More Related Content Similar to gloops流データアナリストの部署間連携術 (20) gloops流データアナリストの部署間連携術2. 2
自己紹介
ソーシャルゲーム事業本部
データマイニング部アナリスト
勝俣真也
KATSUMATA SHINYA
BIRTH AGE 1987.6.25 27
出身校
専攻
大阪大学→大阪大学大学院
・超分子化学・物理化学
・光化学討論会最優秀学生発表賞
趣味
水泳(専門バタフライ)
3. 3
AGENDA
1. gloopsの紹介
2. gloopsデータマイニングの日常
3. Phase 1: CM実施前
4. Phase 2: CM実施期間中
5. Phase 3: 効果測定
6. まとめ
8. 8
1. gloopsの紹介
こんな経験ありませんか?
?
データを出したけど、伝え方がわからな
い・・・
分析結果を聞き入れてもらえない・・・
他部署の方とどのように関わったら良いか
分からない・・・
9. 9
1. gloopsの紹介
gloops DM流連携術“D x 3”
Data ~ データ
伝えたい事を明確に
結論をピンポイントに
Data Analyst ~ 自分自身
分析対象を理解
自分が知らない事を知る
Destinations ~ 相手先
共通目標の設定
共通認識の普及
一目瞭然
無知之知
広宣流布
13. カジノ
ショップ
交換所
挨拶Pt
召還覚醒売却
13
2. gloopsデータマイニングの日常
パラメータ相関図
LPフィールドその他BPフィールド
強化フィールド
クエスト
ノーマルサブ
手配書
スペシャ
ル経験値・ゼニ・魔者
訓練所
クリア
召還P
覚醒素材
Level
継承
覚醒メダ
ル
エンブレ
ム
魔具
強化
フレンド
トロフィ
アイテム
チップ
イベント
パーティ
魔者
コロシア
ム
CP
ランキン
グ
報酬
14. 問題定義
DMAIC
14
2. gloopsデータマイニングの日常
分析プロセス
DMAICサイクル
DEFINE
MEASURE
CONTROL
IMPROVE ANALYZE
計測
監視
改善・提案分析
15. 15
2. gloopsデータマイニングの日常
DefineとImproveの関係
例えば・・・
ふんわり君
キーパーソン確
保
まずデータ共有
なんの
データ?
データを
出しただけ
しっかり君
キーパーソン確
保
まず課題確認
コミュニケー
ションの繰り返
し
データが
活きる
17. 17
2. gloopsデータマイニングの日常
スカイロック
MOBILE
PC
TVCM
新鋭漫画家によるキャラクターデザイ
ン、
映画「ドラゴンボールZ 神と神」など
人気作に携わる脚本家の渡辺雄介氏が
ストーリーを手がけた、王道RPG。
18. 18
CM実施
CM実施における3つのフェーズ
Phase 1. 実施前マーケティング+ DM
Phase 2. 実施中企画+ DM
Phase 3. 実施後
DM
期間中のデータ測定並びに解析
2. gloopsデータマイニングの日常
20. マーケティングDM
20
マーケティング
Phase 1
CM実施コンテン
ツの検討
PFとの調整
決済予測
リクープ期間
の算出
PFとの諸条件調
整
3. Phase 1: CM実施前
Phase 1.における流れ
23. スカイロックの最大の魅力である「キャラクター」を活かした
クリエイティブで展開すべく、セル画を使用したアニメーションで
制作。
23
大型プロモーション概要
兄弟編
プロローグ的な要素として、主人公シエルをはじめ、「運命の五
つ子」達の横顔を紹介しながら、壮大な物語の幕開けを描く。
バトル編
スカイロックの第二の見せ場となるバトルシーンを中心にしたク
リエイティブに。「バトル編」では、覚醒した4人の魔者達が、
冥界神サタナスと繰り広げる戦いのワンシーンを描く
3. Phase 1: CM実施前
放映地域
クリエイティ
ブ
制作物
全国(約3,000GRP程度)
① 兄弟編: 15秒ver. / 30秒ver.
② バトル編:15秒ver.
24. 3. Phase 1: CM実施前
サタン・ガブリエル・ペガサス+それぞれの魔人まで覚醒する覚醒
素材
1 サタン(★8) 2 ガブリエル(★7) 3 ペガサス(★7)
24
大型プロモーション概要
インセンティ
ブ
スケジュール3つのインセンティブを用意し、3週間にわたりTVCMを展開
インセンティブ①サタン②ガブリエル③ペガサス
兄弟編(15秒ver.)
