Slide 1

Slide 1 text

Google×スタンフォード NO FLOP!  失敗できない⼈の失敗しない技術 を読む会 株式会社 Polyscape 社内勉強会資料 @shimap_sampo

Slide 2

Slide 2 text

仮説検証⽂化を知ってもらうため 次タイトルをやる中での 
 知⾒や共通⾔語になったら嬉しい なんで読むか

Slide 3

Slide 3 text

作者 Albert Savoia サン・マイクロシステムズ → Google(初のEngineering Director) → 起業して約1億ドルで売却 → さらに起業して、失敗

Slide 4

Slide 4 text

残酷な事実

Slide 5

Slide 5 text

ほとんどの新製品やサービス、 新規事業は失敗する── どれだけ有望に⾒え、担当者が情熱を傾け、 計画を巧みに実⾏したとしても

Slide 6

Slide 6 text

⼀⽅、⾃分⾃⾝や⾃分のアイデアについては、 なぜか失敗とは無縁なものだと信じ込む。

Slide 7

Slide 7 text

いまこの瞬間に、 世に出しても失敗するようなアイデアを 
 実現しようと必死に格闘している⼈ が⼤勢いる

Slide 8

Slide 8 text

ほとんどの新製品は市場で失敗する。 たとえ、どんなにきちんとつくって売ったとしても。

Slide 9

Slide 9 text

新製品失敗の法則の本 この本は、 法則を知り、失敗から少しでも遠ざかることができる

Slide 10

Slide 10 text

失敗の定義 「市場での失敗」を、 
 「投資した新製品を実際の市場に出したときの結果」が 
 「期待外れか、まったく逆になる」と定義 w w w w たとえ賞をとったり、バズったりしても、 
 儲けが期待外れであれば、市場での失敗とみなす w w w w w w

Slide 11

Slide 11 text

失敗 = 適切なA × 適切なB × 不適切なC × 適切なD … 成功 = 適切なA × 適切なB × 適切なC × 適切なD … 途中に0が1個でもあると失敗する ゲーム内容 プロモーション 価格 市場の⼤きさ

Slide 12

Slide 12 text

ニールセンのレポート 新製品の約80%は当初の期待には応えられず、 「失敗」や「期待外れ」と⾒なされるか、 発売中⽌になる

Slide 13

Slide 13 text

Google + Google Wave ハワード ザ ダック Google Glass ジョージ・ルーカス ジョン・カーター ディズニー ディズニーでさえも失敗する。

Slide 14

Slide 14 text

繰り返します。

Slide 15

Slide 15 text

ほとんどの新製品は市場で失敗する。 たとえ、どんなにきちんとつくって売ったとしても。 この部分はよく抵抗される しかし、⼗分な経験や能⼒があって、 計画をきちんと実⾏していても、失敗する。それが事実。

Slide 16

Slide 16 text

FLOP

Slide 17

Slide 17 text

Failure Launch : 対象市場への到達に必要な認知や在庫がない。 Operation : 機能がユーザーの期待を満たさない。 Premise : アイディアがそもそもダメ。

Slide 18

Slide 18 text

失敗の原因のほとんどが Premise 頑張って作ってもそもそも失敗する

Slide 19

Slide 19 text

Right It : 適切に実現すれば市場で成功する アイディア Wrong It : たとえきちんと作って売ったとしても市場で 失敗するアイディア

Slide 20

Slide 20 text

Wrong It Right It 市場で成功 している製品

Slide 21

Slide 21 text

どうしたら Wrong It を作らずに済むか?

Slide 22

Slide 22 text

市場調査? NO. 市場調査は、創造の世界の産物に過ぎない。 もしメニューに『レディライク』があったとしたら、あな たが⽩ワインではなく『レディライク』を選ぶ可能性はど れぐらいでしょうか? ライトなのにコクがある、スリムなボトル ⼊りの⼥性向けビール『レディライク』 1 2 3 4 5

Slide 23

Slide 23 text

市場調査がうまくいかない理由 1. 翻訳を間違う 2. 予測が難しい 3. ⾝銭が無い 4. 確証バイアス Twitter?なんで140⽂字までなの? ⻑い⽅がいいに決まってる! Wrong It に突っ込むことも、Right It を諦めることもある 使うと思って買った⾞を 
 実際全然使わなかった ⾝銭が切られていないので、 
 結果に⼤して責任を持たない ⾃分の理論を裏付ける根拠 ばかりを信じる

Slide 24

Slide 24 text

じゃあどうするか?

