電子商取引は毎年成長しており、このトレンドは止まることがないようです。顧客は徐々にオフラインからオンライン購入に移行しており、このトレンドは日々加速しています。新しい研究はすべて、電子商取引業界の成長を確認しています。このトレンドは比較的保守的なセクターにも当てはまります。
特定のケースでは例外があるかもしれませんが、全体として、特定の電子商取引ビジネスが成長するにつれて、その複雑さも増します。労働力は拡大し、新しいポジションが作成され、追加の販売チャネルが追加され、新しい広告プラットフォーム、アフィリエイト、パートナーなどが登場します。
同時に、利用可能な情報源の数とデータ自体のボリュームが増加しています。すべての注文、すべての訪問、すべてのクリック、すべての広告インプレッション – それはすべて情報です。この情報は価値がありますか？正しく解釈すれば、はい。さまざまな情報源からの情報を巧みに相関させることで、前例のない結果を得ることができます。さらに、データに特化した新しい職業が登場しました：データアナリスト、データサイエンティスト、データエンジニア、データアーキテクト、ウェブデータアナリスト、データセキュリティスペシャリストなどです。
もう一つの問題は、ビジネスが成長するにつれて、ますます多くのリンクが人々を互いに隔てることです。主要なパフォーマンス指標に直接影響を与える運用指標を管理することがますます困難になります。
ビジネスは拡大し、新しい作業グループや部門が形成されます。誰もがデータを必要としています。異なる種類のデータ。売上数値、広告指標、顧客エンゲージメント指標—分析、予測、計画などのために。誰もが自分の数値を出力し、それが彼らの効果を示す指標となります。しかし、異なるソースや形式にデータがある場合、どうやってデータにアクセスしますか？
さらに、分析と報告のための集中システムを選択すること、そして集中データリポジトリの選択があります。
集中リポジトリなし：機会の損失
小規模ビジネスにとって、集中データリポジトリがないことはそれほど大きな問題ではありません。第一に、データの量は多くありません。第二に、データソースの数は通常3-5を超えることはありません。したがって、データは常に単一のExcelテーブルに収集するか、いくつかのCSVファイルを分析システムにアップロードすることができます。はい、多くの手作業が必要ですが、それほど複雑ではありません。
しかし、社内の電子商取引ビジネスへの変革が中規模に達すると、格差が現れ始めます。異なる部門は異なる入力データを見ており、自分たちの行動が全体の結果に与える影響を見逃しています。組織内のより多くの人々が限られた情報を使って意思決定を行い、統一感の喪失と効率の低下を招いています。
その結果、主要な電子商取引ビジネス指標の成長が鈍化します。
もう一つの重要なポイントは、新しい成長ドライバーの潜在的な損失です：
- A: 単に見逃される可能性があります;
- B: 限られたデータ環境で誤って評価し、誤った決定を下す可能性があります。
電子商取引におけるETL
ETLは、データを集中リポジトリに収集、変換、保存するプロセスです。このプロセスは、1970年代に登場し、正式に定義されました。しかし、ウェブサービスの数が増加するにつれて、つまり利用可能なデータのソースが多様化し、分岐したときに広く使用されるようになりました。現在、さまざまなデータを統一リポジトリに転送するために完全にカバーできる無料および有料のサービスが数十あります。詳細はこちらで確認できます： すべてのデータを1か所に統合：ShopifyストアのためのETLの力
電子商取引の文脈において、ETLは数十のソースからデータを単一のデータベースに収集する機能を果たします。これにより、すべてのデータが保存される統一リポジトリを取得します。これにより、任意のデータへのアクセスが標準化され、必要な情報へのアクセスが大幅に容易になります。
その結果、すべての従業員、契約者、または他の個人や企業が、効果的な活動に必要なデータにアクセスできるようになります。
ほとんどの電子商取引データベースには、以下の情報が含まれます：
- 自己ストアデータまたはバックエンドデータ（注文、製品、在庫、取引、税金）;
- 分析データ - 訪問、インプレッション、CTR（Google Analytics、Search Console、Mixpanel/Amplitudeなどのサービスから）;
- 広告プラットフォーム - クリック、インプレッション、コスト、パフォーマンス（Google Ads、FB、Criteoなどのサービスから）;
- マーケティング - Mailchimp、Sendgrid、Instagram、Hubspotなど;
- CRMデータ;
- 内部システムと報告（予算、計画、目標、サプライヤーなど）
電子商取引のためのデータウェアハウス
ウェアハウスは、ほとんどの場合、Google BigQuery、Amazon Redshift、またはSnowflakeなどのクラウドデータベースです。クラウドウェアハウスには、いくつかの重要な利点があります：
