Submit Search
Upload
(草案)ThinkingEngine20220909概要資料.pdf
•
0 likes
•
21 views
S
ssuserf221071
Follow
ThinkingData_ProductSheet
Read less
Read more
Technology
Report
Share
Report
Share
1 of 33
Download now
Download to read offline
Recommended
ビッグデータビジネスの捉え方
ビッグデータビジネスの捉え方
Takatsugu Kobayashi
Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112
Dennis Sugahara
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
Preferred Networks
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
Norihiko Nakabayashi
Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料
BrainPad Inc.
オープンデータプラグイン紹介資料
オープンデータプラグイン紹介資料
Naokazu Nohara
クッキーと個人情報 StudyCode #1
クッキーと個人情報 StudyCode #1
Yuichi Ota
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
Google Cloud Platform - Japan
Recommended
ビッグデータビジネスの捉え方
ビッグデータビジネスの捉え方
Takatsugu Kobayashi
Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112
Dennis Sugahara
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
Preferred Networks
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
Norihiko Nakabayashi
Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料
BrainPad Inc.
オープンデータプラグイン紹介資料
オープンデータプラグイン紹介資料
Naokazu Nohara
クッキーと個人情報 StudyCode #1
クッキーと個人情報 StudyCode #1
Yuichi Ota
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
Google Cloud Platform - Japan
データマネジメント2014
データマネジメント2014
Talend KK
AI導入を丸投げしない強い組織にする人材教育のススメ
AI導入を丸投げしない強い組織にする人材教育のススメ
KSKKSKAnalyticsInc
AI Seed_サービス紹介資料.pdf
AI Seed_サービス紹介資料.pdf
ssuser29849a
Building Software Reliability through Distributed Tracing.pdf
Building Software Reliability through Distributed Tracing.pdf
Shotaro Suzuki
データサイエンスセミナー 【found IT project #8】
データサイエンスセミナー 【found IT project #8】
Tetsuya Yoshida
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
Deep Learning Lab(ディープラーニング・ラボ)
Io taiプロジェクトの進め方、組織作り 20180208_ver1.02
Io taiプロジェクトの進め方、組織作り 20180208_ver1.02
Microsoft Azure Japan
The real world use of Big Data to change business
The real world use of Big Data to change business
DataWorks Summit/Hadoop Summit
先行事例から学ぶ IoT / ビッグデータの始め方
先行事例から学ぶ IoT / ビッグデータの始め方
Cloudera Japan
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Rakuten Group, Inc.
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
BrainPad Inc.
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
寛之 松浦
Timソリューションのご紹介 140319
Timソリューションのご紹介 140319
Rie Arai
シラサギ紹介20161119
シラサギ紹介20161119
Naokazu Nohara
企業情報システムにおける先進的な技術の活用
企業情報システムにおける先進的な技術の活用
Miki Yutani
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
scirexcenter
データ分析基盤について
データ分析基盤について
Yuta Inamura
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Takanori Kawahara
Splunk でIBM i データからインサイトを紐解く
Splunk でIBM i データからインサイトを紐解く
Precisely
【会社概要資料】STC.pdf
【会社概要資料】STC.pdf
KosukeWada1
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
More Related Content
Similar to (草案)ThinkingEngine20220909概要資料.pdf
データマネジメント2014
データマネジメント2014
Talend KK
AI導入を丸投げしない強い組織にする人材教育のススメ
AI導入を丸投げしない強い組織にする人材教育のススメ
KSKKSKAnalyticsInc
AI Seed_サービス紹介資料.pdf
AI Seed_サービス紹介資料.pdf
ssuser29849a
Building Software Reliability through Distributed Tracing.pdf
Building Software Reliability through Distributed Tracing.pdf
Shotaro Suzuki
データサイエンスセミナー 【found IT project #8】
データサイエンスセミナー 【found IT project #8】
Tetsuya Yoshida
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
Deep Learning Lab(ディープラーニング・ラボ)
Io taiプロジェクトの進め方、組織作り 20180208_ver1.02
Io taiプロジェクトの進め方、組織作り 20180208_ver1.02
Microsoft Azure Japan
The real world use of Big Data to change business
The real world use of Big Data to change business
DataWorks Summit/Hadoop Summit
先行事例から学ぶ IoT / ビッグデータの始め方
先行事例から学ぶ IoT / ビッグデータの始め方
Cloudera Japan
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Rakuten Group, Inc.
