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

生存分析モデルを利用したLineのブロック要因分析

 生存分析モデルを利用したLineのブロック要因分析

2022/05/13(金)に開催したExploratory データサイエンス勉強会#23のCREFIL株式会社様のご登壇資料です。

26a31e16aab1fc9c4522dfa3a2c8ce6c?s=128

Ikuya Murasato

May 13, 2022
Tweet

More Decks by Ikuya Murasato

Other Decks in Business

Transcript

  1. ©2022 CREFIL Inc. All rights reserved. 1 ⽣存曲線モデルを利⽤したLINEのブロック要因分析 2022/05 Confidential

  2. ©2022 CREFIL Inc. All rights reserved. 2 はじめに この時間で伝えたいこと •

    統計学初⼼者がデータサイエンス・ブートキャンプ参加後どんなアクションが⾏えるか • 実際にLINEユーザの⽣存分析を⾏ったプロセス どんな⽅に役⽴つ? • これから顧客接点を維持する為の分析や改善を⾏っていきたい⽅ • ⻑期的なロイヤリティ獲得のためにアクションを⾏いたい⽅
  3. ©2022 CREFIL Inc. All rights reserved. 3 Agenda 1. ⾃⼰紹介と会社紹介

    2. なぜExploratoryを利⽤したのか? 3. 分析の背景と⽬的 4. 分析内容 5. 分析結果 6. まとめ
  4. ©2022 CREFIL Inc. All rights reserved. 4 ⾃⼰紹介 Senior consultant

    鈴⽊ 絢⼦ すずき あやこ 【経歴】 ・2019/04 美容業界向けのITベンチャー企業にて⾃社プロダクトのマーケティング担当 ・2021/05 CREFILへConsultantとして⼊社 ・2022/02 データサイエンス・ブートキャンプへ参加 【実績】 ・グローバルジュエリーブランド カスタマーサポート部⾨におけるService CloudへLINE Chat導⼊ ・グローバルジュエリーブランド Personalized marketing チャネルにおけるLINE配信ツールのリプレイス ・国際物流会社 輸出⼊の⾒積/依頼業務領域における顧客および社内向けポータル構築
  5. About us 社名/CREFIL Inc. (クレフィル) 本社所在地/東京都中央区⽇本橋富沢町6-4 設⽴/2019年1⽉7⽇ 資本⾦/1,000,000円 従業員数/21名(2022年5⽉1⽇現在) 事業内容/デジタルソリューションサービス

    ITコンサルティングサービス エンジニアリングサービス 代表取締役 CEO/丹治 雄弥 取締役 COO/⼤越 勇輝
  6. ©2022 CREFIL Inc. All rights reserved. 6 Our strength ‒

    comprehensive set service ‒ DWH ‒ GCP ライト層 ヘビー層 ビジネス/システムの戦略を描く A Heroku GCP Google SMC Ad MA CRM - Salesforce ¥ ¥ xxx yyy zzz アプリケーション構築 B 分析 G ⾼度化/⾃動化 H ABM/SFA E C サポート データ統合 D コミュニケーション最適化 F
  7. ©2022 CREFIL Inc. All rights reserved. 7 ü 統計学を⽤いた分析がコーディングなしで簡単に⾏えるところ ü

    膨⼤なデータ量でも処理速度が速いところ なぜExploratoryを利⽤したのか? • より⾼度なマーケティング⾃動化の提供 • より⾼度でスピーディーなレポート提供 Exploratoryの決め⼿となったポイント 達成したかった事 Exploratory使いやすすぎる…!(代表・丹治) 2⽉ブートキャンプ参加へ ¥ ¥ xxx yyy zzz 配信⾃動化 分析
  8. ©2022 CREFIL Inc. All rights reserved. 8 etc. 分析の背景と⽬的 SMC導⼊

