ネットフリックスの成功の鍵
どうもハリーです。どうもヤマンです。ゴロゴロ起業ラジオは、教育会社を経営しているハリーとデザイン会社を経営するヤマンがお届けするキーワードサートアップに関する話を緩く紹介する番組です。
ヤマンさんは仕事であなたにしかお願いできないんですって言われたことはありますか? ないねそんなないかないですよね。でも作りたくないですか? 作りたい。そう最近ね競合みたいのいるじゃないですか。
はい。 奴らと差をつけたいなと一歩飛び出したいなと思った時にこう言われないといけないなと思うんですよね。 あなたにしかできないと。あなたじゃなきゃダメなのってヒロインに言われるが如くお客さんからも言われたいなと思いまして、じゃあそれどうすればいいんだというのを考えた時に、
参入障壁ですよ。 参入障壁を上げるの? 上げる? 下げるの? 上げる。 上げる? 上げる上げる。めちゃめちゃ上げましょうもう。
で、それをねうまくやってる会社があるのでね今日それを紹介しますよ。 これを紹介して。 お願いしますよ本当に。 もう他の人ではできないこの人だったらできるという状態を作って無双しましょう。
ということでねサンプルとして今日持ってきてるのはねネットフリックスを持ってきました。 岡山さん大好き。 ネットフリックスは好きですね。 ネットフリックスって映像配信結構あるけれどもやっぱりネットフリックス一つ飛び抜けてるなと思うんですよ。
なんでねそれを支える仕組みを紹介していこうと思います。 行こう。
ちょっとネットフリックスの話する前におすすめが多すぎると選べない問題っていうのを先に説明したいんですけど。 いやわかりますよあるあるめちゃくちゃあるもうハリさんもご存知の通り僕って食いしん坊じゃないですか。
はいそうなんだ。 外に外食に行った時にもう選べないですよね。全部食べたいから。 メニューを。 全部一口ずつ食べたい。 あーわかるわかる。
わかります本当に? わかりますわかります。 例えばバーミアンとか行った時にもうチャーハンも食いたいしラーメンも食いたいしエビチリも食いたいし麻婆豆腐も食いたいしみたいなあれも食べたいこれも食べたいでラインナップが多すぎて選べない。ラーメンも同じですよ。
めちゃめちゃ近い例出すやん。 マクドナルドとかでもそうだし。 はいはいはい。そうですよね。選べないんですよ本当に小山さんに限らず皆さん誰しも。 本当に? 気合いですよねファミレス行って何食べようっていうの。一番最初に目に留まったやつとか。 だからもう何かを捨てなきゃいけないよね。 そうですよ可能性を捨てなきゃいけない。可能性を捨てなきゃいけない。
今日のグリルチキンを食べたい気持ちを押し殺して卸しハンバーグを頼むからね。 そうですよ。よだれ出てきたわ。そうなんすよ。でなんか最近食べログとかクックパッドとかお店選ぶ時とかレシピ作る時とかに使うアプリなんですけど。
だからそこの会員数が減ってきてると。昔はねもう食べログクックパッドっていやウェブ2.0時代のUと言われていたところが。 マルビ独占してたんじゃないですか。 最近ちょっと会員数が減ってきてますと。
でその原因の一つとして言われているのがその多すぎて選べない問題。昔はそういうデータが大量にあって選び放題ですよっていうのが良かったんだけれどもそれよりも選ぶのしんどいわと。それよりもリール動画とかで流れてくるどこどこ駅すぐにあるとかラーメン屋みたいなのを見てここ行きたいわっていう方が楽っていう。
だからそのやっぱ選ぶっていうのがストレスなんで最初から自分にぴったりのものがあれば自分にぴったりそうなものが3つぐらい出てきたらその中の一つ選べばいい。やったらめっちゃ楽なんですよ。なのでその状態を作ってあげるとユーザーに優しい状態が作れると。
データ駆動の推薦システム
そしてその状態をどうやって作るかというとデータの力ですよ。
ネットフリックスはこのデータによって毎年10億ドルの価値を生み出していると言われてるんですよ。
すごいんですよ。さらにネットフリックス解約率がめっちゃ低いというのがあってだいたい2%ぐらいらしいんですよね。2%はめちゃくちゃすごいですね。
そうですね僕も生活の中でネットフリを解約して生きていくビジョンがないですもんね。
たぶん月次のことだと思うんですけど月次の解解率2%だったらだいたい1人獲得したらその人は50ヶ月使う前提になるんで。
50ヶ月って相当ですよね。4年ぐらい?
