Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Introduction of Mercari BI team and Case Studies of Analytics for Service in US

Introduction of Mercari BI team and Case Studies of Analytics for Service in US

- Introduction of Mercari BI team ( as of 2017 Aug)
- Case Studies of Analytics for Service in US

Hikaru Kashida

August 02, 2018
Tweet

More Decks by Hikaru Kashida

Other Decks in Technology

Transcript

  1. Drink Meet up with BI Team in Mercari !
    2017.08.21 Drink meetup | Hikaru Kashida

    View Slide

  2. 2
    「Drink Meetup with Mercari」に
    参加いただきありがとうございます

    View Slide

  3. 3
    メルカリの分析チーム (=BIチーム)
    について知っていただくための催し

    View Slide

  4. 4
    構成要素:
    プレゼン + フリートーク + お酒 + ご飯

    View Slide

  5. 5
    まずはじめに At a Glance

    View Slide

  6. 6
    メルカリ?

    View Slide

  7. 7
    メルカリとは Our Company
    ● フリマアプリ「メルカリ」を運営
    ● 日本・アメリカ・イギリスでサービスを展開
    ○ 社員数:約500人
    ○ 拠点 : Tokyo / San Francisco / London / Portland...

    View Slide

  8. 8
    日々、メルカリ or (mercari)

    成長のために頑張ってる会社です

    View Slide

  9. 9
    We Are
    BI Team

    View Slide

  10. 10
    BI Teamとは Who we are
    ● Business Intelligence
    ● 平たく言うと「データ分析チーム」
    ● メルカリにおける “データ分析” と “サービス戦略” を担う

    View Slide

  11. 11

    View Slide

  12. 12
    BI Groupとは Who we are
    Business Intelligence
    データ
    BIチーム
    Machine Learning
    企画チーム
    MLチーム
    メルカリのカスタマー
    企画・UI など アルゴリズム

    View Slide

  13. 13
    BIチームがやること What we are responsible for

    View Slide

  14. 14
    何をしているのか

    View Slide

  15. 15
    BIチームがやっていること
    ● メイン
    ○ プロダクトの改善・成長戦略のための分析
    ○ 主に日本 と
    US のメルカリに関わる
    ○ たまにUK も

    View Slide

  16. 16
    BIチームのお仕事 What we are responsible for
    ➡プロダクトのマクロからミクロまで関わる
    Growth
    Strategy
    ¥ ~1,000,000,000
    Marketing
    Campaign /
    CRM
    - Repeat Rate
    - Buy/Sell Conversion
    - Cohort
    Daily Trend
    User LTV / RFM
    User Addiction Micro Behavior
    - Funnel
    - Tap Rate
    - Feature Usage
    - Search Words
    超ざっくりの数字感 ※あくまで桁感の話です
    # of action
    ¥ ~100,000,000 ¥ ~10,000
    %

    View Slide

  17. 17
    BIチームがやっていること
    ● メイン
    ○ プロダクトの改善・成長戦略のための分析
    ○ 主に日本 と
    US のメルカリに関わる
    ○ たまにUK も
    ● それ以外(色々ある)
    ○ PR
    ○ Customer Support
    ○ IR / Finance

    View Slide

  18. やることいっぱいある
    写真:PAKUTASO

    View Slide

  19. 19
    実際にどういう分析をしているの?

    View Slide

  20. 20
    ちょっとした実例を Case Studies in Mercari US

    View Slide

  21. 21
    BI のおしごと
    “4 Steps”

    View Slide

  22. 22
    Step1.
    目標を見極める
    Step2.
    改善の方針を示す
    Step3.
    改善施策の立案支援
    Step4.
    指標の変化をトラック
    経営レイヤーと
    企画メンバーと
    みんなで

    View Slide

  23. 23
    これはある会社の
    US事業のおはなし

    View Slide

  24. 24
    BI のおしごと
    Step1:目標を見極める

    View Slide

  25. 25
    時間の都合と大人の事情で
    詳しく話せません

    View Slide

  26. 26
    少しだけお話すると....
    経営指標を変更
    規模 ⇢ 質

    View Slide

  27. 27
    もう少しだけお話すると....
    経営指標を変更
    質 = リピート率

    View Slide

  28. 28
    さらにもう少しだけお話すると....
    経営指標を変更
    BIチーム x 経営陣で缶詰合宿

    View Slide

  29. BI × 経営メンバーで缶詰合宿をしたよ
    取締役



    プロダクト担当
    執行役員 (のPC)

