Comments
Description
Transcript
オ ム ニ チ ャ ネ ル 時 代 の マーケティング戦略と最新テクノロジー
2016.Apr.14th Treasure DMP Solution Introduction オ ム ニ チ ャ ネ ル 時 代 の マ ー ケ テ ィ ン グ 戦 略 と 最 新 テ クノロジ ー Copyright © 2016, Treasure Data, Inc. All rights reserved. 目次 00.Index About Treasure Data 01 会 社 概 要 P03 Use Case Of Treasure Data 02 トレ ジ ャー デー タの 活 用領 域 P10 Case Study 03 活 用 事 例 P18 資 料 P35 Appendix 04 参 考 Copyright © 2016, Treasure Data, Inc. All rights reserved. 2 会社概要 会社名 Treasure Data, Inc. 設立 2011年12月 住所 米国本社 東京支社 代表者 Co-Founder 兼 CEO 芳川 裕誠 事業内容 資本金 多種大量データを即時に収集、分析、外部システム連携が容易なクラウド基盤を提供 これにより、複雑/面倒なデータ基盤を最新に保ちながら抽象化を図り、顧客は価値源泉であるデータ 解析とそれを元にした施策自体にフォーカスが出来るようになる 約40億円 従業員数 約100名 2565 Leghorn St., Mountain View, CA 94043 United States 東京都千代田区丸の内2-4-1 丸の内ビルディング 34F 拠点 データ量 38,000,000,000,000件 US:Mountain View Korea：Seoul Japan：Tokyo Mobile Web Gaming Copyright © 2016, Treasure Data, Inc. All rights reserved. Server IoT *2016年3月末現在の件数 3 創業メンバー 芳川 裕誠 CEO 早稲田大学在学中より、Red Hat, Inc.に勤務。エンジニアとしてキャリアをスタートし、教育事業、 製品マーケティング、事業開発を担当。2009年、三井物産のベンチャーキャピタル事業 「三井ベンチャーズ」のメンバーとして米国に渡る。オープンソースソフトウェア企業への投資・経営に 携わった経験を生かし、2011年、米トレジャーデータ社を起業、最高経営責任者（CEO）に就任、現在に至る。 Red Hatにおけるオープンソースソフトウェアの事業経験や米国での事業経験を活かし、 トレジャーデータの経営全般にかかわる責任者として活躍中。 太田 一樹 CTO 高校時代から、Linux上のデスクトップ環境KDEのコミッターとしてOSSコミュニティに貢献。 2006年、東京大学理学部情報科学科に在学中に、株式会社プリファードインフラストラクチャーの 最高技術責任者（CTO）に就任。同社に在籍期間中にHadoopに出会い、2009年に「Hadoopユーザーグルー プジャパン」を創設。現在、登録者数は1,700名を超え、世界最大規模のHadoopのコミュニティになっている。 2011年に同社退社後、米国にてトレジャーデータ社を起業し、最高技術責任者（CTO）に就任、現在に至る。 古橋 貞之 Chief Software Architect 2012年、筑波大学大学院卒業。学生時代、2010年に日本OSS推進フォーラムから「日本OSS奨励賞」を受賞。 また、多言語で通信できる分散インフラ技術「MessagePack（メッセージパック）」を開発。 2008年にオープンソースソフトウェアとして公開し、現在、全世界で利用されている。その後、2011年、 米トレジャーデータ社を芳川、太田と共に起業。Hadoopベースのクラウドデータ分析プラットフォームの構 築および実装を担当している。2011年から、ログコレクター「Fluentd（フルーエントディー）」の開発を開 始、 現在ではWebサービスや広告、CDN等を始めとする全世界で数多くの産業分野で導入され、2014年、Google Cloud Platformのログコレクタとして標準採用されている。2015年「Embulk（エンバルク）」の開発を開始。 