Slide 1

Slide 1 text

ユーザーさんを理解するための VIEW作り  2018.05.09 本日のLT

Slide 2

Slide 2 text

平野 雅也 ひらの まさや Retty株式会社 (14年新卒入社) 職歴:バックエンドエンジニア>プラン ナー>アナリスト(新卒採用) 担当PJ:SEO>CV最適化>人気店ロ ジック作り>データ分析チームMGR(今 年4月から) 担当食:ステーキ 好きなBI:スプレッドシート About me ※インターンからだと 13年9月にJOIN

Slide 3

Slide 3 text

本題の前に

Slide 4

Slide 4 text

ちょっとだけ 会社& Rettyデータ分析チームの紹介

Slide 5

Slide 5 text

日本最大級の実名グルメサービス「Retty」 を運営している会社 https://retty.me/announce/philosophy/

Slide 6

Slide 6 text

スマホ時代の実名グルメサービス「Retty」 月間利用者数3,000万人突破

Slide 7

Slide 7 text

Rettyデータ分析チームの紹介 - ミッション 意思決定の 質とスピードを 向上 仕組み作り ・事業における意思決定の質とスピード をデータ分析を用いて最大化 ・組織全体がデータを使ってコミュニケー ションする環境作り ・分析のための仕組み/基盤作り

Slide 8

Slide 8 text

データ分析チーム ・体制:人数5名、アナリスト×4、データエンジニア×1 ・主な業務内容: KPI設計/課題発見のための分析 /効果検証 DWHの運用開発/ログ基盤開発運用/ダッシュボード作り Rettyデータ分析チームの紹介 - 組織の位置付け PJ① PJ② PJ③ その他PJ プロダクト部門 営業 部門 広報 経営企 画 etc 分析 基盤 派遣型:アナリストが PJに派遣され、分析を主軸にチームの目標達成に貢献する 依頼型:アナリストが派遣されていない PJからの分析案件を依頼ベースで対応する

Slide 9

Slide 9 text

それでは本題

Slide 10

Slide 10 text

本日のテーマ サービスのグロースにおいてかかせないユーザー理解 Rettyではユーザーさんの理解のために以下を行っている 1. ユーザー行動データを見まくる 2. 仮説を元にセグメントを切って集計 3. ユーザーインタビュー

Slide 11

Slide 11 text

本日のテーマ サービスのグロースにおいてかかせないユーザー理解 Rettyではユーザーさんの理解のために以下を行っている 1. ユーザー行動データを見まくるためのVIEW作り 2. 仮説を元にセグメントを切って集計 3. ユーザーインタビュー のお話です

Slide 12

Slide 12 text

Why? ユーザー行動データを見ることが大事 見て出てきた仮説をセグメントを切って集計しよう とかはよく聞く

Slide 13

Slide 13 text

Why? 実際にどんなユーザー行動データを どのように作っているかは あまり聞かない

Slide 14

Slide 14 text

Why? 他社の事例も知りたい! まずは自分から!

Slide 15

Slide 15 text

どんなユーザー行動データ?

Slide 16

Slide 16 text

どんなユーザー行動データ? アプリ:ヘビーユーザーのユーザー行動データ どんな検索ワードで 検索したか どんなお店を見てい るか 登録日 ユーザーさんの動き home(=タイムライン)を見る⇒検索バーをクリック⇒検索条件指定画面で検索ワードを 指定⇒検索結果を見る

Slide 17

Slide 17 text

どんなユーザー行動データ? アプリ:ヘビーユーザーのユーザー行動データ タイムラインを良く見る

Slide 18

Slide 18 text

どんなユーザー行動データ? アプリ:ライトユーザーのユーザー行動データ 検索が多い

Slide 19

Slide 19 text

どんなユーザー行動データ? アプリ:初訪問ユーザーさんがCVする直前のユーザー行動データ 写真をよく見ている ユーザーさんの動き 口コミを見る⇒店舗TOPに表示されている画像を見る⇒TELする(=CV) 「写真の閲覧はCVに影響がある?」みたいな仮説出しを行って いる

Slide 20

Slide 20 text

どんなユーザー行動データ? 他にも以下のようなカラムも出してたりします ● ユーザーさんの投稿数、訪問数 ● お店の料理ジャンル ● お店の写真数 ● 人気店かどうか ● など、目的に応じて使い分けています

Slide 21

Slide 21 text

どのように作っているのか?