    オンプレサーバー連携 LINE配信ツールリプレイス Salesforce × SMC連携 弊社での実績 今回分析を⾏うのは、 これまで幅広くお⼿伝いさせて頂いている グローバルジュエリーブランド様です。
  9. ©2022 CREFIL Inc. All rights reserved. 9 分析の背景と⽬的 ü 友だちと1to1でメッセージを⾏える「LINE」当該企業の公式アカウントは友だち100万⼈以上

    ü 数年間⾏っているEmailよりも、初めて2年程度のLINEの⽅がECサイト売上が⾼い ü グローバルの上層部へのレポート提出も求められる重要な顧客接点へと成⻑ ポイント LINE配信ツール 導⼊ 100万⼈達成 とりあえず やってみる LINE配信ツール リプレイス 300万⼈達成 現在に⾄るまでのLINE公式アカウント運営状況
  10. ©2022 CREFIL Inc. All rights reserved. 10 分析の背景と⽬的 きっかけ •

    ⼀時期アクティブユーザ数が⼤幅激減、⽉間約10万⼈が離脱 • 但し、Email経由よりも初めて2年のLINE経由の⽅がEC売上が⾼い Ø LINEのアクティブユーザを維持する事が売上に繋がるかも…? LINE配信ツール 導⼊ 100万⼈達成 とりあえず やってみる LINE配信ツール リプレイス 300万⼈達成 アクティブ ユーザ数が激減 その後も ⽉10万⼈が離脱
  11. ©2022 CREFIL Inc. All rights reserved. 11 改善するための課題 • LINE

    API単体だと取得可能情報が少なく、顧客属性は別取得 • 顧客属性を考慮した分析は重要視されていなかった • 現状、配信数やタップ数を元にした分析を⾏っている Ø 配信に対する結果分析のみでは、 ユーザの維持に関しての考察や効果測定ができない 分析の背景と⽬的 10⽉ 11⽉ 12⽉ 1⽉ 2⽉ 3⽉ 4⽉ CTR推移 全体で下がっているが、何かの特徴ある グループだけが減少しているかもしれない…?
  12. ©2022 CREFIL Inc. All rights reserved. 12 分析の背景と⽬的 ⽣存分析を⾏い、 顧客属性も意識した

    PDCAを回せるようにしよう!
  13. ©2022 CREFIL Inc. All rights reserved. 13 ⽣存時間分析とは… 時間経過とイベントに対して 「変数の影響があるのか」フォーカスして調べられる分析⽅法です。

    例えば… 今⼈気のサブスクリプションサービスで、 利⽤開始からの期間(時間経過)と退会(イベント)に対して 年齢(変数)の影響があるかを調べられる
  14. ©2022 CREFIL Inc. All rights reserved. 14 ③購⼊履歴データから集計 ②LINE配信履歴データから集計 ①LINE基本情報

    分析で使⽤するデータ 今回はこのような3点のデータを使⽤して分析を⾏っていきます。 ※UID…LINEにおけるユーザIDのようなもの UID 友だち追加⽇ ブロック⽇ ブロック アンケート 性別 … U0c56c2… 2021-08-01 FALSE TRUE 1 … U0862b1… 2021-02-28 FALSE FALSE … U01637a… 2020-10-26 2020-11-01 TRUE TRUE 2 … UID PR配信 誕⽣⽇配信 購⼊後配信 … U0c56c2… TRUE TRUE TRUE … U0862b1… TRUE TRUE TRUE … U01637a… TRUE FALSE FALSE … UID 購⼊回数 合計購⼊⾦額 最初の購⼊⽇ 最後の購⼊⽇ 購買期間 … U0c56c2… 2 471,000 2019-04-01 2021-10-21 934 … U0862b1… 3 500,000 2019-07-03 2020-11-21 507 … U01637a… 1 34,000 2017-02-20 2019-12-02 1,015 … LINE APIからの情報(追加⽇時等)と、顧客情報やアンケート結 果などが1⾏1ユーザでまとまっているデータ。 LINE配信履歴からLINE UIDベースで集計した、ど の配信が⾏われたかをロジカル型で判断するデータ。 購⼊履歴からLINE UIDベースで集計した、RFM分析の基本データ。
  15. ©2022 CREFIL Inc. All rights reserved. 15 ③購⼊履歴データから集計 ②LINE配信履歴データから集計 ①LINE基本情報

