高ROI広告の秘訣 - データ分析と最適化

優れたマーケティングオペレーター/グロースマネージャーになるには、広告の配置方法を知っているだけでは不十分であり、データを分析して広告のROIを向上させる方法を知らないと不十分です。データ分析と最適化は、単に背景データを見るのではなく、現象を通じて本質を見極めるという、マーケティングの考え方と実践に通じる中核的なスキルです。

したがって、この記事では、キャプテンが一連のモデルと理論的基礎、および作業手順を含むデータ処理の完全なセットを教え、得られた分析結果に基づいて広告を最適化します。これは間違いなく本質の真髄であり、誰もが注意深く読む必要があります。

目次

1 高いROIを実現するための3つの重要なデータ分析モデル

1.1広告プロセスモデル

1.2 ユーザー行動モデル

1.3 広告コンバージョンファネルモデル

2. データ分析の次元とデータ指標の違い

2.1 分析次元とデータ指標の概念

2.2 一般的な分析次元とデータ指標

2.3 データ分析の原則

3 ABテストが最適化の成功または失敗の鍵となる

3.1 ABテストの変数

3.2 ABテストプロセスのステップ

3.3 ABテストプロセス：テスト計画の作成

3.4 ABテストプロセス: 計画通りにテストを開始する

4 データレポートの作成方法

4.1 日次レポートと週次レポート

4.2 日次データレポートを準備するには?

4.3 週次レポートの書き方は？

5 広告効果診断と最適化（ポイント）

5.1 データ分析で注目すべき点

5.2 広告効果診断

5.3 高いCPA

5.4 トラフィックが少ない

5.5 広告ROIが低い

6つのオールインワンの実例

7 結論

1. 高いROIを実現するための3つの重要なデータ分析モデル

1.1 広告プロセスモデル

広告最適化の観点から見ると、広告最適化プロセスは次の 4 つの段階に分けられます。

フェーズ1: 目標の設定

• このステップは非常に重要です。ブランド、トラフィック、インタラクション率、潜在顧客の開拓、コンバージョン量、アプリのインストールなど、10 を超えるオプションのターゲットがあります。さらに、最初の段階では、製品とターゲット層の分析、つまり製品調査とユーザープロファイリングも必要になります。

フェーズ2: テストフェーズ

• まず、テスト対象の人口ポジショニング（性別、年齢、言語など）に基づいてアカウント構造を計画し、配信する広告素材を準備する必要があります。次に、ABテスト方式を使用する必要があります。たとえば、広告素材が10本のビデオであり、どの顧客がクリックしてコンバージョン効果が高いかを知りたい場合は、ABテストを実施する必要があります。

フェーズ3: データ分析

• 配信データから判断すると、結果が悪いものについては、さらに深く掘り下げて根本原因を見つけ出し、さらなるテストのための新しい最適化プランを提案する必要があります。

フェーズ4: スケールアップ

• この時点で、どのグループと素材が最適であるかは基本的に決定されているので、配信効果を最大化し、水平方向と垂直方向にスケールアップする必要があります。

1.2 ユーザー行動モデル

前述の最適化者の視点からの広告最適化プロセスモデルに加えて、注目を集める、欲求を刺激する、信頼を得る、行動を導くという 4 つのステップで素材を使用してユーザーの行動に影響を与える、ユーザーの視点からのモデルも学習する必要があります。

ここでは、ユーザー行動決定モデルである AIDAS 原則を使用して、広告が消費者に与えるさまざまな影響を説明します。このモデルには、次の 5 つの段階が含まれます。

①注意

ユーザーの注目を集めるかどうかは、多くの場合、数秒で決まるため、訪問者の注目を集めるために、通常は大きな見出しと大きな画像を使用します。通常、タイトルと画像の品質は、クリックスルー率に直接影響します。

② 興味

顧客に、自社の問題点と、製品がもたらすメリットや利点について伝えます。

③欲求（購買欲求を喚起する）

消費者の購買意欲を喚起するには、なぜその製品が必要なのか、問題が解決されなければどのような深刻な結果が起こるのかをさらに消費者に伝え、その製品が消費者の問題をうまく解決できること、そして問題解決後にどのような心理的満足をもたらすことができるのかを消費者に知らせ、欲求を満たすことです。