兄弟編(30秒ver.)
バトル編(15秒ver.)
※バトル編と組合せ30秒ver.にて展開
日程
5月6月
29
30
31
1
金
土
日
月
2
火
3
水
4
木
5
金
6
土
7
日
8
月
9
火
10
水
11
木
12
金
13
土
14
日
15
月
16
火
17
水
18
木
19
金
25. 25
3. Phase 1: CM実施前
大型プロモーション概要
公式サイトも大幅リニューアルし、SNSキャンペーンも同時に展開
26. 26
実施決定
再シミュ
レーション
経済条件
調整
初期シミュ
レーション
決定プロセス
ゲームKPI
市場分析
• 市場規模
• 継続率
• 課金傾向
などの調査を実施
市場にニーズが
ある/起こせるタ
イトルとは?を検
証
• 過去出稿実績
• 想定install
• 想定awake
投資がいつまで
に回収出来るかを
検証
• 目標install数の
精緻化
シミュレーショ
ンにて算出した
install数を達成す
る施策をPFと日別
に精緻化
• 過去出稿実績
• 目標install
• 想定awake
より精緻にすべ
く再シミュレー
ションを行い、リ
クープ期間の目標
を設定
3. Phase 1: CM実施前
タイトル選定リクープ検証成功確度up対応
リクープ再検
証
27. 大型プロモーション実施の考え方
対
27
キャンペーン予算
追加広告予算
人件費増分
インフラコスト
など
決済の伸び
アクティブ数確保
(ins・awake)
お客様心理に与える
プラス影響
ブランディングな
ど
3. Phase 1: CM実施前
費用効果
28. 3. Phase 1: CM実施前
大型プロモーション実施の考え方
大型プロモーションを行った場合と行わなかった場合との差異で
決済増分
CM開始1ヶ月目2ヶ月目3ヶ月目4ヶ月目それ以降
リクープ
28
決済
投資コストがいつ回収出来るかを重視
決済増分キャンペーン予算
32. 32
3. Phase 1: CM実施前
DEFINE
リクープ期間の最小化
費用対効果の最大化
決済予測が必要
33. 33
3. Phase 1: CM実施前
Define
決済= DAU x 課金率x ARPPU
DAU = install x 継続率
決済= install x 継続率x 課金率x ARPPU
34. install 初めてゲームに接触したお客様数
34
3. Phase 1: CM実施前
KPIに関する補足
決済= install x 継続率x 課金率x ARPPU
ある日にinstallしたお客様で、それ以降も
ログインして頂けている人数の割合
継続率
ログインしているお客様でお金を使って頂けた人の
割合
課金率
ARPPU 課金して頂けたお客様の平均課金額
35. 決済= install x 継続率x 課金率x ARPPU
35
3. Phase 1: CM実施前
決済予測に関する補足
継続率Date 5月30日5月31日6月1日6月2日6月3日6月4日DAU 課金率ARPPU 決済
0日後100% 5月30日1,000 1,000 40% 7,000 2,800,000
1日後60% 5月31日600 1,500 2,100 20% 7,000 2,940000
2日後45% 6月1日450 900 3,000 4,350 10% 6,000 2,610,000
3日後30% 6月2日300 675 1,800 2,000 4,775 10% 3,000 1,432,500
4日後30% 6月3日300 450 1,350 1,000 2,000 5,300 10% 2,000 1,060,000
5日後25% 6月4日250 450 900 900 1,200 1,000 4,700 10% 1,500 705,000
36. 決済= install x 継続率x 課金率x ARPPU
過去の実績値より予測可能
36
3. Phase 1: CM実施前
Measure and Analyze
DMくん
CM期間?!
installってどのぐら
い?
37. 部署間連携に応用して考える!
37
3. Phase 1: CM実施前
ジョハリの窓の応用
ジョハリの窓と
は?
