統合されたデータ基盤を活用して、入社4ヶ月でできたこと

Transcript

1. STORES Data Lounge / マルチプロダクトのためのデータ設計と活用 共有ID基盤を活用して、 入社4ヶ月でできたこと 高倉 桃子 / STORES株式会社 データアナリスト
2. 自己紹介 いま向き合っていること 高倉 桃子 データアナリスト @ STORES 新規獲得プロジェクトのデータ整備 獲得状況の可視化・整備・分析を担当 2026.04 STORES株式会社に入社。新規獲得のモニタリングや施策・ キャンペーン分析を担当 開発・施策の効果分析 前職 分析環境の整備 ビジネス向けSNSの企業のプロダクト部門で データアナリスト 得意 施策効果分析、分析体制の整備・仕組み化によるデータ活 用の推進。esportsなどゲームの分析も得意です。 etc...
3. 「事業に踏み込む分析を バリバリやるぞ」 入社前の私 前職では、テーブル設計も“どのデータをどの分析 に使うか”も社内で一番詳しかった。 STORESでも、事業に踏み込んで意思決定を動か す分析をやってやる、と意気込んでいた。 実際にデータを見たら … → プロダクトごとに、住所・粗利・オーナー情報・キャ ンペーン履歴…テーブルもデータ量も桁違い。 ……大丈夫か、私 !?泣
4. 救いは、共通の “事業者ID”だった 前職 STORES 決済・EC・レジ・予約 など複数プロダクト の横断分析が多い SNSという大きなプロダクトの中にある機能 を分析していく形が多い 単位はほぼ1つ（ユーザーID）。名寄せは不要で、 横断も同じ土俵。 → それぞれのプロダクトでDBや独自の単位 がある チームが変わっても、共通認識がぶれにく い チームや案件ごとに見る粒度や目標が 異なる “共通言語”を意識せずとも、分析が回っていた。 事業者/店舗/法人.... 住所・粗利・オーナー情報・キャンペーン履歴… がプロダクト別に分散。
5. 事業者 共通の事業者 ID ネットショップ系 店舗系 ネットショップ 店舗 共通のネットショップ ID 共通の店舗 ID 決済：独自 DBの別レイヤー 予約 EC 事業者 顧客 加盟店 決済独自の ID EC独自のID MO 法人 取引 事業者 顧客 取引
6. 共通化されたデータを元に踏み込む 01 新規獲得のモニタリング 02 キャンペーン分析 03 新規粗利が伸びた要因の分解 04 横断セグメントで施策ターゲティング 06
7. 01 新規獲得のモニタリング 組織もプロダクトもまたいで、新規獲得を共通認識を持って追える 課題（なぜやったか） 複数プロダクト・複数の営業組織にまたがる新規獲得 →売上の全体を、横断でかつ正確に追 える土台がなかった。 やったこと ・営業チームごとの獲得定義のヒアリングと整理。 ・各プロダクト・各営業組織の新規獲得を追うためのマートを dbtで整備。 →プロジェクトメンバー全員が同じ基準でデータを参照できる。
8. 苦労ポイント ・営業組織（チーム）ごとに「新規」「獲得」の定義（商談条件など）がバラバラ。 ・関係者も多く、情報の収集や決定に工数がかかる。 →各チームにヒアリング⇄プロジェクト内での周知を行い、認識を 1つに揃えてプロジェクト全 体の共通認識を揃えるのが骨折りだった。 結果（事業へのインパクト） ・プロジェクトメンバー全員が共通認識を持って数値をモニタリングできる。 ・獲得状況の変化に早く気づけるようになり、打ち手判断が速くなった。
9. 02 キャンペーン分析 流入から利用開始・売上まで、施策効果を一連でつないで評価できる 課題（なぜやったか） 施策効果を、CVまでのユーザー行動（どこで離脱し何が効いたか、費用対効果のバランス）ま で踏み込んで見たかった。 やったこと ・対象事業者の行動をファネル別に分析。 ・その後の利用開始・売上を事業者 IDで集計し、流入から成果まで一連でつないで評価した。
10. 苦労ポイント ・何を企画担当者は見たいのか、 GA4のアクションはデータとして計測できているかの事前準 備。 *エンジニア/データ/マーケ部門が整備したドメイン統合・横断計測の基盤を活かし、複数サービスから の流入と行動を横断で追えるになっていた。 *社内のAIエージェントの活用 結果（事業へのインパクト） 施策の売上インパクトや途中のボトルネックが具体的に見え、次の施策の改善点や予算 検討に活かせるようになった。
11. 03 新規粗利が伸びた要因の分解 「新規」の前提を揃えたうえで、伸びの主因と持続性を分解できる 課題（なぜやったか） 新規粗利が特定月に大きく伸びた。要因を分析し、以降の施策への示唆を得たかった。 やったこと 新規事業者に限定した増加を要因分解し、主因となるプロダクトやさらに細かい要因を特定し た。 *事業者の活用状況は事業者 IDをベースに抽出。
12. 苦労ポイント 「一時的な伸びか継続か」「流入か、流入後の事業者の性質か」「その事業者が初月に複数 プロダクトを活用しているのか」「伸びているのは全体か単一プロダクトか」等を組み合わせ て、粗利を分解し要因を切り出した。 *分解する要素や観点が前職と比べて多い。 結果（事業へのインパクト） 伸びの主因と持続性を要因ごとに説明でき、何により伸びなのか かを見極められた。 /単発か継続の伸びなの
13. 04 横断セグメントで施策ターゲティング 複数プロダクトの利用状況を掛け合わせ、狙ったセグメントを抽出できる 課題（なぜやったか） 営業・CS・マーケから、施策対象を絞る抽出依頼が継続的に発生（例：予約利用者へ他プロダ クトをクロスセル）。 やったこと 事業者をベースに、各プロダクトの利用・移行状況等の利用条件や売上規模を指定して抽出 した。
14. 苦労ポイント 訴求や施策ごとに粒度・条件がバラバラで、抽出条件の定義と品質担保（重複・取りこぼしの チェック）に苦労した。 結果（事業へのインパクト） クロスセル等のターゲティング精度を高めつつ、狙ったセグメントを簡単に抽出できるよう になった。
15. 共通ID基盤があってよかったこと 総括 共通ID基盤があったから、横断分析を “すぐ・正確に”回せた •全社共通の “事業者 ID”という単位が、組織・プロダクトをまたいだ分析の共通言語になった。 チームを跨いでも一つの共通指標があるため、認識合わせのコストが下がった。 •計測・データ基盤が整備されていたため、流入から成果までを一連でつないで評価できた。 施策の効果とボトルネックを同じ土俵で捉えられる。 •名寄せや同一事業者の判定などデータの処理に時間をかけず、分析に時間をかけることができる 立ち上げが速い。 / 課題 基盤があっても残る /これから向き合うところ •施策ごとに粒度や定義が異なり、細かい抽出条件の擦り合わせと品質担保にはまだ手間がかかる。 •全社的な売上 /粗利の関連数値や共通認識は揃ってきているが、セールス側の行動分析や開発効果 モニタリングや接続はまだ不完全。 15
16. 共通認識を持って、すばやく結果につなげる。 マルチプロダクトの横断分析は、バラバラの単位やプロダクトをどう同一の共通 認識を持って数値を分析、分解していくのが壁になる。 STORESでは事業者の事業者 ID基盤やユーザー行動のデータ基盤がすでに 整っていたため、その壁を越えて、入社してすぐに速く・正確に横断分析をする ことができた。 ご清聴ありがとうございました。