④アクション（購買行動の促進）

消費者が製品を購入する予定の場合、購入方法や購入プロセスを含め、今すぐ購入するように伝える必要があります。登録、ショッピング プロセス、Web サイトのやり取りを可能な限り簡素化するために、明確で信頼性の高い CTA (Call on Action) を提供します。

⑤ 満足度

満足度は直接的にコンバージョンを増やすことはできませんが、ビジネス全体にとって非常に重要です。新規ユーザーを獲得するコストは、既存ユーザーを維持するコストの 2 ～ 6 倍です。

そのため、良い評判を得ると同時に、ユーザーにあなたの製品を継続的に再購入してもらい、そのユーザーがあなたの製品を友人に勧めるようになります。

1.3 広告コンバージョンファネルモデル

この広告コンバージョン ファネル モデルを通じて、コンバージョン ファネルをディスプレイ、クリック、閲覧、コンバージョンの 4 つのレイヤーに分割します。 これは簡単に理解できます。下の図を見てください。

上記の 3 つのモデルは、すべてのデータ分析と広告最適化の基礎となるため、誰もが十分に理解する必要があります。次に、データ分析の次元と指標について説明します。

2. データ分析の次元とデータ指標の違い

2.1 分析次元とデータ指標の概念

業界の新入生の多くは、分析ディメンションとデータ指標という 2 つの概念を混同しがちです。たとえば、クリック単価はディメンションでしょうか、指標でしょうか。

実際、まず分析の次元について明確に考え、それに対応するデータ指標を確認する必要があります。データ分析を行うときは、まずデータのどの次元を調べるかを決め、次元を決定し、対応するデータを調べます。このようにして初めて、データ分析は意味のあるものになります。

2.2 一般的な分析次元とデータ指標

次の表は、このデータの分析ディメンションとデータ インジケーターの関係を理解するのに役立ちます。

たとえば、異なる人口の位置付けでは、年齢と性別は異なる分析ディメンションであり、異なる配信戦略によって生成される一部のデータは、表示量、クリック量、コンバージョン量、消費数、アクティベーション数、リテンション数などの基本指標です。

上記の例に示すように、分析ディメンションは地域に基づいており、露出、クリック、支出などがデータ指標となります。

表のデータから、タイのコンバージョン率が最も高く、注文コストが最も低いことがわかります。現在の広告投入産出比率から見ると、タイが最も優れていることがわかります。比較すると、少なくとも 2 つのタスクをすぐに生成できます。

• タイが他の国よりも優れたパフォーマンスを発揮する理由を分析し、これを参考にして他の国を最適化する。
• タイの予算を増やし、データの変化を観察して収益を増やします。

2.3 データ分析の原則

誰もが疑問に思うことがあると思います。データ指標はたくさんあるのですが、どれに注目すればよいのでしょうか?そこで、ここではデータ分析の原則についてお話ししたいと思います。複合指標の価値は基本指標の価値よりも大きいのです。

複合指標の方が ROI をより反映するからです。たとえば、基本指標が非常に高く、コストも高いのに、クリック数やコンバージョン数が非常に少ない場合、ROI は実際には非常に低くなります。

ただし、基本的な指標を 1 つだけ見るだけでは、結果が見えません。CPC クリック単価と CPA アクション単価を見て、入力と出力の比率が期待どおりかどうかを確認し、戦略を変更して最適化を継続するか、投資を増やすか、広告を停止するかを決定する必要があります。

複合指標は基本指標から計算されます。

たとえば、CTR、CPA、CPI、CPS、CPT などです。

複合指標が基本指標よりも重要な理由は何ですか?クリック数の簡単な例を見てみましょう。

A社：1,000クリック、費用1,000元

会社B: 10,000クリック、費用100,000ドル

会社 A と会社 B では、どちらの最適化結果が優れているでしょうか?

CPC（クリック単価）= 総費用 / クリック数

A社のクリックコスト：1元/回

B社のクリックコスト：10元/回

クリック結果から判断すると、A社の方が優れていることは明らかです。

3. ABテストは最適化の成否の鍵となる

ROI を向上させるには、AB テストが不可欠です。

A/B テスト (スプリット テストとも呼ばれます) は、最適な戦略を素早く見つける方法です。

この AB テストを使用すると、どの広告の見出し、テキスト、画像、動画、行動喚起、またはその組み合わせがターゲット ユーザーにとって最適であるかを判断できます。

さらに、さまざまな広告の配置や位置でさまざまなターゲット ユーザーのパフォーマンスをテストして、最適なユーザーが誰なのか、どこに広告を配置すればより良い結果が得られるのかを把握することもできます。

