lean-analytics

Lean Analytics

Alistair Croll と Benjamin Yoskovitz の Lean Analytics をもとに、スタートアップのデータ規律をまとめたものです。意思決定を変える指標と、単に見栄えをよくするだけの数値を切り分け、ビジネスモデルと事業段階における「最も重要な1つの指標」に会社全体を向けます。指標の選定、ダッシュボードの監査、目標の設定、計測計画に活用してください。

コア原則

今、最も重要な1つの指標に集中してください。それ以外は、進歩しているように感じさせるだけのノイズです。 スタートアップは、データ不足よりも集中力の欠如によって行き詰まることのほうが多いものです。自社のビジネスモデルと事業段階を理解し、ビジネスで最もリスクの高い部分が機能しているかを示す単一の数値を追跡する。それがこの規律の要点です。次の行動を変える指標だけが、注目に値します。

スコアリング

目標：10/10。 指標の選択、ダッシュボード、計測計画を、これらの原則に照らして0〜10で評価します。現在のスコアと、10/10に到達するために必要な具体的な変更を報告してください。

• 9-10： ビジネスモデルと事業段階に合ったOMTMが1つあり、対になるカウンター指標、事前に決めた未達時の対応を伴う明確な基準線、コホート化およびセグメント化されたデータがある
• 7-8： ほとんどが実行可能な比率で、妥当なOMTMもあるが、明示的な目標がない、コホート化が不十分、または「重要な」指標が多すぎる
• 5-6： 実行可能な指標と虚栄の指標が混在している。ダッシュボードはあるが、意思決定を変えることはほとんどない。モデルと事業段階が明示されていない
• 3-4： 虚栄の指標が支配的。合計値、累積グラフ、全体の平均値など、他社の指標をそのまま取り入れている
• 0-2： 計測の仕組みがない、または意思決定を促すのではなく、投資家へのアピールを目的に数値が選ばれている

フレームワーク

1. 良い指標と虚栄の指標

コアコンセプト： 良い指標とは、比較でき（先週との比較、別のコホートとの比較など）、理解しやすく（チームが思い出して議論でき）、比率または割合であり（増え続ける合計値ではなく）、行動を変えるものです。数値を見ても行動が変わらないなら、計測をやめてください。虚栄の指標である総登録数、ページビュー、累積値などは、増え続け、気分をよくするだけです。

効果がある理由： アナリティクスの成果は、データではなく意思決定です。比率は本質的に比較可能で運用に活かせますが、合計値は減少を覆い隠します。たとえば、製品のアクティブユーザーが減り続けていても、登録ユーザーの合計は増えます。すべての指標に「これによって何を変えるのか？」という問いを突きつければ、報告が学びに変わります。

主な知見：

• 4つの視点のペアを活用します。定性対定量（インタビューは なぜ を、数値は どれだけ を明らかにします）、探索対報告（探索は自社の優位性を見つけ、報告は事業を維持します）、先行対遅行（苦情は解約が起きる前に解約を予測します）、相関対因果
• 相関から打ち手を見つけ、因果関係を証明するのは実験だけです。一緒に動く指標を見つけたら、ランダムに選んだグループに対して一方を変え、因果関係を検証します
• コホートによって時間の比較が正確になります。登録月ごとにユーザーを比較しないと、全体の平均値の中に実際の改善が埋もれてしまいます
• セグメントによって比較が正確になります。チャネル、プラン、地域ごとに分けてください。全体の数値が横ばいでも、あるセグメントの急成長と別のセグメントの急落が隠れていることがよくあります
• 偏りのある分布では平均値が真実を隠します。大口利用者とほとんど利用しないユーザーは別のビジネスと考え、中央値やパーセンタイルを確認してください
• 累積値が右肩上がりになるグラフは、虚栄の指標を見分ける最も確実なサインです

活用例：

コンテキスト	活用方法	例
ダッシュボードの監査	合計値をすべて比率に書き換える	総登録数 → 7日以内にアクティベーションした訪問者の割合
取締役会への報告	累積曲線ではなくコホートを示す	「時間の経過に伴うユーザー数」を登録月別のリテンションに置き換える
機能の意思決定	行動を変える指標を求める	「D7リテンションが10％上がらなければ、この機能を削除します」

ダッシュボードを監査するとき、または指標を4つのテストにかけるときは、references/good-metrics.md を参照してください。テストの完全な定義、虚栄の指標を10行で書き換える表、コホートリテンションの例、セグメンテーションのルール、相関から因果関係を確かめる実験サイクル、指標定義のテンプレートが記載されています。

2. 最重要指標（OMTM）

中核となる考え方： いつでも、ほかの何よりも重要な数値が一つあります。それは、現在最もリスクの高い仮説が機能しているかどうかを示す指標です。それを選び、あらゆる場所に表示し、次のステージに進むまで、すべての実験をその指標に基づいて進めます。