Copyright © 2016, Treasure Data, Inc. All rights reserved. 4 沿革 米国Mountain Viewにて 株式会社トレジャーデータ創業 2011年12月 2013年5月 シリーズAラウンドでシエラ・ベンチャーズ社から 500万ドルの資金調達を発表 2013年7月 2013年10月 ガートナーの 『Cool Vendors in Big Data, 2014』に選出 韓国における営業拠点として ソウルに支社を開設 「Treasure Data Service」のデータ保存件数が 1兆件を突破 2014年5月 2014年7月 パイオニア株式会社・ トレジャーデータ ビッグデータを 使った自動車業界向け事業で業務提携 日本国内における事業展開を本格化 ヤフー株式会社と ビッグデータ領域で業務提携 2014年9月 2015年1月 シリーズBラウンドで 総額1,500万ドルの資金調達を実施 2015年12月 三菱重工 風力発電事業に IoTモニタリングシステムを導入 2015年2月 Copyright © 2016, Treasure Data, Inc. All rights reserved. 5 MISSION デ ー タ 解 析 の 世 界 を シ ン プ ル に 。 Copyright © 2016, Treasure Data, Inc. All rights reserved. 6 トレジャーデータの価値 お客様 × トレジャー データ ＞ Copyright © 2016, Treasure Data, Inc. All rights reserved. グローバル インターネット ジャイアンツ トレジャーデータサービスとは • クラウド型のデータマネージメントサービス。各種データを即座にアップロード、 クエリ分析し、用途に合わせその結果を様々なシステムと連携が可能 分析 収集 連携 Summaraized Data Sets モバイル ウェブ 統合 Raw Data Sets ゲーム CRM マーケティング オートメーション BI Amazon Redshift Visualization サーバー ROBMS IoT スプレッドシート API Web Console Copyright © 2016, Treasure Data, Inc. All rights reserved. 8 About Treasure Data 01 会 社 概 要 P03 Use Case Of Treasure Data 02 トレ ジ ャー デー タの 活 用領 域 P10 Case Study 03 活 用 事 例 P18 資 料 P35 Appendix 04 参 考 Copyright © 2016, Treasure Data, Inc. All rights reserved. 9 デジタルマーケティングのいま • 顧客ステージによってパーソナライズ化したマーケティング施策を実施することで集客・有料顧客化を促進 • 既存顧客/優良顧客を維持するためのマーケティング施策を実行し、休眠顧客の復活、離反防止する 促進する 防ぐ 顧客ステージ 接点 組織と仕組み ゲスト 広告・ソーシャル 広告 無料会員 メール・リマケ ロイヤル カスタマー 有料会員 メール・電話・接客 マーケティング CRM 横断的なDMP Copyright © 2016, Treasure Data, Inc. All rights reserved. 10 TREASURE DMPの特徴 01 02 クロスチャネル コミュニケーションの実現 リアル行動モニタリング （プライベートDMP機能) 03 2nd, 3rd パーティデータの活用 （データマーケットプレイス） （DMPから連携） Marketing に必要なデータが一箇所に 集積される デジタル・リアル問わず、行動ログ が取れる サービスのログから近未来を予測で きる ジオフェンス、ビーコンによる検知 とコンバージョン測定 広告、MA、CRMを連携させたクロス チャネルコミュニケーションの実現 1 to 1のターゲティング カスタマージャーニーを高速に見直 せる仕組み 上質な接客の実現 Copyright © 2016, Treasure Data, Inc. All rights reserved. 