3.1 ABテストの変数

ABテストを行う際に最も重要なのは、オーディエンスターゲティング、素材、設定、ランディングページなど、複数の変数をテストすることです。

3.2 ABテストプロセスのステップ

AB テストのプロセスは、主に次の 5 つのステップに分かれています。

① ABテストの目標でもあるプロジェクト目標を設定する。

②テスト計画を策定する：実施するバージョンと各オンラインテストバージョンの転用率を決定する。

③計画に従ってオンラインでテストを実施します。

④ 実験データを収集し、有効性・効果を判断する。

⑤ テスト結果に基づいて新バージョンをリリースするか、転用率を調整してテストを継続するか、テスト効果が得られない場合は反復計画の最適化を継続して再テストするかを決定します。

AB テストの定義から、AB テストでは同じ時間軸で同様の属性を持つユーザーに対するテストを重視していることがわかります。

時間の均一性により、時間や季節などの要因の影響を効果的に回避でき、属性の類似性により、地域、性別、年齢などの他の要因が効果統計に与える影響を最小限に抑えることができます。

3.3 ABテストプロセス：テスト計画の作成

まず、テスト目標を設定する必要があります。たとえば、Facebook や TikTok でローンチする場合、プラットフォームで設定するターゲットは似ていますが、プラットフォームで設定するのは購入へのコンバージョンなどの最終的な目標であり、テスト目標は、ビュー (インプレッション)、リード獲得コスト (アクションコスト)、ショッピングカートに入れられたアイテムの割合 (アクションコンバージョン) など、ファネル全体の一部になります。

テストに CPC、CTR、CVR などの複数のディメンションがある場合、どの指標を優先する必要がありますか?一方で、ブランディングやコンバージョン購入などの広告目標を検討する必要があります。

コンバージョン購入の場合、CPM と CTR は最適なオプションではありません。ほとんどの場合、CPC を優先することができ、エネルギー拡張の量を減らすため、比較的信頼性があります。

広告変数の数が少ないほど、関連性の高いテスト結果をより早く得ることができ、個々の広告変数によって結果の追跡と評価が容易になります。

テストで最も重要なタスクは、広告アカウント構造を計画することです。アカウント構造を計画することは、基本的にテストの次元を計画することと同じだからです。

テストシナリオ 1: 単一の広告グループ

個別の広告グループを使用すると、すべての変数が同じ広告グループを中心に展開されます。この構造の利点は、同じターゲット顧客が複数のクリエイティブ (同じタイプの人々をターゲットとする複数の広告グループ) をテストしているのを目にすることがなくなることです。しかし、この構造の大きな欠点は、Facebook が広告を自動的に最適化してしまい、関連性の高い結果が得られないことです。

最適化の利点は、コストが比較的低くなることです。そのため、最初のコストに敏感な場合は、この方法を使用できます。ただし、一部の広告ではトラフィックがほとんど発生しない場合があります。

テストプラン 2: 複数の広告グループ (同じ) 単一変数の比較 (ローテーション)

複数の単一変数広告グループとは、異なるクリエイティブがそれぞれ別の広告グループに含まれることを意味します。各クリエイティブのバリエーションを別々の広告セットに配置すると、Facebook は各広告セットを独立したエンティティとして扱い、小さな結果に対して自動的に最適化することはないため、これがテストに最適な方法です。回転により、どの材料が優れているかを判断しやすくなり、新しい材料をテストするのに非常に適しています。

テストプラン 3: 複数の広告グループ (異なる) の単一変数の比較

選択できる AB テストが複数ある場合は、より優れた AB テストを優先すると、多くの時間を節約できます。

潜在的な影響要因をすべて抽出してテストを行う場合、広告セット レベルで 5 つの異なるターゲット ユーザーをテストし、広告レベルで 5 つの異なる広告画像、5 つの異なる見出し、5 つの異なる広告コピーがあるとします。この場合、ターゲット ユーザーを 1 つだけターゲットにすると、5X5X5=125 個の広告が表示され、5X125=625 個の広告を管理する必要があります。

年齢、性別、地域など、考えられるすべての組み合わせを追加すると、広告の数は 5,000 に達します (広告セット 40 × 広告 125)。ただし、予算が限られているため、ROI (CTR または CVR) に最も影響を与える要素を見つける必要があるため、創造性が高ければ高いほど良いです。したがって、最大の影響から最小の影響までテストする必要があります。