4年ぐらい。なのでかなりいい数字なんですよ。
ということでねそれをどうしているのかという話なんですけれどもまず一般の人が使うこういう人に対してこういうアプローチをしようみたいな考えるときに
どこに住んでるとか何歳で性別は何で趣味は何でみたいなペルソナを考えるじゃないですか。これはね一旦捨てましょう。
もう疲れたそういうのに。
捨てましょう。で代わりに何を持ってくればいいのかというとこれがデータなんですよ。
どんなデータかっていうと行動データのことなんですよね。
この人はネットフリックスだったら映画が基本なんでいつこれを見たどこまで見たどこで止めたどこで巻き戻したとかそういうのを逐一とっていますと。
あそこまで見てるんですかネットフリって。
そこまで全然見てますね。それぐらいだったらYouTubeとかもやってるでしょうと思うんですけれどもこのデータを活用してさっきのお勧めを表示させたいとなったときにまずどうすればいいかどうすればいいと思います。
僕にお勧めの映画を選ばせたいこの数万本ある映画から何見ようかなって選ぶのはしんどいと思っている。
パッと思いつくのはあれですよね過去に見た映画の似通ったジャンルをピックアップして出していく。
出していく。
関連動画ですよね関連動画。
関連動画ってどうやって出すんですか。
だから映画に1本ずつタグ付けしなきゃいけないですよ。
はいはいはい。
タグ付けして。
スターウォーズを見たらSFを見たとか。
そうそうそうそうハリーポッター見たらハリーポッターと同じジャンルのタグ付けしてる映画を出す関連動画。
まあちょっとこれもデータだと思うんですけどこの映画を見た人はこの映画も見ていますみたいなリコメンド出てくるんですよ。
出ますね。
ネットフリックスって。
まあでもそういうことですよね。
同じ映画を見てて被ってるところの作品を前に出すと比較的気に入るんじゃないかなみたいな。
最近ねあのネットフリックスのカテゴライズがなんかウォーザの人におすすめな人とか出てくるんですよ。
映画とか出てくるんですよね。
これネットフリックスじゃなかったかな。
アマゾンプライムだったかな。ちょっとどっちか忘れたんですけど。
ウォーザ?
ウォーザにおすすめな映画とか夢を追いかける水亀座にはこの映画がおすすめとか。
怖いな。
そうシシ座とか星座で分けてねなんかリコメンドされてる。
へー。
何だろうねウォーザの人ってこういう映画見ればいいのかみたいな雰囲気になったけどね。
そんなわけないでしょ。
まあでもそういうのもあるかもしれないですね。
まあでもおすすめ動画はやっぱりあれじゃないですか。
似通ってそのフィルターが被ってるところの作品前に出すみたいな感じじゃないですかね。
まあ確かにそれはそうだなと思いつつ。
なんかそのめちゃ有名作あるじゃないですか。
じゃあまあそれこそハリーポッターでいいですよ。
ハリーポッターの賢者の石を僕は見ました。
でも見た人ってもう多分数千万人とか数億人とかいるじゃないですか。
そしたらもう結局ほぼ全員じゃんって。
長ないか問題。
はいはいはいはい。
分けようがないみたいなこと言ったの。
いやでもね非常にいいところを言ってますね。
さすがですね。
本当ですか。
いやでもね僕ねこれ言いたいことあるんですよねネットフリックスさんに。
まあ後半言います。
まだ話がそれそうなんで。
あのねこれ強調フィルタリングという手法でして。
もう定番中の定番ですね。
さっきの。
知ってます?
聞いたことあります。
聞いたことあります。
どういう仕組みかと。
タグ付けでしょ?