誰もが使う共通的なデータ(統計デー タ、天気、ジオデータなど)を提供 合意済みの2社間のデータを簡単に 交換 自社にないオーディエンスデータを 提供 11 TREASURE DMPを利用したデジタルマーケティング データ収集 データ統合 / 連携 チャネル配信 1st Party (顧客データ) Private DMP 大量生データ蓄積、データ統合、 セグメンテーション、施策連携 施策 マーケティング施策 広告ログデータ アドネットワーク Web閲覧データ DSP モバイルアプリ データ メール ソーシャルデータ LINE 2nd, 3rd Party DMP POSデータ CRMデータ プッシュ通知 2nd, 3rd パーティデータ)連携 MAデータ 統計 興味関心 入店データ 天気 2社間データ連携 推定年収 オーディエンス ライフステージ ジオデータ Facebook/Twitte r ダイレクトメール コールセンター 属性データ Copyright © 2016, Treasure Data, Inc. All rights reserved. 12 TREASURE DMPのソリューションパートナー 収集 1stパーティーデータ 分析 可視化 連携 機械学習 自動化 統計 モバイルターゲティング DSP SDK(JS, iOS, Android) 広告効果測定ツール 広告 モバイルアド ネットワーク S S P SNSターゲティング ソーシャル メディア パブリックDMP 3PAS(第三者配信) ディスプレイ Webアナリティクス CRM / MA/ メール CRM / MA / O2O プライベートDMP (アナリティクス, 機械学習) デ ー タ マ ー ケ ッ ト プ レ イ ス メディア 各種メディアサイト 3 r d パーティー 3rdパーティーデータ 人口/世帯統計、事業者/建物/施設 地理/気象/交通、商品/消費動向 評価/口コミ/メディア Copyright © 2016, Treasure Data, Inc. All rights reserved. オーディエンスデータ 13 TREASURE NETWORK • TREASURE DMPを活用して顧客企業のデジタルマーケティングを成功に導くオープンなパートナーエコシステ ム 基 盤 提 供 導 入 支 援 ・ 運 用 Copyright © 2016, Treasure Data, Inc. All rights reserved. 14 参考ユースケース： インバウンド（訪日外国人）向けオモテナシプラットフォーム 01 情報収集 アプリDL 察知 02 日本入国 察知 03 ジオフェンス Geofence/ GPS 察知 GPSで人流解析 Webパス 04 入店 察知 Push/Ad Wifi/Beacon 国籍に応じたおもてなしができる サイネージ、シフト、在庫管理、空席 情報 Copyright © 2016, Treasure Data, Inc. All rights reserved. • コンバージョン測定 • 店員に来店を通知 • 他言語サイネージ切替 15 トレジャーデータが目指すDMP Data Management Platform × Data Market Place ➡ ︎ Copyright © 2016, Treasure Data, Inc. All rights reserved. Digital Marketing Platform About Treasure Data 01 会 社 概 要 P03 Use Case Of Treasure Data 02 トレ ジ ャー デー タの 活 用領 域 P10 Case Study 03 活 用 事 例 P18 資 料 P35 Appendix 04 参 考 Copyright © 2016, Treasure Data, Inc. All rights reserved. 17 デジタルマーケティングで活用されるデータ Point 03. Case Study ①様々なチャネルにおける顧客データと3rd Partyデータを利用してデータを統合。 ②生データを累積してSQLベースでセグメントを作るため、自社特有のセグメント化が可能。 ③作成したセグメントに対して、広告配信、メール配信、プッシュ通知までワンストップで可能。 セグメント作成 データ結合 統 合 デ ー タ オンラインデータ チャネル連携 PC/スマホ （サイト訪問データ、広告出稿データなど） （プッシュ通知、広告配信） オフラインデータ メール （会員データ、購買データなど） 3rd Party データ 店舗 （3rd Party Cookie, ジオフェンスなど） （ O 2 O ） Copyright © 2016, Treasure Data, Inc. All rights reserved. 