イマドキの改善！データ分析SDK導入のポイントとAI活用最新事例 / GTMF2019
0 likes818 views
データ分析SDK導入によるメリットは大きいですが、一方でその導入による工数の確保やクラッシュの危険性に疑問を持つ方も多いのではないでしょうか。 今回はマーケティングプラットフォーム「Repro」を例に、導入工数やそれに伴う動作やCPUへの影響、導入後に削減できる工数やマーケティング観点からみたメリットや成果についてお話しします。 またRepro AI Labsが取り組んでいる、離脱しそうなユーザーや課金しそうなユーザー予測をAIで行うことによる効果と今後の取り組みについてご紹介します。
イマドキの改善！データ分析SDK導入のポイントとAI活用最新事例 / GTMF2019
- 2. • 二宮啓聡 Repro株式会社 Solution Architect • 2013年 グリー株式会社 釣りスタチーム サーバサイド開発者 • 2016年 Repro株式会社入社(サーバサイド開発) • 2019年 Solution Architect (Reproの認知向上、導入支援) • 好きなゲームジャンル: シミュレーション、FPS 自己紹介
- 5. • マーケティングにおける購買行動の段階をモデル化したもの • A …… Attention (認知・注意) • I …… Interest (興味・関心) • S …… Search (検索) • A …… Action (行動) • S …… Share (共有) • フェーズが後になればなるほど、ユーザーボリュームが減っていく AISASモデル Attention Interest Search Action Share
- 6. • マーケティングにおける購買行動の段階をモデル化したもの • A …… Attention (認知・注意) => 広告 • I …… Interest (興味・関心) => リターゲティング広告 • S …… Search (検索) => 検索連動型広告 • A …… Action (行動) => インストール • S …… Share (共有) => クチコミ • フェーズが後になればなるほど、ユーザーボリュームが減っていく AISASモデル Attention Interest Search Action Share
- 7. • マーケティングにおける購買行動の段階をモデル化したもの • A …… Attention (認知・注意) => 広告 • I …… Interest (興味・関心) => リターゲティング広告 • S …… Search (検索) => 検索連動型広告 • A …… Action (行動) => インストール • S …… Share (共有) => クチコミ • フェーズが後になればなるほど、ユーザーボリュームが減っていく AISASモデル Attention Interest Search Action Share 広告にマーケティング費用の大部分を投入
- 8. • スマートフォンゲーム市場の広告トレンド • 売上 ：かわらず • 広告費 ：上がり続けている • => ゲームが増えすぎたこと、中国勢が莫大な予算を積んでくること • 広告費の費用対効果が大事 マーケティング手段としての広告の現状
- 9. • 高い広告費を投じて獲得したユーザー • しかしながら、アプリのUXが初心者に優しくなかった • チュートリアルでも遊び方を分かってもらえない • (ゲームを作っている側としては、UIに慣れてしまって課題に気づかない) • 面白くなる前にゲームを起動しなくなってしまう => ユーザーの離脱 広告費の費用対効果が悪い例
- 11. ユーザー数 = 新規ユーザー + 既存ユーザー
- 12. • ユーザー数 = 新規ユーザー + 既存ユーザー • 新規ユーザー(インストールするまで) => 広告やASO • 既存ユーザー(インストールした後) => アプリ内マーケティング • 広告費が高騰する昨今では、インストールがゴールではなく、長く(お金を払って )遊んでもらえるようにするのが重要 • 一人のユーザーがアプリを利用しなくなるまでにもたらす価値(LTV: Life Time Value)を最大化することを考える ユーザー数の構成要素
- 13. • ユーザー数 = 新規ユーザー + 既存ユーザー • 新規ユーザー(インストールするまで) => 広告やASO • 既存ユーザー(インストールした後) => アプリ内マーケティング • 広告費が高騰する昨今では、インストールがゴールではなく、長く(お金を払って )遊んでもらえるようにするのが重要 • 一人のユーザーがアプリを利用しなくなるまでにもたらす価値(LTV: Life Time Value)を最大化することを考える ユーザー数の構成要素 アプリ内マーケティングとは
