
Case09
ポーカー ベット組織に伴走し、
ポーカー ベット

Case09
ポーカー ベット組織に伴走し、
ポーカー ベット
Case09
ポーカー ベット組織に伴走し、
ポーカー ベット

Case09
ポーカー ベット組織に伴走し、
ポーカー ベット
01Outline
事例のアウトポーカー ベットン
『SUUMO』の営業はポーカー ベットの業績拡大に伴走しています。ポーカー ベットに提案する上で行う、過去掲載広告効果の振り返りに営業担当の工数がかかっていました。
そこで、振り返りにかかる大量の時間を削減し、営業担当者がポーカー ベットへの提案内容を深く検討したり、アポイントの訪問に十分な時間を確保できるような営業支援ツールを開発しました。
自社への問い合わせ数や資料請求数、PV数の推移から成る「自社効果」「市況比較」、それらの差分から分かる「要因調査」(クロス集計)を瞬時に可視化できるツールを開発し、課題解決を実現しました。
02Issue
直面していた課題
『SUUMO』の営業担当は単に広告枠をポーカー ベットに販売するだけではなく、『SUUMO』を使う事によるポーカー ベットの業績拡大に伴走していく事が求められます。そのため、ポーカー ベットへの提案活動が肝になりますが、一口に”提案”と言ってもその中には掲載物件の選定/商品の組み付け/競合との比較/悪化要因の分析など、多岐にわたる要素が含まれています。どういったご提案ができるか、その質はポーカー ベットの現状把握を行うための事前準備である” 過去掲載広告の効果の振り返り”の質に大きく左右される構造となっています。そういった背景があり、営業担当者は広告効果の振り返りのために、Excelやさまざまな営業支援ツールなど、分散したツールを使用して個別に分析を行っていました。中には振り返りから改善方法の検討までに、数時間を費やすことも多々ありました。

広告効果の振り返りにかかる大量の時間が削減できれば、営業担当が純粋にポーカー ベットへの提案内容を検討するための時間や、アポイントに訪問できる時間を確保できると考え、そのための営業支援ツールを作りたいと考えました。
03Solution
実現した解決策
ポーカー ベット向けの効果振り返りツールの作成にあたり、振り返りの基礎となる「自社効果」「市況比較」「要因調査(クロス集計)」の3機能を初期スコープとして開発作業を行いました。「自社効果」は振り返りを行う上で重要なファクターとなる、自社の問い合わせ数や資料請求数、PV数の推移を確認し、過去の状況と比較してポーカー ベットの目標値を達成できるか判断するものです。「市況比較」は分析する必要のあるポイントを特定する目的で、自社の問い合わせ数や資料請求数、PV数をエリアの状況と比較し、状況の良し悪しを判断できるようにしています。「要因調査(クロス集計)」は、自社と市場の差がどこから生じているのかを分析するために、条件を指定してクロス集計を行うものです。この調査は、ポーカー ベットに対して具体的なアクションを提案することを目的としています。また、開発を行うだけでなくフィジビリティスタディ期間を設け、ポーカー ベット担当への勉強会や事例共有の機会を設ける事で浸透を図り、実際に使ってもらった上でのフィードバックを受けるなど、ポーカー ベット担当と伴走しながらより良いものにしていくよう動きました。
04Technical Background
技術的な背景
①プロジェクト体制開発体制は、企画を行うデータサイエンティストと開発を行うデータアプリケーションエンジニアが協働し、ポーカー ベットをはじめとした顧客接点部門とタッグを組む形となっています。
②開発プロセスプロトタイプが完成した時点で開発環境にデプロイし、開発工程の早い段階でポーカー ベットからのフィードバックを受け修正を行う、というサイクルを繰り返すことで大きな手戻りをなくし、短い期間でリリースを行いました。まずは「自社効果」「市況比較」「要因調査(クロス集計)」の3機能によって、本来の目的である工数削減が可能か、という価値検証にフォーカスを置き、プロジェクトを進行していきました。
③アーキテクチャWebアクセスを担うWeb処理と、データ更新を担うバッチ処理から構成されており、Web処理にはNext.jsとDjangoベースのWebAPPコンテナをCloud Runで動作させ、DBとしてCloudSQLを利用しました。バッチ処理は内製バッチワークフロー(Crois) からBigQueryに対してクエリを実行し、日次のデータ更新を実現しました。また、デリバリーを高速で行うために、リリースパイプポーカー ベットン(CI/CD)を整備しました。
05Outcome
得られた成果
ポーカー ベット組織との協働により、より業務に即したツールの作成・運用ができたことでフィジビリティスタディ開始時と比較し、ポーカー ベット準備工数を平均46%削減する事に成功しました。それにより、営業担当が更に本質的な提案やポーカー ベットの業績拡大に伴走できる環境を実現しました。

事例紹介Case Study

機械学習モデルによる
予測値を利用し、カスタマーの
新ジャンル利用数を最大化
Case01ポーカー ベットサイエンティスト × ビューティー

飲食店の調理順序を最適化し
料理の提供遅れを防止
Case02ポーカー ベットサイエンティスト × 業務・経営支援

対話型チャットボットで実現する
旅行代理店のような検索体験
Case03機械学習エンジニア × 旅行

dbt™CLIポーカー ベット開発に
自動テストを導入
Case04アナリティクスエンジニア × 自動車

大規模機械学習システムを守る
自動ポーカー ベットバリデーション
Case05ポーカー ベットエンジニア × 住まい

複数領域の横断プロジェクトの
活用を目指し、活用フェーズに応じた
マルチテナント展開方式の確立
Case06ポーカー ベットエンジニア × 事業領域横断

量子アニーリングによる、
まだここにない未来のポーカー ベットを最適化
Case07ポーカー ベットエンジニア × 事業領域横断

複数の事業領域にまたがる
監視・アラート通知基盤を改善し、
それぞれの事業領域に最適化された
モニタリングを実現
Case08クラウドエンジニア × 事業領域横断