データで人の行動を変える - ペパボのデータ基盤 Bigfoot - / Driving Behavior Change with Data - Bigfoot: Pepabo's Data Platform

2026.07.10 九州大学

Transcript

1. データで人の行動を変える ─ ペパボのデータ基盤 Bigfoot ─ 財津大夏 (@zaimy) GMO ペパボ株式会社 技術部データ基盤チーム 2026.07.10 九州大学
2. 自己紹介 技術部データ基盤チーム シニアエンジニア 財津 大夏 ZAITSU Hiroka (@zaimy) • 自社データ基盤の開発/運用 ‣ Google Cloud, AWS ‣ Python, SQL ‣ 統計学, 機械学習 ‣ データ分析, マーケティング運用改善 • 九州大学 文学部人文学科 社会学研究室 2013 年卒 • スバルのファン, 二児の父, INTJ • Twitter: @HirokaZaitsu
3. アジェンダ 本日お話しすること 1. ペパボのデータ基盤「Bigfoot」の概要 2. データ活用の事例 3. データ基盤エンジニアの仕事の面白さ 4. AI 前提のこれからのデータ基盤 基盤のキャラクター「Bigfoot くん」 3
4. ペパボのデータ基盤「Bigfoot」の概要 854 万人・15+サービスのデータを集約する全社基盤 • 行動ログ・データベース・広告・SaaS 等のデータを一元化 • サービスのアプリケーションも人間も AI も同じデータを見て判断できる状態を目指す Source MySQL PostgreSQL Rails → Extract Embulk Debezium Airbyte → Ingest Pub/Sub Cloud Storage → Pipeline Dataflow Batch → Analytics/ML Vertex AI BigQuery OpenSearch → Consumer GWS Streamlit Claude 自社サービス Monitor Mackerel Grafana Cloud Logging Cloud Monitoring Orchestrator Cloud Workflows Cloud Scheduler dbt Cloud 4
5. データ活用で目指すもの データ駆動による事業運営と成長 段階 システム ＋ リテラシ ＝ データ駆動 収集 データウェアハウス Logger 分析 BI / Dashboard ワークフロー データ連携 データ集計 統計知識 事業価値の理解 → 統計的な判断 活用 機械学習基盤 適応的改善機構 情報推薦 機械学習 → サービスの動的改善 自動的な意思決定 • システムとリテラシを社内に提供することでデータ駆動による事業運営を可能にする • 統計的判断: 実験（施策）計画 → 実施 → 検証 → 改善のサイクルを回す • 動的改善: ユーザーの行動ログをもとに、サービスの挙動を変えて利用を後押しする 5
6. データ活用の事例 離脱しそうなユーザーの行動を変容させる • 行動ログから離脱しそうなユーザーを抽出 ‣ カートに入れて買わなかった / 同じ商品を何度も見ている ‣ 抽出結果をサービスアプリに取り込み、メールやアプリ内通知でリテンション ‣ ユーザーごとにアクティブになりやすい時間に配信して高い開封率と注文率を実現 参考 ・ ウェブサービスにおける行動ログ活用基盤を通したデータ駆動マーケティングの実践 - Speaker Deck 6
7. データ活用の事例 サービスの挙動そのものを最適化する • バンディットアルゴリズムで推薦やサイト内検索の出し方をリアルタイムに最適化 ‣ アプリケーションの挙動自体をデータに基づいて変える • 行動ログと商品情報をもとにした商品の推薦 • 画像の特徴量ベクトルによる類似商品の推薦 • 時系列モデルで需要・売上を予測し事業運営に反映 参考 ・ Vertex AI Matching Engine と CLIP を使って 2 週間で EC サービスの類似画像推薦機能を作る - Pepabo Tech Portal ・ プロダクト担当者とデータサイエンティストで Prophet を使って EC サービスの注文額を予測する - Pepabo Tech Portal ・ Synapse: 文脈と時間経過に応じて推薦手法の選択を最適化するメタ推薦システム - Speaker Deck 7
8. ペパボのデータ基盤エンジニアの面白さ 基盤からサービスまで一気通貫で施策を回せる • データの収集・変換・集計（ELT）から、結果をサービスに戻す Reverse EL まで横断 • データを集めて提供するに留まらず、施策に関わって実際にユーザー体験を動かせる 施策を大きく試せる環境がある • 854 万人のアウトプットを支えるユーザー規模 • 15+サービスの事業会社。ホスティング・EC・ハンドメイドなど多様なドメイン • 大量のデータを使って、仮説検証や施策を実施できる 8
9. ペパボのデータ基盤エンジニアの面白さ 幅広い技術を扱いながら専門性を活かす • クラウドインフラからアプリケーションコードまで扱い、短期間で成果を出す ‣ 研究所・事業部と協力して類似画像推薦を 2 週間でリリース ‣ ワークフロー刷新でコスト 84% 削減・CI 34 倍高速化 • カンファレンス登壇・技術記事の公開が推奨されるアウトプット文化 ‣ 他社と合同でデータエンジニアリング勉強会・Meetup を開催 • 研究所が身近で、最先端の話題に日常的に触れられる ‣ 大学で学ぶ技術や手法も実サービスに応用できる 参考 ・ Vertex AI Matching Engine と CLIP を使って 2 週間で EC サービスの類似画像推薦機能を作る - Pepabo Tech Portal ・ データ基盤のワークフロー構成変更によるコスト 84% 削減と CI 34 倍高速化 - Pepabo Tech Portal ・ Data Engineering Meetup【ZOZO × GMO ペパボ】を開催しました - Pepabo Tech Portal ・ 株式会社 primeNumber とのデータエンジニアリング合同勉強会を開催しました - Pepabo Tech Portal 9
10. AI 前提のこれからのデータ基盤 AI エージェントと人間のためのデータ基盤へ • 既に全社員が AI を利用して業務を遂行している ‣ AI 前提の CI/CD, 開発体制で試行錯誤を高速に回す •「Bigfoot as Agent」構想 ‣ 社員の行動も変容させる ‣ 事業運営に必要な指標をデータ基盤上に統一する ‣ エージェントによるハーネスで統計的・論理的に妥当な施策計画を促す ‣ エージェントも人間も元のデータベースにアクセスできない構成でガバナンスを保つ 参考 ・ Agent Ready: 技術部が挑む AI エージェント前提の技術基盤づくり - Pepabo Tech Portal ・ AI が Approve する開発フロー - Speaker Deck 10
11. データで “もっとおもしろくできる”