点在するデータを集約し、効率的な広告運用で売り上げ115％アップを実現

株式会社TSIホールディングス様 事例

多数の人気アパレルブランドを保有するアパレル企業のTSIホールディングス。今回はそのグループ会社であり、Webでの戦略・運営を手掛けるTSI EC ストラテジーの竹山様にQuick DMPのご活用について弊社デジタルマーケティングエンジニアの井上がお話をうかがいました。

TSI様では、Quick DMPを活用し、Big Queryに各種社内データを蓄積する環境を構築しました。それをLooker Studio(旧 Google データポータル)やスプレッドシートにてユーザーのロイヤリティ分析を実施、広告運用に活かして、売上の115％アップも実現されています。社内提案してツールを導入し、エンジニア経験がないにも関わらず独学でSQLを勉強されて、データ抽出、分析、活用までされている竹山様から興味深いお話をいろいろうかがうことができました。

ご担当部門の体制について

竹山さま）
所属するECストラテジー部門は、TSIホールディングスの中で、デジタルの横断的な、ブランド横串の戦略を担っています。その中の主に広告領域で、代理店さんと一緒に、事業側の広告担当者に対して、予算の使い方やKPIの立て方の支援をしたり、代理店さんとブランド側がたてた売り上げや会員獲得目標に向けて、効果の最大化を図っていくため、広告に関わることであれば、割とこう何でもやっているという感じですね。

竹山さま）
現在は3名で、全ブランドを見ています。

導入の経緯

竹山さま）
データが様々なところに散らばっていて、それを集約したいなっていうのは前々からありまして。

竹山さま）
はい。当初は（無償版のGoogleアナリティクスから）Googleアナリティクス360に変えたかったので、お問合せさせていただいたのですが、Big QueryがGoogleアナリティクス360を導入するとエクスポートできるということを伺って。最初はあまり利用することを想定していなかったのですが、Big Queryでデータ構築ができるということで、それを活用するためにQuick DMPを導入するにいたったという感じですね。

竹山さま）
後者の、データ同士の関連性を見て次の施策に活かすという方がメインとしてはありましたね。
特に広告のターゲティングでは、例えばロイヤルユーザーはどういう人だという分析は、データを集約する前はExcelを使って、すごく時間をかけてようやくできるという状態でした。それが今スムーズに施策にも活かせるようになっています。

竹山さま）
そうですね。後はテーブル構築とかも含めて、御社にサポートいただけるというところが決め手ですかね。片岡さん（アユダンテ　デジタルマーケティングエンジニア）に、かなり負担をかけてしまっているとは思うのですが（笑　 いらっしゃらなければ、成り立たなかったので。

施策内容

竹山さま）
そうですね。他にも、店舗で購入経験のある方で、ECで未購入の方をユーザー群としてまとめ、そういう方たちを対象にキャンペーン的な施策を行ったりはしていますね。

竹山さま）
個々に見て、私も一応Looker Studio(旧 Google データポータル)で可視化したりはしているのですが、それをダッシュボードにしてまでっていうということはできていない。こういうのが見たいとなった時に、自分でSQLを書いて分析して見ている感じですね。

竹山さま）
結構何度もやっていますね。同じものの日付変えるというものもありますが、それを入れても1日に10~15くらいはやっていますかね。

竹山さま）
私はずっと広告代理店です。SQLを書けるといってもどの程度か？というのはあるのですけど、書籍を買って、一通り全部書き写してやってみて、というような感じで覚えました。後は井上さんや片岡さんに教えてもらったりとか。結構負担をかけているかもしれないですね（笑

竹山さま）
広告なのに、不思議ですよね。不思議だなと自分でも思っているのですけれど。（笑
うちは、ナノユニバースとかマーガレットハウエル、ナチュラルビューティベーシックとか、ジルバイジルなどのブランドで34サイトくらいあるのですが、全部いれてもそこまでヒット数がいかないので、グループ的に無償版のGoogleアナリティクスを使っていました。
元々広告測定ツールを入れたいと考えていたところ、単発だと面白くないから、もっと頭をひねって提案してくれというようなことを役員にも言われまして、Googleアナリティクス360を導入すると同時に、Big Queryを使ってデータ構築できると上に提案しました。提案したので担当することになりましたが、新しい学びがあり、結果的には良かったですね。