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
BrainPad Inc.
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
寛之 松浦
Timソリューションのご紹介 140319
Timソリューションのご紹介 140319
Rie Arai
シラサギ紹介20161119
シラサギ紹介20161119
Naokazu Nohara
企業情報システムにおける先進的な技術の活用
企業情報システムにおける先進的な技術の活用
Miki Yutani
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
scirexcenter
データ分析基盤について
データ分析基盤について
Yuta Inamura
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Takanori Kawahara
Splunk でIBM i データからインサイトを紐解く
Splunk でIBM i データからインサイトを紐解く
Precisely
【会社概要資料】STC.pdf
【会社概要資料】STC.pdf
KosukeWada1
Similar to (草案)ThinkingEngine20220909概要資料.pdf
(20)
データマネジメント2014
データマネジメント2014
AI導入を丸投げしない強い組織にする人材教育のススメ
AI導入を丸投げしない強い組織にする人材教育のススメ
AI Seed_サービス紹介資料.pdf
AI Seed_サービス紹介資料.pdf
Building Software Reliability through Distributed Tracing.pdf
Building Software Reliability through Distributed Tracing.pdf
データサイエンスセミナー 【found IT project #8】
データサイエンスセミナー 【found IT project #8】
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
Io taiプロジェクトの進め方、組織作り 20180208_ver1.02
Io taiプロジェクトの進め方、組織作り 20180208_ver1.02
The real world use of Big Data to change business
The real world use of Big Data to change business
先行事例から学ぶ IoT / ビッグデータの始め方
先行事例から学ぶ IoT / ビッグデータの始め方
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
Timソリューションのご紹介 140319
Timソリューションのご紹介 140319
シラサギ紹介20161119
シラサギ紹介20161119
企業情報システムにおける先進的な技術の活用
企業情報システムにおける先進的な技術の活用
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
データ分析基盤について
データ分析基盤について
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Splunk でIBM i データからインサイトを紐解く
Splunk でIBM i データからインサイトを紐解く
【会社概要資料】STC.pdf
【会社概要資料】STC.pdf
Recently uploaded
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
Hiroshi Tomioka
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
Recently uploaded
(9)
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
(草案)ThinkingEngine20220909概要資料.pdf
1.
Fast, powerful, real-time,
and flexible intelligence and analytics platform Thinking Analytics シンキングデータ株式会社 www.thinkingdata.jp
2.
Fast, powerful, real-time,
and flexible intelligence and analytics platform CONTENTS 目次 1.会社概要 2.プロダクト思想 3.プロダクト紹介 4.個人情報保護の取り組み 5.導入事例
3.
01会社概要 COMPANY INTRODUCTION
4.
データの価値を 最大化させる データの取得から、整理、蓄積し、より簡単に、より早く、より直感的に分析を行い データドリブンに施策を実行することで、事業成長を促進します
5.
我々の思い データだけが世界を変えられるという信念を持ち、最高のデータ分析ツールを開発しました データを水や電気と同じように、誰でも自由に活用でき、すべてのデータで価値を創出できると信じています
6.
ThinkingDataの沿革 2015.06 会社設立 2016.05 テキストマイニングサービス Thinking Gameリリース 2018.05 ゲームデータ分析システム Thinking Analytics
1.0 リリース 2019.11 Thinking Analytics 顧客社数100社を突破 2020.08 Thinking Analytics 顧客社数200社を突破 2017.02 シリーズA FH Capital 2015.10 エンジェル Linear Venture 2017.02 シリーズA+ GSR Capital 2021.03 シリーズB 15M USD 2021.11 シリーズC 60M USD 2021.10 Thinking Analytics 顧客社数500社を突破
7.
