タグ

2017年3月9日のブックマーク (5件)

  • なぜプロダクト思考がUXデザインのNext Big Thingなのか?

    UXというと、シンプルで美しく、使いやすく、ユーザーの生活をより良くする機能をもった製品を、多くの人は思い浮かべるでしょう。しかし実際には、機能というのは製品のほんの一部でしかなく、ユーザーが直面する問題に対する考えうる数多くのソリューションの内からわずかなものを提供しているにすぎません。 プロダクト思考(Product Thinking)は、ユーザーが抱える特定の問題に着目し、対処し、目標を達成し、売上を上げるまでの一連の流れを意味します。 UXで大事なのは、製品の機能ではありません。ユーザーが製品でなにをするかが大事なのです。 Uberの中心となるUXは、いつでもタクシーを簡単に呼べることです。このUXにおいて特徴的なものに、タクシーの到着時間を正確に表示するという機能があります。しかし、Uber自体はこの表示がなくても、常にサービス提供されています。この到着時間の表示は、製品自体の存

    なぜプロダクト思考がUXデザインのNext Big Thingなのか?
    shase
    shase 2017/03/09
  • “あの読者”に届けたい。楽天「それどこ」が実践した伝わるコンテンツの作り方 | ナイルのマーケティング相談室

    連載「愛のないコンテンツマーケティングに未来はない」第10回は、楽天市場のオウンドメディアである「それどこ」の岡麻里奈編集長と制作を担当する株式会社はてなの高野政法営業部長に話をうかがった。 2015年4月に立ち上げられた「それどこ」は、リリースから1年半で人気記事は2万以上のシェアを獲得するほどに支持を広げている。「最近、ようやく読者が当に何を必要としているかつかめてきた」と語る岡編集長と一緒に、オウンドメディアで成果を出すために必要なターゲット理解の深め方と、それをいかしたコンテンツの作り方について考えてみよう。 月に10~15の記事を更新する「それどこ」は集客の4割がSNS経由 \コンテンツマーケティングの成功ノウハウを解説/ 編集長に抜擢されて3ヵ月目の決意 ――「それどこ」について簡単に教えてください。 岡:立ち上げの背景として、楽天市場は非会員向けのアプローチに課題が

    “あの読者”に届けたい。楽天「それどこ」が実践した伝わるコンテンツの作り方 | ナイルのマーケティング相談室
    shase
    shase 2017/03/09
  • 【2024年最新版】コピペチェックツール&ソフトおすすめ14選を比較!選び方も紹介 | LISKUL

    コピペチェックツールとは、外注先の制作会社や執筆ライターから納品されたコンテンツの内容の中に、不適切な情報の引用がないかを簡単にチェックできるツールです。 ネット上には様々な情報があふれ、執筆者はコピペで簡単に情報を取得・引用できます。 しかし、コンテンツの中に不正なコピペがないかを1つ1つ目視で確認するのは、現実的に不可能です。 コピペチェックツールを利用することによって、不適切な情報の引用による著作権侵害のリスクを減らすことができます。 記事や文章を含むコンテンツを内製・外注する際には、コピペチェックツールで確認するようにしましょう。 コピペチェックツールの導入を検討する場合、 チェック可能な文字数はいくらか精度高く不適切なコピペを検出できるか無料でも使えるか、有料の場合コスパは良いかなど、ツールによっても違いがあり、自社にあったコピペチェックツールを探すのは大変です。 そこで記事で

    【2024年最新版】コピペチェックツール&ソフトおすすめ14選を比較!選び方も紹介 | LISKUL
    shase
    shase 2017/03/09
  • 情報過多時代の最強メディアはファンのクチコミ、佐藤 尚之氏が語るファンマーケティングの重要性 | Web広告研究会セミナーレポート

    情報過多時代の最強メディアはファンのクチコミ、佐藤 尚之氏が語るファンマーケティングの重要性 | Web広告研究会セミナーレポート
    shase
    shase 2017/03/09
  • ユーザの平均継続期間が「1/解約率」で求められることの数学的証明 - it's an endless world.

    グロース分野においてユーザがそのサービスを平均でどのくらいの期間使ってくれるか?という数値は重要な値です。 例えば、広告の費用対効果を見るためにも計算するLTV(Life Time Value)。 LTVはユーザを1人獲得することで平均でどのくらいの売上に繋がるかという値ですので、平均継続期間×ARPUという算出方法になります。 ここで、ARPU(Average Ravenue Per User)のほうの計算は簡単です。 1ユーザあたりの売上を表す数字ですので一定期間の売上/ユーザ数、以上です。 しかし、ユーザの平均継続期間はどのように計算するべきでしょうか? 離脱したユーザのデータを基に算出しようとしても、それはあくまでも「離脱したユーザ」の平均値となり全体の平均とは異なる明らかに誤ったサンプルから得られた結果となってしまいます。 そしてもちろん、多くのユーザはまだそのサービスを使ってい

    ユーザの平均継続期間が「1/解約率」で求められることの数学的証明 - it's an endless world.
    shase
    shase 2017/03/09