CTV視聴データ活用広告配信「UNIVERSE TV-Audience Targeting」が「Ponta」データと連携

CTV

2023.08.23

マイクロアド、実店舗での購買分析を新たに開始、数値化が難しい購買への寄与度を可視化

データプラットフォーム事業のマイクロアドは、同社が展開するCTVの視聴データを活用した広告配信サービス「UNIVERSE TV-Audience Targeting」で、広告配信の効果計測として実店舗での購買分析を始める、と8月22日発表した。ポイント・マーケティング事業のロイヤリティマーケティングが運営する共通ポイントサービス「Ponta(ポンタ)」が保有するデータと連携する。

CTVはコネクテッドテレビの略で、インターネットに接続したテレビ端末を指す。UNIVERSE TV-Audience Targetingは、CTVの視聴データを基に特定のテレビ番組やCMの視聴者層にインターネットメディアで広告配信するサービス。視聴態度に応じて商品・サービスが訴求できる。効果計測では広告に反応したユーザー群の興味・関心を可視化・分析したレポートを提供している。

今回Pontaと連携したことで、広告配信の効果計測で実店舗での購買分析を新たに開始。数値化が難しいテレビCMの視聴やデジタル広告配信による購買への寄与度が可視化できる。テレビCMだけを視聴した群▽テレビCMの視聴とデジタル広告を閲覧した群▽デジタル広告だけ閲覧した群－－それぞれのユーザー群の広告視聴・配信後の訴求対象商品・サービスの広告効果が分かる。

※このコンテンツはWebサイト「Web担当者Forum - 企業Webサイトとマーケティングの実践情報サイト - SEO・アクセス解析・SNS・UX・CMSなど」で公開されている記事のフィードに含まれているものです。
オリジナル記事：CTV視聴データ活用広告配信「UNIVERSE TV-Audience Targeting」が「Ponta」データと連携
Copyright (C) IMPRESS CORPORATION, an Impress Group company. All rights reserved.

企業がDXを推進するうえで、データ分析やAI活用を担うチームを内製するのは今や珍しいことではない。エンターテインメントの革新に取り組む、株式会社バンダイナムコネクサスの機械学習チーム、データエンジニアチームもそのひとつだ。

2021年に設立されたこの2つのチームは、現在それぞれ10名ほどの組織に成長している。しかし、同社が目指す壮大なビジョンにはまだまだ人が足りていないのが実情だ。今回、同社の3名に、2つの組織の成り立ちや現在の取り組み、目指す組織像について話を聞いた。

株式会社バンダイナムコネクサス
CDAO （Chief Data Analytics Officer）
西田幸平氏

大手外資のEC企業にてリーダーとしてECや物流のプロジェクトマネージャーとデータ分析を担当。バンダイナムコネクサスに転職後データ活用組織を数名と共に立ち上げていき、現在はCDAOとしてバンダイナムコグループ横断のデータ活用を推進しつつ組織設計や組織開発などチームマネジメントを行っている。

株式会社バンダイナムコネクサス
データ戦略部データインフラストラテジーセクションデータエンジニアチームリーダー
藤井祐麻氏

web企業にてデータ基盤やwebアプリ、レコメンドアプリなどの開発に従事。2021年バンダイナムコネクサス入社。データ利活用に関するプロジェクトのPMを担当。現在はデータエンジニアチームのリーダーとしてデータ基盤の開発、運用やデータマネジメント体制の構築を行っている。

株式会社バンダイナムコネクサス
機械学習セクション　セクション長
高野秀基氏

大手コミュニケーションアプリ企業でデータアナリストを経験し、次のスマホゲーム運営会社では機械学習チームのリーダーを担当。2021年より株式会社バンダイナムコネクサスに入社し、機械学習セクションのセクション長として、推薦や不正検知のプロダクトオーナーと、セクションの組織設計を兼務。

バンダイナムコの機械学習・データ活用を定義づける「IP軸戦略」と「データユニバース構想」

そもそも、同社のどのサービスやゲームに機械学習やデータ分析が活用されているのか、ご存知ない方も多いだろう。それには、同社が掲げる「IP軸戦略」と、それに基づく「データユニバース構想」を知る必要がある。

根強いファンを多く抱えるIPを数多く取り扱うバンダイナムコグループでは、ファンとのつながりを大事にする。同社のHPによれば、IP軸戦略とは「 IPの世界観や特性を活かし、最適なタイミングで、最適な商品・サービスとして、最適な地域に向けて提供することにより、IP価値の最大化をはかること」とされている。

そこで、ファンデータなどの管理と活用を目的に掲げるのがデータユニバース構想だ。機械学習チームマネージャーの高野秀基氏はこう語る。

── 高野
「これまでは、グループ各社で情報がサイロ化しており、シナジーを生み出しづらい状態でした。その状況を打開するために、一丸となったデータ利活用の実現を目指すバンダイナムコグループとしての戦略が『データユニバース構想』です。」