    View Slide

  30. 30
    BI のおしごと
    Step2:改善方針を示す
    ※ここからはちゃんと少し詳しめに

    View Slide

  31. Step2.
    そのための施策の
    大方針を作る
    31
    Step1.目標
    「リピート率を上げる」

    View Slide

  32. Step2. 改善方針を示す
    方針①. リピート率には検索が大事
    32
    弱い 強い
    ● 継続率に強い影響を与える
    ユーザ行動は検索
    = ちゃんと商品をさがしてくれるか
    ● メルカリUSでは検索行動が十
    分に強くなっていない
    BI分析

    View Slide

  33. Step3.
    改善の施策づくりを
    分析で支援する
    33
    Step2.改善方針
    「検索をなんとかする」

    View Slide

  34. 34
    Step3. 具体的な改善プランを支援する
    検索行動を促すようなUIに変更する
    方針に基づき
    検索を目立たせる
    After
    Before (日本と同じ)
    スワイプで
    カテゴリ切り替え

    USでは利用率低
    なので廃止する
    検索導線を重視
    BI分

    View Slide

  35. Step3.
    改善の施策づくりを
    分析で支
    検索利
    用率 up⬆1.2x
    援する
    35
    BI のおしごと
    Step4:指標を測定 検索利用up⬆1.2x
    グローバルメニューより上部の
    検索バーの方が動線としては強い

    View Slide

  36. 36
    ● リピートしないユーザは、
    ほとんどが初起動から30分以
    内にAppからいなくなる
    ● かなり浅いユーザ体験に
    基づいて判断をしている
    BI分析
    Step2. 改善方針を示す
    方針2. 浅いユーザ体験をより重点的に改善
    ※リピートしなかったユーザの最終アクセスタイミングの分析

    View Slide

  37. Step3.
    改善の施策づくりを
    分析で支援する
    37
    Step2.改善方針
    「深い体験より
    浅い箇所のUX に注力」
    登録 ザッピング 検索
    商品閲覧 検討
    直近の重点
    購入 受取り
    ヘビー利用

    View Slide

  38. Step3. 改善施策を支援する
    浅めのUX中心に
    >30のA/Bテストを設計・分析
    チュートリアル変更 一覧画面で長方形対応 検索時にカテゴリ補完 商品画面UI変更 ・・・・

    View Slide

  39. Step3.
    改善の施策づくりを
    分析で支援する
    39
    Step4.指標測定
    A/BテストのPDCAを
    超高速でまわす必要
    ● 膨大な数のA/Bテスト
    ● Pとの簡単な共有体制が必須
    ● 何が効いて何が効かなかったか
    一覧性が欲しい

    View Slide

  40. A/BテストのKPIの標準化と
    分析の半自動化でSpeed-up
    BigQuery
    Google Sheet
    データの
    自動連携/更新
    Data Scientist Producer
    ● Producerとは共有Google
    Sheetでコミュニケーション
    ● PlannerがA/Bテストを登録す
    れば結果は自動更新
    ● 都度、結果をsheetを見て
    ディスカッション
    Google App Script

    View Slide

  41. Step3.
    改善の施策づくりを
    分析で支援する
    41
    ほかにも色々...
    分析⇢施策⇢分析
    のプロセスで
    沢山の知見を発見
    いくつかの施策方針

    View Slide

  42. 42
    こんな感じで
    色んな手を打ちつつ

    View Slide

  43. Step3.
    改善の施策づくりを
    分析で支援する
    43
    Step4.指標測定
    KPIダッシュボードを
    毎日みんなで観察
    ● 全プランナーが日々注視
    ● 気になる動きがあればすぐに
    分析で深掘り

