幸せな退会者をいかに増やせるか／データアナリストが主導する組織とは＜後編＞
こんにちは、エニトグループ（with／Omiai）の採用担当です。
突然ですが皆様は「退会者を増やす施策」を打ったことはありますか？
当グループ（with／Omiai）は「退会者を増やす施策」に積極的に取り組んでいます。そして、その施策にはデータアナリストの存在が不可欠です。
なぜ、異例ともいえる「退会者を増やす施策」を打つのか、なぜデータアナリストが必要なのか、五十嵐（with CEO）と今井（Omiai COO）にインタビューしました。＜後編＞
こちらの記事は後編です。 >>前編はこちら<<
データを複眼で解釈する
人事：
データアナリストに柔軟な姿勢が求められるとも言い換えられると感じたのですが、どんな工夫をされているのですか？
今井：
「データをクロスさせて読み解く、新しい意味合い（価値）を見い出す」がやりたいことだとしたら、それに対してhowはwithとOmiaiの議論の場を一緒に設けるということです。それぞれの担当者の頭の中にある情報だけを企画に反映するのではなく、集めてきた専門的な情報を出し議論をする。とてもシンプルですが、非常に意味のあるプロセスです。単眼ではなく複眼で情報を解釈することで、施策実施後に得られる振り返りも複眼でできますよね。次の施策へ反映する際、前回よりも高い水準でデータ運用ができるようになっているという収穫があります。
-AIや機械学習などデータの活用はどのように進化しますか？
五十嵐：
with、OmiaiからAIや機械学習へ積極的に歩み寄ることが大事だと思ってます。
前提として、AIや機械学習はマッチングアプリの領域でも当たり前のように導入されると考えていまして、当グループでは導入することが目的でなく、目的を達成するための重要な手段の一つだと考えているということです。上手く活用することで、いかにユーザー体験を高めたり、効率化できるのかという点に着目しています。
人事：
データアナリストとAI（機械学習含む）との間で業務は発生していますか？それらをクロスさせると、どんなことが起こりますか？
五十嵐：
そうですね。 実際に、AI担当とデータアナリストが協働した新しい取り組みが進行しています。
前述したように、当グループでデータアナリストは「①経営データ、②サービスのデータ、③マーケティング関連データ、④マッチングアルゴリズム」などのデータを分析し改善に導く役割があります。
一方、AIはデータアナリストと異なる独自の視点でアウトプットができます。そこからデータアナリストとAIそれぞれのアウトプットをクロスさせるという工夫をしています。例えば、ユーザーの傾向やマッチングアルゴリズムをAI独自の視点でアウトプットできるなどですかね。これをデータアナリストが取り込んで洗練してユーザー体験を高めるという取り組みは実際に行なわれています。また、機械学習も積極的に取り入れていまして、ユーザーの登録フローの改善や自動化で何年も前から工夫をしてきました。今後もAIや機械学習を通じてどれだけユーザーのサービス体験を向上・改善できるか、その視点で取り組みを強化していきます。
データとデータの行間をうめられる人
- データアナリストに求める人物要素を教えてください。
今井：
1つ目は主体性の高さです。目的を理解して、その達成に向けた課題を自ら抽出・設定しプランニングする、結果を振り返り次に活かすというプロセスを自分でまわせる人ですね。
2つ目はデータに意味を見い出す力ですね。SQLで出したデータはあくまでも単一なデータ（ファクト）に過ぎないので、データをクロスさせるなど何らかの化学反応を起こして、そこから意味を見い出すことが求められてきます。
人事：
データから意味を見い出せる人の特徴とは？
今井：
一言でいうと、データとデータの行間をうめる力がある人です。
ユーザーを想像する力（数字がもたらす背景を想像する力）とも言えますかね。
サービスを運営するうえでユーザーの本当の気持ちや本質的なニーズはつかみづらい（難しいこと）と感じています。そこでユーザーの行動データから気持ちを想像し、仮説立てを行なうというプロセスを歩むことにしました。このようにデータから意味を見い出せる人の特徴とはデータとデータの行間をうめられる人だと解釈しています。
人事：
ありがとうございます。五十嵐さんはいかがでしょう？
五十嵐：
結構あります（笑）。考えてみたら5つほどありました。
1つ目は今井さんと同意見で主体性です。
2つ目は全体把握する力（具体化と抽象化）です。目の前のデータに着目し過ぎると近視眼的（単一データでの判断）になりやすくなるので要注意です。何が起きているのか、全体像を把握したうえで具体化してアクションを決めるというプロセスを推進できることが大事です。
