20140708 オンラインゲームソリューション
-
Upload
takahiro-inoue -
Category
Technology
-
view
2.402 -
download
1
description
Transcript of 20140708 オンラインゲームソリューション
Copyright ©2014 Treasure Data. All Rights Reserved.
オンラインゲームソリューション
2014/7/8 Takahiro Inoue (Chief Data Scientist)
1
Copyright ©2014 Treasure Data. All Rights Reserved.
自己紹介
• 井上 敬浩 (Twitter: @doryokujin )
• チーフデータ サイエンティスト
• 慶應大学院数学科統計専攻
• トレジャーデータ公式ブログオーサー
• MongoDBマスター
2
h<p://treasure-‐data.hateblo.jp
Copyright ©2014 Treasure Data. All Rights Reserved.
アジェンダ
1.トレジャーデータのご紹介
2.トレジャーデータが考えるデータ分析プロセス
3.Basic KPIs
4.Advanced KPIs
3
Copyright ©2014 Treasure Data. All Rights Reserved.
1.トレジャーデータのご紹介
4
Copyright ©2014 Treasure Data. All Rights Reserved.
2011年12月、米Mountain Viewにて創業
• 従業員約50名(著名データベース技術者が多数所属) うち15名が東京丸の内の日本支社勤務
• 米有力VCのSierra Ventures、Yahoo! Inc.創業者Jerry Yang氏等多数の有力投資家より支援
• 2012年後半に商用サービス提供開始
Copyright ©2014 Treasure Data. All Rights Reserved.
“データ解析の世界をシンプルにしたい”
すぐに簡単にビッグデータの解析を始められる クラウド型のデータマネージメントサービス
Acquire Store Analyze
大規模初期投資不要 インフラはTDが管理
面倒な拡張・保守・ 運用から解放
日米トップクラスのデータベースエンジニア、サイエンティストが支える技術基盤
Copyright ©2014 Treasure Data. All Rights Reserved.
KPI
データ可視化・共有
分析ツール連携
他製品連携
RDBMS, Google Docs, AWS S3, FTP Server, etc.
MoNon Board, Metric Insights, etc.
Tableau, Dr.Sum, Power BI, Excel, etc.
Treasure Data Service
7
Result Output クエリ結果自動書込
データ収集 データ分析 データ保管
収集・保管・分析をワンストップに、柔軟なインターフェイスで提供
データ集計 SQL, Pig
ストレージ Flexible, Scalable, Columnar
Storage
バッチ型 分析
アドホック型 分析
分析エンジン Hadoop, Treasure Query Accelerator
データ抽出 REST API
ODBC/JDBC (SQL, Pig)
Webログ
Appログ
センサー
CRM
ERP
RDBMS
TD Toolbelt
並列バルク インポーター
Treasure Agent
ストリーミング ログコレクター
POS
Copyright ©2014 Treasure Data. All Rights Reserved.
分析レイヤーの下位からの積み上げが必須
• 分析レイヤーは実際は下から積み上げられている形になっている。
• ゴール(可視化・分析)に到達するためには下位レイヤーの積み重ねが不可避。
• Data Processing までの下位レイヤーをトレジャーデータが代替。アナリストは本質的な分析作業に専念できる。
8
4. Data Processing
5. Data Visualiza5on
3. Data Storage
2. Data Collec5on
1. Data Source
Copyright ©2014 Treasure Data. All Rights Reserved.
各業界向けソリューションテンプレート
Treasure Data Service
データ解析テンプレート
データ収集テンプレート
ソリューション コンポーネント: - Treasure Data Service - 構造化ログのテンプレート
- データ収集エージェント設定ファイルテンプレート
- 設定済みBIレポーティング・ダッシュボード
初期セットアップ期間内で、業界毎に事前に定義した解析ダッシュボードも提供
Copyright ©2014 Treasure Data. All Rights Reserved.
オンラインゲームソリューションとは
10
ログインログ
Treasure Data Service
データ統合
課金ログ
招待ログ
KPI: PV
KPI: ARPU
KPI: リテンション
提供するログテンプレートを活用する事で 容易に多種多様なKPI群のモニタリングが可能に
Copyright ©2014 Treasure Data. All Rights Reserved.