    View Slide

  44. 44
    絶え間ない機能のA/Bテストの嵐
    up

    View Slide

  45. YES!

    View Slide

  46. 46
    つまり何が
    言いたいかというと

    View Slide

  47. 色んな場面で
    分析を活かしている!
    写真:PAKUTASO

    View Slide

  48. 48
    どんなチームなのか Talents in BI

    View Slide

  49. London
    Tokyo
    San Francisco
    2 5 2

    View Slide

  50. 50
    東京オフィスのメンバー (5人)
    日本のメルカリ / USのメルカリに主に関わる
    Sho Nonaka
    : Growth
    : User Behaviors
    Hikaru Kashida
    : Growth Strategies
    : KPI designs
    Shin Matsuda
    : User Acquisition Strategy
    : Marketing
    Kotaro Tanaka
    : Campaign Planning
    : Trend Analysis
    Manabu Hasebe
    (本日夏休み)

    View Slide

  51. 51
    このあと是非
    お話しましょう

    View Slide

  52. 52
    あと、多分皆さんが興味ありそうなこと

    View Slide

  53. 53
    どんなツールを使って分析しているの?

    View Slide

  54. 54

    会社の技術ブログに書いたんで
    読んで下さい

    このあとのフリートークで
    中の人たちに聞いてください

    View Slide

  55. よければ読んで下さい

    View Slide

  56. 56
    メルカリの面白さ What gives uniqueness to BI in Mercari

    View Slide

  57. 57
    ぶっちゃけ...
    データサイエンティストを
    楽しく働かせる
    ってめっちゃ難しいと思う

    View Slide

  58. 58
    勝手気儘
    データサイエンティストといえば

    View Slide

  59. 59
    飽きっぽい
    データサイエンティストといえば

    View Slide

  60. 60
    好奇心重視
    データサイエンティストといえば

    View Slide

  61. 61
    理屈っぽい
    データサイエンティストといえば

    View Slide

  62. 62
    ぶっちゃけ...
    データサイエンティストを
    楽しく働かせる
    ってめっちゃ難しいと思う

    View Slide

  63. Hasebe
    Tommy (USメルカリ責任者 )
    Iyocchi (JPメルカリ責任者 )
    Mattsun
    しかし、メルカリは...?
    2016年秋 BIチーム×経営陣合宿より
    Me

    View Slide

  64. 楽しそう!
    {"JoyLikelihood" : "very_likely"}

    View Slide

  65. ?
    そんな 我儘人種 データサイエンティスト たちが
    何故メルカリでは楽しく働けるのか? (2017年 弊社調査より)

    View Slide

  66. 66
    1. “結構” データドリブンなカルチャー
    ● データに理解が有る組織
    ○ プロデューサとか、凄い数字に頼ってくれる
    ○ 経営陣も数字が大好き
    ● A/BテストでMove Fast
    ○ 企画はやるかどうかで揉めるよりも A/Bテストで白黒つける
    ○ A/Bテストからの学びを次の企画に活かす

    View Slide

  67. 67
    2. データが面白い
    ● User数多い
    ● Buy side & Sell side
    ○ サプライサイド・デマンドサイド両方のデータがあるのは貴重
    ● 行動ログを残すように実装するカルチャー

    View Slide

  68. 68
    3. 良好な働く環境
    ● 自由 & 柔軟
    ○ コアタイム12時-17時 / MTG少ない
    ○ Slackにいれば場所問わない / BIチームはみんなあまり自席にいない ...
    ● 優秀な人が多い
    ○ コミュニケーションコストが低く、ストレスフリー
    ○ 優秀な人ばかりと働けるのが最大の福利厚生かも

    View Slide

  69. 69
    Mattsun in San
    Francisco
    この時まだ入社1週目...
    4. 海外チャンスもあるよ

    View Slide

  70. 70
    つまり何が
    言いたいかというと

    View Slide

  71. メルカリのBIで働くのは
    凄く楽しい!
    写真:PAKUTASO

    View Slide

  72. 写真:PAKUTASO
    楽し過ぎてタスクで
    溺れそう....

    View Slide

  73. 73
    We’re 超 Hiring!
    メルカリ取締役 Yuki Hamada
    (Productチームグローバル担当)
    とりあえずあと
    20-30人くらいBIで
    採用しちゃって
    ※実話です

    View Slide

  74. 74
    Thank You!

    View Slide

  75. 75
    フリートークで
    色々お話しましょう

    View Slide