India’s mobile payments regulator is likely to extend the deadline for imposing market share caps on the popular UPI payments rail by one to two years, sources familiar with the…
データドリブンだけでホントにいいの?近年、ビジネスに活用できるデータは種類も量も増大しています。1人ひとりの状況に合わせて、必要な情報を最適なタイミングで提供することで、購買を促したり、プレゼンスを高めたりすることができます。 テクノロジーの力でOne to OneマーケティングやCRMの高度化を目指したり、データをもとに意思決定するのは、もちろん戦略として重要です。しかしながらその点“だけ”に終始するのは、少し疑問を持っています。なぜなら データはあくまでも過去の結果でしかない人が行動を起こす要素は、データ以外にもたくさんあると思っているからです。 人の感覚・感情がすべてデータで表せるわけではない確かに、データを使えば、施策を提案するとき、実施するときなど、周囲の理解は得られやすいです。でも、そのデータは、あくまでも過去の行動を基にした結果に過ぎません。 例えば、ビールが飲みたいと思う最
FLYWHEEL(フライウィール)社長の横山直人。NTTドコモ、グーグル、Facebookで働いたのち、起業。 ここ最近、スタートアップ界隈で密かに注目を集めている企業がある。 設立から1年ながら、GAFA(Google・Amazon・Facebook・Appleの4社)あるいはGAMFA(Microsoftを加えた5社)と呼ばれる巨大IT企業での勤務を経験した若手人材が集まる「FLYWHEEL(フライウィール)」だ。高収入や安定した生活があったはずの「GAFA人材」たちはなぜ、このスタートアップに集まったのか? フライウィールは「データを使い、企業の事業価値を最大化」することをミッションに掲げる。社内に眠る膨大なデータを集約し、広告・マーケティング・物流・決済などさまざまな分野でソリューションを提供する。 フライウィールの事業は、例えばこんな時に役に立つ。あるECサイトでキャンペーンセー
この記事は、下書き供養 Advent Calendar 2018 - Adventarの2日目の記事です。 めっちゃ専門的な内容になってしまいました。ごめんなさい。 某Slackでの議論内容をブログに書こうとしたのですが、下書きのまま放置していました。 Wednesday, August 15th と書いてあるので、約半年前の内容となります。 もくじ もくじ はじめに 「データ基盤の3分類」と「(一般的な)技術要素」 1.データレイク(Data Lake) 2.データウェアハウス(Data Warehouse) 3.データマート(Data Mart) 私が考えるデータ基盤の定義 私が考える「あるべき構成」 技術要素を分けるのはアンチパターン 進化的データモデリングを容易にしよう チームとアーキテクチャを選ぶ まとめ 参考 余談 追記 はじめに データ基盤と世間一般で言われるシステムには分類
このnoteでは「データ・ドリブン・マーケティング」という言葉や概念に、文句ブー垂れています。2018年秋ぐらいからずっとモヤモヤ考えていて、スッキリしたくて具現化しました。 新年1発目が、こんなnoteで申し訳ないです。どーしても言いたかった。怒らないで下さい。 ちなみにこのnoteに書いた内容は、18年12月12日に勉強会コミュニティ「コネクトドット」で行われた「データ・ドリブン・マーケティングを実現するまでの罠」や、18年12月19日にZOZO Technologiesで行われた勉強会の内容と一部重複します。 ちなみに以下はZOZOでの勉強会の一コマ。シャレオツな会議室。フジ系列SMALL3でZOZO前澤社長が座っていたのも、この会議室でしたね。そろそろツイッタラー100人に100万円当選のDMが届いているのでしょうか。 ZOZOのみんな良い人だった。今度、ご飯いっしょに行きたいです