めちゃ簡単な仕組みだったらタグ付けなくてもいけますね。
あそうなんだ。
例えば僕が10本映画を見ました。
小山さんも10本映画見ました。
でどうやらこの2人見た映画が10本中5本同じやつだぞということが分かれば。
僕が見たけど小山さんがまだ見てないやつを小山さんにお勧めすればいいし。
逆もまたしっかりと。
いうことなんでこのどれだけ見たかが似ている人を同じグループだと。
同じグループっていうのかな。
はいわかりますわかります。
こいつとこいつで交換子使用みたいなのが強調フィルタリングですね。
まあyoutubeのお勧めもほぼこれですね。
だからレストランとかでもいけんじゃないかなと思うんですよねこれ。
わかんないけど。
なんとなくこの映像データだけの話で終わるともったいないなと思って。
これをした人はこれをしましたみたいなものを追跡できさえすればこの仕組みってできちゃうんで。
まあできそうな感じしますね最近ipadで注文するお店多いですしね。
このトッピングを選んだ人はこういうトッピングも選んでますみたいな話でしょ。
まあそういうことです。
これが強調フィルタリングというやつでこれのねすごいところっていうのがやっぱ行動ベースというところなんですよね。
僕はアンケートを信用するなというのを言い続けてきてるんですけど本当にアンケートは信用ならないと思っているんで。
どうでしたかみたいなのを聞くじゃないですか。
なんかあった時にお客さんに5段階評価でこうでしたとかいろいろ言いますけれどもやっぱり信用ならないんで。
実際にそいつが何をしたのかそれだけで決めるのが一番正しい。
っていうのはねなんかすごいねやっぱみんな嘘をつくんですよ。
なんかねこれなんだったかな誰もが嘘をついているという本がありまして。
これね面白いですよ。
なんかGoogle検索は全てを知っているみたいな感じの内容なんですけど。
みんなこのSNSとかだと奥さん旦那さんのことを最高だ最高だという割合が高い。
だが検索を見ると例えば夫とかっていうのを見ると最悪とかそういうすげーネガティブなワードが並ぶ率が高い。
というので真実を映しているのはどっちだということになるとやっぱ検索の方じゃないかということがあるので。
どうなんだろうね。
なんとなくの。
いやなんか検索って困り事を解決したいから検索すると思うんですよ。
それもある。
で満たされてるともう検索する必要がないんで。
その夫最高って思ってる人はそもそも検索しないっていう説はあるけどね。
説はありますね。
だから単純にそのネガティブなイメージの人だけが集結してる可能性あるよね検索してる人たちは。
検索してる人が。
検索をするような奴は心に闇を抱えていると。
抱えてるそう。
満たされてる奴はそもそも検索はしない。
そうなの。
そうなのか。
説はある。
説はある。
なんかその辺の話がねすごい詳しく載ってるんで。
これねいいですよ僕はこれを読んで本当にアンケートをやめましたね。
それよりも本当にその人が何をしたかとかどれだけ買ったかどれくらいの頻度で店に来るかとか。
そういう方が大事と。
そしてそのデータがあれば表面的にそのなんかアンケートで私は映画こういうのが好きですとかっていうよりもより詳しいお勧めができて。
より長く使ってもらえるようになるっていうね。
これがねやっぱすごいところですよね。
データは嘘つかないっていうことだね。
ざっとこんなこともありますよというのを。
僕ネットフリックスまあ契約してないんでちょっとわかんないですけど。
はい。
サムネ画像が人によって違うらしいんですよ。
いや違う。
違うんだ。
あれすげえマジで。
どういうことなの。
多分その例えば僕がブラピめっちゃ好きだったとしてブラピの映画たくさん見てたとするじゃないですか。
そうするとそのブラピが主演してない映画だけどサブキャラとして出てる映画でもブラピがあたかも主人公のようなジャケで出てくるんですよ。
すげえ。
すげえんすよあれマジで。
だからハリーポッターでハーマヨニーが好きな子がいてあの子が出演してる映画たくさん見てるとするじゃないですか。
そうするとあの子がサブキャラとして出演してる映画でもあの子のジャケになる。
だから何この映画と思ってクリックしたらなんだよこれ知ってるやつじゃんってなる。
だって一つの映画ってまあそのちゃんと名前ついてる人だけでも数十人とかいるわけじゃないですか。
うんうんうんうん。
