高度に専門化されたメディアエージェンシーであるGood Appleは、独自のデータドリブン型ソリューションを提供して、クライアントのパフォーマンス最適化と効果の最大化を支援しています。スケーラブルな成果に定評があり、分析の専門知識と先進的なツールによって、競争の激しい市場の先頭に立ち続けています。クライアントの需要拡大に伴い、分析プロセスを進化させ、1回限りの手動のプロジェクトから、反復可能な高価値製品へ変革する必要に迫られていました。
課題：インサイトのスケーリングに向けた手動作業の克服
Good Appleでは、Dataikuを導入する前に、Snowflakeによるデータストレージ、ETLプロセスによるデータ変換、クライアントにインサイトを提供するレポート用ダッシュボードを使用する強固な基盤が構築されていました。同社では、この強固なインフラストラクチャーを活用しながら、顧客セグメンテーションやアトリビューションモデリングなどの詳細な分析を合理化したいと考えていました。こうした分析は、まだ手動に頼っていた部分が多く、大量のリソースを消費していました。DataikuとSnowflakeを統合することで、このような作業を高速化し、大幅に効率を高めることができました。
- カスタム分析：個々のクライアント向けのインサイトは、1回限りの手動プロジェクトとして提供していたため、再利用やスケーリングができなかった
- キャパシティの限界：分析チームが小規模であり、需要の拡大に対応して一貫性のある反復可能なインサイトを提供するのが困難だった
- モデルの複雑さ：膨大なコードを直接管理せずにモデルの洗練度を高めることは一層難しくなった
これらの課題を解決するために、Good Appleは、自動化、スケーラビリティー、説明可能性を兼ね備えて、ワークフローの合理化と多様なメンバーからなる分析チームの支援ができるプラットフォームを必要としていました。
Good AppleがDataikuを選んだ理由：透明性、ユーザビリティー、スケール
Good Appleは、2019年にDataikuを選びました。その理由は、ワークフローの簡素化、コラボレーションの促進、分析能力のスケーリングができることです。当時、Good Appleのチームには、物理学、数学、コンピューターサイエンス、経済学などさまざまなバックグラウンドを持つアナリストがいて、使いたいツールもそれぞれ異なっていました。彼らが必要としていたのは、共通のプラットフォームとして機能し、容易に習得でき、それぞれの好みのツールや言語の機能をサポートするソリューションでした。Dataikuのビジュアルフローとローコード／ノーコード環境によって、アナリストはデータサイエンスのバックグラウンドの有無に関係なく、複雑なコードを使わずに簡単にプロジェクトの理解と管理、プロジェクトへの貢献ができるようになりました。共通のプラットフォームを構築したことで、チームのコラボレーションがより効果的になり、プロジェクトの実行を高速化することができました。
透明性と説明可能性も同様に重要でした。Good Appleは、社内での結果検証と、クライアントとの効果的なコミュニケーションができる、明確で解釈可能性の高いモデルを重視しました。Dataikuの説明可能性機能（特徴量の重要度や変数の依存関係など）は、モデルがどのように結論に至ったかを詳細に可視化します。この明確さによって、チーム内および外部関係者の両方の信頼と信用を築くことができました。
最後に、スケーラビリティーも重要な役割を果たしました。Good Appleは、Dataikuを活用して、それまでの1回限りの手動の分析から、反復可能な自動ワークフローへと転換しました。プロセスを合理化し効率を高めたことで、既存のリソースを最大限に活用しながら、各種業界の一貫性のある価値の高いインサイトを提供できるようになりました。
Good AppleのDataiku活用による高価値創出
1. 顧客セグメンテーション：複雑度の高いターゲティングの高速化
Good Appleは、複雑なデータセットと高度なパフォーマンス指標を使用するクラスタリング技術を活用し、ターゲットオーディエンス（医療従事者など）を共通の特性を持つ類似集団にセグメント化します。これらのインサイトにより、適切なオーディエンスの特定が容易になり、クライアントのターゲティング戦略を改善できます。