効果がある理由： OMTM は、今もっとも重要な問いに答え、結果が出る前に「良い」の基準を明確にするための一線を引くことを促し、会社全体の焦点を合わせます。40個の数値を並べたダッシュボードでは責任の所在が曖昧になりますが、数値を一つに絞れば、全員が共有できるスコアボードと実験の文化が生まれます。

主なポイント：

• OMTM は入れ替わります。永遠に重要な指標ではなく、今重要な指標です。ステージゲートの通過やピボットによって変わります。
• 不正に操作できないよう、対になる補助指標を設定します。たとえば、アクティベーションの速さには30日後の継続率を、販売の成約速度には返金率を組み合わせます。
• 一線を引くには、目標値、期日、そして「達成できなかった場合にどうするか」への事前の回答が必要です。
• 「十分に良い」とは事前に下す判断であり、結果が出てから見つけるものではありません。そうしなければ、目標が後から変わってしまいます。
• チームが OMTM に合意できないなら、事業の最もリスクの高い部分について合意できていないということです。その議論こそが重要です。
• 多くの指標を収集しつつ、注視するのは一つだけにします。それ以外は、壁に掲示せず、詳細分析用のレポートに置いておきます。

活用例：

コンテキスト	活用方法	例
四半期計画	ステージごとに OMTM を一つ設定し、実験をその達成につなげます	定着ステージ → すべての施策で4週目の継続率を目標にする
ダッシュボード設計	OMTM を大きく、補助指標を4～6個、小さく表示します	壁面表示：有料プランへの転換率3.2％を大きく表示し、その下に CAC、解約率、NPS を表示
チームの足並みをそろえる	未達時の対応を事前に決めます	「3月1日までに10％未満の場合 → エージェンシーのセグメントにピボットする」

倫理的な境界線： 一線を引くことで規律を設ける対象は、会社の施策であり、個人ではありません。OMTM を個人のノルマにすると、不正な操作を招き、事実を覆い隠すことになります。

OMTM の選定や入れ替え、補助指標との組み合わせ、一線の設定については、references/omtm.md を参照してください。6段階の選定手順、ステージとモデルを組み合わせた6×3のマトリクス、補助指標の不正操作に関する7行の表、一線の設定と入れ替えのトリガーに関するルール、そして詳細な例が3つ記載されています。

3. ビジネスモデル別の指標

中心的な考え方： ビジネスモデルによって、どの指標が存在し、どの指標が重要になるかが決まります。Lean Analytics では、Eコマース、SaaS、無料モバイルアプリ、メディアサイト、ユーザー生成コンテンツ、二面市場という6つの類型を定義しており、それぞれに独自の指標ツリーと「機能している」状態の定義があります。

効果がある理由： 他社のノーススター指標を模倣してもうまくいきません。指標にはモデルの仕組みが反映されるからです。マーケットプレイスは流動性で成否が分かれ、SaaS ビジネスは解約率、メディアサイトはエンゲージメントの高い閲覧時間に左右されます。まず自社のモデルを特定すれば、「何を測るべきか？」という問いはブレインストーミングではなく、該当項目を参照して答えられるようになります。

主な知見：

• Eコマースでは、コンバージョン率、平均注文額、リピート購入率が重要です。年間リピート購入率が約40％未満なら新規顧客獲得モード、約60％を超えるならロイヤルティモードであり、それぞれ異なる戦略が必要です
• SaaS では MRR、解約率、LTV:CAC、拡大、価値実現までの時間が重要です。無料モバイルアプリでは、ダウンロード数 → DAU/MAU、有料ユーザーの割合、ARPDAU と ARPPU が重要です（大口課金ユーザーによって、あらゆる平均値に偏りが生じます）
• メディアでは、オーディエンス、エンゲージメントの高い閲覧時間（単なるページビュー数ではありません）、CTR、RPM が重要です。ユーザー生成コンテンツでは、エンゲージメントファネル（訪問者 → 閲覧者 → コメント投稿者 → クリエイター）に加え、ユーザーあたりのコンテンツ数とスパム率が重要です
• マーケットプレイスでは流動性が重要です。出品数、成立率／販売率、取引成立までの時間、テイクレート、買い手と売り手の比率を追跡します。GMV はテイクレートを掛け合わせるまでは見せかけの指標にすぎません
• 複合型ビジネスでは、OMTM を担う主要モデルを1つ選ぶ必要があります。副次モデルは、同等の扱いを受ける指標ではなく、カウンター指標に反映します
• モデルによって計測方法も決まります。各指標の計算式とデータソースをあらかじめ定義しないと、チームごとに異なる方法で「解約率」を計算することになります

