データに導かれ、人が決めるCX戦略
データドリブンを越えて、意思決定の主語を「人」に取り戻す

データ活用が進むなかで、「データドリブン」という言葉は広く使われるようになりました。
データに基づいて判断することで、意思決定の根拠を共有しやすくなり、施策の効果も検証しやすくなります。
一方で、取得できる数値だけを追い続けると、その指標では捉えにくい顧客の背景や行動の理由を見落とすこともあります。
特にCXでは、短期的な数値だけでなく、その施策が顧客との関係や体験全体にどのような影響を与えるのかまで含めて判断する必要があります。
そこで考えたいのが、データを意思決定の重要な材料として使いながら、最終的には人が判断する「データインフォームド」という考え方です。
本記事では、データドリブンとデータインフォームドを単純な二者択一として扱うのではなく、実務のなかでデータと人の判断をどう組み合わせるかという視点から整理します。
データドリブンは何が強いのか
「データドリブン(Data Driven)」は、データと分析を重視して意思決定を行う考え方です。
IBMでは、データドリブンな意思決定について、直感だけに頼るのではなく、顧客からのフィードバックや市場動向、財務データなどを収集・分析し、意思決定に活用するアプローチとして説明しています。
A/Bテストや広告運用、Webサイトの改善など、結果を計測しながら次の施策を判断できる領域では特に有効です。
データドリブンの強み
意思決定の根拠を共有しやすい
施策の効果を検証しやすい
改善サイクルを回しやすい
共通の指標をもとに議論しやすい
数値で判断基準を明確にできる領域では、人の感覚だけで決めるよりも、データを強く意思決定に反映した方が合理的なケースは少なくありません。
問題になるのは、データを使うことそのものではなく、データから読み取れる範囲を超えて結論を出してしまうことです。
取得しているデータだけでは、計測していない行動や顧客の背景、まだ顕在化していないニーズまで十分に捉えられない場合があります。
また、特定のKPIだけを最適化し続けることで、その指標では表現されない顧客体験への影響を見落とす可能性もあります。
Harvard Business Reviewでも、データをそのまま絶対視することと、逆に証拠を無視することの双方に注意が必要だと指摘されています。
Where Data-Driven Decision-Making Can Go Wrong | Harvard Business Review
データインフォームドとは何か
「データインフォームド(Data Informed)」という言葉は、使われる領域によってニュアンスが少し異なります。
本記事では、データを意思決定の材料として活用しながら、その背景や定性情報、事業目的なども含めて人が判断する姿勢として捉えます。
Amplitudeでは、データドリブン、データインフォームド、データインスパイアードを使い分け、データインフォームドについて、現在のパフォーマンスだけでなく「なぜそうなっているのか」を理解し、その情報を将来の戦略や改善に反映する考え方として整理しています。
Are You Data-driven, Data-informed or Data-inspired? | Amplitude
本記事では、次のように整理します。
データは「命令」ではなく「判断材料」
分析は「結論」ではなく「問いを深める材料」
最終的な意思決定は人が行う
データに従うか、直感に従うか。
その二択ではありません。
データから得られた情報を、人の経験や顧客理解、事業上の制約などと組み合わせて判断することが重要です。
Harvard Business Reviewでも、分析と直感を対立させるのではなく、直感から生まれた仮説をデータで検証するという考え方が紹介されています。
Big Data and the Role of Intuition | Harvard Business Review
CXでは、なぜ両方が必要なのか
データドリブンとデータインフォームドは、どちらが優れているかを決めるためのものではありません。
判断する内容によって、データに与える重みを変える方が実務的です。
たとえば、メール内のCTA AとBのどちらがクリックされやすいかを判断するのであれば、十分な条件を整えたうえでA/Bテストの結果を使うことができます。
一方で、「クリック率の高い訴求を今後も増やすべきか」という判断になると、話は少し変わります。
配信頻度が増えることで解除率が上がっていないか。
短期的なCVRは高くても、顧客に過剰なコミュニケーションだと思われていないか。
その施策がブランドや顧客との長期的な関係にどう影響するのか。
見るべき対象が広がるほど、ひとつの数値だけでは判断しにくくなります。
CXでは、Webサイト、メール、アプリ、店舗、問い合わせ、営業など、複数の接点をまたいで顧客体験が形成されます。