実績 グローバルで顧客、アプリ数、データクエリを実施 顧客数 700+ アプリ数 4000+ 平均日次データクエリ 600K+
8.
ゲームタイトル
9.
機関投資家 シリーズCで6千万ドル(60億日本円)をグローバルで調達
10.
会社概要 企業名 設立 住所 シンキングデータ株式会社 2022年6月 〒151-0051 東京都渋谷区千駄ケ谷5丁目27−5 16F CORPORATE PROFILE VENTURE BACKED
11.
02プロダクト思想 PRODUCT PHILOSOPHY
12.
データ分析の力で ビジネスを成長 誰でもデータを使いこなせるという機運醸成と、高度な分析手 法をThinking Analyticsで実現し、ビジネスを成長させよう
13.
アプリ事業の成功の要諦 プロダクトとマーケティングの有機的な連動が成果の最大化を生み その際にデータが潤滑油の役割を果たす マーケ ティング プロダクト データ が潤滑油となる データの取得と 利活用 データを基本とする 戦略の立案 ビジネスモデルの 高度化 更なるデータの 取得と利活用
14.
アプリ事業の成功の要諦 全てのライフサイクルでみるべきKPIを全て網羅。あらゆるニーズに応えられる拡張性を有しています データが途切れずに蓄積でき、より深い示唆を得られます 開発期 導入期 成長期
成熟期 テスト結果分析 プロダクト最適化 リテンション率分析 ユーザー獲得分析 UA/ROI ユーザー属性/行動傾向 施策分析 施策運営 新機能、改善点の分析 より高度なインサイトの獲得 施策の効果分析 ユーザーセグメンテーション
15.
03プロダクト紹介 PRODUCT INTRODUCTION
16.
➔課金・購買してくれない ➔リピートされない ➔レポーティングが面倒 ➔ツールを導入しているが使いこなせない ➔インストールされない ➔定着しない アプリ事業でよくある課題 アプリ事業でよくある課題のほとんどは、データで解決できます データって難しそう、という方にも、使い倒せるThinking Analyticsで解決しませんか? 人気 収益 運用 それ、Thinking
Analyticsで解決しませんか? 人気 収益 運用
17.
ご利用イメージ 課題 Thinking Analytics
主な効果 人気 収益 運用 インストールされない 定着しない 課金・購買されない リピート課金しない レポーティングが面倒 ツールを使いこなせていない 1. 既存ユーザーの特徴を分析・把握 2. マーケティング施策の改善点を示唆出し 1. 離脱点を分析・把握 2. プロダクトの改善すべき点を分析 1. 課金/未課金ユーザー別で特徴を分析 2. クリティカルなジャーニーを確立 1. 課金後のユーザー行動を分析 2. クーポン発行などの施策への示唆出し 1. 主要KPIをひと目で把握できるダッシュボード 1. グローバルレベルのUI/UX 2. コンサルタントによるソフト面での支援 広告などの最適化 CPI改善 プロダクトの強化 定着率改善 プロダクトの最適化 課金率改善 ユーザーエンゲージメント強化 LTV改善 工数削減 ツールに対する 費用対効果最大化 コスト減 コスト減 売上増 売上増 売上増 コスト減 売上増 よくある課題に対し、Thinking Analyticsでは、データを用いてご支援 あらゆる施策の最適化、プロダクト・マーケティングの強化で売上増加とコスト最適化を実現
18.
解決策 Event+User Data Model ファネル分析 分布分析 コホート分析 ユーザータグ リテンション分析 イベント分析 フロー分析 カスタマイズ検索 プロパティ分析
19.
