グロースチームモデル

英語名 Growth Team Model
読み方 グロース チーム モデル
難易度
所要時間 チーム構築に1〜3ヶ月
提唱者 Meta(Facebook)
目次

ひとことで言うと
#

プロダクトの成長に専任チームを置き、データに基づく仮説検証を高速で回す組織モデル。2008年にMeta(当時Facebook)がChamath Palihapitiyaのもとで立ち上げたグロースチームが原型で、ユーザー数を1億人から20億人超に押し上げた原動力となった。

押さえておきたい用語
#

押さえておきたい用語
グロースチーム
ユーザー獲得・アクティベーション・リテンションなどプロダクトの成長指標に責任を持つ専任チームを指す。
North Star Metric
グロースチームが追う最重要の1指標。Facebookでは「10日以内に7人の友達とつながる」がこれにあたった。
グロースループ
ユーザーの行動が新たなユーザーを連れてくる自己増殖の仕組みを指す。Facebookの招待機能が代表例である。
実験速度
チームが単位時間あたりに実行する実験の数。Metaのグロースチームは週に数十件の実験を並行して走らせていた。

グロースチームモデルの全体像
#

グロースチーム:専任チームが実験サイクルを高速で回す
グロースチーム構成PM(グロース)仮説立案・実験設計エンジニア実験の実装・A/Bテストデータアナリスト結果の分析・インサイト抽出デザイナーUI/UX の実験バリエーション6〜10名の専任チーム担当する成長ファネルAcquisition(獲得)Activation(活性化)Retention(継続)Revenue(収益化)Referral(紹介)高速実験サイクル仮説 → 実装 → A/Bテスト → 分析 → 学び → 次の仮説週10〜30件の実験を並行実行(Meta基準)
グロースチームの実験サイクル
1
仮説立案
データから成長のボトルネックを特定する
2
実験設計
A/Bテストの設計と成功基準を定義する
3
実行と計測
最小工数で実装しデータを収集する
学びと展開
成功施策を全ユーザーに展開する

こんな悩みに効く
#

  • プロダクトは良いのに成長が鈍化している
  • 機能開発はしているが、ユーザー数や売上への影響が測れていない
  • 「グロースハック」をやりたいが、誰がどうやるのかわからない

基本の使い方
#

グロースチームの構成と責任範囲を決める

グロースチームは既存のプロダクトチームとは別に、成長指標に特化した専任チームとして設置する。

  • 最小構成: PM 1名 + エンジニア 2名 + データアナリスト 1名(計4名)
  • 理想構成: 上記 + デザイナー 1名 + マーケター 1名(計6名)
  • 責任範囲: ファネルの特定のステージ(例: Activation)または North Star Metric

Metaの初期グロースチームは、PM 1名、エンジニア 3名、データアナリスト 1名の5人からスタートした。

North Star Metricを設定する

グロースチームが追う1つの最重要指標を決める。

  • Facebook: 登録10日以内に7人の友達とつながる率
  • Slack: チーム内で2,000メッセージが送信される率
  • Dropbox: 1つのファイルをフォルダに保存した率

この指標が改善すれば長期的な成長につながる、という因果関係が重要。DAUやPVのような表面的な指標ではなく、プロダクトの「Aha Moment」に紐づく指標を選ぶ。

週次の実験サイクルを回す

グロースチームの価値は「実験速度」で決まる。

  • 月曜: 先週の実験結果をレビューし、学びを共有
  • 月〜水: 今週の仮説を立て、優先順位をつけて実装
  • 木〜金: 実験をリリースし、データ収集を開始
  • 週5〜10件の実験を目標にする(初期は週2〜3件でOK)

実験の90%は「効果なし」で終わる。それでいい。残りの10%の成功施策が成長を生む。

具体例
#

例1:Metaのグロースチームが「7人の友達」でFacebookを爆発成長させた

2008年、Facebookのユーザー数は1億人で成長が鈍化していた。Chamath Palihapitiyaが率いるグロースチーム(当初5名)が立ち上がり、データ分析から決定的な発見をした。

登録10日以内に7人の友達とつながったユーザーは、長期的に活発に使い続ける確率が極めて高い。

これを North Star Metric に設定し、全実験をこの指標の改善に集中させた。

主な施策:

  • 「知り合いかも」機能: メールアドレス帳から友達候補を表示→友達追加率 +25%
  • オンボーディング改善: 初回ログイン時に友達検索を最初のステップに→10日以内の7人達成率 +30%
  • メール通知: 「○○さんがあなたを友達に追加しました」→非アクティブユーザーの復帰率 +15%

結果、Facebookは2008年の1億人から2012年に 10億人 に到達。グロースチームの実験速度は最盛期に週30件以上

例2:フードデリバリーアプリがアクティベーション率を改善する

従業員80名のフードデリバリーアプリ。月間新規登録は 2万件 あるが、初回注文完了率がわずか 18%

グロースチーム(PM 1名、エンジニア 2名、アナリスト 1名の計4名)を新設し、Activation に集中。

実験内容結果
1初回注文500円OFFクーポン初回注文率 18% → 24%
2登録完了画面で人気店TOP3を表示店舗検索率 +12%
3住所入力のステップを簡略化登録完了率 +8%
4注文完了までのステップ数を7→4に初回注文率 24% → 31%

4週間で初回注文完了率が 18% → 31% に改善。月間の初回注文数は 3,600件 → 6,200件 に増加。LTV(1ユーザーの生涯売上)を掛け合わせると、年間で約 1.2億円 の増収効果。

グロースチームの年間コスト(4名分の人件費)は約 3,200万円。ROIは 3.7倍

例3:オンライン英会話サービスが継続率を改善する

月額制オンライン英会話サービス(会員数8万人)。無料体験からの有料転換率は 22% で悪くないが、有料会員の3ヶ月継続率が 38% と低い。

グロースチーム(3名)をRetention専任で設置。データ分析の結果、以下の発見があった。

「初月に 8回以上 レッスンを受けた会員の3ヶ月継続率は 72%。しかし初月8回以上の達成者は全体の 28% しかいない。」

これを North Star Metric に設定:「初月8回以上のレッスン受講率」。

実験結果:

  • 週2回のリマインドプッシュ通知: 受講率 +6%
  • 「今週の目標」バッジシステム: 受講率 +9%
  • 初月限定の「毎日10分ミニレッスン」追加: 受講率 +18%(最大効果)

初月8回以上の達成率は 28% → 48% に改善。3ヶ月継続率は 38% → 54% に上昇。年間の解約減少による売上インパクトは約 9,600万円

やりがちな失敗パターン
#

  1. グロースチームを「マーケティング」と混同する ── グロースチームはプロダクト内部の改善が主戦場。広告やSEOはマーケティングの仕事
  2. 実験速度より実験の「質」を追求しすぎる ── 完璧な実験設計よりも、週5件の素早い実験の方が学びが多い。失敗前提で回す
  3. North Star Metricを設定しない ── 「なんとなくDAUを上げたい」では施策がバラバラになる。1つの指標に全集中する
  4. グロースチームを既存チームの兼務にする ── 機能開発と並行してグロース実験を回すのは無理。専任チームにするから速度が出る

まとめ
#

グロースチームモデルは、Metaが実証した「成長は専任チームが意図的に作るもの」という考え方。エンジニア・PM・アナリストの専任チームが、North Star Metric に集中して週次で実験を回す。実験の90%は失敗するが、残りの10%が指数関数的な成長を生む。小さく始めるなら、PM 1名 + エンジニア 1名 + アナリスト 1名の3人チームで、ファネルの1ステージに絞った実験からスタートするのが現実的だ。