Fivetran
Home導入事例
Ritual社、最新のモダンデータスタックでリテンション率を向上

Ritual社、最新のモダンデータスタックでリテンション率を向上

Fivetran(ファイブトラン)、Snowflake、dbt、Lookerを導入したRitual社は、ビジネスユーザーに正確でタイムリーなデータを提供し、月を追うごとに既存顧客保持率を向上させています。

Ritual社、最新のモダンデータスタックでリテンション率を向上

Ciara Rafferty 著 2020年6月30日

成功事例のポイント

脆弱なETLパイプライン、異なるコード言語の混在、ウェアハウスのパフォーマンス低下が、顧客維持率分析を阻害していました。最新のデータスタックを導入したRitualは、データパイプラインの問題を95%削減し、クエリ時間を75%削減し、データチームの速度を3倍に向上させました。データを活用してビジネスを強化することで、ビジネスは継続的にリテンションを向上させることができました。

使用データスタック

  • パイプライン:Fivetran
  • データソース Google Sheets、Heroku Postgres、Iterable、Kustomer、Segment、SendGrid、Stripe、Webhooks
  • データ変換:dbt
  • データの移動先(デスティネーション):スノーフレーク
  • BIツール:Looker

Ritualは、LAに拠点を置く、消費者直販のサブスクリプション・ウェルネス・ブランドです。現在、女性向けにマルチビタミン、産前産後、更年期障害の3つのビタミン製品を提供しており、今後も製品の追加を予定しています。

お客様はいつでも休止、急ぎ、解約ができるため、同社の長期的な成長にはリテンションが欠かせません。しかし、既存のデータアーキテクチャでは、リテンションデータを掘り下げて、情報に基づいたビジネス上の意思決定を行うことが困難でした。

需要に応えきれなかった社内インフラ

データ&アナリティクス担当ディレクターのBrett Traniが2017年末にRitualに入社したとき、サイトはShopifyでホストされており、サードパーティのプラグインがサブスクリプションを管理していました。データの品質には一貫性がなく、ビジネスは、倉庫に保管されていたサブスクリプション、リテンション、顧客データの毎晩のスナップショットに依存していました。当時の基本的なレポート作成のニーズは満たしていましたが、何が原因でこのような数字が出ているのかを深く掘り下げることができませんでした。

会社が成長するにつれ、より多くのチームが、顧客の獲得ソース、ABテストのフラグ、Webサイトの機能とのインタラクションなどの追加項目を要求するようになり、それらがリテンションテーブルに追加されました。これはデータチームにとってエキサイティングなことでしたが、要求の増加は既存のアーキテクチャでは対応できませんでした。主な課題は次の3つでした。

  • 脆弱なパイプライン
    Ritualでは、ETLパイプラインが脆弱で、定期的に失敗したり、スケジュールが遅れたりしていました。これにより、毎晩のスナップショットジョブが古いデータで実行されたり、まったく実行されなかったりすることがあり、その結果、同社の日次Lookerレポートのリテンションデータがあるべき場所に空白ができてしまっていました。「失敗やデータの欠落により、社員はデータへの信頼を失い、スプレッドシート、広告プラットフォーム、ランダムなメモなど、独自のソースを見つけては、同じ指標でも異なる数値になっていました」とトラニは説明します。とトラニは説明します。「リテンションに関する唯一の真実の情報源はありませんでした」。
  • 混乱した変換作業
    リテンションテーブルのコードは、Python、SQL、LookMLなど、さまざまな言語が混在しており、最終的な数値の取得やデータモデルの更新にどのような変換が使われているのかを理解することが困難でした。「一見シンプルなリクエストでも、完了までに膨大な時間がかかるため、ビジネスユーザーはイライラしていました」とトラニ。「また、時間がかかることで、有望なテスト結果の新たな傾向を掴む機会を逃しているのではないかと心配していました」。
  • データウェアハウスのパフォーマンスの低下
    テーブルのサイズが大きくなり、その結果、ウェアハウスのパフォーマンスが時間とともに低下していました。「どうすればテーブルのパフォーマンスを上げることができるのか、夜な夜な考えていました」とトラニは嘆く。「レポートを実行すると1日がかりになってしまうので、できなかったリッチなリテンション分析もありました」。

最新の”モダンデータスタック (MDS)”への移行

広範囲にわたる調査と話し合いの結果、RitualはFivetran、dbt、Snowflakeを含む最新のデータスタックへの移行を決定しました。スタックの各部分は、ビジネスのさまざまな問題を解決します。

  1. ファイブトラン
    「Fivetranは完全に自動化されたデータパイプラインであり、データソースの変更を優雅に処理します。Fivetranは完全に自動化されたデータパイプラインで、データソースの変更にも柔軟に対応します。時々、何日も何週間もログインしないことがありますが、それは本当に触る必要がないからです」とトラニは説明します。
  2. dbt
    dbtを使えば、PythonスクリプトやLookMLファイルを検索する必要はありません。dbtは、分析コードのシングルソースオブトゥルースであり、ウェアハウス内での変換により複雑さが軽減され、すべてが一箇所に集約されます。自動テストやデータの鮮度チェックなどの追加機能により、データチームはデータに対する信頼性を高めることができます。トランスフォームによるテストのプロセスを高速化することで、dbtは新機能の開発を68%増加させることができたと、トラニ氏は推定しています。
  3. スノーフレーク
    Snowflakeは、ストレージとコンピュートを分離することで、ビジネスがウェアハウスをシームレスに拡張することを可能にします。ジョブの分離が容易なので、データのロードや変換などのプロセスがLookerのエンドユーザーに影響を与えることはありません。

