AI/Data Technology Map

協業リテールメディア｜小売アプリグロース・販促最適化

小売アプリ/EC開発およびオンライン✕オフラインデータを用いた1to1マーケティングのためのロジック開発および運用パイプラインの構築を行っています。実店舗での購買データ・アプリログや店舗内行動データやサイネージ視聴データなど様々データを活用して、アプリを起点とした新たな購買体験の創出を目指しています。様々なデータソースから集約されるデータを活用するためのデータ基盤構築およびそれらを活用したデータ分析・施策効果検証を強みとしています。

Member

Data Scientist : アプリ・購買・店内データを用いた、アプリを起点としたグロース施策の実行。
Data Engineer : データ基盤・パイプラインの構築 / 運用 / 改善による、スケール可能で堅牢なデータガバナンス。
Product Manager : クライアントコミュニケーション、プロダクト開発戦略の立案と推進。

使用している主な技術

Snowflake, BigQuery, dbt, Braze, Tableau, Python, R, Causal Inference（DID, CausalImpact, RDD）, Uplift Modeling, A/B testing, Price Optimization, User Interview, UI/UX Design, Human-Centered Evaluation, Mixed Methods

小売アプリにおけるアプリグロース

解決したい課題/ ユースケース

テレビCMや紙チラシを始めとして、旧来の小売マーケティングは不特定多数の人に同一の内容を訴求してきました。このようなマスマーケティングは多数のユーザにリーチできますが、ユーザの嗜好に合わせた訴求ができないという課題があります。先に述べた課題を解決するため、データ基盤に蓄積された購買データやアプリログデータを用いて、アプリを起点とした 1to1 マーケティングにより小売企業の売上・粗利の増加を実現します。そのために、私達のチームではアプリ開発・データ基盤（CDP）構築・MAツール導入・グロースを一気通貫行っています。
具体例として、アプリクーポンのパーソナライズ配信があります。ユーザの購買データとクーポン配信データを用いてクーポンによるアップリフトを予測し、ユーザ毎の予測スコアに基づいて配信クーポンをパーソナライズします。A/B テストを用いた実証実験では、ターゲティング配信により数 10% の売上リフトを確認しました。今後はA/Bテストを繰り返し蓄積されたアプリクーポンデータを用いた個別最適化やECにおけるレコメンデーションを始めとして、店舗内外の複数メディア（アプリ、EC、LINE、店内サイネージ等）を横断した 1to1 マーケティングを目指しています。

定量データ✕定性データを活用したグロース

解決したい課題/ ユースケース

小売アプリのユーザ層は老若男女と幅広く、利用する場面は店内・店外と多岐にわたります。そのため、ユーザの声を聞いてそのペインを整理した上で、アプリの UI/UX を考えることが重要だと考えています。
私達のチームでは、UI/UX デザイナーとデータサイエンティストが協力して、ユーザテストやワークショップといった定性調査とA/B テストやログ分析といった定量調査を組み合わせてプロダクト開発を行っています。このような定性・定量双方を用いた開発手法は Mixed Methods とも呼ばれ、Spotify を始めとしたテック企業で導入され始めています。具体例として、ユーザインタビューとログ分析を用いたアプリのモック開発があります。購買行動やアプリ内回遊が特徴的なユーザをログ分析から特定して、そのうち許可いただいたユーザにインタビューを行います。インタビューではアプリ利用・購買習慣に関する質問に回答してもらい、その他にもアプリの利用方法や言動・行動を観察します。このようなインタビューを通じて明らかとなったユーザのペインを議論して、プロダクトの開発に活かしています。
今後は、ユーザインタビューの構造化およびLLMを用いたアンケート結果とユーザ行動ログをかけ合わせた分析、またそれらの知見を蓄積・プロダクト反映する仕組みを整備して、定量×定性に基づく開発プロセスのスケールを目指しています。