データユニバース構想は、同社の親会社であるバンダイナムコエンターテイメントとデータ戦略部が中心となって、グループ全体を巻き込みながら進めているという。

こうした戦略のもと、グループ内各社に向けてデータ分析による意思決定支援や改善に向けた分析サービスを提供する最大の組織がデータ戦略部であり、その配下に位置するのが今回話を聞いた機械学習チームとデータエンジニアチームとなる。

ゼロから機械学習・データエンジニアチームを立ち上げた苦労

実は、数年前まで同社のデータ戦略部には機械学習チームも、データエンジニアチームもなかった。

それぞれのチームが立ち上がった理由は何だったのだろうか。高野氏と、データエンジニアチームリーダーを務める藤井祐麻氏はこう話す。

── 高野
「2020年に入社したのですが、当時は機械学習エンジニアが所属するチームがなかったのです。データサイエンスチームによるアプリのダウンロード数予測など、分析レポートベースの仕事はあったものの、プロダクトにデータ活用や機械学習を組み込むところまでは本格的に取り組めていませんでした。何より、少なくとも私の経験上、メガベンチャーなど多くの事業を展開する組織で機械学習チームの存在しない企業を見たことがなく、では作ってしまえということで、2021年に私がチームを組織したいと宣言したのが始まりです」

── 藤井
「データエンジニアチームも同じく2021年創立ですが、どちらかといえば課題ベースで立ち上がりました。バンダイナムコネクサスの組織が拡大するにつれ、扱うデータの量も種類も爆発的に増加し、データを活用する人も増えました。その結果、分析結果の場所が分からないなど属人化が進んでおり、これはまずいだろうということで、データ活用においてガバナンスを効かせるべく、組織化がスタートしたんです」

データ戦略部で2つのチームを束ねる立場であるCDAO（Chief Data Analytics Officer）を務める西田幸平氏は、両チーム立ち上げ時の苦労についてこう語った。

CDAO （Chief Data Analytics Officer）　西田幸平氏

── 西田
「組織の目線では、新しいチームを作る際、これから入社するであろう人材のキャリアパスを用意するための社内外との調整に苦労しました。人材を採用すべく、人材要件の整理から採用広報活動まで、他社の事例を参考にしつつ進めたのですが、こうしたエンジニアリング以外の業務を2人が強烈なオーナーシップで引っ張ってくれたのは大変助かりました」

そもそも、機械学習エンジニア、データエンジニア、MLOpsエンジニアといった人材は市場において大変希少だ。その点、高野氏は前職で機械学習エンジニア、藤井氏はデータエンジニアのキャリアを持ち、2名とも対象職種の経験があったことが、立ち上げのスタートダッシュに大きく貢献したという。

輪読会でメンバーの相互理解に取り組む

採用活動には苦労もあった。

採用候補者から、大規模なグループのため分業化が進み、限られた業務しか携われないのではないか、と懸念を示されることも多く、幅広い業務に携われることに驚かれることもあるという。

そんな中、機械学習チーム、データエンジニアチームが、働くうえでの心理的安全性確保のために共通して取り組んでいるのが輪読会だ。

高野氏は、輪読会を通して見えてくるものは多いと話す。

── 高野
「輪読会という仕組みの中で議論することで、誰がどのような技術領域に興味を持つ傾向があるのかがつまびらかになり、お互いのモチベーションの所在がなんとなく見えてきます。この人はスペシャリストになりたいのかピープルマネージメントがしたいのか、技術に興味があるのか戦略に興味があるのか。週に一回は実施していますが、相互理解という観点で非常に意義のある取り組みだと自負しています」

こうして得た個々人のキャリア観や興味のある技術傾向をベースに、社員、業務委託を問わず全メンバーに対して1on1を実施するという。全員のキャリアパスを尊重する土壌がデータ戦略部にはある、と話すのは西田氏だ。

── 西田
「個々人のキャリアパスと裁量権は非常に重視されます。この先どのようなキャリアを目指すのかを納得行くまで話し合い、会社としてもできるだけ尊重する土台があり、フィットするキャリアパスがない場合、人事制度ごと変えてしまうこともいといません。データ戦略部創設当時から、立ち上げメンバーにキャリアパスを重視する意識があり、それがいい意味で伝播し、根付いていると感じています」

働くうえでは、日々のコミュニケーションも重要だ。藤井氏は、日々の業務で意識的に失敗をさらけだしているという。

データ戦略部データインフラストラテジーセクションデータエンジニアチームリーダー藤井祐麻氏

── 藤井
「私はチームの中では年下でマネージャーという立場ということもあり、正直やりづらいと感じるメンバーもいると思います。なのでできるだけ自分の失敗はさらけだすようにしています。またSlackではtimesチャンネルや雑談チャンネルをつくり、活発に会話できる環境を作るようにしています」

高野氏も藤井氏に同意しつつ、課題もあるようだ。

── 高野
「私のチームでは『雑談でも案件の話でもOKなチャンネル』を作り、そこでは非常に雑談が活発です。スレッドを見ていると、輪読会同様にメンバーの興味のある技術傾向が見えてきます。たとえば画像系の技術には誰も触れないが、言語処理系は非常にスレッドが盛り上がったり。もちろん、発言する量の意味で格差が広がるなどの問題もあるので、本当なら案件ごとに分けたほうがいいのは重々承知していますが、そうするとチャンネルの数が爆増してしまうので、Slack周りの整理は今後の課題です（笑）」

