DECENCIAの実践するリーズナブルな統合BI基盤とは 〜メーカーECのCSアナリティクス活用事例〜  #devio_showcase

DECENCIAの実践するリーズナブルな統合BI基盤とは 〜メーカーECのCSアナリティクス活用事例〜 #devio_showcase

ポーラ・オルビスグループのDECENCIAによる自社データ利活用の方法およびクラスメソッドのサービス「CSアナリティクス」利用事例の紹介。かつてExcelファイルが散在していた状況から、どのようにデータマーケティングの実践を成功させたのかをお話しいただきました。
Clock Icon2020.11.20

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

データアナリティクス事業本部のしんやです。

2020年11月04日(水)、弊社主催の先端事例セッション オンラインイベント『Developers.IO Showcase』のデータ分析に関する発表が行われました。

当エントリでは、その中で 株式会社DECENCIA 御代田 晃弘氏 発表による弊社クラスメソッド自社プロダクト『カスタマーストーリーアナリティクス(CSアナリティクス)』の導入事例セッションをレポートします。

なお、レポート内容の詳細やCSアナリティクスについてのご相談がございましたらクラスメソッドの担当エンジニアが承ります。下記のフォームにてご入力ください。

クラスメソッドに相談する

目次

 

セッション概要

イベント公式ページ掲載のセッション情報は以下。

【セッションタイトル】
メーカーECのCSアナリティクス活用事例。DECENCIAの実践するリーズナブルな統合BI基盤とは

 

【セッション詳細】
ECサイトを中心に敏感肌向けスキンケアブランドを展開するDECENCIA。顔の見えないECサイトを中心にお客様を理解するためには社内に散在したデータを統合して分析やマーケティングに活用できる基盤が必要でした。かつては社内に様々なデータを集計したExcelファイルが散在しているような状況でしたが、現在ではクラスメソッドのデータ統合サービス「カスタマーストーリーアナリティクス(CSアナリティクス)」を活用し、統合BI基盤の構築を実現しました。このセッションでは、CSアナリティクスをどのように活用してデータの統合を実現したのか、またOSSを活用して統合基盤をリーズナブルに実現した方法をご紹介させていただきます。

【登壇者情報】
御代田 晃弘氏 (株式会社DECENCIA 経営管理部マーケティングテクノロジー開発グループ サブマネージャー)

 

セッションレポート

ここからはセッションレポートとなります。

株式会社DECENCIAでは、統合データ基盤開発を行うためにクラスメソッドに問い合わせを頂き、CSアナリティクスを2年程前に導入を決定・活用頂いています。どういう活用を行っているのか、また使ってみて実際どうだったのかを事業会社の目線、生の声でお伝え頂きました。

ちなみにタイトルにある「DECSA」(ディクサ)は社内におけるシステムの呼称。DECENCIAのDECSアナリティクスを組み合わせた造語なのだそうです。

 

企業紹介

セッションはまず、御代田氏によるDECENCIAの事業紹介からスタートしました。

株式会社DECENCIAはポーラ・オルビスグループの社内ベンチャーからスタートしているブランド。敏感肌向けのスキンケア商材を中心に展開、販売チャネルとしては自社ECでの販売が中心となっています。自社ECでのオンライン通販をメインに据えつつ、近年は百貨店への進出も行っている状況です。

御代田氏の所属はマーケティングテクノロジー開発グループ。販促系システムやデータ分析プラットフォームなどの開発・運用を行っているチームで、Eコマースやマーケティングオートメーション、今回のテーマであるCSアナリティクス導入の行った分析用の基盤等の領域を担当しています。

ブランドメッセージとしては、『敏感肌はどこまでも美しくなれる』をスローガンに掲げています。

御代田氏は「敏感肌向けのコスメというのは 刺激に弱いお客様が多いので、処方をどんどん削っていって余計なものは入れない、なるべく刺激を押さえましょう、という設計が中心となっており、どちらかというと綺麗になって頂くためのスキンケアというよりも、ある種治療やお薬みたいな文脈の方が近いかな...というのがあります。我々はそうではなくて、敏感肌の方こそ、しっかり美しくなって頂ける、ちゃんと綺麗になって頂ける処方、というのをプロダクトの中心に掲げて行っています」と企業の志向するブランド価値について説明しました。