Amazonの広告事業は、30億ドル(約3400億円)の規模を誇り、今後10年で500億ドル(約5兆6000億円)に成長するとされる。しかしバイヤーによれば、いまだ基本的な部分で粗が目立つという。よく指摘されるのは、動作が遅く機能の少ないツールやダッシュボード、ケーススタディやバイヤーへの販売サポートの不足だ。 Amazonの広告事業は、30億ドル(約3400億円)の規模を誇り、シティバンク(Citibank)の予測では、今後10年で500億ドル(約5兆6000億円)にまで成長するとされる。しかしバイヤーによれば、依然として基本的な部分で粗が目立つという。しばしば指摘されるのは、動作が遅く、機能の少ないツールやダッシュボード、ケーススタディやバイヤーへの販売サポートの不足についてだ。 業界のベテランは、これらは成長中のビジネスでは避けられない悩みであり、GoogleやFacebookにもそ
今や情報も商品やサービスも、簡単に手に入るものが増え、個人でも情報発信や商売ができるようになりました。消費者の目は肥えてきており、うそも見破られる時代の中で、消費者の「妥協しない」傾向がこれからも進行することは想像に難くないでしょう。 そんな時代にものを売るためには、「価値のある商品」をつくることはもちろんのこと、それだけではなく「信頼できる情報を持っている」と信じられている情報発信者に商品を伝え広めてもらう必要があります。 女性の消費研究を進める電通ギャルラボ(以下、ギャルラボ)では、「同じものに興味を引かれる人」「同じ特徴を持っている人」「同じ経験をしている人」「同じものに参加している人」にSNSのハッシュタグのように「タグ」をつけて可視化する「#女子タグ」を開発しました。そして、「#女子タグ」を持つ人の中で、あるジャンルに対してオタク的ともいえる深い知識や情報を持っている人を「ジャン
GDPRの登場によって、リスクのない広告購入の選択肢を求める需要には拍車がかかっている。コンテンツ連動型ターゲティングが急増し、プログラマティックギャランティードも同様に急増した。大手パブリッシャー数社によると、現在、セカンドパーティデータに関わるパートナーシップは復活しつつあるということだ。 EU一般データ保護規則(General Data Protection Regulation、以下GDPR)の登場によって、恐れられてきたようなデジタル広告業界の破壊は起こらなかったが、リスクのない広告購入の選択肢を求める需要には拍車がかかっている。コンテンツ連動型ターゲティングが急増し、プログラマティックギャランティード(保証型プログラマティック取引)も同様に急増した。大手パブリッシャー数社によると、現在、セカンドパーティデータに関わるパートナーシップは復活しつつあるということだ。 ガーディアン(
「Web担当者Forum ミーティング 2018 春」では、プレイドの倉橋氏が、デジタルマーケティングの現状の課題とその解決方法を、プレイドが提供するCXプラットフォーム「KARTE(カルテ)」の取り組みを通して紹介する。 「何を買ってもらうか」ではなく「誰に買ってもらうか」スポーツ用品のミズノの担当者は、あるセミナーで次のように発言したという。 オートメーション化はとてもすばらしいが、細かな気づきになかなか出くわさない。気づき、面白がって、おもてなしを考えられる体制にしたかった。 「何を買ってもらうか」よりも「誰に買ってもらうか」。 「ペルソナ」ではなく、「リアルなお客様」を把握して接客できる。ただ作る仕事から、考えて作る仕事に変わった。 注目したいのは、「何を買ってもらうかよりも誰に買ってもらうか」という言葉だ。マーケティングでは、「何を売るか、誰に売るか」と考えがちだが、「売る」とい
大規模なデータを扱う解析サービスにおいて、データベースの性質の理解や選定、配置、活用方法などはクリティカルな問題であり、サービスとして大きく差をつくる要素にもなります。本稿では考慮すべきデータベースの性質の違いから始め、解析サービスにおける考え方や活用のテクニック、構成方法について紹介したいと思います。 解析サービスにおける重要な2つの仕事 ここでは大量のデータを収集する解析サービスの仕事の中でも、重要な2つの仕事についてフォーカスして話を進めていこうと思います。 一つ目は、データを単に収集し、スケーラビリティの高いデータベース(または分散ファイルシステム)に格納し、あとで(管理画面から、もしくはスケジュールバッチなどで)Aggregateするものです。こちらは解析サービスと言われるサービスの多くが行なっている仕事と考えられます。 二つ目は、データによって振る舞いを変える、リアクションする
