Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
NO FLOP!失敗できない人の失敗しない技術を読むスライド
Search
Hiroki Shimada
August 08, 2023
Business
0
660
NO FLOP!失敗できない人の失敗しない技術を読むスライド
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, サンマーク出版
を解説するスライドです。
株式会社Polyscapeの社内勉強会用のスライドです。
Hiroki Shimada
August 08, 2023
Tweet
Share
More Decks by Hiroki Shimada
See All by Hiroki Shimada
カレーは人生
shimap_sampo
0
66
AI完全初心者でも最新の生成AIの仕組がわかった気になれるプレゼン
shimap_sampo
5
3.7k
Other Decks in Business
See All in Business
workx-company-profile
eastfields
0
21k
ドローンを活用した汚泥焼却炉内点検のDX
tokyo_metropolitan_gov_digital_hr
0
330
タケウチグループRecruit
takeuchigroup
0
2k
Amazon Q Developerの 最新アップデート情報まとめ
o2mami
0
1k
The AI-savvy operating model - Matthew Skelton, Conflux - Agile to Agility conference
matthewskelton
PRO
2
190
署内デジタルインフォボードの開発
tokyo_metropolitan_gov_digital_hr
0
320
デジタルで創れ!未来の東京消防庁
tokyo_metropolitan_gov_digital_hr
1
310
AWS の生成 AI 最前線 : 顧客起点のイノベーション
icoxfog417
PRO
0
920
東京都教育委員会 情報共有掲示板
tokyo_metropolitan_gov_digital_hr
0
280
KRAF Impact Report 2024(English)
kraf
0
180
NEXERA inc. | Company Deck
nexera
0
7.7k
よいPM定例はPM組織を強くする ~ 共有から共創へ、悩みを共に解決する場づくり ~
jouykw
2
6.4k
Featured
See All Featured
For a Future-Friendly Web
brad_frost
175
9.4k
A designer walks into a library…
pauljervisheath
204
24k
Reflections from 52 weeks, 52 projects
jeffersonlam
347
20k
Building an army of robots
kneath
302
44k
VelocityConf: Rendering Performance Case Studies
addyosmani
326
24k
Bash Introduction
62gerente
608
210k
[RailsConf 2023] Rails as a piece of cake
palkan
53
5k
Making the Leap to Tech Lead
cromwellryan
133
9k
4 Signs Your Business is Dying
shpigford
181
21k
The Language of Interfaces
destraynor
154
24k
Building Flexible Design Systems
yeseniaperezcruz
327
38k
Building a Scalable Design System with Sketch
lauravandoore
460
33k
Transcript
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
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
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
残酷な事実
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
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。
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
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。
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
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
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
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
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。
繰り返します。
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。
FLOP
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。
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
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
Wrong It Right It 市場で成功 している製品
どうしたら Wrong It を作らずに済むか?
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
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
じゃあどうするか?
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
その前に データ と 仮説 について
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
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。
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。
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。
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。
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
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
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
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。
YODを集めるときの注意点
⾝銭の伴ってないデータは無価値!
⾝銭変換表 ソーシャルでの「いいね!」や「RT」も無価値!
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
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。
これを、開発前にやる (理想は)
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。