データを「見る」ことに特化したKPIダッシュボード
KPI: PV
KPI: ARPU
KPI: レベル分布
OEM提供するダッシュボードの1つ1つのウィジェットに1つのKPIが対応 ウィジェットに分析クエリを仕込むことによって自動的にデータが更新される
Copyright ©2014 Treasure Data. All Rights Reserved.
2.トレジャーデータが考える データ分析プロセス
12
Copyright ©2014 Treasure Data. All Rights Reserved.
一般的なデータ分析プロセス
13
7. Do 8. Data Check 9. Action
1. 目的明確化 2. 目標設定 3. データ収集
4. データ分析 5. 考察・仮説 6. Plan
Copyright ©2014 Treasure Data. All Rights Reserved.
一般的なデータ分析プロセス
14
1. 目的明確化 2. 目標設定 3. データ収集
Copyright ©2014 Treasure Data. All Rights Reserved.
一般的なデータ分析プロセス
15
1. 目的明確化 2. 目標設定 3. データ収集
1. 目的明確化
• そもそも何を目的とすえるのかもわからない(だから分析に助けを求めるので…)
2. 目標設定
• 「売上を上げる」といった緩い目標しか立たないのでデータ収集へ進めない…
3. データ収集
• どのようなデータが活用できそうかわからない
• (自分のサービスであっても)データの内容を知らない
目的・目標が未設定、さらにデータの内容がわからない 故に次の 4~9. のデータ分析サイクルを回せない
Copyright ©2014 Treasure Data. All Rights Reserved.
一般的なデータ分析プロセス
16
7. Do 8. Data Check 9. Action
1. データ収集 2. データWatch 3. 目標設定
4. データ分析 5. 考察・仮説 6. Plan
トレジャーデータ流:まずはとにかくデータ収集、そしてデータを「見る」ことに専念しましょう
Copyright ©2014 Treasure Data. All Rights Reserved.
トレジャーデータが可能にする分析アプローチ
• データ分析を始める前に、明確な「目標」など無くて当たり前
• データ分析を始める前に、高尚な「仮説」など無くて当たり前
• データ分析を始める前に、とにかくデータを集めよう(例え中身など知らなくても)
• データ分析を始める前に、データを「見る」ことで大概のことが見えてくる
• データを収集を頑張ったリターンとして,データを「見る」ところまでは誰でも必ず到達
できる(成果物の担保)。そして「見る」ことは多くの知見・考察を生み出してくれる。
17
1. データ収集 2. データWatch
Copyright ©2014 Treasure Data. All Rights Reserved. 18
1. データ収集 2. データWatch 3. 目標設定
Copyright ©2014 Treasure Data. All Rights Reserved.
データ収集
19
「とにかくデータを集めよう」 各業界向けのログテンプレートを用意
課金ログ
ログインログ
招待ログ
{ uid : 123, device : ’smart phone’, 5me : 138959673 }, { uid : ’123’, name : ’ItemA’, sub_category : ’a’, category : A, count => 2, price : 300, 5me : 138959673 }, { uid : 123, invited_uid : 456, campaign_name : ’event2’, 5me : 138959673 }
Login テーブル Pay テーブル
Invite テーブル オリジナル イベント テーブル
1. データ収集
Copyright ©2014 Treasure Data. All Rights Reserved.
オンラインゲーミング:基本ログテンプレート
20
アクション名 (テーブル名)
主体ユーザーID タイムスタンプ 対象ユーザーID 値 数 大カテゴリ,カテゴリ, アイテム名
login uid Nme -‐ -‐ -‐ -‐
pay uid Nme -‐ price count category, sub_category, name
invite uid Nme target_uid -‐ -‐ -‐
use_point / get_point
uid Nme -‐ -‐ -‐ -‐
level_status uid Nme -‐ value -‐ -‐
tutorial uid Nme -‐ step -‐ -‐
Copyright ©2014 Treasure Data. All Rights Reserved.