このようなブランドの位置付けは多くのお客様の評価を得て、実際に雑誌で特集が組まれたり、またメイクアップアーティストなどの所謂『美容賢者』の方々からも評価を得る形となりました。その中でも特に2019年に発売した「アヤナスリンクルO/Lコンセントレート」という商品は発売から1年が経っても雑誌での紹介が組まれたり、芸能人がInstagramで商品を紹介したりというケースが絶えない、非常に注目頂いている商品となっているとのこと。


(※現在この商品が試せるキャンペーン中。是非この機会に皆さんもお試しください!)

 

ブランド展開における「データの重要性」

こういった製品を展開していく中で、御代田氏は「我々のビジネスの性質上、お客様を『データを通じて理解する』というところが非常に重要になってきている」とデータ分析・データ活用のビジネスの中での位置付けを強調しました。理解する上でのポイントは大きく3つあるそうです。

1点目は「プロダクト」。製品の位置付けとしては前述の通り『敏感肌向けのスキンケア』ということになりますが、これは化粧品の業界だと『お悩み改善系』と呼んだりするジャンル。敏感肌、お客様も刺激に弱い方が多くなっているので、そうしたお客様の声をしっかり吸い上げてプロダクトにフィードバックしていく、プロモーションに活用していくということが商品として重要になってきます。

2点目は「販売チャネル」。Eコマースの通販を中心に行っている関係上、やはり高額な化粧品になってくると百貨店で美容部員さんに診断をしてもらって買う、というのが中心にはなってきます。DECENCIAとしてはそういった手立てや対策が取れず、なおかつ1人1人のお客様に対しての最適化というのも難しい状況です。そういったことからも、お客様をデータを通じて理解する、というところがとても重要になってきます。

3点目は「ポジション」。DECENCIAとして掲げているものは「敏感肌向け」ではあるのですが、一方で、一過性の"肌が傷んだ時にだけ使う"治療的な位置づけのものではなく、しっかりうちの商品を通じて綺麗になって頂く、というのをプロダクトとして掲げているというのもあるそうです。その理念を実現するためにも、お客様と長期的なエンゲージメント構築を行っていくというのが重要になってきます。

 

CSアナリティクス導入前の状況

CSアナリティクス導入前の状況としてはどのようなものだったのか。御代田氏はこの点について「結論からいうと、あまり上手く出来ていませんでした。」と当時の状況を振り返りました。

一番のハードル・上手くいかないネックとなっていた部分として、お客様のフェーズに応じて『タッチポイント』となるシステムが分散してしまっていた、というのが背景としてありました。主に以下のような状況だったようです。

  • お客様に商品を知ってもらう『認知』のタイミングであればWebの広告やSNS等、外部のプラットフォーム
  • 『検討』の段階に入ってくると無料キャンペーンサイト / Eコマースのお客様がやってくるのでファーストパーティのデータとして行動データなどが蓄積されてくる
  • 『購買』に繋がってくるとEコマースの販売であればオーダーマネジメントのシステムなどに、百貨店等であればPOSレジに(販売チャネルによってデータの出来上がる場所が変わってくる)
  • 商品に対する問い合わせであればその内容はCRMに

それぞれの局面である程度はデジタル化を実現出来ていた、データとしては持っていたのですが、お客様のフェーズや行動に応じてデータが溜まるところが分散してしまい、データを一貫したものとして利活用するまでには至っていなかった状況でした。

システム毎のデータや利用状況については以下のような状況でした。

販売管理システムをECサイトのバックエンドとして持っており、ここで契約の管理や購買情報をを保持。当時はここだけBI化していました。販売管理のデータをダッシュボードで見るようなものも存在していたものの、システムを横断してデータを活用したりというところが出来ていなかった...というのが実態でした。