Slide 22

Slide 22 text

どのように作っているのか? ● BigQueryでVIEW化しています ○ ユーザー行動データを見るための有料ツール等もある が、複雑な条件でみたいとなると生ログを使いたい ○ プランナーでも見れるようにしたいのでPython等のスク リプト言語は使わず、BigQueryで完結させる ○ 後から柔軟にカラム変更・追加をしたいのでテーブル化 ではなくVIEWにする

Slide 23

Slide 23 text

作ってよかったVIEWを 一部紹介 ※ユーザー行動データ用の VIEWとは関係ないVIEWもあるが 気にしないでください

Slide 24

Slide 24 text

JOINするだけでダッシュボードが 作れるVIEW day uu 5/1 xxxx 5/2 xxxx 5/3 xxxx day report_count 5/1 xxxx 5/2 xxxx 5/3 xxxx view③ view② day regist_uu 5/1 xxxx 5/2 xxxx 5/3 xxxx view① day regist_uu report_count 5/1 xxxx xxxx 5/2 xxxx xxxx 5/3 xxxx xxxx day regist_uu uu 5/1 xxxx xxxx 5/2 xxxx xxxx 5/3 xxxx xxxx チームA用ダッシュボード チームB用ダッシュボード JOINの組み合わせを変更するだけで目的別ダッシュボードが簡単に作れる

Slide 25

Slide 25 text

集計軸となりそうな変数が揃っている カラムだらけのVIEW Column Name 用途 datetime pageviewした日時 page_url pageviewしたページのurl page_type pageviewしたページのurlタイプ (例:お店詳細、お店一覧、 TOP) next_page_type pageviewしたページの次ページ urlタイプ (例:お店詳細、お店一覧、 TOP) prev_page_type pageviewしたページのの前ページ urlタイプ (例:お店詳細、お店一覧、 TOP) area_axis_name pageviewしたページがお店一覧ページの場合のエリア軸の名前 (例:渋谷×居酒屋の一覧ページだった場合は「渋谷」) category_axis_name pageviewしたページがお店一覧ページの場合のエリア軸の名前 (例:渋谷×居酒屋の一覧ページだった場合は「居酒屋」) Retty webサイト用のpageviewテーブルを拡張したVIEWのカラム例 集計軸

Slide 26

Slide 26 text

よく使う集計期間のVIEW day regist_uu 5/1 xxxx ... xxxx ... xxxx 5/7 xxxx day regist_uu 5/1 xxxx ... xxxx ... xxxx 5/31 xxxx day regist_uu 2017/5/1 xxxx ... xxxx ... xxxx 2018/4/30 xxxx v_regist_uu_last7day v_regist_uu_last31day v_regist_uu_last1year 速攻で集計したいのに_PARTITION BETWEEN TIMESTAMP() AND TIMESTAMP()を毎回書くのすら面倒 ⇒よく使う集計期間ごとにVIEW化してしまおう

Slide 27

Slide 27 text

みんなが使えるようになり 分析の生産性が上がった

Slide 28

Slide 28 text

まとめ

Slide 29

Slide 29 text

まとめ ● ユーザーさんの理解のためにユーザー行動データ をみまくる ● ユーザー行動データはBigQueryでVIEW化して作 る ● 作ったVIEWをみんなが使えるようになり分析の生 産性が向上

Slide 30

Slide 30 text

ご清聴ありがとうございました