3.4 ABテストプロセス: 計画通りにテストを開始する

テストごとに変更できる要素は 1 つだけですが、十分な予算とオーディエンスがあれば、複数の AB テストを同時にテストできます。 AB テストの要素は適度に変化させる必要があり、多すぎてはいけません。たとえば、テストで 20 枚の異なる画像を使用することはできません。一般的には 2 枚から 5 枚で十分であり、多くても 10 枚を超えないことが一般的です。

大きいものから小さいものまでの違いテスト

材料をテストするにはどうすればいいですか?非常に異なるスタイルの 3 つの画像をテストするなど、比較的大きな差異を持つ 3 ～ 5 個の変数をテストして、大きいものから小さいものまで差異テストを実行できます。次に、上記でパフォーマンスが優れている画像のスタイルを統一し、背景色、左右の配置、アイコンや CTA の有無など、さまざまなデザインポイントを比較します。

また、十分なテストボリューム、つまり各 AB テスト要素のクリック数またはコンバージョン数を 100 回以上確保して比較することをお勧めします。300 ～ 500 回程度あればさらに良いでしょう。もう 1 つの質問は、AB テストの結果を比較するにはどのくらいの時間がかかるかということです。

答えは、24 時間から始めて 2 ～ 3 日間比較することですが、絶対的な答えはなく、予算コストの要件によって異なります。

AB テスト後、結果を確認して結論を​​出すのに何日かかるのか、3 日、5 日、それとも 2 週間なのかを知らない初心者の最適化担当者はまだたくさんいます。それとも、2 つのテスト結果は 0.312% と 0.299% のように非常に近いのでしょうか?このような場合には、結論を急がない方がよいでしょう。例えば、下の図では、左側の 27 と右側の 28 をクリックします。テストのボリュームが足りないことは明らかです。両側にゼロを 2 つ追加すると、違いは明らかになります。

より微妙な変数をテストすることは、スローガン内の 1 つの単語またはテキスト行だけを変更したり、画像のあまり目立たない部分だけを変更したりするなど、AB テストを行うときに多くの経験豊富な人が犯す一般的な間違いです。

最後に、ABテストの結果に基づいて最適化計画を決定する必要があります。

4. データレポートの作成方法

毎日および毎週のデータレポートを作成することは、普及担当者の重要な日常業務の 1 つです。次に、毎日および毎週のデータレポートを作成する方法について説明します。

4.1 日次レポートと週次レポート

日報: シンプルで明確。主に毎日のデータ監視に使用され、問題をできるだけ早く発見することに重点が置かれています。

週次レポート: 分析レポートになる傾向があり、その目的は原因を分析して解決策を提案することです。

4.2 日次データレポートを準備するには?

完全な日報にはどのような部分を含める必要がありますか?

• アカウント構造の説明
• データソース
• セグメント分析の展望
• 主要データの概要
• 日々のまとめと次のステップ

データ ソースを生成するにはどうすればよいでしょうか?

まず、広告管理ツールから Facebook 広告レポートの背景に入り、必要なオプションをチェックして、最初に「セグメントの選択」をクリックし、次に「インジケーターの選択」をクリックします。

ここで注目すべき重要な点は、Facebook の成功率はコンバージョン率ではなく、コンバージョンをインプレッション数で割った値であり、コンバージョン率はコンバージョンをクリック数で割った値であるということです。最後に、右上隅の [エクスポート] をクリックしてレポートをエクスポートし、xlsx 形式のファイルを選択します。CSV では長い数字列の最後の桁にエラーが表示されるため、CSV を選択しないことをお勧めします。

上記の表をFacebookバックエンドからエクスポートした後、データを処理する必要があります。たとえば、広告グループの名前を設計するときは、性別、年齢、趣味、素材の種類、時間、配置、予算などに応じて名前を付けます。後でピボットテーブルを使いやすくするために、列に分ける必要があります。具体的な操作については、下の図の手順を参照してください。ここでは詳しく説明しません。

フィールドを列ごとに分割する

ソートされたデータは下の図に示されています。

フィールドを列に分割し、日次ピボット テーブルに基づいてデータを分析することで、ピボット テーブルを通じてさまざまなディメンションのテスト結果と広告パフォーマンスをドラッグして比較できます。