御代田氏は「ここは私個人の私見となりますが」と切り出し、以下のように状況を分析します。

  • 販売チャネルの大半をEコマースが占めていた、というのが実態としてあったので、売上のトラッキング、経営的な健康診断な部分ではひとまず販売管理に集まってくるデータを分析・集計しておけば事足りていた
  • 購買以外のお客様との接点、Eコマース以外でのお客様とのタッチポイントをなかなか分析・活用していこうと踏み込みづらかった部分があった(のでこういうアーキテクチャになっていたと考える)

上記構成における「Excelで繋いで集計を行う」部分は手作業で行っており、御代田氏がヒアリングした内容によるとこの作業で丸2日間もの時間が掛かっていたとのこと。こうした人的負荷が常に掛かっており、本来やりたいことも出来ていなかった状況にありました。こうした背景もあり、あらゆるデータを1つのプラットフォームに統合していく必要性に迫られていました。

 

データ統合がおカネがかかる

ここから、DECENCIA社内でのツール・サービス検討が始まります。

昨今、こういった問題を解決していくなかで、世の中には対応するツールは沢山存在します。御代田氏の中では「エンタープライズ向けのBI環境を作っていこう、となるとどうしてもお金は掛かってしまう」のが懸念としてありました。

御代田氏は「我々としては『出来ていないことをやろうとしていた』というのもあり、要件として何をすべきか、という部分がやや不明瞭なところもあった」とコメント。「なかなか大きいお金を一気にかける、というのが社内のコンセンサス的にも難しい状況にありました。ライセンス費用にしても、BIツールだけでなく、BI環境にデータを持ってくる際にもETLツールがが必要だよねとか、ジョブ管理のツールが要るよね、とかエンタープライズ級のものとなると色々掛かってきます。インフラにしても、DWHを持とう、となったときに今日日なかなか『オンプレミスで持とう』というふうにはなりずらい。どのデータを集めてこよう、かが分からないなかで、どういうスケールのデータベースが必要なのか、というのもなかなか想像がしずらい部分がありました。」と当時の選定における状況を振り返りました。「それらを作るにもインプリ(実装)は誰がやるんだ?プロジェクトの体制どうするの?」といったコスト面に影響が出るようなものも背景としてあったそうです。

御代田氏は、準備が整った後の「始め方」についても「データが繋がると、出来ることも増えてくる、というのは分かっていたけれども、今やれていないからこそ、出来るようになるともっとやりたいことが沢山増えてくるかもしれない。やりたいことが増えてきたなかで、我々はどこにお金を掛けてどこにフォーカスしていくべきか、という部分は当時なかなか見えていなかったものがあった。いきなりここにドカッとお金を掛けるというのは難しいなと、いうのはあった」と当時思い描いていたものについて説明しました。

 

CSアナリティクスのイメージ

ここからは「CSA」で環境を作ってみてどうだったのか、というところにお話が移ります。

今回のDECENCIA様の環境では、データウェアハウスにAmazon Redshiftを採用していました。現在のCSアナリティクスのバージョンでは、データウェアハウスにはRedshiftの他にもGoogle BigQuery、Snowflakeなどが利用可能です。データウェアハウスのデータを使ってBIで分析を掛けるダッシュボードの機能だとか、あるいはDWHにデータを集約するためのData Uploaderだとかを統合したツール・サービスになっています。

DECENCIA社内では元々AWSを利用していたというのもあり、親和性としては非常に高いものがありました。

統合分析環境を用意するにあたり、御代田氏の中では「『データを統合しなければならない』というのは分かっていても『細かく何をするべきか』というのが分からない、というのがなかなか明確ではなかった」という思いがありました。ただ同時に「大枠やりたいことは業務としてやるべきことは分かっていたので、すぐにでも始めたかった」という思いもあったので非常にコンパクトに始められて、なおかつクラウドでスケーラブルに進めていくことが出来る、というところからCSアナリティクスを導入しました」とCSアナリティクス選定の理由を語りました。