活用例：

コンテキスト	活用方法	例
新製品の計測設定	モデルを特定し、その指標ツリーを導入する	サブスクリプションボックス → 主要モデルは SaaS。平均注文額より先に解約率を追跡
ノーススター指標の議論	模倣するのではなく、モデルの仕組みから導き出す	マーケットプレイスは SaaS 型の MRR 目標ではなく、成立率を採用
投資家向けダッシュボード	モデルにおける標準的な比率を報告する	SaaS の説明資料：MRR 成長率、純解約率、LTV:CAC、CAC 回収期間

製品の計測設定や、モデルの標準的な比率の選定には、references/business-model-metrics.md を参照してください。6つすべてのモデルについて、計算式、計測設定に関する注記、測定時の失敗要因、複合モデルに関するガイダンスを含む指標ツリーが掲載されています。

4. ステージ別の指標：リーン・アナリティクスの各ステージ

中核となる考え方： スタートアップは、共感、定着、バイラル、収益、スケールの5つのステージを進み、それぞれにゲートがあります。OMTMは、ビジネスモデルと現在のステージが交わる点です。現在のゲートを通過する前に、後のステージの指標に取り組むのは、スタートアップにありがちな典型的な失敗です。

効果がある理由： 順序立てて進めることで無駄を防げます。定着しないプロダクトにバイラル施策を注ぎ込むのは、底の抜けたバケツに水を注ぐようなものです。ユニットエコノミクスが成立する前に有料顧客獲得を行えば、資金を正確に燃やしてしまいます。各ゲートを通過することで、次に行う、より大きな資金と時間の投資のリスクを下げられます。

主な洞察：

• 共感：15件以上の課題インタビューで、人々がお金を払って解決したいと思うほど深刻で、頻繁に起きる課題が明らかになっていますか？この段階での指標は主に会話の記録ですが、それで正しいのです
• 定着：人々は自発的に繰り返し使っていますか？リテンションコホートと主要アクションへのエンゲージメントを追跡しましょう。底の抜けたバケツにユーザーを流し込んではいけません
• バイラル：ユーザーが新たなユーザーを連れてきていますか？バイラル係数とサイクルタイムの両方を追跡しましょう。係数を上げるより、サイクルを短縮するほうが成長を加速させることがよくあります。また、インセンティブ付きの招待より、本質的なバイラル性のほうが効果的です
• 収益：1ドルを投入したとき、十分な早さで1ドルを超えるリターンが得られますか？顧客あたりの収益、CACの回収期間、粗利益率を確認します
• スケール：チャネル、パートナー、新市場を開拓します。指標の焦点はプロダクトのリスクから、エコシステムとオペレーションへと移ります
• ゲートが求めるのは経過時間ではなく、証拠です。リテンション曲線が横ばいになれば定着ステージを終了し、回収期間の許容範囲内でユニットエコノミクスがプラスになれば収益ステージを終了します

活用例：

コンテキスト	活用方法	例
成長投資の判断	まず定着のゲートを確認する	D30リテンションが4% → 広告を出す前にオンボーディングを改善する
ロードマップの優先順位付け	ステージがOMTMを決め、OMTMが取り組みを決める	定着ステージでは、紹介プログラムではなくオンボーディングの改善をリリースする
資金調達時の説明	通過したゲートとその証拠を提示する	「第4週のリテンションが35%で横ばいになったため、顧客獲得をスケールする資金を調達します」

自社のステージを特定したり、ゲートを通過したかを判断したりする際は、references/five-stages.mdを参照してください。各ステージのプレイブックには、ゲート指標、終了基準のチェックリスト、早すぎるスケールの兆候、資金調達とランウェイの関係が記載されています。

5. ベースラインと譲れない基準

中核となる考え方： 目標のない指標は、ただの雑学です。公開されているベースラインを法則ではなく出発点となる目安として使い、「十分に良い」状態を定義したうえで、譲れない基準を定めます。つまり、数値、日付、そして未達の場合に実行することを事前に決めておきます。

効果がある理由： ベースラインを使うと、際限のない測定を反証可能な賭けに変えられます。月間チャーン率が約5％で初期SaaSの上限に達することが分かれば、最適化すべきか、作り直すべきかを判断できます。基準がなければ、どんな結果も理屈をつけて正当化でき、実験が失敗に終わることもありません。