オンラインゲーミング:基本ログテンプレート
21
アクション名 (テーブル名)
主体ユーザーID タイムスタンプ 対象ユーザーID 値 数 大カテゴリ,カテゴリ, アイテム名
login uid Nme -‐ -‐ -‐ -‐
pay uid Nme -‐ price count category, sub_category, name
invite uid Nme target_uid -‐ -‐ -‐
use_point / get_point
uid Nme -‐ -‐ -‐ -‐
level_status uid Nme -‐ value -‐ -‐
tutorial uid Nme -‐ step -‐ -‐
これらのログを出すように設定すれば必要な50近いKPIを算出可能。
uid, Nme を含めばその他の項目は任意に
設定して良い。
上記にとらわれない,任意のログを収集でき
る拡張性をもつ。
Copyright ©2014 Treasure Data. All Rights Reserved.
ネイティブアプリ/ブラウザアプリ両方に対応
22
ログインログ
課金ログ
招待ログ
ブラウザゲームはサーバーサイドに Fluentd ベースの TD-Agent を仕込んでストリーミング収集
iOS、AndroidのSDK または Unity向けのライブラリを通じてログを収集
Copyright ©2014 Treasure Data. All Rights Reserved.
iOS/Android SDKによるログ収集
23
イベント発生後すぐに送信
イベント発生後すぐに送信
バッファリング
バッファリング
スケーラブルなトレジャー SDK受信サーバー
トレジャーデータサービス
端末アプリから直接トレジャーデータサービスに蓄積され、 かつストリーミングによってログを直ちに確認できる
Copyright ©2014 Treasure Data. All Rights Reserved.
4.KPI Dashboard
24
Copyright ©2014 Treasure Data. All Rights Reserved. 25
1. データ収集 2. データWatch 3. 目標設定
26
Metric Insights: Overview
27
異なるデータソースの共存が可能
28
• Treasure API キー • 接続するデータベース名 • 集計インターバル • チャートタイプ • 集計クエリ
ウィジェット A
• Treasure API キー • 接続するデータベース名 • 集計インターバル • チャートタイプ • 集計クエリ
ウィジェット B
各々のウィジェットに異なるデータベース・テーブルからの 集計結果を表示することが可能
異なるデータソースの共存が可能
29
データ横断分析例:複数のオンラインゲームを横断
複数ゲームのKPIを一覧できるダッシュボード:Metric Insights
30
ウィジェット設定
設定アイコンを クリック
31
1. 集計インターバルを設定
2. メジャーの種類を設定
3. カテゴリを設定
ウィジェット設定
32
4. Plug-inを選択
5. 接続するデータソースを指定
6. クエリを記述
7. Sample Result を確認
ウィジェット設定
33
チャートウィジェット(時系列データ)
34
チャートウィジェット(その他のデータ)
35
レポートウィジェット(複数のチャートとテーブルの統合)
36
レポートウィジェット(複数のチャートとテーブルの統合)
37
レポートウィジェット(複数のチャートとテーブルの統合)
Copyright ©2014 Treasure Data. All Rights Reserved. 38
5.Basic KPIs
Copyright ©2014 Treasure Data. All Rights Reserved. 39
1. データ収集 2. データWatch 3. 目標設定
4. データ分析 5. 考察・仮説 6. Plan
Copyright ©2014 Treasure Data. All Rights Reserved.
KPI カテゴリ
40
Category KPI Example
Activeness ゲームの活況度を判断するKPI群。 アクティブ ユーザー数,新規ユーザー数,etc…
Funnel ( Conversion ) Analysis コンバージョンまでの経路の離脱率を図るKPI群。 コンバージョン,チュートリアルのステップ毎の離脱度,etc…
Sales Revenue 課金周りのKPI群。 売り上げ,ARPU, ARPPU, etc…
Distribution ユーザー数や課金額の分布を様々なセグメントで切った分布。 課金額の分布,レベルの分布,所有ポイント数の分布,etc…
Inflow / Outflow Equilibrium 流入と流出の平衡を見るためのKPI群。 仮想通貨の提供量/消費量,etc…
Retention 初回登録から再ログインまでの期間やリピート回数, etc…
これらのカテゴリーに属するKPI群を導入時から参照できるKPIテンプレートを用意
Copyright ©2014 Treasure Data. All Rights Reserved. 41
訪問間隔:ほとんどのユーザーは毎日訪問してくれている。長くても1週間以内に再訪してくれている。
ARPU:全アクセスユーザー1人当たりの課金額(デイリー)
ARPPU:全課金ユーザー1人当たりの課金額(デイリー)
AcNve Users:ユニークユーザー数 (デイリー)
Activeness
Copyright ©2014 Treasure Data. All Rights Reserved. 42
Funnel Analysis チュートリアルファンネル: チュートリアルの入口(ランディング)から出口(登録)までの各ステップにおける離脱状況を
見る。
Copyright ©2014 Treasure Data. All Rights Reserved. 43
Revenue 売上チャート: カテゴリ,アイテム名ごとの日次の推移
Copyright ©2014 Treasure Data. All Rights Reserved. 44
Retention (Cohort Analysis) コホート分析: 各月のユーザーが,何%がそれ以降の月でも訪問してくれているのか。
Copyright ©2014 Treasure Data. All Rights Reserved. 45
4.Advanced KPIs (セグメント分析)
Copyright ©2014 Treasure Data. All Rights Reserved.