大規模解析サービスの構成要素 大規模解析サービスは一般的に、以下の要素から構成されます。 ログ情報等のデータの送信 データの受信 データの保存 保存したデータの解析 解析データの閲覧などができる管理画面の提供 KARTEはユーザのWebアクセスデータをリアルタイムに解析し、アクションまでつなげることができるサービスであり、先ほど説明した5要素は、以下の5種類のコンポーネントによって実現しています。 trackerコンポーネント:エンドユーザで実行されるtracker[1]をエンドユーザに配布するためのコンポーネント trackコンポーネント:エンドユーザからデータを受信するコンポーネント。とくにKARTEでは解析データに基づいてエンドユーザへのアクションを返す役割も持つ dbコンポーネント:解析データなどのさまざまなデータを格納するコンポーネント analyzeコンポーネント:エンドユーザ
この連載では、最近盛り上がりを見せているGoogle Cloud Platform(GCP)の実践例を、大規模データ解析サービスでの実際の利用例、ノウハウなどを中心に解説していきます。「KARTE」というリアルタイム解析サービスを提供している、PLAIDのエンジニア陣が、KARTEの実現を例にとって説明します。第1回である今回は、大規模データ解析サービスを提供するにあたり、どのようなGCPのサービスが必要となるのか、GCPの果たす役割などを説明します。 大規模データ解析サービスを実現する、とは? 今この文章を書いているMacBookで、Webサイトのアクセスデータを解析するサービスを実現するとしましょう。現在は技術が発展し、少し前に比べたら、PCの処理能力、データの保存領域の大きさは格段に向上しています。また、ものすごく解像度が高い映画を簡単に再生できるようにもなっています。このような環境
Handy Marketing、博報堂DYメディアパートナーズ、ヤフーは4月10日、メディア横断の統合マーケティングの支援を目的として、テレビとインターネットの次世代型メディアプラニングツール「Handy Media Planner」の提供に合意したと発表した。 ヤフーでは、テレビの実視聴とWeb行動データを統合した調査パネル「Yahoo!メディアオーディエンスパネル」を構築。関東・関西に居住する調査モニタ約8000人の24時間365日のテレビ実視聴データと「Yahoo! JAPAN」サイトの行動データを紐づけており、同一モニタのテレビCM視聴行動と検索行動の関連性や、テレビCMとインターネット広告接触の複合効果などを分析できるようになる。 Handy Media Plannerでは、Yahoo!メディアオーディエンスパネルの広告接触などのデータを含めた10万人規模のテレビCMおよび、イン
米アドテク企業AdRoll(アドロール)CMOのアダム・バーク氏はDIGIDAY[日本版]の取材に応じ、市場はデータのスケールに敏感になっており、独立系はスケールの部分で不利になりやすく、共同データプールを築くことや、クロスデバイストラッキングの構築が重要だと指摘。 デジタル広告市場にはいま話題がたくさんある。GoogleとFacebookが強く、そこに巨大通信企業2社も買収で存在感を高めている。Snapchatが独自の広告プラットフォームを築きはじめ、独立系もさまざまな動きを見せている。今年は中国企業による米アドテク企業買収も相次いだ。 米アドテク企業AdRoll(アドロール)CMOのアダム・バーク氏はDIGIDAY[日本版]の取材に応じ、市場はデータのスケールに敏感になっており、独立系はスケールの部分で不利になりやすく、共同データプールを築くことや、クロスデバイストラッキングの構築が重
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く