Your SlideShare is downloading. ×
  • Like
[C11] ビックデータ×マーケティング 進化するディジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Now you can save presentations on your phone or tablet

Available for both IPhone and Android

Text the download link to your phone

Standard text messaging rates apply

[C11] ビックデータ×マーケティング 進化するディジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu

  • 515 views
Published

 

Published in Technology
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
515
On SlideShare
0
From Embeds
0
Number of Embeds
1

Actions

Shares
Downloads
20
Comments
0
Likes
2

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. ビックデータ×マーケティング 進化するデジタルマーケティングを支える ビックデータ活用基盤 2014 大阪 株式会社ゴルフダイジェスト・オンライン お客様体験デザイン本部 情報活用推進部 DB開発・行動分析チーム マネージャ 嘉松 孝友
  • 2. PC 携帯電話 スマートフォン タブレット 雑誌 店舗ソーシャル GDOとは?
  • 3. 取扱商品点数 新品約10万点 中古約2万点 ゴルフ場予約 月間送客数 41万人※1 スコア管理登録者数 44.3万人 月間注文件数 71,700件※1 GDOクラブ会員数 229万人 月間PV 1.5億PV※1 アクティブ ブラウザ数 376万ブラウザ※2 提携ゴルフ場数 1,916コース ユニークユーザー数 260万人※3 来訪アクティブ会員数 43.2万人※4 ※1:過去最高値を公表数値としています。 ※2 アクティブブラウザ数: 当月中にGDOに来訪したブラウザ数 ※3 ユニークユーザー数 : 当月中に当社サービスにアクセスしたユーザー数 ※4 来訪アクティブ会員数: 会員の当月のユニーク来訪者数 <2013年9月末時点> 総ビジター数 1,242万V※1 公式フェイスブック 85,188いいね! GDOの規模感
  • 4. 自己紹介 嘉松孝友 Takatomo Kamatsu 1972/05/10 7年 O型 174.5cm 65.4kg ベストスコア 75 (前回 88) 神奈川県 ゴルフのきっかけ ゴルフ好きの上司に誘われて 好きなゴルファー 中部銀次郎 よかったこと 中部銀次郎異業種、世代を超えた交友関係が広まった (1997年~)印刷会社の受注システム開発(VMS) (1998年~)製薬会社の営業支援システム開発 (2002年~)ビールメーカの物流システム開発、商社のPMO
  • 5. 1.ビックデータがマーケティングで利用される背景 2.GDOのビックデータ活用の軌跡と活用事例 3.ビックデータ活用を支える基盤と今後の展開 今日のセッションで紹介すること
  • 6. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ ビックデータがマーケティングで 利用される背景
  • 7. 2011年 2014年 2012年 2013年 ビックデータを取り巻く変化
  • 8. 「モノ不足」時代 「モノ余り」時代 「ビックデータ」時代 「デジタルマーケティン グ」時代 キーワード 大量生産・大量消費 主導権は提供者 主導権は消費者 (メーカー⇒小売り) 顧客視点 ユーザニーズの把握 消費者の価値観が多様化 ビックデータ 顧客のインサイトを知る ⇒ 分析 マーケティング・ オートメーション マーケティング対象 大衆(マス) セグメント別 個客 個客 マーケティング手法 マスマーケティング ブランディング セグメントマーケティング One to Oneマーケティング One to One マーケティング + オートメーション DB 集計、見える化 データベースマーケティング (会員情報×購買履歴) データベースマーケティング (会員情報×購買履歴× 行動履歴) テクノロジ データウェハウス(DWH) ビジネスインテリジェンス(BI) アクセス解析 データサイエンティスト Hadoop、NoSQL クラウド キャンペーンマネージメント パーソナライズ 機械学習 レコメンドエンジン プライベートDMP その他 ポイントカード 会員データベース POS プライベートブランド、SPA 「お願いランキングGOLD」レ トルト食品総選挙 カスタマージャーニー O2O ショールーミング スマートフォン オムニチャネル ビックデータがマーケティングで利用される背景 ビックデータ、企業が他社と差別化できる数少ない武器 企業の生き残りが掛かっている