    分析で使⽤するデータ UID 友だち追加⽇ ブロック⽇ ブロック アンケート 性別 … U0c56c2… 2021-08-01 FALSE TRUE 1 … U0862b1… 2021-02-28 FALSE FALSE … U01637a… 2020-10-26 2020-11-01 TRUE TRUE 2 … UID PR配信 誕⽣⽇配信 購⼊後配信 … U0c56c2… TRUE TRUE TRUE … U0862b1… TRUE TRUE TRUE … U01637a… TRUE FALSE FALSE … UID 購⼊回数 合計購⼊⾦額 最初の購⼊⽇ 最後の購⼊⽇ 購買期間 … U0c56c2… 2 471,000 2019-04-01 2021-10-21 934 … U0862b1… 3 500,000 2019-07-03 2020-11-21 507 … U01637a… 1 34,000 2017-02-20 2019-12-02 1,015 … PR配信 … TRUE … TRUE … TRUE … 購⼊回数 … 2 … 3 … 1 … 今回はこのような3点のデータを使⽤して分析を⾏っていきます。 ※UID…LINEにおけるユーザIDのようなもの
  16. ©2022 CREFIL Inc. All rights reserved. 16 どういった属性が⽣存に対して 影響があるのか? ⽣存に影響ある属性を調べる

    ? 分析結果 詳細分析 多変量分析
  17. ©2022 CREFIL Inc. All rights reserved. 17 ①LINE基本情報 UID 友だち追加⽇

    ブロック⽇ ブロック アンケート 性別 … U0c56c2… 2021-08-01 FALSE TRUE 1 … U0862b1… 2021-02-28 FALSE FALSE … U01637a… 2020-10-26 2020-11-01 TRUE TRUE 2 … LINE情報(追加⽇時等)と、顧客情報やアンケート結果など が1⾏1ユーザでまとまっているデータです。 ⽣存に影響ある属性を調べる より属性データの多い、 アンケート回答者の中から情報を得よう! 分析結果 詳細分析 多変量分析
  18. ©2022 CREFIL Inc. All rights reserved. 18 アンケート回答とは? 新規で友だち追加を⾏ったユーザに対し、⽣年⽉⽇や好きな商品のカテゴリを選んでもらう簡単なアンケートを⾏っていま す。LINEのユーザIDに紐づいた回答の有無が「アンケート回答」項⽬になります。

    友だち追加 分析結果 詳細分析 多変量分析 友だち登録 ありがとうございます! アンケート回答で… ⽣年⽉⽇は? 好きな商品のカテゴリは?
  19. ©2022 CREFIL Inc. All rights reserved. 19 コックス回帰 ⽣存に影響ある属性を調べる n

    属性データの多いアンケート回答者のみでフィルタした後に、複数の予測変数を扱える多変量分析にかけます。 n ⽣存曲線の多変量分析ができる「コックス回帰」と「サバイバルフォレスト」で変数重要度を確認していくと… サバイバルフォレスト 分析結果 詳細分析 多変量分析
  20. ©2022 CREFIL Inc. All rights reserved. 20 ⽣存に影響ある属性を調べる n 特に⾼くなっているのは「セグメント」や「Age」。他には「記念⽇の配信有無」が上位に⼊っている事がわかりました。

    コックス回帰 サバイバルフォレスト 1.セグメント 2.Age 3.記念⽇系の配信 分析結果 詳細分析 多変量分析
  21. ©2022 CREFIL Inc. All rights reserved. 21 影響度の⾼い変数について更に調査しよう! 影響度の⾼い変数を詳細分析 分析結果