- 接続の容易さ;
- セキュリティ;
- 可用性（稼働時間は99.9％未満になることはほとんどありません）;
- データ取得速度;
- スケーラビリティ。
PostgreSQLやMicrosoft SQL Serverに基づいてローカルデータウェアハウスを展開することも可能です。ただし、これは一般的に信頼性が低く、コスト効率の悪いソリューションです。
単一のデータウェアハウスがあっても、データはアクセスグループに簡単に分配できることに注意する価値があります。これをデータマートと呼びます。このようにして、さまざまなグループや部門は、タスクを効果的に完了するために必要なデータにのみアクセスできます。
データが取得されたら、次のステップは分析、レポート生成、および指標出力です。この段階では、制限はデータや報告システムを扱う人々の想像力にのみあります。一般的なツール（PowerBIやGoogle Looker Studioなど）を利用して作業します。
なぜETLなのか？
ETLは本質的にプロセスです。統一された情報（データ）環境を作成し、その関連性を維持するために必要です。しかし、これは数少ない重要なプロセスの1つです。ETLは、単にデータをソースからウェアハウスにコピーするだけでなく、適切に構造化し、クリーンアップし、準備します。
ETLプロセスは、分析、報告、またはビジネス分析のためのデータを取得し、準備する上で重要な役割を果たします。
会社の各部門は、計画や効果の評価のためにデータを利用することで利益を得ることができます。
関連レポートを探る
ETL実装から期待できること
ETLプロセスを実装し、統一されたデータウェアハウスを作成するだけでは不十分です。ウェアハウスから有用な情報を抽出する能力とスキルが必要であり、Power BIやLooker Studioのような一般的なものや、Exploratoryのようなより専門的な分析システムが役立ちます。
タスクや目標に応じて、さまざまなレポートを徐々に実装し、使用することができます：
- 電子商取引マーケティングの効果の360度の概要;
- ファネル分析と各ステージでのコンバージョン改善;
- 顧客プロファイリングとLTVの向上;
- 新製品やサービスの開発;
- 歴史的データに基づく割引やプロモーション;
- 顧客サービスの評価と改善;
- 効果的な在庫管理;
- ROIの改善
これらのタスクのそれぞれに対して、専門的なShopifyレポートを作成できます - 限られた専門家のサークルを対象としたもの、中間管理職向けの要約レポート、Cレベルの幹部向けの高レベルのレポートやダッシュボード。
重要なのは、これらのすべてのレポートやShopifyダッシュボードが同じデータから作成されているが、異なる粒度レベルで作成されているため、すべてのレベルでの正確性が保証されることです。
AIについてはどうですか？
今日のトレンドは、コンテンツ作成から顧客セグメンテーションまで、ビジネスのさまざまな側面にAI技術を実装することでもあります。ここでも、統一されたデータウェアハウスが役立つ可能性があります。
すべての顧客コミュニケーションがデータベースに保存されていると想像してみてください。かなりシンプルなAIモデルが自動的にコンテンツを分析し：
- リクエストをグループに分類する;
- 感情を判断する（顧客満足度）;
- 類似のリクエストを統合し、1つまたは2つの文に要約する;
- 最も多くの問い合わせがある製品やグループを特定する。
自分の集中データウェアハウスを始める
何かを実装する最初の段階は、現在何があり、将来何を達成したいかを分析することから始まります。ニーズ（将来の視点を含む）を明確に理解することは、実装プロセス中の目標達成に影響を与える重要な要素です。
- まず第一に、報告または分析のニーズとその要件を明確に定義することが重要です。
- これに基づいて、これらのレポートを構築するために必要なデータのセットを特定できます。
- データに続いて、データソースが来ます。必要なすべてのデータソースにアクセスできますか？
次は、より技術的なステップですが、同様に重要です：
- 既存データの構造を定義する;
- データの関連性と品質を判断する;
- 望ましいデータ構造を特定し、それに基づいてデータに適用する変換のリストを作成する;
- ETL（抽出、変換、ロード）ツールを選択する;
- データウェアハウスを選択する;
- 実装、テスト、調整。
明らかなように、一部のステップは迅速ではありませんが、目標はすべてを一度に行うことではありません。最初は安定したフレームワークを構築し、全体の相互作用チェーンを開始する必要があります。その後、新しいデータの必要が生じたときに、新しいETLプロセスを追加し、データウェアハウスを適宜拡張します。
電子商取引のためのETLとデータウェアハウス
集中データウェアハウスを実装する必要があるかどうか、またそれがビジネスにどのような価値を追加できるかについてまだ不確かであれば、当社の技術専門家との無料オンライン相談を予約することをお勧めします。