竹山さま）
はいそうです。Looker Studio(旧 Google データポータル)かスプレッドシートですね。

竹山さま）
そうです。

竹山さま）
MIX.Tokyo という運営しているモールがあるのですが、そこだと一週間に一回くらいです。

竹山さま）
変えています。

竹山さま）
例えば購入回数と購入金額の多い方が、どのブランドを購入されているかという傾向を、一年分くらいのデータを見て、新規にユーザーにアプローチするときに、購入回数の多いブランドの服の画像をバナーで見せたほうが売れるのではないかと仮説を立て、Facebookで配信したりしています。結果としてあまり売れていないようであれば、他のブランドでも試してみたりして、サンプルを増やしていって。
またその広告で買ってくれた人を、3ヶ月とか半年といった期間で見ていって、ちゃんとリピートしてくれているかとか、リピートしてくれる人の反応の良いクリエイティブはどれか、その施策パターンはといったものを定期的に見たりしていますね。

竹山さま）
広告ではしています。広告をクリックして30日以内にどのくらいの人が店舗で買っているかというのはやったりはしていますね。広告ばっかりになってしまっているので、おっしゃるように進めていかないとといけないですね（笑

竹山さま）
御社にご協力いただいて、最初何がなんだか全然わからなかったのが、なんとなく自分がやりたかったことができる、それも結構楽にできるようになったので、そこはすごい、自分の中でも進化だと思います。

施策効果

竹山さま）
いくつかあるのですが、例えば、複合モールサイトという形で5ブランドくらいを扱っている事業があるのですが、ブランドによって知名度の違いがあり、その中で知名度が中くらいのブランドに、Google広告でお金をかけすぎていたことがわかりました。ブランド側としては当然そのブランドキーワードを検索してきているユーザーだから、そのブランドを買っているものと思って出稿していたのですが、クリック単価がどんどん高騰していってしまっていて。Big Queryでデータを見て初めてわかったのが、一番人気のあるブランドから流入してきたユーザーでもその三番目のブランドのものを買っている。三番目のブランドの売り上げがたとえば100万だとすると、一番人気のブランドKWで流入したユーザーの購入額が、その3倍とか4倍くらいあった。結果としてその一番強いブランドKWにお金をかけたほうが、他のブランドも売り上げがあがるという傾向が、3ヶ月くらい見ていってわかったので、そこに集中的に出稿して、売り上げが115%位アップしたということがありました。

竹山さま）
そうですね。Big Queryでちゃんとテーブルを構築して、自分たちが取りだしたいアウトプットをイメージして実施し、かつスムーズにアウトプットも出せたからこそ、月の途中でもスピーディに費用変更でき、そうした結果につながった大きい理由かと思います。

竹山さま）
工数は削減できていると思います。アウトプットというか、元データを出す工数を大幅に削減できたので、単なる広告出稿費用の変更だけでも、今まで一週間くらいかかっていたのが、1日くらいでできるようなっているので、かなり大きいと思います。

今後進めていきたいこと

竹山さま）
結構今、連携できそうなデータはほぼ連携できてきてはいるので、このあと何をするかですよね。

竹山さま）
今はまだそこまではできていないですね。

竹山さま）
あると思います。自分らがやらなきゃいけないと思って、できるかなとは思っているのですが。上司にも、私がやりたいことやっているので、共有の場を設けるようにと口すっぱく言われていて（笑

竹山さま）
もっとこういう使い方があるということがあまりわかっていない、Quick DMPでどういうところからどこまでできるかっていうことがわからない部分もあって、その部分をアピールしてくれれば、イメージがつきやすいかかもしれません。

竹山さま）
これまでは、データを統合することに注力してきて、あまりビジュアライズのことは気にしていなかったのですが、今後は、社内でBig Query分析を面白いと思って使ってもらったりとか、データを見るという文化を作っていきたいというのはあります。