日々のまとめと計画

4.3 週次レポートの書き方は？

日報や週報は、個人管理やチーム管理の範疇に入るため、誰もが同じ習慣を持っています。私がチームを率いていたときに報告していた日報や週報をいくつか紹介しますので、参考にしてください。

5. 広告効果診断と最適化（ポイント）

5.1 データ分析で注目すべき点

まず、データ分析が何を見ているのかを理解する必要があります。実は、ABテストの計画を立てる時点で、すでにデータ分析に対する意識が必要だったんです。テスト変数の設定は、実際にはその後のデータ分析への道を開くためのものです。

データ分析のタスクは、次の 3 つのポイントに要約できます。

1. トレンド分析でデータの異常を見つける

2 問題の範囲を定義するための比較分析

3. 問題の原因を発見するための多次元セグメンテーション

最適化する前に、配信プロセスと調整戦略を計画する必要があります。

パフォーマンスの異なる広告を次の 4 つの象限に分類します。

パフォーマンスの異なる広告を最適化する場合、1 つの象限をジャンプする方が簡単ですが、2 つの象限をジャンプするのは困難です。データ分析を行うときは、以下に示すように 4 つの象限を使用する必要があります。

5.2 広告効果診断

次の部分は、誰もが最も懸念していることです。一連の次元と指標を分析した後、広告効果が良くないことがわかったらどうすればよいでしょうか。

皆様にさらにわかりやすくご理解いただくために、広告診断アイデア図をまとめました。広告が効果的でない理由は、一般的に、コストが高い、表示量が少ない、入出力比率が低いという3 つが挙げられます。

詳細な分解は次の 3 つの状況で確認できます。

5.3 高いCPA

まず、クリック単価が高いものを見てみましょう。クリック単価が高いか、CTRが低いかに分類できます。

高い交通コスト

1 トラフィックコストが高い場合、それは競争環境の激化と入札額の高さに分けられます。競争環境が激化している場合、メディアのECPM値が全体的に上昇しているかどうかを尋ねることができます。または、たとえば、今は休日なので、誰もがトラフィックを奪い合っているため、ECPM値が上昇しているはずであり、休日にはトラフィックコストが高くなります。

2 2 つ目の可能性は、現在の入札額が高すぎることです。この時点で、テスト入札額が高すぎてトラフィック コストが過度に高くなっていないかどうかを確認する必要があります。

クリック率（CTR）が低い

2 つ目の理由は、クリックスルー率が比較的低いことです。クリックスルー率が低い理由は、次の 3 つに分けられます。

1 1 つ目は、当社のクリエイティブな魅力が比較的低く、起業家的な魅力も比較的低いことです。ターゲット層が広すぎるため、ターゲット以外の視聴者が広告を見て、最終的に誰もクリックしない可能性があります。

2 2 つ目のタイプは、現在の素材です。実際、現在のターゲット ユーザーを広告をクリックさせるような素材はありません。

3 もう 1 つの理由は、現在の OCPM モデルが安定していないことです。なぜこのようなことが起こるのでしょうか?最初の可能性は、ピクセル設定やターゲット設定などのコンバージョン トラッキング設定が適切に行われていないため、チャネル メディアが実際のコンバージョン データを確認できず、トラフィック モデルが間違っている可能性があることです。 2 つ目は、OCPM マシンが学習するには一定の時間とクリック数が必要であるため、現時点では変換データが十分ではないことです。

5.4 トラフィックが少ない

次に、2 番目の理由である、表示またはコンバージョンの量が少ないことを見てみましょう。これは 2 つの理由に分けられます。

1 つ目は、予算が不足しており、早期の廃止につながる可能性があること、または予算の配分が合理的ではないことです。

2 つ目は、消費が不十分であることです。消費が不​​十分であるということは、まず表示量が少ないことを意味します。表示量が少ないということは、ECPM 値が比較的低いことを意味します。

ECPM 値が比較的低いということは、実際には CPC、CTR、または CVR が低すぎることを意味します。そのため、どのリンクに問題があるのか​​を確認する必要があります。たとえば、CTR のクリックスルー率が比較的低い場合は、先ほどの高コストのグラフに戻って、クリックスルー率が低いという問題を解決する方法を確認します。

