出典: 地に足のついた教師チェン

ユーザーポートレートは多くの人が話題にするものですが、問題が発生するたびに「性別、年齢」の割合を記載する以外はそこで止まってしまうようで、問題を真に診断して対処することが困難になっています。

今日は、ユーザーポートレートを使用して問題を診断する方法の具体的な例を見てみましょう。では、これ以上前置きせずに、早速本題に入りましょう。

問題のシナリオ: インターネット企業は、従来の電話販売を利用して広告事業を促進しています。最近、新入営業社員の3か月以内の離職率が非常に高くなっており、経営陣はもはや我慢できないほどになっています。営業スタッフのユーザーポートレートを見て、問題がどこにあるのかを分析するよう依頼します。

Q: この肖像画をどう解釈すればいいのでしょうか?

タイトルの「ユーザーポートレート」という言葉を見て、売上データを掘り起こし始める学生が何人いるでしょうか。性別、年齢、教育レベル、職務経験年数、フォローアップリード数、取引数、パフォーマンス... 多数の指標が PPT に掲載されています。

営業職は社内社員なので、就職活動の際には履歴書を記入しますが、履歴書には活用できる欄が豊富にあります。したがって、この「ユーザー ポートレート」PPT は非常に長くなる可能性があります...

問題は、これが問題を説明しているかどうかです。

明らかに違います!

問題は明らかです。これは単にデータをリストしているだけであり、「営業職の退職」の問題そのものには対処していません。

データはさておき、営業担当者はなぜ仕事を辞めるのでしょうか?理由はいろいろ考えられます:

● この会社はただのゴミで、業界での評判は非常に悪いです

● 人事部は最初から間違った人材を採用し、単に不足分を埋めるだけにとどまっていた

● 営業管理が不十分で、従業員のエクスペリエンスも悪い

● 営業成績が悪く、売上が上がらない

● 販売でお金を稼ぐことはできるが、それは大変な仕事だ

さらに、これらの要因は相互に重複する可能性もあります。たとえば、広告は売りにくいため、経営陣は人海戦術を使い、従業員に残業を強いる傾向があります。従業員に残業を強いると、仕事の経験が減少し、心理的負担が増大し、悪循環が生じます。

したがって、問題を明確に分析するという観点からは、「ハンマーで釘を探す」ことはできません。リーダーがユーザー ポートレートについて話しているからといって、すべてをユーザー ポートレートにしなくてはならないわけではありません。まず分析ロジックを明確にし、次にユーザーポートレートがどのような問題を解決できるかを確認します。

まず第一に、仕事を辞める従業員は「この会社は最悪だ！」と言うでしょう。したがって、「この会社はダメだ」といった理由は、まず排除するのが最も簡単です。本当に悪い会社は、データから判断すると、最初から最後まで本当に腐っています（下の図を参照）。

第二に、不適切な管理も比較的簡単に排除できます。会社全体が悪くない限り、営業チームの一部は管理が悪く、一部は非常に優れているはずです。離職率をチームの視点から見ると、問題点が簡単に見つかります（下図参照）。

また、たとえば、特定の期間に営業リードの質が低すぎると、営業業務に支障をきたすことがあります。これも事前に排除することができます（下の図を参照）。

これにより、明らかなマクロの問題が排除され、販売能力そのものに重点を置くことができます。詳細議論：事業自体が難しすぎて営業でも対応できないのか？それとも、実際には販売は対応できるが、人事部門が間違った人材を採用したか、能力の不十分な人材を採用したということでしょうか?ここでの判断には、販売能力と基本的な人員特性の評価が含まれますが、これはユーザーポートレートによって支援できます。

4. ユーザーポートレートのエントリーポイント

ユーザーのポートレートは、「性別や年齢」といった基本的な特徴だけではありません。さまざまなユーザーの行動や社会的関係も重要な要素です。具体的な分析を行う際には、「問題を説明するのに最も強力な」特徴を選び出す必要があります。仕事を辞めるという問題に関して言えば、最も大きな要因は収入です。お金を稼げないのなら、辞めない人がいるでしょうか?

