ケーススタディ：オンライン映画ストリーミングサービスの高度な分析を設定する方法

AIDAファネルを使用して、通常のeコマースプロジェクトで高度な分析を設定する方法について、多数のケーススタディが作成されています。 多くの企業はこれを行う方法を知っており、目標到達プロセスの設定に問題はありません。 ただし、複雑でわかりにくい販売目標到達プロセス、多くのコンバージョンタイプ、ターゲットを絞ったアクションがある場合は、問題が発生します。 オンラインシネマ用にすべてのデータを1つのダッシュボードにまとめる方法を見てみましょう。

オンライン引越サービスでは、2種類の取引がありますが、通常は電子商取引で行われるため、同等ではありません。 すぐにお金を受け取るトランザクションビデオオンデマンド（TVOD）トランザクション（映画のレンタルまたは購入）がありますが、サブスクリプションビデオオンデマンド（SVOD）トランザクション（サブスクリプションおよびトライアル）には定期的な定期支払いが含まれます。

毎月、ユーザーはサブスクリプションを更新することも更新しないこともできます。 1回限りのトランザクションではなく、顧客生涯価値（LTV）の成長に焦点を当てることは論理的であり、LTVを使用するメカニズムは、他のメトリックを使用するメカニズムとは異なります。

コンバージョンを管理するために、別のグループにトライアルを配置します。 実際、トライアルはサブスクリプションと同じですが、無料または1ルーブルで提供されるだけです。 試用版は、プロモーション期間（7日または14日）の終了時に有料サブスクリプションに変換できます。 このようなコンバージョンを監視することは、私たちにとって非常に重要です。

さらに、購入やレンタルもあります。ユーザーは、新しい映画など、メインサブスクリプションの一部として利用できないコンテンツを購入したり、48時間コンテンツに一時的にアクセスしたりできます。

マーケティング部門は、最大CACを固定して、有料ユーザーの数を3倍にすることを目指しています。 ただし、非定型の販売目標到達プロセスと多数のターゲットを絞ったアクションは、広告キャンペーンの管理と評価の両方を非常に複雑にします。 この目標を達成するために、彼らは、あらゆる種類の取引を考慮に入れて、広告チャネルを客観的に評価できるツールを必要としていました。 内部ストレージと独自のソリューションに基づいて構築された分析は十分ではありませんでした。

分析されたデータの品質についても質問がありました。 すべてのサブスクリプションフォームの送信がWebサイトで追跡されたわけではなく、CRMからダウンロードされたデータには、Webサイトとは異なる形式のデータを照合するためのキーが含まれていました。 一致するデータの割合を増やし、それに応じてデータの品質を高めるには、偏差の規模とダイナミクスを示し、Webサイト上の問題を特定できる監視ツールが必要でした。

すべてのタイプのトランザクションに関するレポートと、データ品質を自動的に監視するためのツールを入手するために、GoogleBigQueryに基づいて高度な分析を構成することにしました。

Google BigQueryのウェブサイトと広告サービスからデータを収集するために、チームはGoogleAnalytics360とOWOXBIを使用しました。 OWOXアナリストは、オンライン映画ストリーミングサービスのビジネスモデルの機能を考慮し、オンラインデータの品質をチェックし、レポートやこれで有料ユーザーを確認する必要があるため、CRMシステムのデータと組み合わせるメトリックシステムの開発と実装を支援しました。情報はCRMにのみあります。

ダッシュボードのデータを組み合わせる方法：

1. OWOX BI Pipelineを使用して、広告サービスからGoogleAnalyticsとGoogleBigQueryにコストデータを自動的にインポートします。
2. ウェブサイトでユーザーの行動データを収集し、GoogleAnalytics360を使用してGoogleBigQueryに送信します。
3. カスタムソリューションを使用して、CRMからBigQueryに販売データをアップロードします。
4. OWOX BI Attributionを使用して、データ駆動型の目標到達プロセスベースのアトリビューションモデルを設定します。
5. Google BigQueryで、ウェブサイトデータ、広告サービスデータ、およびアトリビューション計算の結果を1つのビューに結合します。
6. BigQueryビューからGoogleデータスタジオダッシュボードにデータを転送します。

1.その結果、セールスファネルができました。 これで、各チャネルの各ターゲットへのコンバージョンが確認され、さまざまなシナリオの有効性について結論を出すことができます。

たとえば、全体的な指標を含むパフォーマンスレポートは、さまざまなタイプのコンバージョン（トライアル、アクティブ化されたトライアル、サブスクリプション、購入、レンタル）でのソース、チャネル、キャンペーンの客観的な貢献を確認するのに役立ちます。

