ビジネスリーダーたちは長年同じイノベーション戦略を使い続けてきたが、AI主導型経済において現代のビジネスの改善を確実にできる統計的ツールとフレームワークが存在する。20世紀初頭、英国の先駆的データサイエンティスト、ロナルド・フィッシャーのアプローチが革命的だったのは、単に数学を科学に持ち込んだだけでなく、それを経済的に行った点にある。ランダム化と、要因を互いに独立してテストする直交設計を導入することで、フィッシャーは驚くほど少ない試行から強力な洞察を引き出せることを示した。各実験は複数の変数を同時にテストできるよう構成され、研究者は各要因の真の効果を個別に確認し、それらの相互作用の効果を捉えることができた。
この効率性により、実験は高価な一度に一要因ずつ行う作業から、規律ある資源節約型の発見エンジンへと変わった—このフレームワークは今日のビジネスにおいて最も強力でありながら活用不足のツールの一つである。協働と幅広い帰納的探究を通じてビジネスプロセスへの真の理解と組み合わせると、その結果は変革的なものとなりうる。
売上増加のためにA/Bテストを超える
フィッシャーのブレークスルーから約1世紀後も、多くのビジネスリーダーは、自社のビジネスプロセスや課題がA/Bテスト以上の意味のある統計的実験に適していないと認識していないか、想像している。企業がデータ駆動型で競争優位性を求めている時代に、これはほとんど意味をなさない。著名な統計学者でビジネスコンサルタント会社Nobi Groupの創設者であるキーロン・デイ氏は、インタビューで直接この問題に取り組んだと語った。2020年の収益減少を克服するために米国のアパレル小売業者と協力した際、彼はオンラインストアのレイアウト変更（類似スタイルをグループ化するか、無秩序に表示するか）についての提案されたA/Bテスト以上のことを行うよう説得した。デイ氏は2週間の実験を行い、8つの変数をテストするよう説得した。彼らが検討していた変数に加え、ランディングページのレイアウト、各ページのアイテム数、インフルエンサーの推薦の掲載、リピート顧客へのリマーケティング、リストされたキーワードの変更、価格の10%引き上げなどをテストした。
彼らは、最初にA/Bテストで提案されたレイアウト変更が不況による売上減少を軽減する一方で、そのページレイアウトと各ページのアイテム数を組み合わせると売上が約25%増加することを発見した。価格弾力性が顧客にとって重要でないように見えたため、価格は上昇し、利益率も向上した。要するに、この実験は企業が新製品を販売しながら、製品あたりの利益を増やすのに役立った。この戦略をあなたのビジネスに適用するには、X、Y、Zの要因を検討してみよう。
多因子テストを使用する場合、多くの変数を含め、相互作用を探すことがより価値がある。しかし、多数の要因を効率的にテストするには、ある程度の統計的洗練さが必要である。使用される技術は部分要因計画法として知られており、可能なすべての組み合わせの数学的に選ばれた一部のみをテストする実験である。これらは精度を速度と効率性と引き換えにするが、統計的精度においてはA/Bテストと同等である。エジプトのカイロに拠点を置く重機器ディストリビューターのMantrac Groupと協力して、デイ氏はNPSスコア（一般的な顧客ロイヤルティ指標）を向上させるために多数の要因をテストした。テストでは、どのチャネルを使用するか（メール、SMS、WhatsApp、フィールドエージェント、支店など）、調査をいつ実施するか（支店訪問後、ウェブサイトチャット、コールセンターでの会話など）、さらに調査内容も決定した。
「効果があるかもしれない大きな投資を考える前に、実験で可能な改善の幅を見て、データに語らせます」とマネージングディレクターのレオナルド・ザンビッテ氏はインタビューで語った。発見された詳細は注目に値する—他のいくつかの要因の中でも、提案用のテキストボックスを大きくし、絵文字を追加し、ランキングシステムを3から5に変更することで、回答率が5倍に増加し、MantracのNPSスコアは2倍になった。
実験設計においても、常に人間的なタッチを使用する
あるヘルスケアのケースでは、デイ氏はメディケア・アドバンテージのヘルスケアプロバイダーであるXLHealth（現在はミネソタ州に拠点を置くユナイテッドヘルスケアの一部）と協力して、入院を減らし、遠隔医療看護師の効率を向上させた。デイ氏とそのチームは、経営陣と現場の看護師の両方と協力して、テストする約20の潜在的な運用変更を特定した。実験開始前に、デイ氏は必要なデータが信頼できること、過去の結果が結果に偏りがないことを確認し、看護師と患者が適切にランダム化できることを確認した。
変数は幅広く、看護師あたりの患者負荷の増加、患者との医薬品レビューの実施、症状別の教育キットの提供、退院後の移行コールのスケジューリング、リモートとオフィスベースの勤務のテストなどがあった。
3ヶ月間にわたり、構造化された実験により、4つの介入の特定の組み合わせが入院率を20%以上削減することが明らかになった—これにより顧客は年間数百万ドルを節約した。