Event-User Data Modelとは ユーザー行動などの動的なデータと、ユーザーのある時点での状況などの静的なデータを組み合わせることで より高度な分析を実現するデータ構造モデル ログイン
ステージ1 ステージ2 ステージ3 課金 あるときにこんな行動をしたユーザー ある時点でこんな状況のユーザー ユーザ 行動 イベント ユーザ
20.
解決策 Event-User Data Modelを用いることで、あらゆる分析を実施 基本的な指標はもちろん、その背景にある原因を追求。アプリ運用に関する示唆を導出します E v e n t U s e r イベント分析
リテンション分析 ファネル分析 インターバル分析 フロー分析 ? 特定イベントの 傾向を分析 2つのイベント間の 継続と離脱を分析 複数イベント間の 推移を分析 2つのイベント間の 発生間隔を分析 特定イベントの発生回数 毎にユーザー分布を分析 分布分析 特定イベントまでの 経路を分析 日次インストール数 etc インストールから 課金まで達する割合 etc 課金までのどこで 離脱しているか etc 1週間のうち何日ログインしてい るユーザーが多いか etc インストールから何日で 課金まで至っているか etc 高課金ユーザーの行動の 特徴は何か etc プロパティ分析 コホート分析 ユーザータグ ユーザーを特定属性で 区分し傾向を分析 導出されたユーザーリス トをドリルダウン分析 特定属性に合致する ユーザーの推移 ユーザーレベルの分布 etc バトル勝利が7回以上の ユーザーリストを作成 etc 直近30日間で課金をした ユーザー数の推移 条件...1 条件...2 条件...3 さらなる拡張性 1. SQLを用いたメタデータからの導出 2. ユニークIDにより特定ユーザーの行動履歴の閲覧 3. 外部データ(広告計測、アプリ内広告収益)のインポート
21.
そのほかの特徴 多様なデータ取得 便利なレポート出力 多角度からの分析 素早い分析 1. クライアント側とサーバ側、双方からのデータ取得に対応 2. 過去データのインポートに対応(LogBus、Restful
API etc) 3. あらゆるデータ連携に対応(広告計測、広告収益化、広告メディア etc) 1. データサイエンティストのデータ出力の依頼は不要 2. データに関する知識がなくても高度なデータ分析をノーコードで実現 3. コンサルタントがダッシュボードの作成、分析モデルの検討を支援 1. それぞれで独自にダッシュボードを作成、社内で同じデータを閲覧可能 2. 独自のデータモデルにより高度な分析を実現。さらなる拡張性も担保 3. それでいて、直感的な操作感を実現 1. リアルタイムでの分析、結果の参照が可能 2. プライベート構築や二次開発にも対応 3. 高い可用性を担保し、最大遅延1分のデータ取得から結果の表示
22.
多様なデータ取得 過去データのインポート 過去データと新たに取得する データを連携させ、アプリ全 貌が見えるデータ分析を提供 3rd Partyデータとの連携 広告計測、広告メディア、 広告収益化などの外部デー タとの連携機能を提供 サーバーログ Java、PythonなどのSDKに対 応し、それにLogBus、DataX などサーバログに接続に対応 クライアント(フロントエンド) iOS、Android、Web、H5など のプラットフォームに対応 クロスプラットフォームで分析 可能
23.
便利なレポート出力 効率化 共通化 高速化 ダッシュボードを任意で構築し、必要なKPIのみを表 示。複数のダッシュボードを作成し、必要なデータま で即座にアクセス 複数のツールを異なるデータ定義で参照するこ となく、共通化することができ課題発見を実現 全てのプレーヤーが共通のダッシュボードで課 題共有し適切で迅速な意思決定を実現
24.
素早い分析 DataX LogBus データ永続レイヤ ー Kudu / HDFS ストリーム
プロセッシング エンジン 過去データ presto Cluster 九つの 分析モデル リ ア ル タ イ ム シ ス テ ム バ フ ァ ア ク セ ス SP 構 造 kafka データバス ロードバランス +高可用性 data-receiver デ ー タ 取 得 最大遅延時間 1分
25.