    詳細分析 多変量分析
  22. ©2022 CREFIL Inc. All rights reserved. 22 影響度の⾼い変数を詳細分析 まず、1番変数重要度の⾼かった「セグメント」変数についてご説明します。 分析結果

    詳細分析 多変量分析 ⾼価格帯・⾼額ジュエリーに興味のあるユーザ。⾃分⽤購⼊。 A 中価格帯・⼈気/定番に興味のあるユーザ。 B 低価格帯・定番に興味のあるユーザ。ギフト購⼊。 C 興味のある商品カテゴリが未登録のユーザ。 D 「セグメント」とは? 1.セグメント 興味関⼼のある商品カテゴリや購⼊履歴から定義された以下のセグメントです。 (※今回の分析とは別で⾏われています)
  23. ©2022 CREFIL Inc. All rights reserved. 23 影響度の⾼い変数を詳細分析 「セグメント」項⽬で⾊分割をして⽣存曲線を作成すると(コホート分析) …

    ෼ੳ݁Ռ ৄࡉ෼ੳ ଟมྔ෼ੳ
  24. ©2022 CREFIL Inc. All rights reserved. 24 影響度の⾼い変数を詳細分析 「セグメント」項⽬で⾊分割をして⽣存曲線を作成すると(コホート分析) …

    ෼ੳ݁Ռ ৄࡉ෼ੳ ଟมྔ෼ੳ ⾼価格帯・⾼額ジュエリーに興味のあるユーザ。⾃分⽤購⼊。 A 中価格帯・⼈気/定番に興味のあるユーザ。 B 低価格帯・定番に興味のあるユーザ。ギフト購⼊。 C 興味のある商品カテゴリが未登録のユーザ。 D ü 分析結果 :興味関⼼の低いDグループのユーザは、他グループと⽐較して特に⽣存率が低いことが判明した。 ü 結果考察 :単価の⾼い商品の配信が多いので、興味関⼼の低いユーザには逆効果になってしまっていた可能性がある。 ポイント
  25. ©2022 CREFIL Inc. All rights reserved. 25 影響度の⾼い変数を詳細分析 ブロック率の⾼いセグメントDは 配信を⾏わない⽅が良い?

    分析結果 詳細分析 多変量分析
  26. ©2022 CREFIL Inc. All rights reserved. 26 影響度の⾼い変数を詳細分析 セグメントDのユーザはどの程度購⼊をしていて売上に貢献できているのかを確認。 分析結果

    詳細分析 多変量分析 A B C D ü 分析結果 :Dグループでの購⼊割合は他と⽐べ低い事になるが、想定していた「ほぼ購⼊者がいない」という状況ではなかった。 ü 結果考察 :配信を⾏わない事によるリスクの⽅が⼤きいと判断。 ü Next Action: Dグループのユーザには、まず興味を持ってもらえるような配信に切り分ける。 ポイント
  27. ©2022 CREFIL Inc. All rights reserved. 27 影響度の⾼い変数を詳細分析 「セグメント」の次に需要度の⾼かった「Age」変数についてご説明致します。 分析結果

    詳細分析 多変量分析 アンケートにて取得した⽣年⽉⽇情報から年齢を算出している項⽬です。 (※Exploratory コミュニティ参照) 「Age」とは? 2.Age
  28. ©2022 CREFIL Inc. All rights reserved. 28 影響度の⾼い変数を詳細分析 「Age」項⽬で⾊分割をして⽣存曲線を作成すると… 分析結果

    詳細分析 多変量分析 ü 分析結果 :他の年齢層に⽐べて10〜20代の⽣存率が低いことが判明。 ü 結果考察 :若年層には興味のないコンテンツが配信されている可能性が⾼い。 ü Next Action:若年層への配信コンテンツ内容を変更し効果測定を⾏う事を検討する。 ポイント
  29. ©2022 CREFIL Inc. All rights reserved. 29 影響度の⾼い変数を詳細分析 最後に「記念⽇系の配信」変数について確認していきます。 分析結果