  • 9. 流通・小売業にとって目下最大の脅威は「ショールーミング」 リアル店舗で商品をチェックして、ネットで購入する、という消費者行動、スマホの普及で加速 米Macy’sのCEOは2011年に 「オムニチャネル企業を目指す」 と宣言 経営不振からの脱却 お客様体験デザイン 全ての顧客接点でシームレスで一貫性のある個客ごとに最適化された顧 客体験を提供することで、ロイヤリティの獲得、ブランド・エクイティを向上 させる戦略、その取り組み オムニチャネル戦略
  • 10. 購買履歴や会員情報といったこれまで分かっていた情報に加えて、全ての顧客接点から取得した 行動履歴から、来訪したが購買に至らなかった、といったこれまでは見えなかった、見ることが難し かった情報から顧客の姿を捉えることが必要になる。 既存顧客 (見える姿) 既存顧客 (見えない姿) 来店したが購入しなかった人 潜在顧客 購入してくれそうな人 購買履歴 会員情報 サイトアクセスログ メール配信ログ CS問合ログ ・・・ 従来見えなかった顧客の姿や潜在顧客の発掘
  • 11. 会員情報と購買履歴によるセグメンテーションでは同じセグメントでも、サイトの行動履歴を加えた セグメンテーションでは、セグメントは異なってくる。 会員情報&購買履歴  最新購入日:2か月以内  購買頻度:過去1年間で3回以上  過去の購入金額:10万円以上  40代男性 行動履歴 1ヶ月以内に サイトアクセス RFM分析などでは同じセグメント 1週間以内に 3回サイトアク セス、カートに 商品を入れて いる 1ヶ月以上サ イトアクセスな し ホントに同じセグメントでいいの? A B C A B C 例:行動履歴を利用した顧客セグメント
  • 12. お客様体験デザインとは? 「全ての顧客接点でシームレスで一貫性のある最適化された顧客体験を提供する」 その仕組みをデザインすること タイミングの最適化 セグメントの最適化 コンテンツの最適化 チャネルの最適化 顧客接点最適化の4要素 いつ接点を持つのか? 誰に対して接点を持つの か? 何を提供するのか? どの経路で 接点を持つのか? • ゴルフ場予約の翌日、商品購入後1週間後 • プレーの前日 • 商品詳細ページ閲覧の翌日 • 商品をカートに放置した3日後 • メール未開封が1か月経過した後 • 東京、神奈川、埼玉、千葉在住の男性 • 過去にコンペを3回以上予約している会員 • 過去に10万円以上購買実績があるが、過去半年購買経 験がない離脱予備軍 • セール商品の商品ページを過去1週間以内に閲覧した会員 • 関心のあるブランドの商品をお薦め(レコメンド) • 消耗品(ボール、グローブ、ティ)の販促 • セール商品のお知らせ • キャンペーンのお知らせ • クーポンの提供 • 自社サイト • メール • 検索エンジン(SEO) • リスティング広告 • リターゲティング広告 • ディスプレイ広告 • アフィリエイト広告 • 電話 • マスメディア • リアルプロモーション 顧客接点最適化の4要素
  • 13. 仮説 セグメンテーショ ン 実行 効果検証 3W1H 「誰に」、「いつ」、「何を」、 「どのように」接点を持つか 自動化 モニタリング 廃止 + Seve 顧客をセグメントし、対象者を 抽出 Responsys, R2AD, Rtoaster, iOneでテストマー ケティングを実行 効果検証を実施 全ての顧客接点でシームレスで一貫性のある最適化された顧客体験を提供するといっても??? PDCA+自動化のサイクルを回し、変化する顧客のニーズを把握する継続的な取り組みが最重要!! 人(知恵) データ 体系化=システム化 暗黙知 ⇒ 形式知 継続的な効果検証&チューニ ング データ 知恵 テクノロジ お客様体験デザイン・プロセス
  • 14. 予約版 Seve ショップ版 Seve 会員版 Seve 予約 履歴 会員 マスタ 購買 履歴 会員 マスタ 会員 マスタ 予約 サマリ 購買 サマリ 統合版 Seve 会員 マスタ 購買 明細 予約 明細 アクセ ス ログ メール配 信ログ レコメンド データ 広告配信 ログ CS問合 ログ あらゆるチャネルのデータを統合し た顧客の360°View Seve(会員分析&抽出ツール)