- 14. • 高い広告費を投じて獲得したユーザー • しかしながら、ゲームのUXが初心者に優しくなかった • チュートリアルでも遊び方を分かってもらえない • (ゲームを作っている側としては、UIに慣れてしまって課題に気づかない) • 面白くなる前にゲームを起動しなくなってしまう => ユーザーの離脱 • アプリの課題を解消するための仮説を立て、行動を取る(施策の実施)こと • => アプリ内マーケティング 再掲: 広告費の費用対効果が悪い例
- 15. アプリ内マーケティングの例 プッシュ通知とアプリ内メッセージを用いた施策を策定・実施することで、ユ ーザーのアプリへの定着や、サービスの利用を促進できる。 アプリ内メッセージ • アプリを利用している最中に、任意のメッセージ、 画像、遷移先URLを送ることができる • 主に機能/サービス利用促進に活用される プッシュ通知 • アプリがインストールされて いる端末に任意のメッセージ を送ることができる
- 18. Reproについて
- 19. • 会社名: Repro (リプロ) 株式会社 • 設立月: 2014年4月 • 資本金: 約4.2億円 • 従業員数: 190名 • マーケティングプラットフォームRepro SDKの提供 • ゲームアプリに限らず、様々なジャンルのアプリに導入 Reproについて
- 20. Reproの事業領域 マーケティングプラットフォーム「Repro」の提供を事業の軸に、戦略から運用ま でアプリ/Webビジネスの成長に必要なすべてのサービスを提供しています。 ■ サービス/プロダクト 戦略・企画立案 アプリ、Webの 成長支援パートナー 戦略・企画 ■ 開発・保守 ■ UI/UX 改善・機能追加 開 発 ■ 広告運用 ■ ASO支援（アプリ） ■ アプリ内マーケティング支援 ■ Web接客運用代行 運用代行（BPO） ■ アナリティクス ■ マーケティング ■ 広告連携 ツール
- 23. 月間トラフィックの規模
- 24. 月間トラフィックの規模
- 25. 月間トラフィックの規模
- 27. Reproを用いた施策の例
- 30. 施策例： ユーザ利用促進 / 初回課金促進のアプリ内メッセージ クエスト/イベント クリア時 敗戦時 〔次回予告〕 〔1: 攻略情報〕 〔2: 課金訴求〕 序盤は次回予告を配信することで、 ミッション/クエストを先へ進めさせ 壁にぶつける 攻略情報（ヒント/tipsレベル） を配信することで課金を促す キャラクター/パーティ強化の ための有償ガチャ訴求
- 32. Reproの事例紹介
- 33. グランドサマナーズ(株式会社Next Ninja) 課題 施策 効果 • 休眠復帰対策で行っていた広告の費 用が高騰、新たな施策が見つけられ なかった ✓ セグメントを切ったアプリ内メッ セージやプッシュ通知の活用 ✓ FQ5 1.5倍 ✓ 新規ユーザのDay30RR 1.3倍 『グランドサマナーズ』は最高峰の グラフィック、音楽、ストーリーで 贈る、直感操作で爽快なアクション バトルが楽しめる本格王道RPG グランドサマナーズ Case Study
- 34. グランドサマナーズ(株式会社Next Ninja) 新規ユーザ定着のため、プッシュ通知シナリオを設計して配信 A: チュートリア ル未突破 B: チュートリア ル突破後 C: 経験有無
- 37. • 山岸聖幸氏 • 株式会社NextNinja代表 • 『グランドサマナーズ』プロデューサー ゲスト紹介
- 38. • 導入しやすい／サポートが充実 • 導入後の充実したサポート • 稟議を通しやすい Reproの愛されポイント
- 39. • 最初にイベント設定が必要 • ガチャやデッキ編成など、ユーザーの行動をトラッキングするための設定 • 具体的な設計はタイトル専任のカスタマーサクセスチーム • タイトルを遊んだ上で設計を行っている • スマートフォンゲームのディレクター・プロデューサー出身 • => 実装後の手戻り(「やっぱりここにもコードを追加して」)がない 初期設定提案
- 42. • 実装してしまえばディレクターで独立してマーケティングのPDCAを回せる • 施策を打つ上で追加の実装は不要 • => 面白さの追求・改善のための開発に集中することができる • ディレクターと開発者のコラボレーションを支援 • 本質的な改善 => 開発者のコードの改修・機能追加(開発者) • 改善のための仮説・検証 => Reproを使って実験(ディレクター) • ユーザーに快適なゲーム体験を継続して与え続けられる 初期設定提案