ネットフリックスのカスタマイズ技術
それを何百万本とかの映画でやってるんですか。
いや多分やってると思う。
いやだからこのデザイナー観点から考えるととんでもないんですよね。
僕らは表紙とかジャケットデザインするのにまあお金を頂戴してですね。
表紙代みたいなんでジャケ代みたいなんで。
でどの写真がいいのかっていうのをこう選定してそれに合うデザインをレイアウトを組んでいくじゃないですか。
はい。
ネットフリックス全部自動でその人に合ったやつカスタマイズしますからね。
瞬時に。
自動なのか。
自動なのか自動でしょ自動じゃないとできないと思うんですけどね。
自動じゃねえか。
自動でしょ自動でしょ。
自動でしょ 自動じゃないとできないって思うんですけどね
そうか へえ そう本当になんかそうらしいですね
その特定の女優俳優好きな人がいたらそれを優先的に表示すると
そうなんすよ だからクリックしちゃうんですよね
まあするでしょうね
でクリックして概要読んで
あっこの映画知ってる映画だみたいなことが多々あります
でもジャケが違うから違う映画って思っちゃうよね
なるほどね
あっと思ってクリックして見たやつだっていうのも
データとして取られてますから
怖い怖い怖い そういうことですよね
やっぱりこの人はこの人が好きなんだなっていうのがより強化される
いやーそうだわ
なんかあの映画タイトルとジャケ写真入れ替えるだけで
関連動画とレコメンデーションの課題
表紙として成立するっていうね
そこに気づいたネットフリックスマジすげえ
ねっていう
まああとはさっきね小山さん言ってたタグ付け
これもめちゃくちゃしてますね
でしょうね
キモいぐらいしてますね
犬が出る映画とかでとか
あの薄暗いとかなんかそういうレベルでタグ付けがされてるらしいですね
いやそうよね
もうなんか人間ができないレベルでやってるんだろうね
だからこの人はもう犬が出てくるハッピーエンドな映画は好んで見るから
それを見せとこうって
そしたらもう喜んでやった犬が出てくるハッピーエンドな映画だって言って
カキンカキンカキンって
面白いって言って見るっていう
いやでもねそのぐらい僕ら人間単純だと思う
そうなんでしょうね
いっぱいデータ取られてもう単純なことでクリックしちゃってるもん
いやーすごいですね
やっぱデジタルだと
さっき僕はネットフリックスにいたいって言ってたことなんですけど
はいはい
最近僕そのリコメント気に入ってないんですよネットフリックスの
そうなんですね
関連動画が出てくるじゃないですか
ほうほう
もっと自分の今までの人生にないものを提案してほしいよね
あーはいはいはい
だから結構僕幅広く見てるんですよ映画もドラマもね
似たような感じがいっぱいコメントされてるんですよ
でもそれに飽きちゃってて
なんかとんでもないこのラブコメディとか
絶対普通で言ったら俺これ見ないのになみたいなものも
出てきてほしいなと思うだからその協調フィルターの真逆
一切被ってないものを提案してみてほしい
確かにね
なんかねもうだいたいわかるよね
はいはいはい
これ見てる奴は絶対これ好きだろうなみたいなのが
うん
関連動画でいっぱい出てきて僕って側の人間じゃないですか
ネットフリックス大好きだし色んなドラマも映画も見てるし
この前もハリーさんに宿題に出された映画の10本中9本見てたっていう現象起きたじゃないですか
なんか同じ映画見て紹介しましょうって言ったら
ほとんど僕見てたっていうね
そうそうそう見てない奴ないんじゃないかと
はい側の人間なんで側の人間からするともうこっち側の属性がわかるんですよ
なんでその全くかすってないお前絶対これ見ないだろうみたいなやつを
はい
出してほしい
ああそれは良いお題ですねそういうのの時どうしたらいいか考えるのすごい好きなんですよね
だから全くそのフィルタリングされてない属性の人たちが見てる映画とか
はいはい多分その既存の強調フィルタリングだけでは
ものたらない
オススメできない作品を入れなきゃいけない
なんかランダムに入れてたりもするらしいんですけどねその辺
ああそうかもしれないですね
データ駆使による競争優位性
多分youtubeとかでもなんか俺にこれオススメするっていうのがねたまに出てきたりしますけど
サッカーのスーパープレイ集みたいなの見ないけどなと思って
出てきたりもするんで
そうだからねそのあまりにも特許しのないものが出てくると
はい