  • 15. 初回来訪(リスティング経由) 会員登録 商品詳細ページ閲覧(メルマガ経由) CS問合せ 商品レビュー投稿 再来訪(リターゲティング経由) メルマガ配信・開封 口コミ(商品レビュー)閲覧 初回購入(ドライバー) 会員情報、トランザクションデータ(購買履歴、予約履歴)、行動履歴(サイトアクセスログ等) を統合することで、個客一人一人のタイムライン(カスタマージャーニー)を作ることできる。 統合版Seveにより自由にセグメンテーション、対象者抽出が可能となる。 Seve(会員分析&抽出ツール)
  • 16. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ GDOのビックデータ活用の軌跡と 活用事例
  • 17. 2009 2010 2011 2012 2013 ★DWH/BIリリース ★大リニューアル(G10) KPIレポート ゴルフ場営業支援レポート 新ゴルフ場営業支援レポート MD分析プラットフォーム Phil(閲覧ページ会員属性分析ツール) Rtoaster連携 人気ゴルフ場ランキング ショップレビューランキング Seve(メルマガ対象者抽出ツール) R2AD連携 Responsys連携 11/14 GoogleShopping連携 全社データ活用基盤として2010年5月にリリースしたDWH/BI、G10プロジェクトで大幅なリニューア ルを実施し、現在では当初の目的である社内データの「見える化」に加えて、日常業務での「分析・ 意思決定支援」での活用、そしてランキングといった自社サイトでの利用や広告配信システムとの連携 といった「デジタルマーケティング活用」と、その活用範囲を拡大してきている。 デジタルマーケティング (売上向上) 分析・意思決定支援 (業務効率化・高度化) 集計、見える化 DWH/BI活用の軌跡
  • 18. E-Commerce ゴルフ場予約事業 OLAP分析 GBDP ゴルフ場営業 サポート KPIマネジメント 予実管理 BI Platform ゴルフ場予約 連携システム 会員管理 ERP スコア管理 ワークフロー 広告営業管理 DWH DWH Platform ETL Data Stage ログ解析システム アクセス ログデータ Digital Marketing Platform アウトバウンドマーケティング 顧客抽出ツール(Seve) ゴルフ場向 営業支援帳票 インバウンドマーケティング 統合レコメンドエンジン GDOサイト EC事業 MD分析 プラットフォーム 受注・発注分析 在庫・欠品分析 会員属性と連携した広告配信システム 広告配信システム ECショッピングモール (Google Shopping) 会員分析 統計解析 IBM SPSS R 社外データ システム構成(2013年11月13日時点)
  • 19. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ 数字で見るDWH J データ量 6TBytes DWHに格納されているデータ量は2013 年11月現在で6TByteです。Sybase IQ のデータ圧縮機能により、約20%に圧 縮され保存されています。 連携システム数 22システム DWHは社内・社外の21のシステムと データ連携を行っています。連携して いるデータの種類(I/F数)は300にもの ぼります。 テーブル数 1,400 テーブル DWHが各種システムから取得したデー タは、ETL処理により取込、用途ごと に集計され、1,400のテーブルに格納 されています。 利用者数 BI 50ユーザ ODBC 200ユーザ 全社員400人中、50人が日々BIツール を業務で活用、200人がODBC接続で ExcelやAccessを活用しています。 ジョブ数 1,200ジョブ DWHでは日々1,200のバッチ処理が行わ れています。全てのジョブがジョブ管 理ツールにより制御され、エラー発生 時には即座にメールが送信されます。 バッチ処理時間 10時間 日次のバッチ処理にかかる時間は約8 時間です。バックアップにかかる時間 はその中で1時間半を占めます。
  • 20. バッチ処理(JP1)