04個人情報保護の取組 Privacy Policy
26.
データセキュリティ保証 暗号化通信 SSL暗号化通信 データセキュリティを守るため ファイヤウォール対策 ホワイトリストのIPしか アクセスできない 全コンポーネント 高可用性構造 任意ノードが毀損しても 影響がない 冗長化バックアップ 機械故障してもデータは毀損 、紛失しない 暗号化保存 肝心なデータは暗号化して、 ストレージに保存 五重保証
27.
05事例紹介 USE CASE
28.
「TAのスーパー計算能力により、世界中の何億人ものユーザーの行動を簡単に分析して洞察を得るこ とができ、ゲームのあらゆる小さな最適化のための強固なデータ基盤を提供します。」 HABBY|「アーチャー伝説」 課題&ペインポイント ソリューション&価値 ゲームテストの初期段階におけるデータの需要は高いが、データ分析シ ステムを自社で開発するには時間とコストがかかる。 プロダクトの調整とプロモーションに焦点を当てる必要がある。 データ収集、ETL、ストレージ、計算、可視化を統合する完全なデータライ フサイクルソリューションで、ベンチャー企業の効率的なデータ分析プラッ トフォームを迅速に構築できるよう支援する。 「アーチャー伝説」リリース後のデータ量の急増に伴い、初期の小規模 なデータ解析クラスターのプレッシャーは大きく、データサービスに影 響を与えることなく拡張する必要がある。 シームレスなオンデマンド拡張を提供し、実際のデータ規模に応じてダイナ ミックに拡張でき、拡張期間中、データ収集、保存、計算処理は基本的に影 響を受けない。 ゲームは国内外でも発売されており、より良いデータ分析のために、国 内データと海外データの橋渡しをする必要がある。 ネットワークレベルの客観的な理由と専用回線の高コストを考慮し、 ThinkingDataは、収集ノードを海外に配置し、国内のデータ分析クラスター に統一的に送信するソリューションを提供し、低遅延で海外のデータを 100%正確にバック送信することを保証する。
29.
「Thinking Analyticsは利便性の面で優れています。 システムの生成、レポート作成にとても便利なシステ ムで、クライアント様にとって非常に簡単に始められるので、学習コストはほぼゼロと言えます。」 LRGame|「Stella
Arcana」 シナリオ 1:海外版でリテンションを 25%アップ 海外版アプリで特定期日のリテンション曲線が国内版と大きく異なり、こ の日のユーザー行動をTAシステムで分析したところ、この日の特定セッシ ョンを行うときの平均戦闘力が低すぎるため、通過できずに離脱してしま うことが判明しました。 シナリオ2:アイテム消費量の解析によるバグの特定 アイテムの消費量について分析を行ったところ、DAU10万に対し、15万の アイテム消費が検出された。TAシステムの「イベント分析」によってアイ テムの入手方法を検証し、オンラインバグを見つけ出し、即座にし調整す ることができ、大規模な損失を防ぐことができました。 シナリオ3:運営活動のデータによる最適化 「星降る異国の秘宝」というキャンペーンで。ゲームが改良され新機能が追加 されたとき、キャンペーンはこれまでと同じようなプロモーションリソースを 取りながらも、その反響は予想を下回りました。この運用活動の収益と参加人 数をTAシステムで把握し、そのデータをもとにイベントを中断することを決定 しました。
30.