18 03. データ統合、分析、可視化 Case Study データソースを統合し、データ分析/可視化を行い、分析内容を共有 データソース データ統合/分析 BI ダッシュボード スマホアプリ Webサイト リアル店舗 顧客情報 課題 各チャネル毎のユーザ行動を把握したい 分析した結果を直接様々な施策に連動したい 顧客事例 実施内容 多数のチャネル（サイト、アプリ、店舗） におけるデータを統合し、行動分析/可視化 各ユーザ毎に最適なタイミング、最適な 手段で施策を行う 期待する効果 良品計画、すかいらーく、クックパッド リクルート、MonotaRO、U-NEXT、Retty GREE、バンダイナムコ、ドリコム 売り上げ向上 Webサイト、アプリ改善 1to1マーケティング（メール/サイト出し分け） リコメンド精度向上 Copyright © 2016, Treasure Data, Inc. All rights reserved. 19 プライベートDMP活用イメージ 03. Case Study 自社サイト（アプリ）行動分析＋マーケティング施策 データソース データ分析基盤 施策 スマホアプリ メール配信 Webサイト 広告配信 リアル店舗 課題 BIツール ダッシュボード 各チャネル毎のユーザ行動を把握したい 分析した結果を直接施策に連動したい 顧客事例 プッシュ通知 実施内容 多数のチャネル（サイト、アプリ、店舗） におけるデータを統合し、行動分析/可視化 各ユーザ毎に最適なタイミング、最適な 手段で施策を行う 期待する効果 良品計画、すかいらーく、クックパッド リクルート、MonotaRO、U-NEXT、Retty GREE、バンダイナムコ、ドリコム 売り上げ向上 オムニチャネル戦略 Webサイト、アプリ改善 1to1マーケティング（出し分け） リコメンド精度向上 Copyright © 2016, Treasure Data, Inc. All rights reserved. 20 03. オーディエンスデータ 活用 Case Study 保有データとDMPのオーディエンスデータを連携させて分析および広告施策 3rd Party DMP オーディエンスデータ 自社保有データ（ 1st Party ） TD ID（1st Party Cookie ID） ・TDID ・文字コード・言語 ・リファラー ・参照元ページ情報 IM ID（3rd Party Cookie ID） ・接続元IPアドレス ・画面解像度関連 ・ブラウザ情報 ・OS情報 Intimate MergerセグメントID 性別 未婚 年齢 職業 年収 興味関心 子供の有無 趣味嗜好 IM ID（3rd Party Cookie ID） Intimate MergerセグメントID 社内データ（CRM） ・会員属性情報 ・購買履歴 等 課題 自社サイトにおける行動ログのみだけでは、 ユーザセグメントを詳細に分けるのが困難。 顧客事例 実施内容 データセラー型DMPであるIntimate Mergerが 保有する約4億UUのデータを利用し、ユーザの デモグラ、趣味嗜好などのデータを取得。 期待する効果 某クレジットカード会社 某電気通信会社 某リサーチ会社 某メディア会社 CRMデータと組み合わせ詳細なセグメント作成 様々な面への広告配信 Webサイトのコンテンツを出し分け Copyright © 2016, Treasure Data, Inc. All rights reserved. 21 リエンゲージメント広告配信 03. Case Study 蓄積しているセグメントデータをNEX8と連携してターゲティング配信 デ ー タ ソ ー ス webログ タ ー ゲ テ ィ ン グ 配 信 プライベートDMP iOS/Androidアプリ SSP/アドネットワーク 顧客DB、課金DBなど その他SSP ・ADX 広告効果測定ツール 課題 実施内容 新規顧客は既に見込みを取りきっている状況で、 休眠ユーザー掘り起こしをしたい(リテンション) PDCAサイクルを自動化したい IDFAをセキュアに連携させたい TD上で作成したセグメントをもとに、Nex8 連携で広告配信を行う 配信結果もIDFA単位でTD上に蓄積 その結果をもとに再度分析して効果を高める 顧客事例 期待する効果 モバイルアプリサービス事業会社 IDFAをベースとした広告配信 休眠ユーザの掘り起こし リセマラユーザへの広告配信除外 PDCA高速サイクルによる配信最適化 Copyright © 2016, Treasure Data, Inc. All rights reserved. 