3つ目は学習する力です。データ分析におけるトレンドなどを社外からキャッチアップする学習もあれば、社内で起きている出来事を目的に照らし合わせて学びを得られる力もあると思います。たくさんの成功や失敗から学びがあり、次に活かせる人はとても頼りになるデータアナリストです。
4つ目は伝える力です。データ分析後、担当部門に納品して終了ではなく、データの解釈を言語化し大事な意思決定のサポートを相手にとって（データアナリストではない担当者へ）わかりやすく伝えられる力は求められます。
最後の5つ目はスピードです。私達は少ない人数で多くの施策を実施します。時間軸としてもデータ分析をボトルネックにはせず、スピーディーに施策が実施できるようなアウトプットを行っていくということが求められます。
今、だからこそのチャンスがある
- with、Omiaiのデータアナリストに興味を持っている方へひとことください。
今井：
人生の大事な場面に作用するプロダクトに関わるーこの魅力は何事にも代えられないです。
また、CtoCというモデルからユーザーの動きがダイレクトに感じ取れるのはデータアナリストとしてもやりがいを感じ取れる環境です。実際、施策の主体者として推進した際、施策の即時性を感じつつ、世の中への貢献も実感いただけると考えています。
このビジネスだからこそ経験できる要素が詰まっていますし、もし次のキャリアを考える時がきたとしても必ず活かせる経験だといえます。是非、ご応募をお待ちしています。
五十嵐さん：
withもOmiaiも累計会員数がそれぞれ900万人規模まで拡大しています。つまりデータ量が多く分析対象のデータがたくさんあるという魅力は感じていただけると思います。また、今のような事業拡大期のフェーズは非常に貴重で主体的に行動したいデータアナリストにとってはたくさんの経験を積める最適な場です。今だからこそのチャンスがあります。
是非、皆さんからのご応募をお待ちしてます。
【番外編】
幸せな退会者をいかに増やせるか
人事：
面談や面接をする中で採用候補者からよくいただく質問に下記があります。「退会させない方が収益に繋がるはず、ユーザーをあえてマッチングさせずにご利用期間を長くする施策もしてますか？」
その答えを五十嵐と今井からお伝えします。
- ビジネスモデルはサブスク、退会しづらい工夫をした方が業績が向上するのでは？この論点で議論が白熱したことはありましたか？
五十嵐：
サービス開始当初に議論にあがったことはありました。
結論としてはユーザーひとりひとりに対しご利用期間を意図的に延ばす（退会しづらい工夫）という方法は選ばないという判断をしました。
サービス開始時からユーザーの体験向上を第一に運営するという方針があり、業績ドリブンで運営しても本質的な価値提供にはならないと考えました。むしろユーザーさんにとって、自分だからこそフィットする相手と最短距離で出会えることにコミットしてきましたね。
今井：
そうですね。ユーザーひとりひとりのLTを延ばすのではく、良いサービス体験をしたユーザーが友人や知人にwithやOmiaiを薦めていただき新規会員としてご利用いただけるようになる。そういった意味でサービス全体のLTを延ばしたいという考えをもっています。
それと幸せ退会（アプリ内でパートナーと出会ったことによる退会）を増やすことで、それぞれの体験を結婚式やSNSを通じて多くの人へ共有してもらえるのではと考えています。幸せの連鎖を多く作ることで事業としても本質的な価値を追求できますし、多くのユーザーさんに充実した生活をおくる機会を提供できます。こんなに恵まれたビジネスモデルは他にはないのではと思うほどですよ。何よりもVMVを実現するために今後も幸せな退会者を増やしていきます。
人事：
なるほど、、目から鱗とはまさにこのことですね。withやOmiaiはむしろ「パートナーを見つけて退会していただきたい」ということなんですね。それもwithやOmiaiにデータアナリストがいるからこそユーザーインサイトの深掘りや事業構造を追求できるのだということを強く感じとれました。もちろんデータアナリストだけでなく、PdM、エンジニア、デザイナー、CSなど多くの職種からの意見を取り入れての結果だと思います。サイエンスと温もりの両輪を軸にそれぞれの職種が力を合わせてプロダクトを創り上げているチームであるーこれがエニトグループ（withとOmiai）の力の源なのですね。納得しました。今日はありがとうございました！
データアナリストとして経験を積みたい方、ユーザードリブンな環境でサービスづくりを手掛けたい方、経営に関するデータにも携わりたい方、是非ご応募ください。