- 43. • よくあるAnalytics / Marketing Automationサービス • 電話やメールでのサポート • 海外サービスだとそもそも英語でコミュニケーションを取る必要がある • わからないことがあっても気軽に聞きづらい • Reproでは、エンジニアが待機しているチャットサポートをデフォルトで利用可能 • 日本語で、カジュアルに問い合わせることができる 導入後の充実した技術サポート
- 44. 導入後の充実した技術サポート
- 47. • 検証: Unity AppにRepro Unity Packageを導入。前後での端末負荷を比較 • 検証環境 • LG LGV34 • Qualcomm Snapdragon 820 MsM8996 / 2.2GHz x 2 + 1.6GHz x 2 (Quad Core) • Android 7.0 • RAM: 4GB CPU使用率への影響
- 48. • 導入前: 17 - 20% (最大34.6%) / 導入後: 17 - 20% (最大34.6%) • ほぼほぼ、変化は見られなかった CPU使用率への影響
- 49. • 端末との相性・他SDKとの組み合わせでアプリがクラッシュすることはありうる • 「アプリがクラッシュしないこと」、サービス信頼性はReproの5年の歴史の中 で最も注力してきた点 • テスト中に発生する他のSDKや、フレームワークのバージョンとの相性問題 • テクニカルサポートにて解決を支援 • マニアックな組み合わせもノウハウをもったエンジニアが対応 SDKの信頼性への意識
- 50. • 広告連携機能 • ReproでのセグメンテーションをTwitter広告のTailored Audienceとして活用 • Pushで拾えないユーザー層に対してリタゲ広告を打つことができる • 外部連携機能 • BigQueryやTreasure Data、内製DMPなど、基幹システムとの連携 • 外部DMPで算出したオーディエンスに対してプッシュ通知を配信できる • AIへの取り組み • Repro AI Labsの紹介 広がるマーケティングとReproの未来
- 52. • 今井 太宗（ Taiso Imai ） • Repro AI Labs • Software Engineer / Product Manager • Twitter: @taison124 • Github: https://github.com/taiSon Profile
- 53. Repro はデータの Input から実際にユーザーに届ける Output まで提供しています マーケティングの PDCA
- 54. • Plan • サービスの収益モデルや KPI に合わせてマ ーケティング施策を策定 • Do • 策定したマーケティング施策を実行 • Check • 実行した施策効果を定量的に収集、検証 • Action • 効果検証結果を踏まえ改善案を策定 マーケティングの PDCA
- 55. • Repro は IPO (Input / Process / Output)が揃っているので、サービス 上で PDCA を完結して実施できる マーケティングの PDCA
- 56. • 「継続利用をやめてしまったユーザーに Push 通知で呼び戻したい」 • 「買ってくれたユーザーにポイント付与のメッセージを出したい」 • 設計した KPI に対して • 効果的な施策のセグメントを設定できる • そのユーザーに対して効果的なアクションを実施 • Repro は施策を実施、効果測定ができて、仮説が検証可能 マーケティングの PDCA
- 57. • 「継続利用をやめてしまったユーザーに Push 通知で呼び戻したい」 • 「買ってくれたユーザーにポイント付与のメッセージを出したい」 • 設計した KPI に対して • 効果的な施策のセグメントを設定できる • そのユーザーに対して効果的なアクションを実施 • Repro は施策を実施、効果測定ができて、仮説が検証可能 マーケティングの PDCA
- 58. • 「継続利用をやめそうなユーザーに Push 通知で繋ぎとめたい」 • 「買ってくれそうなユーザーにポイント付与のメッセージを出したい」 • 大事なのはアプリを使っているうちにコミュニケーションをとること • 未来の可能性に対して、セグメントを設定したい • やめそう、買ってくれそう、〇〇しそうをデータから予測する Why AI?