22 03. メール配信ツール連携 Case Study 高度な配信リストによるメールマーケティングの実現 配信リスト生成・ツール連携 最適なリスト・コンテンツでメール配信 注意 検索 関心 開封ログ収集 購入 ユーザA ユーザB ユーザC リターゲティング 課題 実施内容 カスタマージャーニーの段階や属性に応じ、最適 化されたメッセージを配信したい トレジャーデータでリスト作成を行いメール配信 ツールと連携 メール開封ログから配信リストを自動更新 適合事例 リエンゲージメント 期待する効果 ユーザD 会員サービス提供企業 カスタマージャーニーの段階、顧客属性に応じた 最適なメールを配信 自動処理によるPDCA高速化 Copyright © 2016, Treasure Data, Inc. All rights reserved. 23 MA + SFA データ統合 03. Case Study MARKETING AUTOMATION / SFAデータを統合し、分析、施策 リードジェネレーション施策 web訪問（ログ） 顧客情報獲得 広告 営業リード創出 スコアリング イベント・セミナー 潜 （ 匿在 名顧 ）客 アンケート リスト購入 メールマガジン 顕 （ 実在 名顧 ）客 （ 確見 度込 高顧 ）客 営業リード 受注 ナーチャリング SFA領域 MA領域 データレイク：複数のデータソースを統合・分析・連携 施策関連情報 課題 実施内容 任意の期間でのスコア変化量など、Marketoとは 別の軸で分析をしたい 既存顧客へのアップセルに向けて、売上や利用 ログなどの外部データも活用したい TDにMarketoの行動ログを収集 一定期間での変化量の多いユーザを抽出し、 ホットリードとしてSFDCに連携 顧客事例 期待する効果 社内システム ・顧客情報 ・利用状況 クロスセル・アップセル B2B企業 データ連携の自動化でマーケティング活動にお けるPDCAの高速化 リードの質と量の改善 Copyright © 2016, Treasure Data, Inc. All rights reserved. 24 オムニチャネル活用イメージ 03. Case Study ジオフェンス、Beacon検知によるプッシュ通知 ①タイマー予約 あらかじめ設定した 時間に配信 課題 実施内容 ②ジオフェンス ③Beacon検知 地図上で、円やポリゴンで 街中お店などに設置したビーコン 囲った範囲にいる人のみに配信 を検知した人にのみ配信 実店舗のため、商圏が限られる 来店者がどんな人なのかわからない 店舗内の人の動きがわからない エリアを定義したプッシュ通知 顧客属性に合わせたキャンペーン実施 来店者属性の分析、人流分析 顧客事例 期待する効果 すかいらーく リクルートライフスタイル コンバージョンが高く売上アップ キャンペーン効果アップ 広告効果の測定 エリアを限った無駄打ちが少ない投資 Copyright © 2016, Treasure Data, Inc. All rights reserved. 25 リアル行動ターゲティング 03. Case Study ジオフェンシングによるリアル行動を踏まえたプッシュ通知、広告配信 タイマー予約 ジオフェンシング ビーコン検知 あらかじめ設定した 時間に配信 地図上で円やポリゴンで 囲った位置に入った人に配信 街中に設置したビーコンを 検知した人に配信 対 象 I D セ ッ ト ターゲティング広告配信 アプリ内行動ログの分析・ユーザーセグメント作成 オンラインとオフラインのデータが統合的に 管理されておらず、効果的な施策が打てない メール、バナー広告等従来型の施策から一歩 進んだマーケティングを行いたいが手段がない 課題 実施内容 位置情報に起因した来店誘導 行動履歴と位置情報に基づく最適な広告配信 顧客事例 期待する効果 すかいらーく リクルートライフスタイル リクルート住まいカンパニー 店舗売上の向上 ユーザーエンゲージメントの向上 広告配信効果の最大化による CV 改善 Copyright © 2016, Treasure Data, Inc. All rights reserved. 