マーケティング・戦略・組織視点のBIGDATA活用について

~マーケティング・戦略・組織視点の
BIGDATA活用について～
株式会社リクルートテクノロジーズ
ビッグデータ部
西郷彰
日経ビッグデータラボ特別セミナー

Copyright Recruit Technologies Co.,Ltd.Confidential, Internal Use Only.
１．はじめに
～リクルートのご紹介

【企業概要】
１．はじめに～リクルートのご紹介
創立１９６０年３月３１日「大学新聞広告社」としてスタート
グループ
従業員数
２８,２０９名
連結売上高約１兆１９１５億円 ※２０１４年３月末
連結経常利益約１,２２０億円 ※２０１４年３月末
関連企業数国内：５９社、海外：５０社
目指す世界観「あなた」を支える存在でありたい

ライフイベント領域
進学
就職
結婚
転職
住宅購入
車購入
出産/育児
旅行
IT/トレンド
生活/地域情報
グルメ・美容
ライフスタイル領域
選択・意思決定を支援する情報サービスの提供
「まだ、ここにない、出会い」を実現する

リクルートキャリア
リクルートジョブズ
リクルートスタッフィング
リクルート住まいカンパニー
リクルートライフスタイル
リクルートマーケティングパートナーズ
スタッフサービス・ホールディングス
リクルートアドミニストレーション
リクルートコミュニケーションズ
事業会社
機能会社インフラ部門
大規模プロジェクト推進部門
UI設計/SEO部門
ビッグデータ機能部門
テクノロジーR&D部門
事業・社内IT推進部門
リクルート
ホールディングス
リクルートとは、
主要７事業会社＋３機能会社
で構成されるグループ企業群
私が所属する会社は
リクルートテクノロジーズ
4

リクルートテクノロジーズの
新技術のＲ＆Ｄ取り組みステップ
R-Stage Dev-Stage β-Stage 運用-Stage
・技術要素調査
・技術の実態を
把握する
・効果的な仕組み
としてプレ実装
・活用方法をさら
に開拓
・正式にフィジビ
リティスタディ
として推進～
展開をする
・実運用へ
Gate Review Gate Review Gate Review
日常的に、アタリマエのように調査・検証をし続け、
新技術Ｒ＆Ｄの体制や習慣、発想を持ち続ける

ビッグデータの活用事例
・ＰＲＪ
・事例
・ＲＯＩの考え方
・組織について

データ活用の体制について
1つの会議体の中で決定
現場レベルで密に連携
如何に事業担当者と密接にデータ活用を行えるかが肝。

マーケティング課題
コンバージョンファネル
リスティング改善、LPO、集客最適化、
UI改善・・・等
分析としては、ファネル、フォールア
ウト、デバイス別最適化。アトリ
ビューション、アロケーション。
CV
新規リピートロイヤル
リピート施策
メール施策、ポイント施策、マイペー
ジ遡及、パーソナライズ・・等
分析としては、セグメンテーションク
ラスタリングやRFM分析、パーソナラ
イズ。各種レスポンス予測。成長要因
分析。
CV

潜
在
層
検
討
層
成
約
層
アクション効率化
アクション
入口
出口
リスティング
SEO
バナー
アライアンス
ソーシャル
メールレコメンド
有料外部集客（リスティングなど）
の効率化
UI、コンテンツ、導線の改善
パーソナライズ、レコメンド
を活用
ビッグデータ活用事例～パーソナライズ・レコメンド

事例：フロムA
通常のRec枠
完了画面レコメンド

広告最適化
潜
在
層
検
討
層
成
約
層
アクション
出口
入口
リスティング
SEO
バナー
アライアンス
ソーシャル
の効率化

外部集客事例
広告枠
リスティング広告
SEO

• 「統計モデル」による集客構造の数式化
※ごく単純な例）
• 寄与度：各コストのＣＶ数に対する影響度を表します
データから計算（統計的に推定）
※統計モデルなので、「誤差項（予測できない部分）」を含みます
ErrorCostDisplay
CostBannerCostListingCV


50.0
63.025.0数
リスティングによるＣＶ
誤差項
寄与度
バナーによるＣＶ
ディスプレイ広告によるＣＶ
モデリングによる広告最適化

「集客費用→コンバージョン」という因果関係に適用して
「需要予測モデル」と呼んでいます
例：RNNでの需要予測モデル
景況指数
矢印が出ている：原因
矢印が刺さっている：結果
コスト
流入数
流入数 = 係数 × コスト＋誤差
ここでの「係数」は、
コストを1単位投入したときの、
流入数の伸びを表す
（＝流入あたりコスト）
広告最適化用のモデルとは？

広告最適化
潜
在
層
検
討
層
成
約
層
アクション
出口
入口
リスティング
SEO
バナー
アライアンス
ソーシャル
の効率化
カスタマー
プロファイル

効果額
●億円
分析
組織
事業
プランナー
施策
分析結果
意思決定
間接寄与
5％～50％
キャンペーン
集客施策の方針決定
サイト改善
アルゴリズム
ルール
分析
組織
事業
プランナー
ほぼ直接寄与
80％～95％
施策
・レコメンド
・広告最適化/入札
・モニタリング/集計
・CRM
ROIについて

ROIについて
総売上げ換算の効果額
¥＝SPA×CV数
※SPA：sales per action総売り上げ/アクション数
1actionあたりの売り上げ数
広告費換算の効果額
¥＝CPA×CV数
※CPA：外部集客運用で用いられているCPA

ビッグデータの組織について
・ＰＲＪ
・事例
・ＲＯＩの考え方
・組織について

組織体制
活用1G 活用2G 基盤1G 基盤2G
ビッグデータ部
ソリューション統括本部
※必ずしも社員だけで構成されてない

• 活用
– レコメンデーション
• メール、web、スマホ、アプリ、プッシュ、リアルタイム…etc
– 予測モデリング
– BI/レポーティング/ダッシュボード
– 非構造データ、AI（人工知能）R&D
– アプリ/API
– etc
• 基盤
– Hadoop（新技術開拓～verアップなどの運用まで）
– DWH
– BI基盤
– アクセスログ解析ツール
– etc
組織機能詳細

• 組織融合において大変だったこと
• 経験則による、コツ
• 現在のリクルートにおける勝ちパターン
どうやって組織を立ち上げてきたか

ご清聴ありがとうございました
リクルートテクノロジーズ
25

マーケティング・戦略・組織視点のBIGDATA活用について

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

En vedette

En vedette (6)

Similaire à マーケティング・戦略・組織視点のBIGDATA活用について

Similaire à マーケティング・戦略・組織視点のBIGDATA活用について (20)

Plus de Recruit Technologies

Plus de Recruit Technologies (20)

マーケティング・戦略・組織視点のBIGDATA活用について