注：問題となるシナリオは「新入社員の3ヶ月以内の離職率」であり、一般的な収入は月単位で精算されるため、3ヶ月間の状況を区別する必要があります。ここで注意すべきは、単純に平均を出すのではなく、最初の月に注文をせずに辞めてしまう人（自信がなくなる）や、ある月は収入が高くても次の月は収入が低い人（収入が不安定で継続する自信がない）もいる可能性が高いので、もっと細かく分けた方が良いということです（下図のように）。

このステップでは、高所得者と低所得者を区別し、それを離職率と組み合わせることで、問題をかなり説明することができます。去る人々の大半は低所得者である可能性が非常に高い。さらに、高収入であるにもかかわらず仕事を辞める人は、仕事が大変すぎると感じ、同じ量の仕事を別の会社でやった方がもっと稼げると考えている可能性が非常に高いです。さらに分析を行うことができます。

もっと深く掘り下げたいのであれば、低所得の理由は何なのかをさらに説明する必要があります。

理由としては以下が考えられます:

● 十分なリードが割り当てられていない（管理上の問題）

● 十分な手がかりが与えられたが、完了していない（実行の問題）

● 十分なリードが割り当てられたが、完了したがコンバージョンに至らなかった（スキルの問題）

● 十分なリードが割り当てられ、完了し、コンバージョンも発生しているが、注文が少なすぎる（依然として管理上の問題）

ここでは、マトリックス分析を使用して状況を区別するだけです。一般的に、リード配分の仕組み自体に問題がある場合、例えば、配分が不均等だったり、優良リードが特定の人に集中しすぎたり、業種別の区別がつかず、一部の人の注文が常に少なかったりするなど、これらは営業の問題ではなく、内部管理の仕組みを最適化することで改善できます（下図参照）。

このように、人事部門が適切な人材を採用しなかったかどうかについての議論は非常に焦点が絞られることになります。営業チーム内で実行力がなくスキルが不足している人の特性と、実行力があり仕事をする意欲のある人の特性を比較することで、本当の営業特性が何であるかがわかります。次のステップは、人事部門が採用した人材の質が高くないからではないかと推測することです。

この時点で、ユーザーの特性を取り出して比較することができます。理論的には、年齢、性別、地域（方言圏かどうか）、学歴、経験年数など、履歴書から直接取得できる項目はすべて使用できます。同時に、「インターネット広告営業の経験があるかどうか」をテキストからラベルとして抽出し、分析することができます。おそらく人事部は、役職名に「営業」という言葉が含まれる人材だけを採用したのでしょうが、その結果、この営業モデルに適応できずに退職した人が多くいました。

非常に特殊な状況があり、つまり、多数の比較を行った後、データに大きな違いがないことがわかりました。

収入に差はありません！

実行に違いはありません！

機能に違いはありません！

理由もわからず仕事を辞める人もいますが、辞めていないのにお金が稼げない人もたくさんいます！

何をするか！

もしこれが本当なら、この業界には明らかに新聞配達少年効果がある可能性が非常に高い。つまり、新聞配達員が何部新聞を売るかは、その配達員の個人的な特徴、販売スキル、あるいはユーザーのニーズとはまったく関係がないのです。彼がどれだけ努力しても、新聞を買うのは100人中2人だけだ。

もしそうなら、それは別の戦略です。いずれにせよ売上は失われ、それを改善する方法は見つからないので、採用コストを削減し、より安価な労働力を導入する方法を見つけてください。

上記は分析のアイデアの簡単な説明にすぎません。実際の作業はもっと複雑かもしれませんが、基本的な考え方は変わりません。データ分析は、ハンマーを使って釘を探すようなものではなく、食品を見て、特定の問題を具体的に分析し、その問題を解決することです。

それぞれのツールは実際の状況と有機的に組み合わせる必要があります。ユーザーポートレートはラベルのセットの組み合わせであり、状況に応じて適切なラベルを選択したり、新しいラベルを開発したりする必要があります。