なんでこれ俺にオススメすんねんってなってまうんやけど
うん
良いところのね良い感じのやつ提案してほしい
なんかでもそれはもうなんか企画次第みたいな気がしますね
これ見ましたこれ見ましたこれ見ましたでもこれは見てないでしょみたいなさ
なんかの漫画アプリとかだとこの作品を見ると
あのなんかポイントがもらえてそのポイントがあると追加で何話か読めるみたいな
方法あったりしますけど
なるほどね
なんかそういう企画な気がしますねもうそこまで行くと
うーん
なんか例えばじゃあ誰かと一緒に見ましょうみたいな
誰かと一緒に見たら良いことがあるポイントがもらえるとか
うんうんうんうん
っていう自分では選ばない手を加える作業を企画で何とかするのかなと思いますけどね
うーん
それかもう十二星座で右往左の方は
いやーあれはね出てきた時斬新だなと思ったけどね
うん
右往左にオススメまあ僕右往左なんですけど
右往左にオススメする映画ってどんなんやねんみたいなんで
ちょっと見ちゃったもんね
見たんだ
パラパラパラって
はい
引っかかりました
はいはい
引っかかりました
まあそんなことをねしていたりすることで
年間15億ドルですから
すごいよね
違った10億ドルだ
10億ドルでもすごいじゃないですか
1000億円円にすると
まあ1500億ぐらい
1500億ぐらいか
うん
まあそんなことでねデータを活用しているんですけれども
僕データ大事だなと思うのは
うん
やっぱこの新しく何かしようとする時って
普通にパッと思いつくことってもう他の誰かが絶対思いついてるはずじゃないですか
うん
で他の誰かが思いついてるんだったらもうやっているか
やったけどうまくいかないものかになっちゃうんで
なかなか新しいことできないっていうね
ジレンマがあるんですけど
うん
それを飛び越える鍵がデータだなと
うん
この世にはまだ自分以外誰も気づいていない真実がある
まあわかんないけどそれが例えば人はこういうことをする時に
こういうふうに決めているとかっていうのがまだ誰も気づいていないのであれば
それがビジネスチャンスみたいになるのかなと思うんですよ
なんでそれこそ前回前々回か忘れちゃったけど
失敗かどうかはデータが取れたかどうかで決まると
言ったんですけどそれと同じ話でオリジナルのデータというのがあれば
新しい他にはできないものになるので
それが差別化につながりますよと
参入障壁の高い差別になると
うーんそうだよね
いやそうだと思う
そう参入障壁はいくつかあって
そうですねざっと7つぐらいあるというふうに紹介されていて
その中の一つがデータなんですけど
他のやつで言うと例えば技術力があるから参入障壁になる
であと今言ったデータがある
あとはネットワーク効果ってこれも以前やりましたね
使う人が増えれば増えるほど便利になる
はいはいネットフリックスなんか典型的な感じですよね
ユーザーが多くないとデータも取れないしみたいな
レコメンドの幅もユーザーが多ければ多いほど質が上がるっていうことだよね
そうですね
あとはブランド価値認知度など
あとは何だろう会社の文化チーム経営陣の優秀さと書いてますけども
まあはい参入障壁になると思いますそれも
あとはオペレーションがすごいとかマクドナルドみたいなところとかですよね
あとは戦略性があると
なんかざっと参入障壁として考えられるのがこの7つ
7つもあるのか逆に
はいなんですけどその中の1つですねデータ
データね
データを取ろうと思って取ってもあんまり使えなかったりするんですよね
このデータ取れるから取っとこうみたいなのってだいたいゴミなんで
このデータがもし手に入るんだったらめちゃめちゃいいぞっていうのをまず考えて
じゃあそれを取るにはどうすればいいんだというふうに考えないと
本当になんかゴミデータが容量を圧迫するだけなんで
そうですよね
これ取ろうっていうのはやったりしてますね
あんま考えてないですねデータ
データね取らなそうですね
取らなきゃいけないんだろうなと思ってますけどね
使いこなすのがやっぱね難しい
むずい
取れるのは取れるけれどもじゃあそれを分析してどうだっていう
うーんそうそうそう
まあ最低限のことをやってますけどね
細かく見れないよねなんか
データって
僕はですよ
途中で分かんなくなるっていう
なりますね
結局比べたけどどっちがいいんだと言われたらどっちもどっちだなみたいな
そうそうそうなんか最終的にやってみなきゃ分かんないなみたいな