週末のみのアクセスで大量の買い物をしてくれる中年ファン(お金にゆとりのある)セグメント 毎日アクセスしてくれるけど,買い物をしてくれない,最近登録した若いユーザーセグメント
トレジャーデータサービスを使えば、任意のセグメントの組み合わせ及び 任意の区切り方で独自のセグメントを作ることができる
月間課金額 0 円以内 (無課金ユーザー)
~1,000 円 (ライトユーザー)
~10,000 円 (プレミアムユーザー)
10,000円 ~ (ヘビーユーザー)
人数 10,000 人 5,000 人 1,000 人 10 人
月間訪問回数 1 回 (月1ユーザー)
~4 回 (週1ユーザー)
~ 8 回 (週2,3 ユーザー)
~ 8回 (常連ユーザー)
人数 10,000 人 5,000 人 1,000 人 10 人
年代 ~ 20歳 20 ~ 30歳 30 ~ 40歳 ~ 40歳
人数 10,000 人 20,000 人 15,000 人 5,000 人
会員登録日 2012年 (オールドユーザー) 2013年 2014年1月~6月
2014年6月~ (新規ユーザー)
人数 100,000 人 3,000 人 5,000 人 100 人
1. ヘビーユーザーで
2. 週1の頻度で
3. 30歳台で
4. 初期から遊んでくれている
1’. 無課金なのに
2’. 常連ユーザーで
3’. 若いユーザーで
4’. 最近の登録ユーザー
Copyright ©2014 Treasure Data. All Rights Reserved.
ユーザーセグメンテーション
47
ユーザー「属性」情報に加えてアクセス履歴、購入履歴といった「行動」情報の取得できるECでは柔軟なセグメンテーションが可能
セグメント軸 値
月間課金額 5,000 円以上 1,0000 円以内
月間訪問回数 5回以上10回以内
年代 30歳以上40歳以内
会員登録日 2013年
… … セグメントA
セグメント軸 値
月間課金額 0円
月間訪問回数 1回以内
年代 20歳以上30歳以内
会員登録日 2014年
… … セグメントB
複数のセグメント軸の組み合わせによるセグメンテーションが可能に。
少数のデータしか扱えないならば、細かいセグメントを作るとそれぞれのサンプル数が疎になってしまって活用できない。
Copyright ©2014 Treasure Data. All Rights Reserved.