そのため、局所的なKPIを改善することと、顧客体験全体を改善することが必ずしも同じとは限りません。
判断の性質によってデータの重みを変える
実務では、データドリブンとデータインフォームドを固定的に使い分ける必要はありません。
判断する対象によって、データをどこまで意思決定に反映するかを変えます。
データを強く判断に反映しやすい場面
メールや広告クリエイティブのA/Bテスト
広告配信の効率改善
Webサイト上の導線改善
定型的な業務プロセスの改善
明確なKPIを持つ施策の比較
データだけでは判断しにくい場面
新規サービスのコンセプト設計
中長期的なCX戦略
ブランド体験の設計
まだ十分なデータが存在しない新しい取り組み
複数の目的やステークホルダーが関係する意思決定
後者でもデータが不要になるわけではありません。
判断材料のひとつとしてデータを使いながら、定性情報や現場の知見、事業目的などと合わせて考えます。
実務におけるデータインフォームドの設計
1. 目的から指標をつなぐ
まず、何のためにデータを見るのかを整理します。
事業目標、CX上の目標、各チャネルの指標がつながっていなければ、局所的な数値だけを改善することになりかねません。
たとえばCVRが上がったとしても、それが事業成果や顧客体験にどのような影響を与えているのかまで確認する必要があります。
重要なのは、数値を見ることではなく、その数値が上位の目的とどうつながっているのかを見ることです。
2. 判断に必要なデータを整理する
すべてのデータをひとつに集めることが目的ではありません。
行動データ、属性情報、購買履歴、問い合わせ内容、顧客からのフィードバックなど、判断に必要な情報を整理し、必要に応じて組み合わせます。
定量データだけでは理由が分からない場合には、アンケートやインタビュー、問い合わせ内容などの定性情報を見ることも有効です。
データを増やすよりも、まず「この判断には何が必要なのか」を決める方が先です。
3. 数値から仮説をつくる
数値に変化があったからといって、その理由までデータが自動的に説明してくれるわけではありません。
「なぜこの数字が動いたのか」という仮説を立て、追加の分析や検証につなげます。
仮説は人が立てます。
そして、その仮説が正しいのかをデータで確かめます。
この往復が、データを単なるレポートで終わらせないために重要です。
4. テストから学ぶ
A/Bテストなどの検証では、どちらが勝ったかを見るだけで終わらせません。
なぜ差が生まれたのか。
想定していた仮説と結果は一致していたのか。
他の顧客層やチャネルでも同じことが言えるのか。
結果を次の判断材料に変えることで、テストが学習のプロセスになります。
5. 数字が良くても、やらない選択肢を持つ
短期的な数字が改善する施策でも、必ず実行すべきとは限りません。
強い訴求によってCVRが上がったとしても、顧客に誤解を与える表現であれば採用しない。
メールの配信回数を増やして売上が伸びても、解除率や苦情が増えているのであれば運用を見直す。
短期的な指標と、中長期的な顧客との関係を分けて考えます。
データは判断材料を増やしてくれますが、何を良しとするかまで決めてくれるわけではありません。
6. 人の判断にもバイアスがあることを前提にする
データインフォームドは、「最後は人が決めればいい」という意味でもありません。
人の判断には、経験や専門性が活きる一方で、確証バイアスや思い込みが入り込む可能性があります。
そのため、判断する側にも仕組みが必要です。
判断基準をあらかじめ整理する
複数人でレビューする
仮説と結果を記録する
定量・定性の両方から確認する
意思決定の期限を決める
データを疑うだけでなく、自分たちの解釈も疑う。
その両方が必要です。
データと人の判断をどう組み合わせるか
データドリブンとデータインフォームドは、どちらか一方を選ぶための考え方ではありません。
数値で判断しやすい領域では、データの比重を高める。
複数の目的や定性情報を含む判断では、データを重要な材料として使いながら人が意思決定する。
重要なのは、「データを使っているか」ではなく、どの判断をどこまでデータに委ねるのかを設計することです。
特にCXでは、短期的なKPIだけでなく、その施策が顧客体験や中長期的な関係にどのような影響を与えるかまで考える必要があります。
データが示していることを見る。
データだけでは分からないことも考える。
そのうえで決める。
データに導かれ、人が決める。
これが、本記事で考えるデータインフォームドなCX戦略です。
関連コンテンツ

データ活用をテーマにしたRPG仕立てのビジネス漫画『データワールド』が、2026年1月から『データのじかん』で連載されています。
物語のなかで起こる問題を通して、データを集めるだけではなく「何を見るのか」「どう判断するのか」といったデータ活用の考え方を扱っています。