自分
対人関係における自己の
気づきのグラフモデル
知っている知らない
相
手
知
っ
て
い
る
知
ら
な
い
開かれた窓
自分も知っており、
相手も知っている
気づかない窓
自分は気づいていないが、
相手は知っている
隠された窓
自分には分かっているが、
相手は知らない
未知の窓
自分も相手も気づいていない
CM期間中
自分が「知らない事」を知る
共通目標を設定する
⇒ 共通目標の為に情報を開示してもらう
のins
38. 決済予測額推移PR効果累計
38
3. Phase 1: CM実施前
Improve
決済予測額推移
high low nown
PR効果累計
high low
予
測
決
済
額
予測決済
額
リクープライン
39. DEFINE-定義
決済予測の算出
売上のKPI分解
DMAIC
39
MEASURE-計測
3. Phase 1: CM実施前
DMAICプロセス
CONTROL-監視
過去データの測定
(後述)
IMPROVE-提案ANALYZE-分析
不足情報の精査
決済予測
投資額の提案
40. DEFINE-定義
決済予測の算出
売上のKPI分解
CONTROL-監視MEASURE-計測
DMAIC
3. Phase 1: CM実施前
DMAICプロセス
(後述)
過去データの測定
IMPROVE-提案ANALYZE-分析
40
不足情報の精査
決済予測
投資額の提案
コミュニケーション
41. 41
いろいろな関数近似
線形近似y = a * x + b 指数近似y = a * e ^ (b * x)
x
y
対数近似y = log(a * x): a* x > 0
x
y
0
OnePointAdvice
三角関数近似y = a * sin(b * x)
0
x
y
3. Phase 1: CM実施前
x
y
42. 継続率推移
42
継続率の推移
継続率
0 5 10 15 20 25 30
経過日数
3. Phase 1: CM実施前
継
続
率
継続率推移
OnePointAdvice
43. 継続率推移
43
3. Phase 1: CM実施前
継続率の推移
継続率
0 5 10 15 20 25 30
経過日数
継
続
率
継続率推移
OnePointAdvice
45. 企画DM
45
4. Phase 2: CM実施期間中
Phase 2
Phase 2.における流れ
企画
プロモーション
の効果を最大化
するには?
お客様に長く遊
んでもらうに
は?
お客様の理解
離脱要因の検討
施策の立案、実施
47. 47
4. Phase 2: CM実施期間中
チームから見たDM活用法
はじめまして、スカイロックディレクター上田朋宏と申します。
ここからは、CM中の具体的な施策と、
施策策定にあたりどうDMを活用したか
というお話をさせて頂きます。
48. Heavy Base User お客様を、
48
4. Phase 2: CM実施期間中
CMを通じて目標にしていたことは、
「スカイロックを毎日遊んで頂ける
お客様を増やす」ことでした。
そのため、HBUという指標をKPIに用いまし
た。
HBU
1ヶ月間に26日以上
ログインするお客様
1ヶ月間のログイン
日数により6種類に
セグメント分け
ゴールを決める
49. 49
4. Phase 2: CM実施期間中
ゴールを決める
DMと相談しつつ、過去のCM実績や
スカイロックの継続率を参考にしながら、
「HBU1.5倍」という大目標を立てました。
HBUを増やすためには、流入してきた
お客様にゲームを継続してもらう、
すなわち「継続率」を上げる必要がありま
す。
継続率アップが中目標に
50. 50
4. Phase 2: CM実施期間中
継続率アップは難しい!!
さて、「継続率アップ」と口でいうのは
簡単ですが、これはゲーム運用の中で
最も難しい目標の1つだと思います。
なぜなら、お客様がゲームをやめる理由
というものが多岐に渡りすぎて、施策単位
で
コントロールすることがほぼ不可能に近い
からです。
51. 51
4. Phase 2: CM実施期間中
ではどうするか?
ここでDMの出番です。まずはゲーム内の
継続率に影響しそうなパラメータを
徹底的に洗い出してもらいます。
検証!!
継続率に影響がありそうなパラメータ(仮説)
クエスト
進度
フレンド数
課金経験
の有無
所持魔者
レアリティ
イベント
参加率
課金額
52. 52
4. Phase 2: CM実施期間中
ではどうするか?
この検証により、継続率に影響すると思われる
『より具体化された』KPIが判明し、
各種KPI同士の優先順位も判明します。
抽象的KPI「継続率」具体的KPI「ステージ進度」
! 継続率を上げる
にはどうすれば
いいんだ・・・
お客様のステージ
進度を上げるには・・・
そうだ!!「ステージ2
を
クリアで報酬GET!!」
というミッションは
どうか?