26 MUJI PASSPORTの事例 閲覧ログ POSデータ、Webアクセスログ × O2O 大量の 生閲覧ログ スマホアプリ 加工済閲覧ログ （Cookie ID→顧客ID） AWS （Redshift） ネットストア BIツール （tableau） スマホアプリ ネットストア ID リアル店舗 メール 販売データ その他データソース • 行と列が非定型なデータを扱うの が従来のデータベースでは非効率 かつ負荷が高い • 新しいアプリのデータ量を予測で きない • Web・アプリログを柔軟に収集 • ユーザーIDとCookieを紐づけ • 大量のデータを簡単に集計・取 得可能 • 経済的にスモールスタート 27 • ネット・リアル問わずコミュニ ケーション • 購買だけでなく、行動ログデー タを可視化できるようになった。 • お客様毎に施策を打てるように なり、リアルショップに対して、 継続的に送客を行う 03. Case Study プロファイルパスポートでは、Beacon端末を使った来店分析サービスのデータ基盤として採用されています。 BLE ビーコン検知 ログ 集計・分析 AWS （Redshift） プロファイルパスポート ANATYTICS • 端末から大量に生成されデータの 保管場所が必要 • 大量のビーコン検知ログを保管 • データ加工後、Redshiftへデータ エキスポート（Result Output） 28 • 来店行動ログ分析を会員属性毎 に実施 • CRM情報と来店行動ログを連携 すかいらーく 外食・アプリ・行動分析・機械学習 データマート アプリログ TREASURE App server スマホアプリ Agent ルールによるクーポン発行 • 新プロジェクト・アプリのため、 予算と時間が限られていた • ログの形式も利用用途も不確定 AWS （Redshift） TREASURE Service ID統合 1.固定KPIモニタリング 2.原因分析 機械学習 • ガストアプリのログを一元化 • 1.5ヶ月でログを収集・分析する プラットフォームを構築 • スモールスタートを実現 • ユーザ数の爆発的な増加にも柔 軟に対応 29 ダッシュボード • 折り込みチラシと同等の反応を コスト1/100で実現、コストパ フォーマンスは100倍 • 既存店売上高同年前月比104.6% • クーポンやキャンペーンの効果 測定を実現 • 反応に応じて、パーソナライズ した配信を実現 IOTゲートウェイとの連携 03. Case Study •ログコレクター（Fluentd）を組み込んだIoT用ゲートウェイとの連携 •センサーデータを簡単にTREASURE DMPに集める事ができる Copyright © 2016, Treasure Data, Inc. All rights reserved. 03. 広告効果測定ツール連携 Case Study 広告効果測定ツールのポストバック連携で最適な施策の実現 DL / インストール 広告 初回起動 利用 課金 その他の対応ツール ポストバック連携 インストール / アンインストール 流入元 IDFA / AdID 操作ログ リターゲティング広告 課題 実施内容 課金情報 リエンゲージメント広告 ユーザのステータスに最適化した広告施策が取 れていない。 プロモーションのPDCAを高速化したい 広告効果測定ツールとポストバック連携 Treasure Dataでアプリケーションの操作ログ・課 金情報を収集 適合事例 期待する効果 モバイルゲーム提供企業 モバイルアプリサービス提供企業 アプリのプロセス全体の把握によるターゲットと メッセージの適切な把握 PDCA高速化による施策の最適化 Copyright © 2016, Treasure Data, Inc. All rights reserved. 31 機械学習を用いた解約予測 03. Case Study 顧客情報や行動ログをベースに機械学習を行い、会員の解約予測 直接施策 予測に使うデータ Hivemallにて機械学習 属性情報 ポイント付与 流入元 Web 行動ログ ケアコール 間接施策 クレーム情報 利用サービス情報 UI 変更 Mobile 課題 会員による定期購買が会社全体の売上、 利益を左右するが、解約リスクのある 会員を事前に把握、防止する策を欠いていた 顧客事例 実施内容 機械学習を行い、過去1ヶ月間のデータをもとに 未来1ヶ月間に解約する可能性の高い顧客 リストをHivemallを用いて作成 期待する効果 成功体験への誘導 オイシックス 統計の専門知識無しで機械学習 解約予測リストへのポイント付与により 解約率が半減 解約リスクを伴う施策、イベントを炙り出すと 同時に、非解約者の特徴的な行動も把握可能に Copyright © 2016, Treasure Data, Inc. All rights reserved. 