- 59. • 実際に AI による予測を使って成果が出た例を紹介します • 離脱予測 • プッシュの配信時間最適化 活用事例
- 60. 離脱しそうなユーザーの予測
- 61. • デジタルマーケティングの課題「ユーザーが見えない」 • 実店舗の場合、すぐに帰った人、長い間みていた人、レジに並んでいる人は見ればわかる • その人は次来てくれるのか、買ってくれそうなのか • 見えないまま適切ではないメッセージを発信してしまう • 常連さんに執拗に通知を送ってしまう • レジに並んでいる人にクーポンを配ってしまう 離脱予測 - 課題
- 62. • アプリから離脱しそうなユーザーを予測できるか • ユーザーの中から続けて読まないユーザーを抽出できるか • 従来よりマーケティングコストを下げられるか • 予測したことで適切なコミュニケーションがとれているか 離脱予測 - 実験の目的
- 63. 1. 過去２週間のユーザーの行動データを収集 • ユーザーのインストールからの日数 • ユーザーの起動回数や滞在時間 … etc 2. 将来の１週間で起動する確率（0% ~ 100%）を予測 3. コインを配布し、どれくらい効果があったかを効果測定する • 対象のユーザーの半分（実験群）にコインを配布する • もう半分（統制軍）にはコインを配布しない 離脱予測 - 実験の内容
- 64. 離脱予測 - 結果
- 65. 離脱予測 - 結果
- 66. 離脱予測 - 結果
- 67. 離脱予測 - 結果
- 68. プッシュ通知の配信時間最適化
- 69. プッシュ配信時間最適化
- 70. • デジタルマーケティングの課題「２４時間ユーザーと関わりをもつ」 • スマホを常に携帯している • 深夜に働く人、早朝活動する人、通勤・通学時間は様々 • 休日も実際は人によって異なる • 人が多いと考える時間（マス）にプッシュ通知を行っている • 通勤・通学時間、夜のネットサーフィン時間 … • 本来はそのユーザーが必要とする時間ではない可能性がある プッシュ配信時間最適化 - 課題
- 71. • ユーザーひとりひとりの行動にあわせた通知ができるか • 朝型のユーザーには朝に、夜型のユーザーには夜に • 最適化を続けた結果、キャンペーンの効果は向上するか プッシュ配信時間最適化 - 実験の目的
- 72. 1. 過去のユーザーの行動データを収集 • 起動データ、イベント実行データ、操作データ … 2. ユーザーひとりひとりの最適な通知タイミングを予測 3. ほぼ毎日定時に送っているプッシュの配信時間を最適化で分散 • 24 時間の 24 パターンに分けて配信 • 早朝や深夜も含めて今回は実験x プッシュ配信時間最適化 - 実験の内容
- 73. プッシュ配信時間最適化 - 結果
- 74. プッシュ配信時間最適化 - 結果
- 76. • 本当はユーザーひとりひとりとコミュニケーションがとりたい • しかし、Who / When / What / How の掛け算は膨大 • 人間がデータから仮説を立てて、施策・検証のプロセスをまわすには限界がある • AI により、データから自動でパーソナライズを行う PDCA とパーソナライズ
- 78. 今後の Repro AI ロードマップ チャーン予測、課金CV予測、クラスタリング、・・・ プッシュ配信時間最適化、メッセージ表示頻度最適化、・・・ A/Bオートメーション、キャンペーン自動生成、・・・ プッシュ通知、メッセージ、広告、LINE、メール、・・・
- 79. 今後の Repro AI ロードマップ チャーン予測、課金CV予測、クラスタリング、・・・ プッシュ配信時間最適化、メッセージ表示頻度最適化、・・・ A/Bオートメーション、キャンペーン自動生成、・・・ プッシュ通知、メッセージ、広告、LINE、メール、・・・
- 80. • バズワードの “AI” ですが、分析も大事 • 機械学習的なアプローチを使った分析 • マジックナンバー分析によるリテンション向上施策の提案 • カスタマージャーニーマップを用いた CV 予測 AI のベースとしての分析
- 81. • その他にもよりチャレンジングな AI 機能も実証実験準備中 • キャラクター AI • キャラクターたちを AI によりモデル化 • キャンペーンの文言などをキャラクターごとにチューニングして自動生成 • 感情分析 AI • ユーザーが今、喜んでいるのか、怒っているのかを分析する • 感情にあわせたキャンペーンを実施する チャレンジングな “AI”
- 82. • AI はより早く、より細かく最適化を進められるだろう • PDCA は加速し、パーソナライズが進む • KPI がある施策はすべて AI に任せられる時代がくる • AI・サービスを活用し、任せられるところを任せる • AI で自動化し、本質的な価値追求やセンスを発揮できるようになる AI 時代のマーケティング
- 84. ご静聴ありがとうございました