53. 53
4. Phase 2: CM実施期間中
施策例①
戦闘力6,000以上のお客様は、ゲームを継続しやすい
CM記念ログボ
最高レアリティまで育てられる
魔者「サタン」を贈り、CM期間中
に毎日手に入る育成アイテムで
育ててもらう
3日目と7日目には「サタン」が
進化する特別なアイテムがもらえ
る
その他施策の報酬等と合わせて
パーティを作れば、戦闘力が大体
6000を超えるようになっている
54. 54
4. Phase 2: CM実施期間中
施策例②
ステージ進度3以上のお客様は、ゲームを継続しやす
い
カムバックミッション
しばらくログインしていなかった
お客様だけが挑戦できる
特別なミッション(限定感)
このミッション内容の一部を、
ステージ1クリア
ステージ2クリア
ステージ3クリアというものに
進捗感を出すべく段階調整、
既にクリアしている人について
はボーナスパネル扱い
55. 55
4. Phase 2: CM実施期間中
その他の施策例
イベント参加率
初心者でも活躍しやすい、分かりやすい
イベントを開催
フレンド数
フレンドとコミュニケーションをとること
で
ポイントを貯め、報酬と交換できるCPを
所持開魔催者レアリ
ティログインボーナスで最高レアリティの魔者を
配布
56. 56
4. Phase 2: CM実施期間中
3つのセグメント
新規、既存、カムバッ
クの
3セグメントに分けて
細かく施策をフォロー
(総施策数22)
表示されるバナーも
セグメント毎に変更
各セグメント毎に
毎日監視レポートを
もらってKPI監視
新規
既存
改修・
新規実装
キャン
ペーン関係
イベント
カム
フレンド
バック
関係
課金関係チュート改修
新スキル
実装
マイ
ペ
整理
CP
パネル
ミッション
ログイン
ボーナス
強化CP
カムバックCP
カウント
ダウンCP
イベント
①~④
CM記念
召喚
セール
ショップ
召喚施策
①~②
57. 57
4. Phase 2: CM実施期間中
まとめ
CM放映終了1ヶ月後に、HBU1.5倍という
目標を達成!!
「KPIの具体化」によって、プランナーが具体
的な企画をイメージしやすくすることが重要
(同時に優先順位付けを話し合う)
プランナーは手段には興味が無い(~モデ
ル、~分析など) 素早く、ピンポイント
に、分かりやすく、結論を共有してほしい
60. HBUを1.5倍
60
4. Phase 2: CM実施期間中
Define
お客様により長く遊んで頂くにはどうしたら良いか?
継続に強く影響している要因のあぶり出し
61. 61
4. Phase 2: CM実施期間中
上田より
「HBU1.5倍」という大目標を立てました。
HBU?
62. 62
4. Phase 2: CM実施期間中
30日ログインセグメント
BU/FU ・・・DAUを過去30日のログイン日数
で分類 ログイン日数が多い= BU (Base User)
ログイン日数が少ない= FU (Follow User)
過去30日間におけるログイン日数
New or Awake 0 ~ 0
ライト層
HFU 1 ~ 5
MFU 6 ~ 10
ミドル層
LFU 11 ~ 15
LBU 16 ~ 20
ヘビー層
MBU 21 ~ 25
HBU 26 ~ 30
63. 63
4. Phase 2: CM実施期間中
データマイニングの取り組み
”今さら聞けない・・・”KPI講座
分析の基礎と課金セグメント分析の解
説
65. 65
4. Phase 2: CM実施期間中
Analyze
A
C G
戦闘力
継続率
クエストプレイ
回数
対人バトル
回数
H
翌日継続率
戦闘力_継続率
戦闘力
66. 素早く、ピンポイントに、分かりやすく、結論を共有して
ほしい。
66
4. Phase 2: CM実施期間中
ジョハリの窓の応用
上田より
自分
知っている知らない
相
手
知
っ
て
い
る
知
ら
な
い
開かれた窓
自分も知っており、
相手も知っている
気づかない窓
自分は気づいていないが、
相手は知っている
隠された窓
自分には分かっているが、
相手は知らない
未知の窓
自分も相手も気づいていない
分析結果
相手の興味・関心を知る。
結論をピンポイントに表現したデータ提供
67. 戦闘力6,000を超え
ると継続率が大幅に
67
翌日継続率
戦闘力
Analyze
UP
戦闘力を6,000以上に!!
既存のお客様
新規のお客様
カムバックのお客様
4. Phase 2: CM実施期間中
継続率と戦闘力
戦闘力_継続率
68. DEFINE-定義
お客様に継続
して頂くには?
