[読了]なぜアマゾンは「今日中」にモノが届くのか

アマゾンで10年間仕事をした筆者が書いたアマゾンの暴露本というとアレですが、アマゾンが普段どのように考え、どう行動し、目標に対しどうビジネス的なアプローチをしているのかが事細かに書かれています。
読者はこの本を読み自社における戦略、KPIに対する考え方の変更や会議のやり方、数字の見方が変わることでしょう。

システムで自動化できるものはとことん自動化し、受発注もAIへと取って代わられる。
そのベースには緻密な予測システムや現状分析、その改善に対するたゆまぬ努力が存在します。数字は未達の場合だけでなく達成した場合でさえも「Why」を問う。それは
数字というのはコントロールするものだから、目標を達成しようがしまいが、理由を全て理解しておかないと何の意味もない
という言葉にも強く反映しています。
アクションに直結するKPIを立てることはもちろん指標間の関係性、例えばどちらかの数字が上がると片方は下がるなどの理解、そして外部環境によってすぐぶれてしまう数字は目標にしないなど、徹底して数字に向き合い、検証し、行動へつなげていきます。

アマゾンの1商品1ページというsingle detail pageという考え方、読みながら別にコマースとか関係なく似たような現象って発生しているよなとちょっと思いながら、とても刺激的を受けました。


[読了]トム・ピーターズのサラリーマン大逆襲作戦<1> ブランド人になれ!

古い本ですが自分という名の一つの企業を意識し、自分自信がブランドとなる事を勧める本です。
自分が企業となりブランドとなるということはどういうことか…

それは社会的な責任が発生し、責任を果たすことによって周りからの信頼を勝ち取る事であったり、売りとなる商品として例えばプログラミング能力だったり分析能力などを保有します。その売りの商品に対し周りの人物が価値を認め対価を払う。その商品も自らがマーケティングしなければ誰もその商品に気づくことすらありません。

またブランドになるということは、例えば何かプログラミングを必要とする開発案件が出てきたときに真っ先にその人を思い浮かべるなど、印象に残っていて声をかけたくなる。そんなブランド力が付く事が大事だと述べられています。

自分一人の企業であることは即ち自分が代表者であり、大切な顧客や仕事に対しては真剣に一生懸命取り組む必要があるということです。商品も時代遅れにならないよう磨き続ける必要があり、常に新しい情報に接し学ばなければならないということです。

中でもこの言葉は端的でメモをしました。
変化は、雇用にしがみつく人の敵であり、商才がある人の味方である。
変化を恐れるということは自分が今雇用にしがみついている証拠であると肝に銘じて行動を起こすべきですね。
とても耳の痛い話も沢山ありましたが自分をブランドと考え行動する必要があります。

ところで今週何を学びましたか?


[読了]自分になかなか自信をもてないあなたへ 自分の嫌いなところを3週間で解消できるスゴイ方法

たまにはさらっと読める本をば。
自信が持てる人…持って行動している人…羨ましいですよね。全くといっていいほど自信のない一人ではありますが全くもってその通り、自信を取り戻すことで好循環のループに入るんだろうなぁと思いつつ読み進めていました。
「本当はどうありたいのか?」を問いかけ、本人の「できているところ」に注目し、やったことを確認していくと、お客様はみるみる自信を取り戻し、自ら行動し始め、人生に好循環の波を起こしていきます。
自信がある人の思考回路ではこの3つの事がうまく作用しあっている状態であるらしい。
自分は主人公だと感じている。
自分のあるがままを受け入れている。
自分にはできることがある。
この本ではこの3つの思考に至るために「過去」「現在」「未来」を見つつプラクティスを通じて変化しようというものです。

[読了]知的戦闘力を高める 独学の技法

それほど新しい概念を提案しているわけではないですが、「Heterogeneous」「交差的イノベーション」「拡散的(発散的)思考」に近い考え方の部分、それとリベラルアーツの重要性が書かれています。

独学は
「①戦略」→「②インプット」→「③抽象化・構造化」→「④ストック」
という流れで形成され、まず戦略がなければ情報に対する感度が高まりません。情報に対する感度が高まることでインプットした情報が単なるinformationからintelligenceへと変わり、その情報が生きてきます。

情報を抽象化・構造化するというプロセスはmeta化するようなイメージに近いかなと個人的には感じますが、例えば絵画の世界の出来事をビジネスに転用することが出来るようになるという拡散的思考が可能になるために必要となります。

intelligenceとして学んだ物事に考えを巡らすと意外と自分の血肉となり残るような気もしなくもないですが何かにストックしておき、すぐに検索して取り出せるようにしておくということも大事です。
もちろん頭の中からすぐに取り出すということでも構いません。