RMセグメンテーション
48
RFM(R=Recency、F = Frequency、M=Monetary )から2種類の軸を選択。 上図は「直近のアクセス日(R)」 ×「月間課金額区分」でのセグメント。
R/M 10000 20000 30000 40000 50000 60000 70000 80000 90000 100000
0 119 70 57 41 44 38 32 21 32 29
1 199 66 60 32 40 38 27 31 26 27
2 128 92 80 57 56 43 50 41 32 29
3 122 76 71 51 50 38 36 31 27 20
4 151 62 51 33 36 39 35 34 39 29
5 142 86 52 59 36 40 33 34 39 30
6 202 140 113 91 96 72 71 61 58 53
7 282 180 120 98 81 86 76 69 51 35
8 355 161 117 88 70 68 50 43 35 33
9 249 133 90 77 61 42 51 46 42 29
10 237 93 67 64 33 39 33 27 28 23
11 186 119 100 49 52 42 37 40 21 27
12 212 61 47 42 44 38 29 30 24 14
13 225 162 120 108 110 104 73 71 69 56
14 454 170 126 79 88 62 63 59 53 38
15 375 189 129 99 93 96 56 52 44 41
16 164 119 74 63 58 45 46 37 17 25
17 242 100 80 44 34 33 32 24 21 20
18 317 154 79 62 46 40 35 18 23 11
19 200 135 74 60 50 36 29 33 21 23
20 268 146 98 97 73 69 49 48 40 40
21 249 128 87 61 47 47 47 43 37 19
22 202 150 101 71 51 50 35 40 26 25
23 177 100 70 64 33 42 35 25 18 22
24 132 93 54 40 26 20 22 22 20 13
25 208 121 82 44 36 35 23 21 18 16
26 170 113 66 69 37 36 36 20 15 17
27 228 141 106 84 74 61 37 58 51 29
28 154 119 71 58 40 44 27 25 18 13
29 163 96 86 44 44 26 30 17 11 14
30 273 113 79 58 44 31 34 27 22 20
Copyright ©2014 Treasure Data. All Rights Reserved.
月間課金額セグメント(月次比較)
49
¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k~
¥20k~
¥50k~
¥100k~ 合計
1月 1,009k 25,355 2,502 1,069 621 502 395 246 224 177 865 535 127 38 1,071k
2月 1,039k 13,284 2,166 1,164 726 522 386 264 204 182 908 690 172 34 1,100k
diff +30,000 +12,071 -‐336 +95 +105 +20 -‐9 +18 -‐20 +5 +43 +155 +45 -‐4 39,000
1月と2月における月間課金額のセグメントでユーザー数を観察
Copyright ©2014 Treasure Data. All Rights Reserved.
月間課金額セグメント(月次比較)
50
¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k~
¥20k~
¥50k~
¥100k~ 合計
1月 1,009k 25,355 2,502 1,069 621 502 395 246 224 177 865 535 127 38 1,071k
2月 1,039k 13,284 2,166 1,164 726 522 386 264 204 182 908 690 172 34 1,100k
diff +30,000 +12,071 -‐336 +95 +105 +20 -‐9 +18 -‐20 +5 +43 +155 +45 -‐4 39,000
無課金ユーザーもそれなりに増加
2月に入って¥1000台の課金ユーザーが減少
高額課金ユーザーは順調に増加。 特に「Whale」と呼ばれる¥10万以上のマンモス課金ユーザーが離れていない
新規ユーザー数も増加。
Copyright ©2014 Treasure Data. All Rights Reserved. 51
¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜 ¥20k〜 ¥50k〜 ¥100k〜
1月 (千円)
0 12,677 3,753 2,672 2,173 2,260 2,172 1,599 1,680 1,504 12,955 17,655 9,525 6,845
2月 (千円)
0 11,984 3,293 2,465 2,733 2,489 3,034 1,892 1,302 1,409 9,903 15,351 8,432 8,902
月間課金額セグメント(各セグメントの占める割合)
Copyright ©2014 Treasure Data. All Rights Reserved. 52
¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜 ¥20k〜 ¥50k〜 ¥100k〜
1月 (千円)
0 12,677 3,753 2,672 2,173 2,260 2,172 1,599 1,680 1,504 12,955 17,655 9,525 6,845
2月 (千円)
0 11,984 3,293 2,465 2,733 2,489 3,034 1,892 1,302 1,409 9,903 15,351 8,432 8,902