 

CSアナリティクス導入後の構成

CSアナリティクス導入後の、現在のサービス間のデータ・処理の流れは以下の構成となっています。

Eコマースや広告の基盤におけるデータのソースがあり、そこからデータレイクをS3に構築。ここにはCSアナリティクスの『Data Uploader』というツールを使ってアップロードを実践しています。データレイクからRedshiftにデータを取りこみ、データウェアハウスから分析用のデータマートを作成、ここにCSAのJMCを用いています。

DECENCIA社事例おいて特徴的なものとなっているのが、BIの部分についてはOSSのre:dashを使って構築しているところ。御代田氏曰く「一旦はOSSでリーズナブルに始めてみましょう」というのがその理由です。御代田氏は続けて「全体を、AWSのアーキテクチャで一貫性を持たせつつ、尚かつ"取りあえず始めてみたい"という場合にはとても取り掛かりやすい構成かなと思います」と評しました。

 

CSアナリティクス導入で得られた"効果"

実際、この環境を取り入れてみた結果はどのようなものだったのか。大きなポイントとして、前述で言及されていた『丸2日掛かっていた』という集計作業については、完全に自動化を実現、人手としての工数は完全にゼロになったそうです。

その他にも、以下のような点を"導入で得られた効果"として御代田氏は列挙しました。

  • 現場も経営層も『データ指標』が共通言語となった。
    • エグゼクティブな人が『今月の広告運用の成績はどうなっているのか』という問いに対し、データを統合してダッシュボード化したことによって『自分で見に行く』ことが出来るようになった。またこのような問い掛け・問い合わせがあった際にも即答が出来るようになった。
  • 意思決定がデータドリブンに寄せていけるようになっていった。
  • データ統合の過程を経て高度なマーケティング施策を行うことも可能になっていった。
    • データ統合基盤の活用はBIだけでなく、マーケティングオートメーションにも連動するようになっており、Eコマースの行動に基づいてチャネルやツールを横断したキャンペーン・プロモーションを実現出来るようになった。

御代田氏は続けて「当初、導入するタイミングでは『データの活用』のポジティブなインパクトをイメージしづらい部分があったが、結果的にプロモーションというところに活用することによって、売上などに影響を及ぼすようになっていった」とCSアナリティクス導入で実感した部分についてコメントしました。

 

DECSAの評価

御代田氏はシステムとしてCSアナリティクスを導入したことで良かったところ、また逆に物足りなかったところに関してもそれぞれポイントを挙げ、評価を行いました。

まず何より『大きかった部分、良かった点』として、御代田氏は「小さく始められたことで『どこにお金を掛けていくか』というポイントが見えてきた部分があった」点を挙げました。AWSで既存アーキテクチャを構築・運用していた部分もあって相性が良い、既にEコマースやCRMの基盤をAWSに作っていたので、こことの相性が非常に良かったというのがあった点について言及、またスケールの試算が難しいなかで、ハードウェアに関する試算を意識しなくても良いというのも大きい。クラウドの良さを享受出来ていると感じたそうです。

「Redshift x S3」という組み合わせも非常に強力である点に注目。S3にデータを入れてしまえば、あとはSQLなりPythonなりで取り扱う事ができるので取り回しの良さもメリットとなりました。CSA JMCの機能として、SQLだけでなくPythonを使った処理を構築し、少し込み入った集計処理などもこの方法で実現可能となります。

Data Uploaderに関してはS3へのデータアップロードを得意とする機能・ツールだが、このツールに関しては基本的に処理の作成や設定をGUIで行える。またデータウェアハウスへのデータ取り込みについても同様にGUIでも作成・定義が可能となるため、ファイル転送とテーブルへのロードはノンコーディングで出来るというのも強みです。

また一方で「少し物足りないかな」という点についても、エラーハンドリングに関する部分や資産のバージョン管理等が挙がっていました。(この辺りについては製品に携わる者として、フィードバックとして御意見ありがたく頂きたいと思います。ありがとうございます!)