この背後にある数学は驚くべきものだ。よく設計された実験を通じて20の介入をテストすることで、実質的に100万以上の可能な組み合わせを探索し、従来のA/Bテストでは見えない関係を明らかにする。結果の多くは直感に反するものだった。例えば、患者負荷を50%拡大しても、ケアの質は低下せず、看護師が自宅やオフィスのどちらで働いても測定可能な違いはなかった。プリンストン大学（ニュージャージー州）のMathematicaの健康研究ディレクターだった経済学者のランディ・ブラウン氏は、この試験を研究し、「CEOにこれらをもっと行うよう説得しようとしてきました。非常に価値があるのですが、CEOは変化を好みません」と述べている。
しかし、本当の秘密は数学だけでなく、協力にあった。デイ氏のチームは現場の看護師と密接に協力して、日々実際に何が起こっているかを理解し、前提に挑戦し、変化への隠れた障壁を明らかにした。あるケースでは、うまくテストされた「医薬品レビュー」変数が十分に活用されていなかった。通話データの分析と看護師との率直な議論により、その理由が明らかになった：レビューは時間がかかり、看護師の報酬は部分的に通話効率に結びついていた。マネージャーとの短い議論でインセンティブを再設計することで、障害はすぐに取り除かれ、レビューが実現可能になり、利益が実現した。
一部のCEOは自社のビジネスプロセスが厳格な実験には複雑すぎると考えたり、何が効果的かをすでに知っていると思っているが、デイ氏の仕事はその逆を示している。彼のアプローチは科学的精度と組織の機能に対する深い共感を組み合わせている。数学者は典型的にはベッドサイドマナーで知られていないが、デイ氏のオープンさと好奇心により、実験は押し付けられるものではなく、共有プロセスとなる。彼はすべての実験を、どの要因が最も重要かをマネージャーと従業員に予測してもらうことから始める。「彼らは常に間違っています」と彼は笑顔で言う—そしてそれがまさに要点だ。各実験は人々が知っていると思うことから始まり、真に結果を推進するものを明らかにして終わる。
統計が収益性の高いビジネスにとって重要な理由
変化を結果に直接帰属させる能力は、ゲームチェンジャーである。今日の多くの企業はアトリビューションモデリングに依存している：マーケティングチャネル全体—
デジタル広告、ダイレクトメール、ソーシャルメディア—での支出を測定し、過去のデータに回帰分析を実行して、どのチャネルが結果を推進しているかを推定する。しかし、これらのモデルは相関関係を示すだけで、因果関係は示さない。相関関係は2つのものが一緒に動くことに気づくことであり、因果関係は一方が他方を動かすことを証明することである。アトリビューションモデリングでは、実際に何が変化を引き起こしたかを知ることはできない。適切に設計された実験ならそれが可能だ。
構造化された多因子テストでチャネル間の支出レベルをランダム化することで、企業は各変数の実際の影響を分離し、追加の資金がどこで実際に売上を押し上げるかを発見できる。マーケティングとメディア戦略を最適化したい大手保険会社との仕事で、デイ氏はテレビ、ラジオ、検索エンジンマーケティング、ソーシャルメディアチャネル、コンテンツタイプやディスプレイなど29の変数をテストし、それらが異なる販売チャネルに与える影響も考慮した。
結果は明らかで、同社は直接そのミックスを変更した。例えば、ブランド名のSEMに費やされるお金は、ブランドのない製品タイプのSEMと比較して大幅に削減できた。同社は従来のメディア（ニュースアウトレット、テレビ、ラジオ）を削減し、残りの広告を市場セグメント別にターゲティングした。その結果、マーケティング支出を10%削減しながら、契約件数を28%増加させた。
その精度は統計的設計から来ている。フィッシャーの元々の洞察—すべての要因が独立しているが実世界の状況でテストされるように処置をランダムに割り当てることで、要因または要因の組み合わせのみが実生活の複雑さのノイズを超えて浮かび上がる。「通常の変動」が測定され考慮されると、そのベースラインを超えるあらゆる改善は実際のものとして信頼できる。製造業、医療、マーケティングのいずれであっても、適切にランダム化された設計は、複雑で動的なシステムでもシグナルをノイズから分離できる。適切な設計は文脈に依存する：生産ラインのような連続操作は、マルチチャネルマーケティングのような並列操作とは異なるツールを必要とする。しかし、どちらの場合も、数学により意思決定者は本能ではなく証拠に基づいて行動できる。
そして時には、最大のブレークスルーが最も可能性の低い場所から来ることもある。デイ氏が協力した印刷会社では、新しく経験の浅い従業員がプリンターの用紙をより頻繁に交換することを提案した—それは些細なアイデアのように思えた。しかし、データは別の結果を証明した：古い用紙は湿気を吸収し、厚くなり、生産を遅らせていた。その小さな調整がボトルネックを解消した。ノックスビル・ユーティリティーズ・ボードでは、従業員がデイ氏に、顧客の支払い行動に関する一連のテストにより、ペーパーレス請求の推進努力が停滞した理由が明らかになったと語った。それはメッセージングやインセンティブではなく、高齢の顧客が単に地元のオフィスを訪問することを好んでいたのだ。どんなモデルもそれを示すことはできなかったが、構造化された実験ならそれが可能だった。
要するに、企業はよりスマートにテストできる。フィッシャーは数学的ツールを提供し、デイ氏はサイロを超えて、物事が実際にどのように機能するかの幅広い理解に基づいて実験を構築する方法を示している。これはあなたのビジネスにも効果があるだろう。