32 最新導入事例:資生堂様 データ統合 / 連携 1st Party (サイト閲覧、顧客データ) データ統合 / 可視化 / 分析 / 連携 データ可視化 データ分析 施策 広告施策 アドネットワーク “ワタシプラス”, ”Beauty & Co.” サイト閲覧データ DSP Facebook/Twitte r プライベートDMP 店舗POSデータ W+会員データ OS購買データ サンプル申込データ等 マーケティング施策 大量生データ蓄積、データ統合 セグメンテーション、施策連携 PC/SPサイト出し分け 3rd Party Public DMP アプリ通知 2nd Party (メディア出稿データ) メディアサイト閲覧データ 3rd Party Cookie データ(オーディエンスデータ)連携 CRM施策 性別 未婚 年齢 職業 年収 興味関心 LINE 子供の有無 趣味嗜好 メール Copyright © 2016, Treasure Data, Inc. All rights reserved. 33 About Treasure Data 01 会 社 概 要 P03 Use Case Of Treasure Data 02 トレ ジ ャー デー タの 活 用領 域 P14 Case Study 03 活 用 事 例 P29 資 料 P35 Appendix 04 参 考 Copyright © 2016, Treasure Data, Inc. All rights reserved. 34 他クラウドサービスとの比較（当社案*比較するサービスにより異なります） 他クラウドサービス 構築 サービス調査 可用性/拡張性を担保したサービス 構成の策定 インスタンスの起動・設定 インデックス/データ型の定義 N/A N/A 各種リソース監視 (CPU/メモリ/ ディスク使用率等) データ量増加に伴うプロビジョニン グ作業 障害検知システムの設定・監視 障害解析 (一次切分け、エスカレー ション対応等) 障害復旧 (サーバー再起動等) 連携サービス仕様調査 要件定義 接続検証 各種開発/実装 分析連携 運用 他システムとの連携 /インテグレーション Treasure Data Service 既存機能の活用 ※自社サービスログと 3rd Party データの紐 付け、広告配信連携が管理コンソールから 簡便に実行可能 テンプレートクエリの利用 連携機能の新規追加・開発 ※弊社との共同インテグレーションにより 開発リソースの最小化が可能 Copyright © 2016, Treasure Data, Inc. All rights reserved. 35 他クラウドサービスとの比較（当社案*比較するサービスにより異なります） 自社のリソースで都度開発、インテグレーションを行う ことによりその時点でベストな環境・機能を揃えること は可能。但しその後も要件の変化・更新に応じて開発を 重ね続けなければならない。 費用（単位：百万円） <-> Treasure Data ではサービスを利用し続けてさえいれ ば、1回/2週程度のアップデートにより必要機能および新 規連携先が自動的に追加されていくため、開発工数の大 幅な削減が可能。 20 15 人件費（開発） 人件費（定常） 10 他クラウドサービス Treasure Data 5 期間 0 1年目 2年目 3年目 ※1$=120円のレートを適用 ※AWS費用は、当社見積り価格の1/5程度で算定 ※年次1.5倍のデータ増&費用追加を仮定 ※人件費は100万円/人月として1人分（12ヶ月）を加算 ※他製品連携および分析機能開発に係る作業工数（半年に1回・3人月）を追加開発費として試算 Copyright © 2016, Treasure Data, Inc. All rights reserved. Copyright © 2016, Treasure Data, Inc. All rights reserved. 37