御代田氏は続けて『もし、今回の環境を商用ツールで固めていたらどうだったのか』という点についても振り返りを行いました。

詳細な内容としては以下表記載の通りとなりますが、御代田氏としては『当初、要件が不明瞭な部分もあった中で、まずは小さく始められること、進められること』、『分析として高度なことをやりたいということよりもマーケティングとしてチャネルの横断だとか、施策を回していくという部分に重きを置いていた、そのために必要なものは何だったのか』という切り口、評価ポイントを踏まえた形となりました。

御代田氏は最後に「CSアナリティクスはAWSの相性は非常に良く、既存のアーキテクチャがクラウドベース、クラウドにマイグレーションの予定があるのであれば非常に強力なツールになるのではないか。クラウドのスケーラブルな構成をミニマムに始めたい、どういう分析かわからないけれどもダッシュボード化は進めていきたい、という場合、ライセンス費用を節約しながらミニマムに始めて見る、というのは非常に良いと思います」と総評を加えてセッションを締めました。

 

質疑応答(Q&A)

セッション終了後は当日挙がっていた質問に御代田氏が応える時間も設けられていました。以下その内容を紹介します。

Q.ETL処理の定義については、分析の担当者・業務システムの担当者どちらが担当していた?
A.分析の担当者とシステムの担当者、どちらも私達のマーケティングテクノロジー開発グループで担っている部分、実態としては同じチームでやっていました。
Q.データマートの設計についてはどのように進めていたか?
A.一番最初にあったのは、元々Excelでやっていたところをいかにプラットフォーム上で再現するか、というところだったのでまずはそこから始めました。今でもデータマートとして足りていない部分はあり、現状我々でいうとre:dashを使ってSQLで生データを分析してしまっているので、そこを日々の分析を通じてデータマートの要件を作りながら運用していっている、というのが今の実態としてありました。
Q.分析担当者のスキルアップについてはどのように行っていったか?
A.我々はどちらかというと分析する上でハードルに感じていたのが「SQLの技術的なスキルセット」よりも「データソースでどういうデータが出来上がってくるか」、所謂業務理解のところが苦戦していたところがありました。(スキルアップ向上の施策としては)チーム内で定期的にコミュニケーションを取って社内勉強内などを通じ、スキルの底上げを図っていくようにしています。
Q.BigQueryなどの他DWHサービスは検討に入っていたか?
A.検討には登りましたが、結論としては我々元々AWSの基盤を持っていたので、S3xRedshiftの組み合わせはやはり強力であり、魅力に感じていた。BigQueryの場合、Google Spreadsheetがインテグレーションしやすかったりするというのを聞くので、例えばG-Suiteをもっと活用していこう、みたいなことになってくると傾く可能性はあるかな、とは思います。
Q.どこにどのようなデータがあるか確認、整理をするために、なにか工夫はされていますか?
A.工夫というほどではないですが、アーキテクチャとしてドキュメント化するっていうのは当たり前ではあるのと同時にとても大事だな、と思っています。マーケティングチームなどがどんどん新しいツールを導入してきたりしているので、そういったところにも対応していけるようにしっかりドキュメント化して対応していく、というのは癖を付けるようにしています。我々の場合、ヌーラボさんのBacklogを活用しています。

 

まとめ

という訳で、Developers.IO Showcase データ分析Day「CSアナリティクス」導入事例セッションレポートの紹介でした。

Developers.IOでは、今回のセッションレポートで紹介した「CSアナリティクス」に関するブログ記事を定期的に公開・投稿しています。CSA最新プロダクト情報等もアウトプットしていますので是非これらの内容もチェック頂けますと幸いです!また導入に際して気になることなどありましたら、下記「お申し込みフォーム」よりお問い合わせ頂けますと幸いです!!

 

この記事をシェアする

facebook logohatena logotwitter logo

© Classmethod, Inc. All rights reserved.