主な知見：

• 初期SaaS：月間顧客チャーン率が約5％を超えると事業の継続が難しくなり、健全な企業は約2％以下を目指します
• 習慣形成型アプリとソーシャルアプリ：DAU/MAUが約20％以上なら、実際にエンゲージメントがあることを示します。カジュアルなモバイルアプリの30日後の平均継続率はおよそ14％なので、大幅な低下を見込んで計画します
• コンバージョン：eコマースの一般的な訪問者コンバージョン率は約1～3％です。質の高い有料トラフィックからのランディングページのコンバージョン率は、通常、数％台前半です。25～30％は例外的な数値であり、計画の基準にはなりません
• バイラル係数が1を超える状態はまれで長続きしません。バイラリティはCACの削減として捉え、係数より先にサイクル時間を最適化します
• 自社の状況に合うベンチマークがない場合：現在の値を測定し、それを基準に改善しながら、変化率を追います。週5％の改善を積み重ねれば、カテゴリをリードする数値につながります
• ベンチマークは市場、チャネル、価格帯、時代によって変わります。他社の数値を採用する前に、必ず自社のコホートに基づいて算出し直します

活用例：

状況	活用方法	例
目標設定	ベースライン → 譲れない基準 → 事前の約束	「第3四半期までにチャーン率を4％未満にできなければ、オンボーディングを作り直す」
異常の切り分け	ベンチマークの前に自社のベースラインと比較	コンバージョン率が1週間で2.4％から1.9％に低下 — リリースを調査する
チャネルの評価	チャネルごとにベンチマークを算出し直す	有料ソーシャルのコンバージョン率は0.8％、検索は4％ — その基準に従って予算を配分する

一連の手順を詳しく確認したい場合は、references/case-studies.mdを参照してください。3つのシナリオを取り上げています。SaaSダッシュボードからOMTMを定める方法、マーケットプレイスの流動性を見極める方法、モバイルアプリの成長前に定着率を改善する方法です。

よくある間違い

間違い	うまくいかない理由	対処法
指標が40個あるダッシュボード	焦点がぼやけ、誰も責任を持たなくなります	OMTMを1つ大きく表示し、補助指標を4～6個に絞り、残りはアーカイブします
累積グラフを祝う	合計は減らないため、低下が見えなくなります	代わりに率、コンバージョン、コホート継続率をプロットします
他社のノーススターメトリックをまねる	指標には、自社とは異なるビジネスモデルの仕組みが反映されています	自社のモデル × ステージに基づいてOMTMを導き出します
コホートを追跡しない	混合平均では、製品が改善しているかどうかが分かりません	登録コホートごとに分けて、経時的に追跡します
定着率より先にバイラリティを最適化する	成長によってチャーンが増幅し、漏れのあるバケツになります	継続率の基準を満たしてから、招待ループを構築します
リスクの高い指標ではなく、測りやすいものを測る	意思決定が依然として直感頼みになります	最もリスクの高い仮説から計測できるようにします
譲れない基準を定めない	どんな結果も正当化でき、実験が失敗に終わりません	目標、日付、未達時の対応を事前に決めます
相関関係と因果関係を混同する	成果につながらない指標を伸ばそうとしてしまいます	投資する前に、統制された実験を実施します

クイック診断

質問	いいえの場合	対応
今すぐ自社のOMTMを言えますか？	ダッシュボード上で注力先が分散しています	現在のモデル × ステージから指標を1つ選びます
この指標によって、次に何をするかが変わりますか？	報告しているだけで、意思決定につながっていません	指標を外すか、その指標によって左右される意思決定を定義します
合計値ではなく、比率や割合ですか？	見栄えだけの指標になるおそれがあります。合計値は増える一方です	コンバージョン率、リテンション率、またはユーザーあたりの率として定義し直します
自社のビジネスモデルの類型を把握していますか？	適切でない指標ツリーが使われています	6つのモデルから1つを選び、そのモデルの指標を採用します
自社のステージ（共感 → スケール）を把握していますか？	おそらく、後のステージに早くから最適化しています	まだ通過していない最初のゲートを見つけます。それが自社のステージです
期限と未達の場合の計画を定めた目標がありますか？	結果が出た後に目標が動いてしまいます	文書に明確な境界線を引きます
データはコホート化され、セグメント別に分けられていますか？	平均値によって実態が隠れています	コホート表を作り、チャネル別・セグメント別に分けます
OMTMを守るカウンター指標がありますか？	OMTMが不正に操作されるおそれがあります	たとえば、サインアップの増加 × 30日後のリテンション率のように組み合わせます

さらに読む

• 「Lean Analytics: Use Data to Build a Better Startup Faster」 Alistair Croll、Benjamin Yoskovitz 著
• 「The Lean Startup」 Eric Ries 著
• 「Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing」 Ron Kohavi、Diane Tang、Ya Xu 著

著者について

Alistair Croll は起業家兼アナリストです。ウェブパフォーマンス企業 Coradiant を共同設立し、Solve For Interesting を創業したほか、Startupfest をはじめとする複数のテクノロジーカンファレンスの議長を務めています。Benjamin Yoskovitz はベンチャースタジオ Highline Beta の創業パートナーであり、連続起業家兼スタートアップ投資家です。2人は Eric Ries の Lean Series の一冊として Lean Analytics を執筆しました。