DMAIC
68
MEASURE-測定
4. Phase 2: CM実施期間中
DMAICプロセス
CONTROL-監視
継続要因の
あぶりだし
IMPROVE-改善ANALYZE-分析
戦闘力の引き上げ離脱分析
22の施策
(後述)
69. お客様に継続
して頂くには?
DMAIC
4. Phase 2: CM実施期間中
DMAICプロセス
IMPROVE-改善ANALYZE-分析
69
離脱分析
戦闘力の引き上げ
22の施策
(後述)
コミュニケーション
MEASURE-測定
DEFINE-定義
CONTROL-監視
継続要因の
あぶりだし
71. 71
プロモーション効果測定
※ダミーデータです
5. Phase 3: 効果測定
5月30日5月31日6月1日6月2日6月3日6月4日
ins予測9,000 9,000 12,000 13,000 4,000 1,100
ins実績9,000 9,000 16,000 5,000 1,000 1,300
ARPPU予測¥7,000 ¥6,633 ¥12,198 ¥4,036 ¥1,056 ¥10,072
ARPPU実績¥8,000 ¥3,355 ¥9,599 ¥7,568 ¥2,068 ¥19,648
DAU予測200,000 189,503 348,519 115,313 30,185 287,763
DAU実績250,000 95,871 274,260 216,216 59,074 561,385
決済予測¥270,000,000 ¥255,829,332 ¥445,807,179 ¥257,036,960 ¥38,793,627 ¥55,816,758
決済実績¥300,000,000 ¥143,806,033 ¥197,200,910 ¥213,189,503 ¥62,969,582 ¥176,750,843
差分¥30,000,000 ¥-112,023,299 ¥-248,606,269 ¥-43,847,457 ¥24,175,955 ¥120,934,085
73. 継続率推移
73
5. Phase 3: 効果測定
効果測定
継続率
期間中ins 期間外ins
1日後2日後3日後4日後5日後6日後7日後8日後
継
続
率
74. 5. Phase 3: 効果測定
4月5月6月7月8月
74
実績予測
6月対予測比129%
7月対予測比120%
8月対予測比110%
効果測定
決済額推移
決
済
額
75. 75
5. Phase 3: 効果測定
Phase 3.まとめ
データマイニング
実施後の効果測定
全体プロセスのC : Control
伝えたい事を明確にしたデータ共有
76. 5. Phase 3: 効果測定
「伝えたい事を明確にした」その他事例
76
相関図
Sankey Diagram
OnePointAdvice
78. 6. まとめ
データを出したけど、伝え方がわからな
い・・・
結論をピンポイントに表現したアウトプット
伝えたいことを明確にしたアウトプット
自分の分析対象をしっかり理解!
相手の土俵に近づく
78
こんな経験ありませんか?
分析結果を聞き入れてもらえない・・・
他部署の方とどのように関わったら良いか
分からない・・・
自分の不足情報を知る
共通目標の設定
共通言語の普及
79. 79
6. まとめ
gloops DM流連携術“D x 3”
Data ~ データ
伝えたい事を明確に
結論をピンポイントに
Data Analyst ~ 自分自身
分析対象を理解
自分が知らない事を知る
Destinations ~ 相手先
共通目標の設定
共通認識の普及
しっかりDefine!
部署間連携のコツ!
Editor's Notes 普通に自己紹介 本日のagendaです。 Gloopsはもっとおもしろいを目指し、モバイルエンターテイメントの可能性を追求します 具体的にはソーシャルゲームの提供
過去40タイトル・計3000万人以上の会員さま
これを行動規範
ビジネスにおけるデータ活用は非常に重要 こんな経験ありませんか?
そこで、gloopsではどのように他部署と連携しているか?
そのコツをご紹介します そのコツですが、3つです。
まず一つデータ
これは伝いたい事を明確に
結論をピンポイントに。
つまり、一目瞭然のアウトプット
2つめ
アナリスト地震
分析対象を理解すること
そして、自分が知らないという事を知ること。
無知の知の精神
3つめ
データの共有先
共通目標をしっかりと設定すること、
共通認識を普及させる事。
広宣流布の精神
今回のセミナーではここで紹介したコツについて、
具体例を用いて紹介をしていきます。
ではまず最初にgloopsのデータマイニング部が
普段どのような事を行っているかについて紹介します 普段大きく分類して二種類のデータを取り扱っています。
一つは全社的に重要なデータ。
例えば、日々ログインしているお客様の人数、課金額といったもの。
もう一つはコンテンツ独自のデータ
例えばイベントの進捗やお客様の行動ログに深堀り
最近ですと、iOS8を使っているお客様の人数なんていうのも出しました。
分析と同じくらい重要視している事があります。
それがこれ!