Dataikuを採用する前は、手動のスクリプトを使用してセグメンテーションを行っていたため、時間的制約や再利用性の課題によってモデルの複雑さが限られていました。Dataikuを使ってセグメンテーションプロセスを自動化することで、同じ時間内で洗練度の高いモデルを構築できるようになり、コードを直接管理する必要がなくなりました。この効率化によって、Good Appleはソリューションを1つのプロジェクトより広くスケーリングできるようになりました。ある医療機関クライアント向け分析として始めたことが、各種業界に繰り返し再利用可能なものになりました。
2. アトリビューションモデリング：ROIに関するインサイトの提供の高速化と一貫性向上
アトリビューションモデリングはGood Appleのコアコンピテンシーであり、クライアントのメディアキャンペーンがもたらすビジネス効果の測定に重要な役割を果たします。このプロセスでは、マーケティング活動、市場の状況、競合他社のパフォーマンスなど、さまざまなデータセットを集約して、特定のキャンペーンに起因する売上を把握します。
Dataikuを導入する前は、データサイエンティストがアトリビューションモデルを構築するのに6週間かかり、コードを更新して新しいデータセットをデータフローに組み込むにはそれを手動で行う必要があったため、成果物を頻繁に提供することはできませんでした。今では、Dataikuによって所要時間が50%短縮され、チームはわずか3週間でモデルを開発でき、しかも、より広範な分析を実行できるようになりました。
この移行で、経験の浅いアナリストやデータサイエンティストでも、事前定義されたワークフローを使ってモデルを構築および実行できるようになり、チームのキャパシティが大幅に拡大しました。その結果、Good Appleは現在、複数のクライアントにアトリビューションインサイトを四半期ごとまたは月ごとに提供しており、タイムリーで行動につながるROIデータを提供しています。
3. プログラマティック入札：広告パフォーマンス予測で広告費を最適化
プログラマティック入札は、デジタル広告費を最適化するための重要な戦略です。Good Appleは、独自のプロセスを使用して予測入札モデル構築のための多段階アルゴリズムを作成しています。これらのモデルをDataikuで構築するようにした結果、ディスプレイ広告の最適な入札価格を予測して、キャンペーンのROIを最大限に高めることができるようになりました。
ここで、Dataikuはモデル開発プロセスにおける重要な役割を果たしています。構築されたモデルは入札リストを生成し、そのリストはGood Appleのプログラマティックプラットフォームに入力され、キャンペーンがリアルタイムで実行されます。このプログラマティック入札製品はまだベータテスト中ですが、大規模な成果物の生成は、Dataikuの自動化とインフラストラクチャーがなければ不可能でした。
Dataikuで実現したスケーラブルなインサイトと予想外のメリット
Good Appleは、プロセスの自動化、インサイトのスケーリング、一貫性のある価値の高いソリューションのクライアントへの提供という分析の高度化に対応できるように、技術スタックを強化しました。DataikuとSnowflakeを統合することで、モデルのトレーニングやスコアリングから結果の可視化まで、シームレスなデータワークフローを実現し、これまでの手動の作業を排除しました。Dataikuによって、Good Appleのデータサイエンティストはデータサイエンスに集中できるようになり、ロジスティクスやコーディングの作業は軽減しました。
Dataikuの導入には、API機能という予想外のメリットもありました。Good Appleはこの機能で、アトリビューションモデリングやプログラマティック入札などの反復的ワークフローを合理化できます。この自動化により、提供までの時間を短縮できるだけでなく、クライアントは一貫性があって行動につながるインサイトを確実に受け取ることができ、ROIの測定や戦略の効果的な最適化に役立てることができます。
Good Appleは、Dataikuを活用することで、リソースを大量に消費するカスタムプロジェクトをスケーラブルなソリューションへ変えることに成功しました。この新しいソリューションは、よりスマートな分析を通じてクライアントに測定可能な成果をもたらすという、同社のコアビジネス目標に合致しています。Good Appleは今後、生成AIを探求してイノベーションの新しい機会を切り開いていくことを目指しています。
