表面的な見た目の違いではなく、構造やメカニズムの違いに目を向けると新たな着眼点が見つかることがあります。起こった事象ではなく、背後にある ｢仕組み｣ に注目するのです。
Amazon のレコメンド機能
仕組みを考えると、A で成り立っている仕組みが B でも成り立たないか、という発想ができるようになります。
アマゾンと、サザエさんに登場する三河屋のサブちゃんで考えてみます。
アマゾンが力を入れている一つがレコメンド機能です。
レコメンド機能は、その人が買いたくなるであろう商品をおすすめしてくれます。レコメンドの元になっているのは、アマゾンでこれまで何を買ったか、欲しいものリストに何を入れているか、どんな商品を閲覧したかなどです。
確かに、レコメンドの精度はまだ不十分です。ある商品をクリックすると、おすすめ商品が関連するものばかりになってしまう時があります。もっと精度がよいレコメンド機能を期待しています。
三河屋のサブちゃん
アマゾンのレコメンドの仕組みは、購買情報や閲覧情報をアマゾンが持っているから実現できるものです。それだけ、ユーザーの一人ひとりを理解しているのです。
レコメンドをうまくやっているのが、サザエさんに登場する ｢三河屋のサブちゃん｣ です。
サブちゃんは、次のような一声とともに台所の勝手口に登場します。｢そろそろお醤油が切れかける頃だと思って持ってきました｣ 。
サザエさんも ｢ちょうど良かった。お醤油が切れかけてたの。お味噌もいつものを持ってきてくれるかしら｣ と、追加で味噌も注文します。
これができるのは、サブちゃんがサザエさん一家を知り尽くしているからこそです。
何も言わなくとも一回に頼む醤油の量も、どんな醤油が好みなのか、そろそろ醤油が切れかけていることも把握しています。頼まれなくても勝手口に現れて、｢そろそろお醤油が切れかける頃だと思って持ってきました｣ という絶妙のタイミングです。
アマゾンとサブちゃんの共通点
サブちゃんは、磯野家の購買情報やサザエさんたちの嗜好を知り尽くしているのでタイミングよくレコメンドし、さらに追加で別の商品も買ってもらっています。
お客のことを深く理解し、そこから購買を促すというアマゾンと三河屋のサブちゃんに共通する仕組みです。
課題設定と問題解決も ｢仕組み｣ で考える
背後の仕組みに注目するのは、様々な場面で有効です。例えば、何か仕事上でミスが起こり問題が発生した場合です。問題を把握し、課題解決するために活用できます。
ミスや不備が起こった時、ミスをした当事者を責めてしまいがちです。
原因特定を担当者という個人レベルだけで、対応や改善策もそのレベルにとどまってしまうと、次もまた同じことが起こる可能性があります。容易な対策はミスを起こしてしまった担当者を変えることです。しかし、もし発生原因がそもそもの仕組みの問題だとすると、新しい担当者も同じミスしてしまうかもしれません。
問題が起こった時は個人ではなく、問題に焦点を当てるべきです。
原因究明では、なぜ起こったのかの仕組みの問題として捉えるのです。その上で、ミスが起こらないような仕組みとしての改善と、ミスが発生しても早期に発見できるチェックの仕組みを構築するという2つのアプローチで対応します。
仕組みやメカニズムに着目すると、他の業務プロセスが活用できるのではないかという視点が持てます。A で成り立っている仕組みが、別の B でも成り立たないかという発想です。一人の担当者や責任者を責めるより生産的です。
ミスを起こした側・起こされた側の双方にとって、今後はミスをなくすという win-win を目指したいです。
最後に
今回のエントリーで言いたかったのは冒頭で書いた、見た目の違いではなく、構造・メカニズムの違いに目を向けると、新たな着眼点が見つかることです。普段から ｢メカニズムはどうなっているのか｣ と考えるクセをつけておきたいです。