月間課金額セグメント(各セグメントの占める割合)
¥10,000以上の課金ユーザーのRevenueインパクトが非常に大きい
少額課金ユーザーは数は大きいがRevenueインパクトは小さい
Whaleユーザーは極少数ながらRevenueインパクト大
Copyright ©2014 Treasure Data. All Rights Reserved. 53
¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜 ¥20k〜 ¥50k〜 ¥100k〜
-‐ 0% 50% 12% 9% 8% 5% 4% 3% 2% 1% 1% 2% 5% 3%
= 89% 46% 79% 77% 78% 89% 92% 93% 95% 94% 92% 94% 95% 97%
+ 11% 4% 9% 14% 14% 6% 4% 4% 3% 5% 7% 4% 0% 0%
月間課金額セグメント(1月→2月:セグメント移動)
セグメント移動分析: 前月に比べて月次課金セグメントが動いた割合を観察(新規ユーザー除く)。 + は前月に比べて大きいセグメントに移動 − は前月に比べて小さいセグメントに移動 = はセグメント移動無し
Copyright ©2014 Treasure Data. All Rights Reserved. 54
¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜 ¥20k〜 ¥50k〜 ¥100k〜
-‐ 0% 50% 12% 9% 8% 5% 4% 3% 2% 1% 1% 2% 5% 3%
= 89% 46% 79% 77% 78% 89% 92% 93% 95% 94% 92% 94% 95% 97%
+ 11% 4% 9% 14% 14% 6% 4% 4% 3% 5% 7% 4% 0% 0%
月間課金額セグメント(1月→2月:セグメント移動)
( − 移動)前月は¥1,000台を課金していたユーザーの多くが無課金ユーザーに変わってしまった
比較的大きい課金額のユーザーは 安定して同程度の課金を続けてくれている
Copyright ©2014 Treasure Data. All Rights Reserved. 55
レベル ユーザー数 ARPU ARPPU 課金総額
(千円)
1 590250 20 132 13,590
5 134035 45 321 10,432
10 60530 78 301 5,830
15 50374 30 405 5,021
20 7030 59 304 5,382
25 3059 300 600 5,042
30 1039 302 673 3,840
35 807 402 563 5,830
40 694 602 980 7,492
45 345 894 1,034 8,903
50 132 1000 1,231 15,323
レベルセグメント(× 課金情報)
レベルセグメント: 今度はユーザーのレベルでセグメント分け。 レベルごとの人数、ARPU、ARPPU、課金総額の分布
Copyright ©2014 Treasure Data. All Rights Reserved. 56
レベル ユーザー数 ARPU ARPPU 課金総額
(千円)
1 590250 20 132 13,590
5 134035 45 321 10,432
10 60530 78 301 5,830
15 50374 30 405 5,021
20 7030 59 304 5,382
25 3059 300 600 5,042
30 1039 302 673 3,840
35 807 402 563 5,830
40 694 602 980 7,492
45 345 894 1,034 8,903
50 132 1000 1,231 15,323
レベルセグメント(× 課金情報)
レベル15と20の間に大きな壁がある この壁によってARPPUの高いこの上のレベルへたどり着けていない
レベルに比例してARPU、ARPPUの上昇が顕著に見られる
ハイレベルユーザーのRevenueインパクトが大きい
Copyright ©2014 Treasure Data. All Rights Reserved.
月額課金セグメント×レベルセグメント
57
レベル ¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜
1 75% 53% 32% 24% 11% 7% 0% 0% 0% 0% 0%
10 15% 32% 34% 25% 21% 13% 13% 4% 3% 0% 0%
20 5% 7% 20% 21% 26% 24% 23% 9% 3% 1% 0%
30 0% 5% 8% 14% 23% 26% 25% 23% 33% 26% 3%
40 0% 3% 6% 8% 12% 17% 23% 32% 30% 33% 56%
50 0% 0% 0% 8% 7% 13% 16% 32% 31% 30% 41%
課金セグメント×レベルセグメント:
Copyright ©2014 Treasure Data. All Rights Reserved.
月額課金セグメント×レベルセグメント
58
レベル ¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜
1 75% 53% 32% 24% 11% 7% 0% 0% 0% 0% 0%
10 15% 32% 34% 25% 21% 13% 13% 4% 3% 0% 0%
20 5% 7% 20% 21% 26% 24% 23% 9% 3% 1% 0%
30 0% 5% 8% 14% 23% 26% 25% 23% 33% 26% 3%
40 0% 3% 6% 8% 12% 17% 23% 32% 30% 33% 56%
50 0% 0% 0% 8% 7% 13% 16% 32% 31% 30% 41%
レベルが高いセグメントは,月次課金対も大きいセグメントになる傾向がある。
Copyright ©2014 Treasure Data. All Rights Reserved. 59
Discussion & Q and A
Copyright ©2014 Treasure Data. All Rights Reserved.
続きは公式ブログで
60
h<p://treasure-‐data.hateblo.jp