では、どのように連携しているのでしょうか?Fivetranは、トランザクションデータ、メールイベント、Webサイトのインタラクション、広告プラットフォームのデータ、購入後のフィードバックを抽出し、Snowflakeの生のデータベースにロードします。dbtは生のデータをスナップショットし、変換します。dbtは生データをスナップショットし、変換します。データはビジネスロジックで実行され、テストされた後、別のアナリティクスデータベースに格納され、ビジネスユーザーが使用できるクリーンで正確なデータが格納されます。分析ツールは、BI用のLookerやデータサイエンス・モデリング用のDatabricksを使用して、分析データベース内のデータを照会します。

テストとデータ探索の実現

最新のモダンデータスタックは、クリーンで使いやすいデータをビジネス全体の人々に提供し、スケールに合わせたテストと反復を可能にしました。より強力なビジネスを構築し、意思決定者に力を与えるためにデータを利用することで、トラニ社はリテンションを前月比で持続的に改善しています。彼は、このスタックが可能にしたいくつかの結果を紹介しています。

ビジネスユーザーのためのアドホックなデータ探索。Lookerの探索機能により、チームは簡単にデータにアクセスし、意味のあるインサイトを見つけ、意思決定を促進することができます。問い合わせ時間が75%短縮されたことで、ユーザーは自信を持ってLookerでレポートを実行し、すぐに答えを得ることができます。例えば、次のような質問に素早く答えることができます。

例えば、次のような質問にすぐに答えることができます。

  • 購入前の特定のABテストへの暴露は、長期的なリテンションに影響を与えるか?
  • ペイドソーシャルのようなチャネルから来る購読者の質は、去年の今頃と比べて変わったか?

クロスファンクショナルなコラボレーション。ビジネスの中核となる指標については、ビジネス全体が単一の真実の情報源を持つことで、チーム間のギャップを解消しています。最初の Web サイトへの接触から購読まで、ファネル全体をつなぐことができます。

Fivetranに切り替えてから、データパイプラインの問題が95%減少しました。最近では、買収チームが新しいチャネルをテストしていて、そのコホートのリテンションについて知りたいと思っていました。育成会議の最中に、コホートのレポートを取り出して定着率を調べ、そのデータに基づいてテストを拡大するために必要な決定を下すことができました。これは、データが最新で信頼性が高く、組織全体で利用できるからこそ可能なことです。

カスタマージャーニーをパーソナライズする。信頼性が高く、アクセス可能なデータがあったので、データチームはライフサイクルチームと協力して、何がリテンションを促進しているかを理解しました。データチームはライフサイクルチームと協力して、何がリテンションの原動力になっているのかを把握した。

私たちは、一部のお客様が購入後すぐに停止していることに気づきました。当社の売上は1日2回のビタミン摂取という日々の習慣に依存しているため、その習慣を継続することに問題があるのではないかと考えました。そこで、定期購入を早い段階で中断したお客様のグループを特定し、習慣を身につけるためのさまざまなヒントを盛り込んだパーソナライズされたコンテンツシリーズを送信し、そのグループを長期的に追跡するためのレポートを設定しました。2〜3ヶ月の間に、パーソナライズされたメッセージを受け取ったグループと対照グループがゆっくりと分離し、結果的にリテンションとLTVが向上しました。

お客様への理解が加速:Ritualはお客様のニーズや外部の変化に素早く対応できるため、データチームのベロシティが3倍になり、カスタマージャーニーを理解して改善するためのダッシュボードの構築やテストの実施が迅速にできるようになりました。

ライフサイクル担当ディレクターは、リテンションデータを利用して、カスタマージャーニーやメール配信など、付加価値のあるマイナーチェンジを特定しました。利用可能なデータとレポートを使って、影響を受けるコホートを特定し、それらのコホートが解約に与える影響の増分をモデル化し、時系列で追跡するためのダッシュボードを設定しました。彼女は、これらの小さなプロジェクトが解約に与える影響を長期的にモニターすることができました。

ファイブトランについて

Fivetranテクノロジーは、データアナリストの現実的なニーズに基づいて開発されており、アプリケーション、データベース、イベント、ファイルを高性能なクラウドウェアハウスに複製するための最もスマートで迅速な方法です。Fivetranのコネクターは、数分で導入でき、メンテナンスが不要で、ソースの変更にも自動的に対応します。

Snowflakeについて

Snowflakeは、クラウド向けに構築された最先端のデータウェアハウスです。独自のアーキテクチャにより、パフォーマンス、同時実行性、シンプルさの面で画期的な成果を上げています。これにより、複数のグループが同時にペタバイト級のデータにアクセスすることが可能となり、クラウドに対応していないソリューションと比較して、最大で200倍の速度と10倍のコスト削減を実現します。Snowflakeは、構造化データおよび半構造化データに対応した、従量制のフルマネージドサービスです。

dbtについて

dbtは、フィッシュタウン・アナリティクスが構築・管理する開発環境で、世界中のデータアナリストが好む言語であるSQLを使用しています。dbtを使用することで、アナリストはデータ変換コードの作成からデプロイメント、ドキュメント作成まで、アナリティクスエンジニアリングのワークフロー全体を所有することができます。

Lookerについて

Lookerは、データ分析とビジネスインサイトをあらゆる部門に大規模に提供する最新のデータプラットフォームで、アプリケーションに簡単に統合でき、意思決定プロセスに直接データを提供します。

この記事は英文から翻訳されました。オリジナルの記事はこちら(英語)からご覧ください。