ことになることが多いんで
そこに時間使わない
使えてないですね
なんかすごいそこの断絶ありますよね
なんか使いたいと思ってるけど全く使えてない人と
そのネットフリックスみたいな超活用してますみたいな
中間がぽっかりないというか
そのツールもあんまりないっていう
難しいですかねなんかそのABテストとかを簡単にするツールみたいなのが
いやいやありますよ
あるんですか
うちはあの物販にあててECマーケットで売ってるんで
AmazonとかってABテストがあって
でこっちの画像とこっちの画像だったらこっちの方がクリックされてるよとか
こっちのコンテンツとこっちのコンテンツだったらこっちの方がコンバージョン高いですよみたいな
そういうのはありますね全然
あるんでまあそういう簡単なことはやってますけど
なんか最近ねあの
うちもそのAmazonの広告とかむちゃくちゃやってたんですよ
結構頑張って
最近でも全部自動化されてて
自分で全部そのマニュアルで全部手作業でやるよりも
まるっとオートでやった方が最近ね精度が高いんですよね
はいはいはい
なんで
もうほんと先日はほんと先日もAmazon自分ももうこの4年ぐらいずっとこの
データ取りながら除外キーワードとかって自分で全部設定してたやつと
いったんもう1回新しくオートで作り直したやつ回そうと思って比較してたらオートで回ってるやつの方が
あの露発が高いっていうね
露発?
あの露発?あのL O A S
なんすかそれ知らない
R あ本当ですか
売上割広告費×100の数値ですね
リターンオンアドバタイジングスペンド
広告費に対してどれだけ売上を回収できたかを示す指標ですね
へーはいはいはい
100%だったら全然儲かってないってことね
1万円の売上使うために1万円使ってるから
まあ僕露発見るよりね僕これねなんて読むか知らないけど
エーコスって言ってエーシーオーエス
エーコス
エーコスって僕は呼んでるんですけど
エーシーオーエスアドバタイジングコストオブセールス
売上に対して広告費がどれだけ食っているのかを見る指標なんですけど
こっちの方が見るんですけど
まあこのエーコスが20%以下になるようにずっと広告回してるんですけど
20%
1万円のものが売れて
2000円広告だったら20%ってこと
エーコスが20%っていうことは
1万円使って5万円売れるってことね
あーはいはいはい
売上の売上に対して何%広告を使ってるかと
うんうん
っていう感じですね
独自データの価値
原価率とかあらり利益とか考えるとさ
エーコスの方がイメージしやすいじゃないですか
うん
広告だ売上に対して広告何%使ってるかっていうのが
エーコスでわかるっていう感じ
じゃあ全然100%超えることもありますよね
全然最初の
1万円売れるのに2万円使ったとか
ありますあります
でそこで除外キーワードっていうのを設定して
その検索されてるけど買ってくれないみたいなキーワードたくさんあるんですよ
で検索されてクリックされてるけど
購入に至ってない何かがあるんですよね
はいはい
でそういう相性の悪いキーワードを除外していくと
うん
でちゃんと検索されて
そのキーワードで買ってくれてるっていう
その優秀なキーワードだけを残していくっていう作業を
うん
この2,3年ぐらいずっとやってて
はい
でかなりいい感じに回ってたんですよ
このエーコス17%ぐらいで
うーん
いい感じに回せてたんですけど
なんかもう長年いろんなことやりすぎて分からんくなってきたなっていうのと
そのAmazonとか楽天でも今広告がすごくアップデートされてて
はい
もう今までのやり方よりも一回新しいやり方を取り入れてみようと思って
全部オートでまるっとやってみたんですよ
比較してみたんですよ
はい
そうするとオートの方がいいっていう
俺の3年間何だったんだっていう
AIの進化によって
AIの進化によって
人間が一生懸命考えてやるよりも
うん
もう全部これオートで回しっぱなしの方がいいじゃんみたいな
はいはいはいはい
なのでもう最低限のことだけ
うん
やっておく方がいいっていうフェーズに今なってますね
いいじゃないですかもうポチッとして
そうポチッとして
勝手にやってくれるんでしょ
勝手にやってくれるんでほったらかしで
まあ1日1回は絶対見るようにしてますけど
そこでもうこのキーワードでお前違う違うみたいな
のだけ除外していけば
へえ