ダッシュボードには、マーケターの作業を容易にするための多くのオプションがあります。 たとえば、特定の映画や製品のデータを分析し、ユーザーのステータスを追跡するためのフィルターがあります。 たとえば、ユーザーは試用期間中であり、キャンペーンの後にサブスクライブすることができます。 同様のステータスが多数あります。特定のユーザーを対象としたキャンペーンと結果が特定のセグメントでどのように機能するかを評価するのに役立ちます。

たとえば、下のグラフは、人気がピークから下がり始めたときに、映画「ソウル」の購入が初演後にレンタルにどのように流れ込むかを示しています。

セッションからトライアルへの変換率とトライアルからサブスクリプションへの変換率を示すページがあります。 高度な分析を設定する前は、チームがこの情報を追跡することは困難でした。

マーケターがより詳細な情報を見ることができる経費とすべてのタイプの取引のための別々のページもあります。

2.キャンペーンの成長ポイントを見つけたい場合は、指標とシナリオを計算するだけでは不十分です。 したがって、BigQueryで収集されたデータに基づくOWOXからの目標到達プロセスベースのアトリビューションが設定されました。

そして、アトリビューションデータに基づいて、チームはこのレポートを作成しました。

レポートでは、すべてのタイプのトランザクション（トライアル、アクティブ化されたトライアル、サブスクリプション、独自のデータ、レンタルなど）のチャネルの値（コンバージョン数）を表示できます。 パフォーマンスレポートのすべての指標は、2つのアトリビューションモデルに従ってカウントされます。OWOXBIからのラストノンダイレクトクリックとMLファネルベースのアトリビューションです。

スクリーンショットでは、すべてのコンバージョンタイプのこれらのアトリビューションモデル間の偏差の割合を確認できます。 このレポートは、マーケターがラストノンダイレクトクリックモデルに従って過大評価または過小評価されたチャネルを追跡し、広告予算を割り当てるのに役立ちます。

3.公正な質問は、非常に多くのソースからの、非常に多くのメトリックのデータの品質をどのように制御できるかということです。 チームは、意思決定を行うためのデータマッチングの品質を示す別のダッシュボードを作成しました。

マッチングとは、ウェブサイトからトランザクションデータを収集し、それをCRMのデータと比較するプロセスです。 通常、CRMデータはトランザクションIDによってオンラインデータにリンクされます。 サービスがOWOXでの動作を開始する前は、トランザクションIDの約60％を転送していませんでした。 つまり、マッチングのシェアは約40％でした。

データへの信頼は重要です。 分析のための入力が実際の画像と一致しない低品質のデータを使用している場合、出力での結果はほとんど信頼できません。

以前は、チームは一致率のチェックに多くの時間を費やしていました。 今では、トランザクションの何パーセントが評価されたかを明確に示すツールがあります。 CRMのデータとオンラインデータがどれだけ一致しているかをいつでも確認でき、追加の時間を無駄にすることはありません。 オンラインデータで突然何かが落ちた場合、それはすぐに表示されます。

チームは、追加のデータリンクロジック（OWOXの同僚が支援した）を適用することにより、一致率を40％から許容可能な85％に引き上げました。 また、このレポートはフロントエンドでのアクションに関するフィードバックを提供するため、ある時点でWebサイトの主要なバグを修正し、90％の一致率を得ることができました。

4.このプロジェクトに取り組んでいる間、サービスチームは別のタスクに直面しました。それはGoogleBigQueryのコストを管理することです。

日常管理の重要な対象はデータ品質だけではありません。 オンライン映画ストリーミングサービスは、数十人の従業員にデータを提供します。 また、リクエストの処理が不十分だと、分析サポートへの会社の支出が予想外に増える可能性があります。

脈拍を維持するために、彼らは2つの解決策を使用します。

1. Google BigQueryによって処理されたデータ量（GB単位）とそれに関連するコストを監視するためのダッシュボード：

ここでは、最も多くのデータが処理されたアカウントを確認し、制限を超えた特定のマネージャーに警告することができます。

2.レポートが更新されていないか、Google BigQueryで計画されている費用を超えている場合に、メッセージを含むチャットボット。 これは、毎月のデータ処理コストを計画するのに役立ちます。 同じボットは、レポート内のすべてのソースからのデータを更新した直後にアラートを出すため、チームは比較に時間を浪費せず、すぐにキャンペーンの分析を開始できます。

チームは、すべての通常のプロセスで結果のダッシュボードを使用して、パフォーマンスキャンペーンを管理します。 将来的には、モバイルアプリケーションを作成し、デバイス間のアトリビューションの問題を解決し、分析でメディアキャンペーンの影響を評価することを計画しています。