読者です 読者をやめる 読者になる 読者になる

トレジャーデータ(Treasure Data)公式ブログ

トレジャーデータ(Treasure Data)公式ブログです。

トレジャーデータ事例集 2.「モダンWebアナリティクス」

*トレジャーデータはデータ収集、保存、分析のためのエンドツーエンドでサポートされたクラウドサービスです。

 

本シリーズは,紹介する3つの分野における事例を通してトレジャーデータサービスを深く理解してもらえる事を目的としています。

これからWeb / EC ログの分析事例を紹介するのですがその前に,特定の分野によらない,トレジャーデータならではの分析メリットをお話しします。

 

f:id:treasure-data:20140612104927p:plain

大量のデータを分析できるようになったことの大きな恩恵として「パス」や「セグメント」を柔軟に設定できる事が挙げられます。従来パスやセグメントは,その組み合わせが無数にあるために,データ量が多くないと各々のサンプル数が0になってしまい有意な比較が行えませんでした。大量データを現実時間で実行できるトレジャーデータサービスは,これらの分析を可能にしました。

 

f:id:treasure-data:20140612104943p:plain

今回の事例「モダンwebアナリティクス」では,先ほど挙げたメリットのうちの「パス分析」「データ横断分析」を活かした事例となっています。

パス分析

f:id:treasure-data:20140612104956p:plain

従来のページ分析やコンバージョン分析では,そのページへのアクセス数やリファラ(直前のサイト)による情報を対象としていました。このような視点を「点」で捉えるという表現をすることにします。

 

f:id:treasure-data:20140612105010p:plain

「点」で捉えた分析では,そのページにアクセスしたユーザーがどのような経路をたどってそこに辿りついたのかは焦点ではなく,全て同質に扱っていました。

 

f:id:treasure-data:20140612105052p:plain

しかしながら,各々のユーザーはそれぞれ異なった目的をもって異なったページを辿って同じ場所に辿り着いたのですから,より多くの示唆をえるにはこの「経路」情報を加味する方が良いことは明確ですね。この視点を「経路(パス)」で捉えると表現します。

 

f:id:treasure-data:20140612105107p:plain

では「経路」で捉えることによってどのような事がわかるのでしょうか?

 

f:id:treasure-data:20140612105122p:plain

例えばあるコンバージョンページAに辿り着くまでの経路において,

  • 「最初や最後に訪れる事はないが,多くのユーザーがそのサイトを通って(媒介して)いる」→「間接的にコンバージョンに寄与しているサイトである」
  • 「コンバージョンに至るまでに10以上のページを通って(経路の辺が長い)辿り着くユーザーが多い」→「よりスムーズにコンバージョンまで辿り着く改善ができるのではないか」

といった考察を得ることができます。パス分析は,かつて各々のページ:「点」の最適化に着目していた視点をそれに至るまでの「経路」の最適化を目指すという"モダン"なweb分析を可能にするのです。

データ横断分析

f:id:treasure-data:20140612105215p:plain

さて,話は変わりますがデータ横断分析についても触れてみます。様々なデータソースを収集する仕組みとストレージを持つトレジャーデータでは,データ連携による多様な分析を容易にしてくれます。

 

f:id:treasure-data:20140612105231p:plain

その具体的な事例として,無印良品様の横断分析がメディアで取り上げられています。

ASCII.jp:無印良品の顧客動向をディープに探るRedshiftとトレジャーデータ (1/2)

 

トレジャーデータに関するお問い合わせは  support@treasure-data.com まで。