Slide 25

Slide 25 text

プレトタイピング w プロトタイピング + Pretend 「意⾒」ではなく「データ」に頼る

Slide 26

Slide 26 text

その前に データ と 仮説 について

Slide 27

Slide 27 text

データの種類 YOD Your Own Data OPD Other People’s Data The Last Spell WL 9.5万 → 売上13万 MISTROGUE WL YYY 万 → 売上 XXX 万 ひと握りのYODの価値は、1トンものOPDに匹敵する

Slide 28

Slide 28 text

検証可能な仮説の⽴て⽅ まずは  MEH:市場の反応に関する仮説 〈アイデア〉 〈MEH〉 コインランドリー常設の⾃動洗濯物折りたたみ機 洗濯物をたたむのは⼤変だ。⾃動洗濯物折りたたみ機を コインランドリーにレンタルし、⽉極基本料と1回毎の 使⽤料を払ってもらえば、⼤儲けできるはずだ。

Slide 29

Slide 29 text

MEHをXYZ仮説に落とし込む 少なくともX%のYはZする。 〈MEH〉 〈XYZ仮説〉 洗濯物をたたむのは⼤変だ。⾃動洗濯物折りたたみ機を コインランドリーにレンタルし、⽉極基本料と1回毎の 使⽤料を払ってもらえば、⼤儲けできるはずだ。 コインランドリー利⽤者の少なくとも50%は、洗濯物を たたんでもらうために、洗濯⼀回分につき2~4ドル(価 格は場所によって異なる)を⽀払う。

Slide 30

Slide 30 text

XYZ仮説をxyz仮説に超ズームイン 〈XYZ仮説〉 コインランドリー利⽤者の少なくとも50%は、洗濯物を たたんでもらうために、洗濯⼀回分につき2~4ドル(価 格は場所によって異なる)を⽀払う。 〈xyz仮説〉 レニーズ・コインランドリーの利⽤者の少なくとも50% は、「Fold4U」に洗濯物をたたんでもらうために2ドル ⽀払う。

Slide 31

Slide 31 text

プレトタイピング w プロトタイピング + Pretend 製品が売れるかを、製品を作らずに検証すること。 
 製品がある「フリ」をする。

Slide 32

Slide 32 text

プレトタイピング w プロトタイピング w :製品の実現可能性を検証 :製品が市場で成功するかの検証

Slide 33

Slide 33 text

プレトタイピング⼿法①:メカニカルターク 機械を作る前に、機械の中に⼈が⼊って⼈⼒でやり、YODを集める

Slide 34

Slide 34 text

プレトタイピング⼿法①:メカニカルターク AI NPCゲーム プレイヤー AIゲームも、中⾝⼈間でコンセプト検証(YOD集め)をしてもいいかも

Slide 35

Slide 35 text

プレトタイピング⼿法 説明 例 メカニカルターク型 複雑な製品をつくる前に中に⼈が⼊って本物 のフリをする。 名刺スキャンサービスをつくる前に、⼈⼒で⼊⼒を⾏って 利⽤者数を調べる ピノキオ型 製品の模型を本物のように扱い、⾃分が使う かを検証する。 スマートスピーカーの置物を作って、話しかけることで⾃ 分がどのくらいどんな⽬的で使うか知る 偽の⽞関型 ⽞関⼝だけを⽴派にし、製品があるフリをし て、問い合わせをする⼈の数を検証する。 ゲームのイメージ画像とWEBサイトだけを⽤意して、予約 や事前登録が⼊るかどうかを検証する。 ⼀夜限り型 最低限のスタッフとリソースを⽤意して、⼀夜 限り(短い期間)でサービス提供を⾏う。 Air bnb の創業者は、アパートの家賃が払えなくなったので サイトを作って募集したら数時間で3件の予約が来た。 潜⼊者型 商品のラベルを張り替えるなどして、 
 実際の商品とすり替えて観察する。 IKEAの制服を買ってIKEAに忍び込み、⾃分たちの製品(電気ス イッチカバー)を勝⼿に置いて、客が⼿に取るかを観察した。 だいたいのプレトタイピングは、48時間以内に終わるはず。それ以上は⻩⾊信号。

Slide 36

Slide 36 text

YODを集めるときの注意点

Slide 37

Slide 37 text

⾝銭の伴ってないデータは無価値!

Slide 38

Slide 38 text

⾝銭変換表 ソーシャルでの「いいね!」や「RT」も無価値!

Slide 39

Slide 39 text

検証で得られたYODが、予想通りか⾼い 検証で得られたYODの解釈が難しい 検証で得られたYODが、予想より低い 検証で得られたYODが、予想より⼤幅に低い 検証で得られたYODが、予想より⼤幅に⾼い

Slide 40

Slide 40 text

1回で結論を出さず、 試⾏錯誤して何回もトライして改善していく。

Slide 41

Slide 41 text

これを、開発前にやる (理想は)

Slide 42

Slide 42 text

まとめ • 製品失敗の多くの原因は、Premise。「上⼿く作ってもそもそも売れない」。 • OPDは当てにならない。仮説検証=YOD集め。⼀握りのYODの価値は、1トンもの OPDに匹敵する。 • プレトタイピングは、「実現可能性」ではなく、「売れるか」の検証。 • ⾝銭が切られていないデータは無価値。ただの意⾒。意⾒ではなくデータに頼る。 • プレトタイピングで、製品を作らずに、製品が売れるかを検証する。それを何度も 諦めずやる。最初に思いついたアイディアが最⾼のアイディアとは限らない。