私個人はリベラルアーツに関しては勉強をサボっていたので読んでいて胃が痛い部分が多くありました


[読了]Linked Data: Webをグローバルなデータ空間にする仕組み

なぜ今頃的な本を再び。
内容も少し古く感じますがW3C Data Activityを見てもだいぶこの周辺は変わってきたなぁという印象。現状schema.orgへ統合されつつあり、旧RDFデータを統合していたFreeBaseはGoogleが買い取りました。

Linked Dataを使った検索エンジンは現状も幾つか存在するのかもしれませんが、GoogleのAnswer BoxやKnowledge Graphなどに吸収され検索結果のリッチ化という流れとなりました。

確かに各サイトがデータを構造化することで`中央集権的`ではありませんが、データを全体見渡すことが出来るのはクロールしている検索大手。フリーでデータがある程度置かれている場所もあることはありますが、歴史を知るとちょっと複雑な気持ちになったりもします。

この部分は今後どう発展していくのか楽しみです。

[読了]セマンティックWebとリンクトデータ

linked dataということで個人的に色々勘違いしていた部分が正されました。RDF、RDFa、RDFa Lite、microformat、microformats、JSON-LD…、個人的にはWOL含め全体がschema.orgへ統合されていく流れなのかな?と感じていたもののRDFの流れはとても古く、そう簡単な話ではないなとこの本を読んで思いました。

と同時に結局Linked Dataのコンセプトと理想のデータ活用に対する考え方としては重要なものがあると思います。人間に対するドキュメントとしてのHTMLと機械が理解するためのXML/RDF、そしてその体系化された知識のAI活用など。
一方で結局今まではwikidataであるdbpedia(日本語)という非営利団体によって知識の体系化が試みられていたと思われますが、schema.orgの登場と検索大手が活用をしはじめHTML内に大量のデータがばらまかれ始めました。

そのデータは結局検索大手がクロールすることによって活用され、クロールするコストを考えると一般のユーザにはあまりメリットは無いという現状が生まれてしまった気がします。GoogleがKnowledge Graph APIとして一部データを公開してもGoogle優位に変化はありません。

非営利で様々なLinked Dataが発生していたときでさえsame asとして同一の用語、例えば「東京」に対する説明が各サイトへ散らばっているという状況があったわけですが、今はそれ以上に機械向け各種説明文が散らばったのではないでしょうか。

もちろん既に大量に存在するHTMLを構造化しろという要求は分かりますが対検索エンジン以上のメリットが無さそうで学術活用もOpenデータとして公開されている部分がメインといった感じなのかもしれません。

テキストではありますがHTMLのBody内もしくは最近の流れでheadが尽く重くなる傾向は変わらなそうですがRDFの参照URIとして外部にデータを出すということも可能なのでしょうか。ざっと読む感じ名前空間の読み込み用だけでなく特定のresourceに対するリンクも可能なので可能性としてはあるのかもしれませんが…

今までの非営利によるデータ収集の流れでうまく行ったかと言われると違う気がしますが、schama.orgの流れは必要悪というか、検索エンジン側の強制により広く一般にリンクデータの存在が知れ渡るものとなり、対応するサイトが爆発的に増え、もしかするとwikipediaという非営利のナレッジデータベースを`wisdom of crowds`として検索エンジン側がうまく処理とOpen化してくれれば良いのですが…

[読了]確率思考の戦略論 USJでも実証された数学マーケティングの力

名著と言われるこの本を休み中にやっと読めました。
常日頃数字を見ているにも関わらず自分の怠惰を恥じ、2018年は少しずつ前に出ようと意気込むには十分な書でした。

以前に読んだデジタルマーケティングの教科書でも読むべき参考図書とされており、以前購入はしていたものの積読状態となっておりました。

USJでよく利用されているモデルは以下の6つ。

  1. ガンマ・ポアソン・リーセンシーモデル
  2. 負の二項分布
  3. カテゴリーの進出順位モデル
  4. トライアルモデル・リピートモデル
  5. 平均購入額・量モデル
  6. デリシュレーNBDモデル
数式や具体例(赤玉、白玉を使った確率)もありますが何分情報量が多い。8割ざっと最後の計算部分は読んだ感じですが再度見直そうと思います。
デジタルマーケティングの教科書でも大変気づきがありましたが、本書でも数学マーケターという位置づけ、自分が目指したいところでもあります。

本書のこの部分、私も肝に銘じて仕事をしなければと共感しました。

「目に見えているものに惑わされず本質を洞察すること」です。物理的に目に見えているものはほぼ全て「現象」に過ぎず、その現象をつくりあげている物事の「本質」ではありません。