「バンダイナムコにこの技術集団あり」と言わせたい

こうした努力のおかげで、現在は機械学習チーム、データエンジニアチーム合わせて20名規模にまで拡大した。今後まだまだ成長させていきたいはずだが、成長は人数という観点だけではない、と高野氏は口にする。

機械学習セクション　セクション長　高野秀基氏

── 高野
「世の中に対して、他社の機械学習チームにまったく引けを取らない存在感を確立し、バンダイナムコの中にこの機械学習チームあり、と言わせることが目標です。そのために、まず個々人が自らイシューを見つけて解決できる状態である、自己組織化された状態を目指します。そのうえで自己組織化された状態のチームをどんどん増やしていきたい、という意味で採用も進めます。今後3年以内には、バンダイナムコ研究所やバンダイナムコスタジオなどと並ぶ、グループ内でも独自の立ち位置を目指していきたいですね」

エンターテインメントイノベーション集団と呼ばれるバンダイナムコ研究所や、内製開発を推進するバンダイナムコスタジオといった、グループ内でも独自の存在感を発揮している部隊と並ぶチームへ成長させたい、と高野氏は意気込む。

西田氏も、独自の立ち位置という高野氏の言葉にこう同意する。

── 西田
「データ戦略部には、グループ各所からデータ分析を依頼されることもあれば、逆にこちらから、データ分析でこのプロダクトを一緒に改善しようよ、といった提案もします。分析コンサルティング会社と大きく異なる点は、グループのためであれば自分から手を挙げて工数を投入しながらグループ戦略にフィットした成果を出すところまで持っていける点で、そこはまさに高野のいうように、独自の立ち位置にいます。

技術そのものが短期的なリターンをもたらすことは少なく、短期のビジネスインパクトを求めてしまえば、エンジニア組織は何もできません。私のCDAOとしての役割は技術面、ビジネス面でのサービス品質を担保することですが、何より、その技術の将来的なビジネス貢献を見据えたうえで、今どの程度の力を割くべきか見極め、将来貢献のために動き続けられるサポートをすることだと考えています」

藤井氏も、データエンジニアチームの展望についてこう話す。

── 藤井
「人数で言えば今は10名ほどですが、これを倍増させたいと考えています。データエンジニアはもちろん、特にグループ全体の戦略を踏まえてデータ活用戦略をトップダウンで考えられる、データマネージャー人材を増やす必要があります。

また、今でこそグループ全体のデータ基盤を支える存在ではありますが、今後はデータ基盤に限らない、広い意味でのインフラを担っていきたいです。当社はファンの存在を非常に重要視しており、IPのファン同士のコミュニケーションプラットフォームも開発しています。何より、私自身がエンタメが大好きなので、IPのファンとデータを通じて繋がって、フィードバックをすぐにファンに返せる点は大きなやりがいを感じています。データ基盤のノウハウを活かして、エンタメ製作者とファンの距離を近づけるような場を増やしていきたいですね」

どんな人材が活躍しやすい？率直に聞いてみた

最後に、3名にどのような人材に入社してほしいか、率直に聞いてみた。

執務スペースのバーカウンターにて

── 高野
「エンジニアとして穏やかに主張ができることが前提ですが、機械学習チームに限っていえば、機械学習技術がビジネスインパクトに変わることに興味がある人がフィットすると思います。ビジネスインパクトの定義にもよりますが、研究領域にも活用領域でも、それを見据えずに機械学習プロジェクトをスタートしても、大抵の場合ビジネス側との会話がうまく進みません。当部では機械学習ありきではなく、より前段のプロダクトの分析課題を見つけるところからスタートし、高野が率いる分析チームも巻き込むこともいとわずに、ビジネスインパクトを見据えています。だからこそ、技術を活用した結果にまで興味を持って取り組める人にぜひ来ていただきたいですね」

── 藤井
「素直な人、エンタメが好きな人、データエンジニアリングだけではなく、ビジネス領域など他の領域に関心がある人でしょうか。グループ内のいろいろな職種と関わる機会も多いので、他領域にも関心がある人に活躍いただけると思います」

── 西田
「当社は自身だけで完結するような事業を持たないからこそ、仕事を自分ごと化して全体のハブとなって成果を出していける能力を“ネクサス力”と定義しており、会社としての人材要件にもなっています。このネクサス力を持った人材に加え、高野が自己組織化と言っていたように、自走できる人材が活躍できる環境を整えています」

最後に、西田氏が、社内向けに言っていることですが、と付け加えたうえで、データ分析者の“梁山泊”を作りたい、と言っていたのが印象的だった。データ分析者は、ともすれば裁量をもって業務に取り組めないこともあれば、適切に評価されないこともある。そうしたデータ分析者のフラストレーションをなくし、データ分析に関わる人が力を発揮し、成長できる環境を作る。そうした覚悟を持って、部門と両チームを立ち上げた意気込みが伝わってきた。