その具体例の1つとして、パラメータ相関図の書き起こし
これが重要 こうしてパラメータ相関図を書き起こす理由は大きく分けて2つあります。
まず一つはゲームに対してしっかりと理解することす。
この図、仕様書を見ながら書いているわけではないです。
しっかりとゲームをプレイしながら書き起こしています。
少しでも企画に近い土俵に行くことです。
ゲームを知らない人間からKPIがどうのと言われても説得力が
低いですよね
それと、我々が見たいのは確かにデータですg,
データの先のお客様の動き、これをしっかりとデータから読み解きたいですよね。
そういった事をするのに、自分がまず一人のユーザとなって
ゲームをプレイするのはすごく大切です。
そしてもう一つは共通認識を強化するためです。
共通認識の普及というのをもう少し深く考えてみましょう。
共通認識というのはことらから広めるだけではありません。
共通認識を自分に普及させるというのもとても重要です。
例えばゲーム内でアイテムを購入できるゲーム内通過。
これはスカイロックではゼニーと呼ばれており、
制作サイドも普通にゼニーという言葉を使います。
これをアナリストだけがゲーム内通過と読んでいたら距離を
感じてしまいますよね。
そういった事を防ぐためにもゲームに対する共通認識を
自分の中にも普及させる。
そういった事がすごく重要です。
そうやって分析をおこなっているのですが、
その分析プロセスが非常に重要。
モトローラーの生産管理のプロセスの一貫
そのためにDMAICサイクル
改善提案をする。
この中で最も大事なのは改善提案ですよね。
そしてこの改善提案をしっかりとしていくために最も重要な事、どこだと思いますか?
アナライズも計測も重要です。
ここに関しては弊社よりもレベルの高い分析を行っている
会社さんもあると思いますが、
提案を行う上で最も大切なのは、我々は問題定義の部分だと考えています。
その一例を示します。 こちら、2人のDMの例を示します。
まず、最初はキーパーソンを確保する。
これができている前提で話します。
上のふんわりくん。つまり問題定義が曖昧な状態の場合、
こういった状況でよく起こるのは、初回のミーティングでデータ共有を行う。
結果共有された側はなんのデータ?
なんのためのデータ?
となってしまい、そこで話が止まってしまいます。
結果提案以前に関係が不成立になってしまう。
かたや、問題定義が自分の中でしっかりしている場合、
初回ミーティングで行うのはまず、課題の確認です。
この事により、現時点における問題点をしっかりとお互いの共通認識
とすることができるのです。
そして、それに対して議論を行うことで問題点があぶり出し、
信頼関係が強化されていくのです。
ではこういった事例に関して、
今回はスカイロックの大規模PRを例にデータマイニングと
他部署との連携に関して、ご紹介をさせて頂きます。 そこで今回はスカイロックの大規模PRを具体例として
他部署との連携についてご説明させて頂きます。
スカイロックにかんしてまず最初に簡単にご紹介させて頂きます。
3つのフェーズ
この中でDMが関わった方が良いこと、関われるところ、どこでしょうか?
これら全てにDMが関わっています。 ではCM実施時の状況です
こういった流れで話が進みました。
まず最初に~~~~
ではCM実施概要に関して弊社マーケティング担当鶴羽よりご説明をさせて頂きます。
鶴羽さん、お願いしますーー
それでは、実施コンテンツの検討について弊社マーケティング担当である鶴羽より
ご説明させて頂きます。
鶴羽さん、よろしくお願いします。 リクープ期間を算出することです。
こういったミッションを解決するにあたっても
我々はDMAICサイクルを活用しています。
では、今回のDMAICの入り口となる
Defineの部分を見ていきます これが今回のDefineです。
リクープ期間を最小化し、
費用対効果を最大化すること。
つまり決済予測が必要になります
日々の決済はDAU、課金率、ARPPUに分解が可能です、
そしてDAUはインストールと継続率に分解することが可能になります。
ではここで、今回ソーシャルゲーム業界以外の方もいらっしゃってるとは思いますので、
KPI用語について補足させて頂きます インストール・はじめてゲームに接触したお客様の数、
継続率 耳慣れないお客様も居るとは思うので補足でーす では考えてみましょう。
こういった値、我々は日常的に観測しておりますので過去の実績値より予測することは可能ですが、、、
CM実施ジとなると話は別です。
特にインストールは大量に見込まれるためちょっと違います。
おっと困った・・・ここからコミュニケーションが増えてきます。 こちらジョハリのマドという考えかたで、
元々はお互いのパーソナリティの取り扱いを示すものです。
開かれた窓の領域を増やすほど、お互いの共通認識を増やし、
相互理解をマスことができます。
これを我々は自分たちが取り扱う情報に置き換えて考えています。
今、CM期間中のインストールが分からないということがありましたが、
これはここですね、気づかない窓。
我々が展開しているプラットフォームをやっているDeNAは
よくセミナーやってるなー
DeNAに聞けないかなー(チラっ)
マーケがDeNAと仲良いなー(チラッ)
教えて下さい!