  • 21. HP StorageWorks MSA2312fc x 4 (2009) HDD:48, Size:28TB DWH Server(SybaseIQ) HP ProLiant DL380 G5 (2006) CPU: Intel® Xeon® Processor X5260 CPU:1, Core:2 MEM:32.0GB, HDD:136GB OS: Windows Server 2003 SE SP2 (x64) HP ProLiant DL360 G5 (2006) CPU: Intel® Xeon® Processor X5260 CPU:1, Core:2 MEM:18.0GB, HDD:416GB OS: Windows Server 2003 EE SP2(32bit) ETL Server(DataStage) HP ProLiant DL380 G6 (2009) CPU: Intel® Xeon® Processor E5540 CPU:2, Core:8 MEM:62.0GB, HDD:136GB OS: Windows Server 2008 EE SP2 (x64) BI Server(MicroStrategy) 本番環境 HP ProLiant DL360 G5 (2006) CPU: Intel® Xeon® Processor X5260 # of CPU:1, # of cores:2 MEM:32.0GB, HDD:694GB OS: Windows Server 2003 SE SP2 (x64) DWH Server(SybaseIQ) 開発環境 Strage DWH/BIを支えるインフラ
  • 22. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ Seve(メルマガターゲティングツール) 会員情報 × 購買履歴&予約履歴 会員情報(性別、年代、・・・)と過去の購買履歴からターゲティング
  • 23. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ Seve(メルマガターゲティングツール)
  • 24. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ Phil(サイト来訪者分析ツール) 会員情報 × アクセスログ アクセスログ(サイト閲覧履歴)から会員情報(性別、年代、・・・)を分析
  • 25. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ Phil(サイト来訪者分析ツール)
  • 26. 値下げお知らせメール 今日からセールになる商品を『直近1週間に閲覧』し『直近1ヶ月以内にその商品 を購入していない』お客様に対してセールになった事を伝えるメールを配信。 CTR(来訪率) 約25%~30% ※レギュラーメール 2%~2.5%
  • 27. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ サイト利用
  • 28. マーケティング・システム連携 広告配信システム(DSP) (リターゲティング広告) レコメンドエンジン (自社サイトパーソナライズ)
  • 29. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ データ活用を進めるための3つのポイント
  • 30. 進化のための安定
  • 31. 進化のための安定
  • 32. 進化のための安定 DWH起因 他システム起因 サービス停止 2012年1月 5 5 0 2012年2月 2 5 3 2012年3月 4 1 2 2012年4月 1 1 0 2012年5月 4 1 0 2012年6月 3 4 0 2012年7月 1 6 1 2012年8月 1 3 1 2012年9月 1 2 0 2012年10月 3 0 1 2012年11月 1 1 1 2012年12月 3 3 1 2013年1月 2 1 0 2013年2月 1 1 0 2013年3月 1 2 1 2013年4月 1 1 1 2013年5月 0 2 2 2013年6月 2 2 1 合計 36 41 15  DWH起因の障害原因  バグ  人的ミス  OS,ミドルウェア障害  他システム起因の障害原因  データ連携遅延  他システム連携エラー(API)  データ不備
  • 33. 東京都 千葉県 (33,633)神奈川県 (7,422) 茨城県 (15,654) 栃木県 (12,026) 群馬県 (7,124) 埼玉県 (15,028) 静岡県 15,800 16,955 2,99019,498 34,817 8,739 2,058 38,330 21,772 21,067 16,634 自由研究(20%ルール)① 会員居住地と予約されたゴルフ場の場所(関東地方編) 予約確定件数上位の居住地に住んでいる会員はどんなゴルフ場を予約しているのか?
  • 34. 自由研究(20%ルール)② EC 商品ジャンル別のクラスタリング分析 (R)
  • 35. 自由研究(20%ルール)③ マイクロストラテジー ビジュアルインサイト