5.5 広告ROIが低い

3 点目は、ROI の入出力比率が比較的低いことです。入出力比率が比較的低い場合、主に 4 つの可能性が考えられます。

たとえば、ターゲットオーディエンスが広すぎて、ターゲット以外のオーディエンスを多く引き付けてしまうと、ユーザーは商品を購入する気がないため、当然コンバージョンを完了できません。このとき、ターゲット範囲を徐々に狭めていき、ROI を改善できるかどうかをテストすることができます。

2 番目のタイプの資料は、実際にはターゲット ユーザーを引き付けるものではありません。ユーザーのニーズを分析する必要があり、資料を繰り返し作成してみることができます。

3 つ目のポイントは、ランディング ページがターゲット ユーザーを納得させることができないことです。これは実際にはランディング ページの問題です。この時点で、ランディング ページを反復することができます。

最後に、営業フォローアップがタイムリーでない可能性があります。これが理由である場合は、ビジネス仲間と徹底的にコミュニケーションを取る必要があります。

6. オールインワンの実例

次に、具体的なケースを取り上げ、プロセス全体を説明します (1 つの例から推論することを忘れないでください)。

まず、あるゲームアプリのインストールコストCPI/CPAを下げることが目標です

目標: 7ブロック未満に最適化する

一般的に言えば、広告を 7 元未満の単一の結果に最適化することを目指して、約 3 日間テストします。

それでは、ケーススタディを取り上げ、最適化のために 3 日間の結果を分析してみましょう。

この広告グループをクリックすると、過去 3 日間の傾向を見ることができます。上の図から、CPA が徐々に減少しており、傾向の効果が良くなっていることがわかります。これは、最適化の余地があることを示しています。次に、セグメンテーションを行い、年齢と素材の分割に関する AB テストを実施します。

テスト計画

それでは、まずテストの優先順位を区別することに注意しながら、可変テスト計画を作成してみましょう。

人口統計ターゲティング変数

例えば、ターゲット層を27～29歳、30～32歳、33～35歳の3つの年齢層に分け、さらに性別で6つのグループに分けることができます。

変数のパフォーマンスに基づいて調整する

例えば、以下の材料変数のパフォーマンス傾向に応じて最適化の方向を調整する 

コストが徐々に増加していることがわかった場合は、上記の診断決定ツリーに従ってその理由を分析します。

広告グループに入り、結果あたりのコストが徐々に減少していることがわかったら、これは広告グループが現在うまく機能していることを証明しており、予算を増やしてボリュームを拡大することを検討できます。

レイアウトを比較すると、異なる素材の種類による影響がわかりました

この時点で、デザイナーとコミュニケーションを取り、予算と人材を申請して、より多くのビデオを作成することができます。

さらに分析した結果、女性キャスターが登場する動画が最も効果的で、次いで新しいキャラクターが登場する動画が効果的だという結論が出ました。女性キャスターを選んだのは、視聴者のほとんどがオタクであり、新しいキャラクターは同様のゲームを好むプレイヤーも引き付けることができるためだ。

さらにさまざまなグループを比較した結果、27歳から35歳の男子が最も良い結果を示し、男子は女子よりも一般的に成績が良かったことがわかりました。ゲームの特性（ご存知のとおりオタクゲームです）と合わせて、テスト結果は論理的に一貫していると感じています。

期間別の分析と最適化

日々の最適化に加えて、定期的なレビュー中に一定期間にわたるデータを分析することもできます。

自己レビューや要約に使用されるほか、上司やクライアントに報告するときにも通常使用されます。たとえば、上司にリソース (予算、人員、設計リソース、製品最適化リソース) の追加を依頼する場合などです。

このケースに戻りましょう:

時間を延長して、上記のピークと谷間の広告パフォーマンスを見ると、その原因が何であったのかが必ずわかるはずです。

分析の結果、次のような結論に達しました。

6

要約する

最後に、まとめをします。写真を直接見ることもできますが、製品やビジネスは多種多様であるため、これらはあくまで参考提案に過ぎないことを船長は皆さんに思い出させます。盲目的にコピーせず、必ず学んでください。

記事と PPT の内容は、いつの間にか 10,000 語を超えています。実際には、共有する内容はもっとたくさんあります。PPT の 1 つだけでも少なくとも 1 時間は話すことができ、すべてを拡張すれば、1 冊の本にまとめることもできます。ここにプロセス全体を可能な限り書き留めましたので、皆様のお役に立てれば幸いです。