見出し画像

SNSスタートアップがローンチ3ヶ月目に取り組んだグロースの流れを公開

============================

Techcrunchに出場させていただきました!👏

============================

運用中の歯科医療者向けSNSのグロース施策とそれに至るまでの導線がほぼ教科書通りで分かりやすく改善できたので公開します。

※グロースハック玄人の方には単純すぎるかもしれませんが、1つの事例として参考にしていただければ幸いです。
(もし記事を読んで「もっとこうしろよ!」「俺にやらせろぉぉ!」などありましたら是非手伝ってください!笑)

※だいぶザックリと書いています。「ここ詳しく聞きたい!」などありましたら追記を検討するのでコメント下さい!

1. 【背景】エンゲージメントを伸ばしたい
2. 【分析】最重要指標(OMTM)を定義
3. 【施策】フォロー促進のための施策を3つ打った
4. 【成果確認】施策前と後でコホート分析
5. 反省とこれから

1. 【背景】エンゲージメントを伸ばしたい

リソースが潤沢ではないシード期スタートアップにとって、広告打ってユーザ数増やしてネットワーク効果働かせて勝つ!みたいな手法は取れない。
なので、少数ユーザの体験の質をあげて、質を保ちながらユーザ数を増やすというグロースの鉄則を踏襲することにした。

そこで、既存ユーザの体験の質・満足度向上という観点からエンゲージメントに注力してグロースを図った。

※僕はグロースハックのプロフェッショナルではないので、グロースハック・分析ジャンルで最も有名な部類に入るLean Analytics(以下の本)を読みまくって参考にしました。

2. 【分析】最重要指標(OMTM)を定義

※OMTM(Only Metric That Matters)とは、現在のステージにおいて最も重視して着目すべき指標・数値のこと。

教科書(上画像)通りに分析を進めると、エンゲージメントが高い/低いユーザはめちゃめちゃ偏っていることが分かった。そして、さらにいくつか掘り下げていくとエンゲージメントとフォロー数(フォローしている人数)は比例していることが分かった。

そして、衝撃的なことにフォロー数が0人(誰もフォローしていない)のユーザが半数以上いた。

対象が歯科医療従事者なのでITリテラシーが高い訳じゃないのは考慮してUI設計をしたつもりだったが、UX(エンゲージメントへの導線など)の詰めが甘かったと反省している。

登録後のファーストページ。ユーザ(主に歯科医師)が慣れ親しんでるFacebookをベンチマークにしている。

決してたかを括っていた訳じゃないが、(誰もフォローしていないユーザが半数居たことは)本当に衝撃的だった。

さらに分析を進めると、1人目のフォローをした再訪ユーザは、その後エンゲージメント数が爆発的に増えることが分かった。

これで、今の1Dにとって1人目のフォローへの導線がボトルネックであることが明らかになり、「1人以上フォローしているユーザ率」を当面の最重要指標(OMTM)に設定することの意思決定へと繋がった。

3. 【施策】フォロー促進のための施策を3つ打った

先にまとめると打った施策は以下の3つ。

- 【施策1】ユーザ登録時に「おすすめユーザ」をレコメンド
- 【施策2】「フォローする人を見つける」セクションの表示
- 【施策3】既存ユーザへ「おすすめユーザをフォローしませんか?」メール通知

大手SNSを触りまくって、良さそうな施策を徹底的にベンチマークにしました。特にTwitterは触りまくった。(ここはもう潔く真似したw)

【施策1】ユーザ登録時に「おすすめユーザ」をレコメンド

施策前まで、ユーザ登録後はタイムラインへ遷移していた。
もちろんタイムライン上の投稿にもフォローボタンはあるが、よりフォローを訴求するために「おすすめユーザ一覧」ページを作成し、初回登録時はそこへ遷移させることにした。

【施策2】「フォローする人を見つける」セクションの表示

「フォローしてる人数がn人以下」の場合、上記(赤枠)のようなセクションを表示させた。これによってユーザが「次」にやるべきアクションを明確化させる狙い。

【施策3】既存ユーザへ「おすすめユーザをフォローしませんか?」メール通知

「誰もフォローしていないユーザ」を抽出し、よくある「おすすめユーザをフォローしませんか?」的なメールを送信した。

### 余談
ユーザを2分割し、簡易ながらABテストのようにしてみた。
HTMLメールのUIテンプレートが豊富なBenchmarkEmail

を使った方は開封率、CV率共に段違いに高かった。

4. 【成果確認】施策前と後でコホート分析

※コホート分析とは、ユーザーを何らかの条件で分類し、グループごとにその行動や定着率を分析する手法です。
今回は、「施策前の登録ユーザ」と「施策後の登録ユーザ」で比べてみました。

※GoogleAnalyticsだと、コホート分析はこんな画面で期間ごとのアクティブユーザ率がみれます。

出典: https://wacul-ai.com/blog/access-analysis/google-analytics-method/cohort-analysis/

上記3つの施策を打ってみた結果、施策後登録ユーザのAU率15%増を達成しました!👏
7日間のリテンションが50%を目標に置いているので、まだまだ伸ばさなきゃですが、これからも解析=>施策のサイクルを早めていきます。

振り返りとこれから

今回のアクションは、課題が単純明快で定石通りの施策を打てたが、今後は歯科医療従事者へのユーザヒアリング頻度を上げて、それを踏まえて開発していくべきだと思っている。

この記事が気に入ったらサポートをしてみませんか?