  • 36. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ 自由研究(20%ルール)④ Mahoutを利用したレコメンドエンジンの開発
  • 37. データ活用推進を阻む大きな壁:データ活用の需要と供給 供給 需要<供給 需要> システム データ活用リテラシー<システム データ活用リテラシー>
  • 38. ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ ビックデータ活用を支える基盤と 今後の展開
  • 39. E-Commerce EC事業 ゴルフ場予約事業 OLAP分析 GBDP ゴルフ場営業 サポート 会員分析 KPIマネジメント 予実管理 ゴルフ場向 営業支援帳票 BI Platform MD分析 プラットフォーム 受注・発注分析 在庫・欠品分析 社外データ ゴルフ場予約 連携システム 会員管理 ERP スコア管理 ワークフロー 広告営業管理 GDOサイト 統合レコメンドエンジン Digital Marketing Platform 統計解析 IBM SPSS R DWH DWH Platform ETL Data Stage ログ解析システム アクセス ログデータ Hadoop Platform HDFS Hive インバウンドマーケティング アウトバウンドマーケティング 顧客抽出ツール(Seve) キャンペーンマネージメントシステム 会員属性と連携した広告配信システム 広告配信システム ECショッピングモール (Google Shopping) マーケティング・オートメーション(2013年11月14日時点)
  • 40. Amazon Web Service Amazon VPC(Virtual Private Cloud) プライベートサブネット GDO社内 キャンペーン マネージメント . スレーブノード (m1.large) ×3(Datanode) Amazon EC2 アクセス ログデータ ログ解析 システム マスターノード(m1.large) ×3台(Client,Active,Standby) Standby (EC2) NameNode JournalNode HDFS (EBS) 500GB HDFS (EBS) 500GB DataNode TasKTracker DataNode TaskTracker (EC2) HDFS (EBS) 500GB DataNode TaskTracker Active (EC2) Client (EC2) (EC2)(EC2) Client JournalNode Hive NameNode JournalNode CPU : Intel(R) Xeon(R) CPU 2.66GHz x 2cores メモリ:7.5GB CPU : Intel(R) Xeon(R) CPU 2.66GHz x 2cores メモリ:7.5GB Hadoop システム構成
  • 41. Hadoop + Hive  なぜGDOはHadoopを利用したのか? ① 夜間バッチが夜間に終わらなくなった。。。 ② タダ(無料)だから。 ③ 使ってみたかった  Hadoopを利用してみて分かったこと。  意外と安定している。  HiveQLには制限は少ない(SELECT)  開発生産性は高い  クラウドなのでスケールアウトは、とっても簡単。いろんな意味で。  更新、削除は出来ない  レスポンスは遅い  Hadoop + Hive のベストプラクティス  バッチ処理
  • 42. R2AD ResponsysIgnision One DWH Seve 基幹システム WEB ログシステム Rtoaster リスティング/ディスプレイ/リマーケティング メール レコメンド LPO 顧客抽出 ログ・レスポンスデータ トランザクションデータや顧客属性だけでなく お客様の行動をとらえる大量のログ・レスポンスデータを蓄積、集計・加工し、 デジタルマーケティングツールに提供する必要がある。 DWHに求められる要件 • 大量データを蓄積、高速に処理できる • リアルタイム性(半リアルタイム) • 可用性が高い(落ちない) お客様の行動に合わせた高度なマーケティングを実行するためには・・・・ Ad CRM DWH RI Rtoas ter R2ADiOne 基幹 システム WEB ログシステム データの集中と相互利用 今後のデジタルマーケティング時代に求められるDWH
  • 43. 製品選定  GDOの製品選定の特徴 ① 検証(POC)に時間とお金を掛ける ② 移行性を重視する ③ 当然ですが、最小の費用で、最大の効果を!!
  • 44. ご清聴ありがとうございました。