いいんじゃないか
小山さんの最重要データは
Aコスの値
そうっすね広告運用で言えばそうっすね
これすいません俺
僕がAコスA屈って教えられてAコスって言ってるんですけど
ACOSって言うかもしれないです
初めて聞くからな
本当ですかでもね
みんなこのROAS
ロアスの方が浸透してるかもしれない
へえ
いや多分ありますよねその業界とか
同じ業界でも会社によってどこ見てるかが全然違う
あると思う
いいですねそういう話聞きたいっすね
まあでも方針によって全然違うでしょうね
その広告運用と
全然違うでしょうね
全然違うと思う
うちあれですね
習い事教室みたいなのをやってるんですけども
最近は安定してるのであんま見ないですけど
本当に最初の頃は大会率ばっかでしたね
見てる数字が
うん
ああまあね
なんかねそこが分かるとすごい全体が
見えるなっていうのにある日気づいて
大会率が分かるとなんと
今日入った人がいつ辞めるかのある程度予測がつくんですよ
でそれも式があってさっき言った2%だったら
イメージ的には毎月2%ずつ辞めていくみたいな感じになるんですよ
へえ
分かります一人の人がいて足元から2%ずつ辞めていく
で100になったら大会するというようなイメージだと思ってくれていいんで
なので2%だったらそれが50回なんで50ヶ月
で50ヶ月だと分かったら
じゃあ月いくら払うかっていうのもある程度決まってるんで
トータルいくら払ってくれるかも決まるじゃないですか
でそれが分かるとじゃあその一人獲得するのに
いくらまでかけていいかっていう
ラインが決まってくるじゃないですか
なんでじゃああとはそこの採算合うかどうかだけなんで
大会率分かるともう全てが分かるなと
へえ面白い
そうかそういうサブスク系って大会率見ればいいのか
そうですねサブスク系は大会率めっちゃ大事と言われてますね
なるほどねなんか飲食店とかも
もう上場してる大手の飲食店チェーン店とかは当たり前のように
iPad導入されてるけど
もう本当に下町の飲食店って
データ取れてないと思うんですよね
だから飲食店とかって
人海戦術じゃないですか小さい飲食店って
なんかそこのデータすごく重要なんだけど
なかなか活用のしようがないですよね
まあそうですよね
マメナ店主とかだったら
今日何人来て誰が何頼んだみたいなのとかもさ
メモとか取ってる店長とかいるかもしれないけど
大きいレストランとかだったらiPadでいいんだけど
なんかちっちゃいところでiPadで注文してくださいって言われると
めんどくせえなと思うけど
データ取る上ではそりゃそうだよなと思いながら
iPadとかそのテーブルにあるQRコードを読み取って注文するみたいなね
ことやってますけど
その辺できる部分
技術的にはできるがっていうところと
倫理的にどこまでやっていいのかみたいなのもね
あったりするんで
本気出せばね
Zoomで商談してるのとかも
相手の脈とか心拍がどうだとか血統値がどうだとか
なんかその辺のレベルまで取れたら
多分話いろいろ変わってくると思うんですよね
本気出せばね
本気出せば
本気出せばね
三乳障壁を上げていきましょうと
そうですよ
三乳障壁を上げて
あなたじゃなきゃダメなのと
言ってもらうという状況を作って
無双しましょうっていうのがね
今日の結論ですね
はいはい
でデータを活用すると
そうですね
他のところが真似できない
オリジナルのデータっていうのがあったら
それをもとに意思決定ができたりするので
データ活用の方法
そのデータがあると
やりやすいんじゃないかなっていう
提案でした
ありがとうございます
皆さんの会社もなんか
今日ねお互いにどの辺のネタ見てるかっていう話したんですけれども
他の会社はどうなのかなっていうのはね
気になったりするんで
どうなんでしょうね
ぜひね
その辺うちはこういうところを見ていますみたいなのがあったら
教えてほしいですね
いや教えてほしいですね
なんかそういう他の業界のやり方が
意外とね参考になったりするので
ぜひぜひ教えてほしいなと思いました
ということで
本日の感想メールまたはアップルポッドキャストのレビューは
Spotifyのコメントボイスのコメントでお待ちしています
2人でコメント欄を全て読んでいますので
今後の番組をより良くするために
あなたの感想をお待ちしています
それでは今週も聞いて頂いてありがとうございました
また来週お会いしましょう
さよなら