「TAシステムは、より簡単にリアルタイムで分析することに特化しています。データフィードバック の速度が非常に速く、データ構造と次元が細かく分かれているにも関わらず、大量ユーザー数に耐え ることができ、しかもデータダッシュボードが非常に便利です。」 QCPlay|「最強でんでん」 シナリオ1:ユーザー階層化 企画・研究開発チームは、製品発売前にテストを行い、まず2,000人と8,000人のサー バーを開いて比較し、効果がより良い方に少し偏って、そして4,000人と6,000人のサ ーバーを比較して、データに基づいて自社のゲームのプロユーザー階層を形成しまし た。 シナリオ2:課金ユーザー行動分析 TAシステムを用いて、さまざまなユーザー属性別の検証をより簡単に、リアルタイ ムで実施できます。例えば、ゲーム内のヘビーユーザーの問題点が何であるかを検証 することができます。データ構造とそれぞれの関連構造と分割はより細かく、ユーザ ー属性を識別することができます。ダッシュボードでも課金ユーザーの行動分析を行 うことができます。 シナリオ3:ユーザー行動分析 TAシステムは、8つの分析モデルを提供しています。さらに各分析モデルを相互に関連付けることにより、分析者により多くの分析角度と最適化のアイデアを提 供します。それらによってユーザーによる特定イベントの行動を分析することができます。Qingci Gamesは、TAシステムを用いて、ユーザーがゲームをする本 質的な目的を発見しました。それらは開発者によって設計されたものではなく、ユーザーにとってのゲームの楽しみは、彼ら自身から生み出すものです。
31.
「シンキングデータとの協力は効率を著しく向上させました。TAシステムを用いることで、私たちは 週単位でバージョンを更新させました。すべてのデータ要件はTA分析ツールで実現できています。こ れはチーム全体の仕事の効率が飛躍的に向上するの支えています。」 KOMOE|「Figure Fantasy」 シナリオ1:初心者ガイドとユーザー体験の改善 TAは線形プロセス全体の調整を小片に切り分け、優先度を分けて迅速に改善し 、同時に迅速な方向検証を行います。3ヶ月以上、2つの大きなバージョン、10 以上の小さなバージョン、完全な改善前のプロセスを経て、リスクを最小限に 抑え、仕事量を減らし、仕事の効率を高めました。 シナリオ2:スタジオ処理と有効なデータを選別 スタジオ現象はオンラインモニタリングに影響を与え、サーバーのストレスと コストをを増加させます。プレイヤーのハードウェア情報を統合し、ゲーム内 アカウントの行動(初期化、アカウント育成)などと組み合わせることで、グル ープと組み合わせが形成され、異なる疑わしいアカウントの程度を分けて、異 なる比較と選別に基づいて、実際のデータに対する理解が得られます。 シナリオ3:顧客からの問い合わせを参照 以前の問い合わせに対応するためのツールは、よく使うモジュールのデータを別テーブルにしてアップロードし、SDK内のソフトウェアの一部も合わせて、カスタ マーサービスが返信していました。 TAシステムは、以前のものよりも、はるかに効果があり、フィードバックも早く、より簡単に始められました。これでユーザー からの問い合わせに対するメンテナンスの手間が軽減されました。
32.
「ユーザーによって注力するポイントや行動経路が異なります。深いユーザー理解によって、本質的なニーズを深堀できます 。このプロセスでTAシステムは、リアルタイムでのユーザー行動分析を実現し、ユーザーへより良いコンテンツを提供するこ とができ、結果としてゲーム品質とユーザー体験の向上が実現しました。」 Papergames|「シャイニングニキ」 シナリオ1:サブアカウントや売買目的の偽アカウン トなどのデータ分析への干渉を回避 Thinking Analyticsの柔軟なユーザーコホート機能とタグ付け機能により、サブ アカウント売買目的の偽アカウントなどデータ分析への干渉する可能性のある ユーザータグに抽出し、主要なKPIと組み合わせることで、異常なユーザーが もたらすデータ干渉の可能性を回避することができます。 シナリオ2:新バージョンや新作ゲームの最新情報を更新 Thinking Analyticsは、データ収集から分析、可視化を秒単位ですぐ最新情報を更新 します。日次でH+1、さらにT+1でフィードバックすることで、新バージョンや新 作システムの実装後、すぐユーザーのフィードバックを獲得、分析可能です。遅延 なく新しいコンテンツの品質を評価し、高速PDCAを行えます。
33.
marketing@thinkingdata.io www.thinkingdata.jp Thank you!!
Download now