# ============================================ # 5 Whys分析：売上減少の根本原因を特定 # ============================================ print(“【5 Whys分析：売上減少の根本原因】”) print(“=” * 60) print() whys = [ {“level”: 0, “question”: “【事実】”, “answer”: “売上が前年比10%減少した”}, {“level”: 1, “question”: “Why #1: なぜ売上が減少したのか？”, “answer”: “主力商品Bの売上が20%減少したから”}, {“level”: 2, “question”: “Why #2: なぜB商品の売上が減少したのか？”, “answer”: “顧客離反率が5%から15%に増加したから”}, {“level”: 3, “question”: “Why #3: なぜ顧客離反率が増加したのか？”, “answer”: “品質に関するクレームが3倍に増加したから”}, {“level”: 4, “question”: “Why #4: なぜ品質クレームが増加したのか？”, “answer”: “製造ラインの不良率が1%から5%に上昇したから”}, {“level”: 5, “question”: “Why #5: なぜ不良率が上昇したのか？”, “answer”: “品質管理担当者が退職し、新担当者の教育が不十分だったから”}, ] for item in whys: indent = ” ” * item[“level”] if item[“level”] == 0: print(f”{item[‘question’]} {item[‘answer’]}”) else: print(f”{indent}{item[‘question’]}”) print(f”{indent}→ {item[‘answer’]}”) print() print(“★ 根本原因を特定！”) print(” 「品質管理担当者の教育体制の不備」”) print() # アクションプランの立案 print(“=” * 60) print(“【根本原因に基づくアクションプラン】”) print(“=” * 60) print() actions = [ {“優先度”: “即座”, “アクション”: “品質管理経験者の採用”, “コスト”: 800, “期間”: “1ヶ月”, “効果”: “不良率5%→1%”}, {“優先度”: “即座”, “アクション”: “新担当者への集中研修”, “コスト”: 200, “期間”: “2週間”, “効果”: “スキル+50%”}, {“優先度”: “短期”, “アクション”: “検査頻度の増加”, “コスト”: 100, “期間”: “継続”, “効果”: “出荷前に不良を検出”}, {“優先度”: “中期”, “アクション”: “自動検査システム導入”, “コスト”: 2000, “期間”: “3ヶ月”, “効果”: “不良率1%→0.3%”}, ] for action in actions: print(f”[{action[‘優先度’]}] {action[‘アクション’]}”) print(f” コスト: {action[‘コスト’]}万円 | 期間: {action[‘期間’]}”) print(f” 期待効果: {action[‘効果’]}”) print() # ROI計算 total_cost = sum(a[“コスト”] for a in actions) print(f”総投資額: {total_cost:,}万円”) print(f”期待効果: 売上回復+500万円/月 = 6,000万円/年”) print(f”ROI: (6,000 – {total_cost}) / {total_cost} × 100 = {(6000-total_cost)/total_cost*100:.0f}%”)

# ============================================ # 仮説検証サイクル：ECサイトのコンバージョン率改善 # ============================================ print(“【状況】”) print(“ECサイトのコンバージョン率: 2%（業界平均: 3%）”) print(“目標: 3ヶ月以内に3%に改善”) print() # 仮説の構築 hypotheses = [ {“ID”: “H1”, “仮説”: “ページ読み込みが遅い（3秒以上）”, “根拠”: “3秒以上で離脱率が急増するデータあり”, “優先度”: “高”}, {“ID”: “H2”, “仮説”: “商品画像の品質が低い”, “根拠”: “高額商品ほど画像が重要”, “優先度”: “高”}, {“ID”: “H3”, “仮説”: “送料が高すぎる”, “根拠”: “カート離脱がチェックアウト時に多い”, “優先度”: “中”}, {“ID”: “H4”, “仮説”: “決済方法が限られている”, “根拠”: “クレカのみ、電子マネー未対応”, “優先度”: “低”}, ] print(“【仮説一覧】”) print(“=” * 60) for h in hypotheses: print(f”{h[‘ID’]}: {h[‘仮説’]}”) print(f” 根拠: {h[‘根拠’]}”) print(f” 優先度: {h[‘優先度’]}”) print() # 検証結果（シミュレーション） print(“【仮説検証の結果】”) print(“=” * 60) results = [ {“ID”: “H1”, “結果”: “✅ 検証済み”, “発見”: “平均読み込み時間: 6.2秒（目標: 3秒以下）”, “アクション”: “画像最適化、CDN導入”, “期待改善”: “+0.8%”}, {“ID”: “H2”, “結果”: “✅ 検証済み”, “発見”: “A/Bテストで高解像度画像が+15%のCV”, “アクション”: “全商品画像を更新”, “期待改善”: “+0.4%”}, {“ID”: “H3”, “結果”: “❌ 棄却”, “発見”: “送料は競合と同水準、離脱理由は別”, “アクション”: “対策不要”, “期待改善”: “0%”}, {“ID”: “H4”, “結果”: “△ 一部検証”, “発見”: “10%がPayPay希望（高単価層）”, “アクション”: “PayPay導入”, “期待改善”: “+0.2%”}, ] for r in results: print(f”{r[‘ID’]}: {r[‘結果’]}”) print(f” 発見: {r[‘発見’]}”) print(f” アクション: {r[‘アクション’]}”) print(f” 期待改善: {r[‘期待改善’]}”) print() # 総合効果 total_improvement = 0.8 + 0.4 + 0.2 current_cvr = 2.0 expected_cvr = current_cvr + total_improvement print(“【総合効果】”) print(“=” * 60) print(f”現在のCVR: {current_cvr}%”) print(f”期待改善: +{total_improvement}%”) print(f”予測CVR: {expected_cvr}%”) print(f”目標CVR: 3.0%”) print() if expected_cvr >= 3.0: print(“✅ 目標達成の見込み！”) else: print(f”△ あと{3.0 – expected_cvr}%の改善が必要”)