ではダメです!
ここではお互いの共通目標を設定することが大事です。
今回はリクープラインを算出するというお互いの共通の目標がありましたので、
これを設定することで情報を開示して頂くことができました。
本題に戻ります。
今回DMAICサイクルはこんな感じ。
本題に戻ります。
今回DMAICサイクルはこんな感じ。
ここでテクニックの紹介です
こちら関数近似ですが、
予測を行う時は便利ですねー
と言いますのも、これエクセルで2クリック位できるんですねー
これ、私が決済予測するときにも使っています。 それがこちら、継続率の推移を予測するときです。
スカイロックの決済予測を初めて算出した時は
リリースしてから三ヶ月でしたー
ただ、リクープに関してはもっと長い期間を想定していたため、
これだけじゃダメ。。。
そこでべき乗近似を利用しました べき乗で良いの?って思いますよね・・・
それは時と場合です。
実際に決定係数が高かったので使ったというのが実情です。
CM実施中においてはこういった流れで話が進んでいきました。
まず最初にうんたらかんたら
まず最初に企画の専門家であるスカイロックディレクターの
上田よりお話をして頂きたいと思います。
上田さん、お願いします。 今回我々に課せられたmissionはこちら、
大規模PRを成功に導け。
このためにどうしたら良いか。
そしてこれを達成する上でも様々なコミュニケーションがありました。
今回のDMAICの入り口となるDefineはこちらちょっとむずかしい・・・
こういった時はステートメントに立ち返ります。
面白さをお客様が継続してプレイするか、しないかで測っています。
つまり面白ければ継続する、面白くなければ継続しない。
つまりお客様に継続して頂くにはどうしたら良いか?
というのが今回のDefineになるのです。
そしてこれを調べるのに私は離脱分析に注力しました。
お客様に継続していただくには、お客様の離脱する箇所を潰すというのが重要に
なるからです 先ほど上田よりHBU1.5倍というお話がさらっとありました>
HBUって何だ!? HBUというのはgloopsで重要視しているログインセグメントの1つで、
DAUを過去30日のログイン日数でセグメンテーションしたものです。
ログイン日数が多いお客様をBaseUser、少ないお客様をFollowUserとして
それをさらに細かく分類します。
そして、最もログイン日数の多いセグメントをHBUとし、
Gloopsでは非常に重要視しています。
こういったKPI用語がなぜ企画さんの口からさらっと出ているのか。
それは、我々がこういった指標の普及活動も日常的に行っているからです 弊社ではstudyという社員ならば誰でも開催できる
勉強会の制度があり、こうした者を日々行っています。
こちらにその例を示しています。
私もお客様のセグメンテーションの導入する際、
こういった勉強会を開催しています お客様の継続に関係が高そうなデータを取得していきます。 先ほど取得したデータからお客様を理解していきます。
戦闘力が高いほどログイン回数が多い。
つまり継続する傾向が高そうだという事がわかります。 ピンポイントに表現して欲しい。
なぜこういった表現が出てきたのか。
それは企画の方の興味は施策を立案して実施することだからです。
このような場合に見難いデータを提供したらどう感じるでしょうか。
すると、データを見ることに時間がかかってしまい、
結果施策の立案に使う時間が少なくなってしまいます。
そういった事を考えるためにも、相手の興味関心をしる、
そして、結論をピンポイントに表現sちあデータ共有が非常に重要になります。 データ出した本人だから、細かいデータをDMは把握している。
必要な人には共有している
ここはもう少し直す