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。
©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2022/05Confidential
View Slide
©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
©2022 CREFIL Inc. All rights reserved. 3Agenda1. 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
©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
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
©2022 CREFIL Inc. All rights reserved. 6Our 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AHerokuGCPGoogle SMCAd MACRM - Salesforce¥¥xxx yyy zzzアプリケーション構築B分析G⾼度化/⾃動化HABM/SFAECサポートデータ統合Dコミュニケーション最適化F
©2022 CREFIL Inc. All rights reserved. 7ü 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
©2022 CREFIL Inc. All rights reserved. 8etc.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。
©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
©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
©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…?
©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!
©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
©2022 CREFIL Inc. All rights reserved. 14③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。
©2022 CREFIL Inc. All rights reserved. 15③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
©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
©2022 CREFIL Inc. All rights reserved. 17①LINE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
©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?
©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
©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.Age3.記念⽇系の配信分析結果詳細分析多変量分析
©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
©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)
©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) …ੳ݁Ռৄࡉੳଟมྔੳ
©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) …ੳ݁Ռৄࡉੳଟมྔੳ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。Dü 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
©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
©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ABCDü 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
©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
©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
©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
©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
©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
©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 AfterExploratory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!
©2022 CREFIL Inc. All rights reserved. 33Exploratory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?
©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
©2022 CREFIL Inc. All rights reserved. 35Thank you for your attention!noteを始めました!よかったら⾒てみて下さい!New!