    詳細分析 多変量分析 配信履歴から記念⽇系のコンテンツ配信を⾏ったことがあるか 「ロジカル型」に変換したデータです。 「記念⽇系の配信」とは? 3.記念⽇系の配信
  30. ©2022 CREFIL Inc. All rights reserved. 30 配信なし 配信あり 影響度の⾼い変数を詳細分析

    ⽣存曲線を作成すると… 分析結果 詳細分析 多変量分析 ü 分析結果 :記念⽇などの配信結果のあるユーザは⽣存率が⾼い。 ü 結果考察 :記念⽇系の項⽬を優先的に取得し、このメッセージが送れる状態を作れば成果が得られる可能性がある。 ü Next Action:店舗登録時にLINE連携、LINE⼀問⼀答実装などで積極的に取得するのを検討する。 ポイント
  31. ©2022 CREFIL Inc. All rights reserved. 31 分析結果 n 今回の分析をまとめると、以下のようなNext

    Actionとなりました。 Next Action 分析結果&考察 同様に若年層への配信コンテンツ内容を変更し、効果測 定を⾏うことを検討する。 • 他の年齢層と⽐べて10〜20代の⽣存率が低い。 Ø 若年層には興味のないコンテンツが配信されている可能性が⾼い。 記念⽇の取得を積極的に⾏える⽅法を検討 例)店舗登録時にLINE連携/LINE⼀問⼀答実装 • お祝い事に反応したメッセージを送れているユーザの⽣存率が⾼い Ø 記念⽇系の項⽬を優先的に取得し、このメッセージが送れる状態をつ くる Dグループのユーザには、まず興味を持ってもらえるよ うな配信に切り替えることを検討する。 • 「セグメント」で興味関⼼の低いDグループは⽣存率が低い。 Ø 単価の⾼い商品の配信が多く、マッチしていない可能性が⾼い。 分析結果 詳細分析 多変量分析
  32. ©2022 CREFIL Inc. All rights reserved. 32 配信結果に対する分析のみで 「何が⽣存に影響するか」わからない状態 課題に対する要因が不明確

    多様な属性を考慮した分析で 「何が⽣存に影響するか」わかる状態 課題に対する明確なアクションをご提案 Before After Exploratoryを利⽤してみて… これからはより数字の根拠をもって PDCA ができるように!
  33. ©2022 CREFIL Inc. All rights reserved. 33 Exploratoryを利⽤してみて… 今回は⽣存分析の事例を発表させて頂きましたが、 弊社ではその他の企業様とこんなプロジェクトにも取り組んでいるところです!

    マーケティング 経営 顧客セグメントの定義、 及び柔軟性の⾼いレコメンドエンジン Exploratory併⽤で⼤量データもノーコードでセグメント定義。 より柔軟なロジックを変えたPDCA改善を実現可能。 経営戦略の判断材料に最適な 「実務に対する傾向予測」 Salesforce構築→取得したデータを活⽤し傾向分析。 Salesforce上のデータから 成績のよい営業の⾏動パターン抽出 販売店で10円安くすると 売上や収益にどのような影響があるのか?
  34. ©2022 CREFIL Inc. All rights reserved. 34 まとめ メール 顧客との継続した接点として圧倒的な効果を発揮している「LINE」

    次に⾏いたいのは「何の施策から友だちになったユーザか」 根拠のある分析でPDCA改善を⾏っていけるのがマーケティング戦略成功への近道 分析観点を考慮した上で、柔軟に改善が⾏える設計を提供する QR 広告 動画
  35. ©2022 CREFIL Inc. All rights reserved. 35 Thank you for

    your attention! noteを始めました! よかったら⾒てみて下さい! New!