指標で
一気に状況を好転させる「センターピン」
まずは現状を正確に把握する
本質的な原因を深掘りする
着目すべき課題を特定する
【対談】ブランド成長のために解き明かすべきもの
コモディティ化が進む食品市場で見えた課題
データ分析から生まれる「モチベーション」
仕事の「手触り感」が「直感」につながる
何がお客様の生活を豊かにしているのか
STEP 3 仮説 課題の「正体」を考える
「課題がどう成り立っているのか」を考える
「原因仮説」と「打ち手仮説」
6ステップは1回では終わらない
仮説を間違うことは失敗ではない
仮説立て① 要素の洗い出し
「Who」「What」「How」のフレームワーク
要素の洗い出しの例
「ヌケモレ」や「重複」がないか
仮説立て② 優先順位づけ
「どの要素から分析するか」を決める
優先順位を決める2つの基準
仮説立て③ 関係性の想定
課題と要素の因果関係を考える
関係性の想定の例
「打ち手仮説」を考える
プロジェクトをスムーズに進めるために
マーケティングで最重要なのは「スピード」
意思決定者を巻き込む
【対談】より強く、持続的に「勝つ」ための設計図
感動を創造する原動力はEX
「徹底した科学」と「終わらない探求」
勝つための準備をしたうえで直感を優先する
「仮説通り」は面白くない
「観察」と「妄想」の繰り返しで仮説を磨く
STEP 4 データ 要素を「数字」に置き換える
データは意外とシンプル
データには2種類しかない
データの整理方法は3つしかない
データの整理方法の選び方
どこまでデータを集めるべきか
データは実態に即しているか
どこまでデータ収集すべきか
「重要度」と「難易度」で判断する
「集められないデータ」はほとんどない
「データがない」という勘違い
データの収集方法は経験から学ぶ
自社データ活用のルールづくり
【対談】マーケターの主権を取り戻す
テレビからデジタルへの変換で生まれた課題
「データ」を共通言語にPDCAを回す
重厚な分析プロセスを実行する原動力
データは過去の実績でしかない
STEP 5 分析 データを「情報」に変換する
まずは「見る分析」から
「分析」はデータを解釈可能な状態にする作業
「見る分析」でわかること
「見る分析」は3パターン
「見て」わからないものは「解く」
「解く分析」は2パターン
「レコード」に着目した分析
「変数」に着目した分析
分析結果は「答え」ではない
分析手法を決める際の2つの注意点
信頼に足る結果かどうかを見極める
人の心理が冷静な判断を阻む
【対談】仮説の成否を判断できる分析設計を
観点の違う複数のファクトをまとめて解釈する
自分が注目していない要素にも目を向ける
複数の事業でデータ分析を行うメリットと注意点
生成AI時代に差をつけるのは「仮説力」
STEP 6 解釈 分析結果に「示唆」を与える
アクションを決める最後の砦
3つのフィルターでステップを振り返る
プロセスは一気通貫していたか
関係性の想定通りの結果だったか
取るべきアクションを決める
判断はいつもケースバイケース
仮説通りでも効果が見込めない場合
6ステップは課題をシャープにする作業
アクションの基準はROI
「100点満点」の施策は存在しない
ROIの正しい計算方法
すべてはROIで計算できる
巻き込み・実行
巻き込みには原因仮説と打ち手仮説が必要
打ち手仮説は組織設計から考える
実行に大事なクイックウィンと監督
【対談】「都合の悪いデータ」こそ信じる
過去の成功体験が目隠しをしてしまうもの
ドレッシングのキードライバーは「サラダ以外に使う」
ビジネスとしてのアウトプットに求められるもの
組織を巻き込むためには「翻訳」が必要
おわりに
【Overview】６ステップのサイクルを回す
人材に依存せず価値を生み続けるために
「量の分析」×「質の分析」
4象限で6ステップを考える
