entry-header-author-info.html
Article by
entry-page.min.js.html

コミュニティマネージャーもデータ活用!#BigQuery #Looker の利用事例

こんにちは!初めまして、tkです! 2019年4月に入社し、pixivプレミアムやpixiv PAYの運営、pixivチームのコミュニティマネージャー(以下、CM)をやっております。

CMとは、「ユーザーの抱えている根本的な問題を改善するため最適解を導き、いろんな角度から改善していく」役割を担うお仕事になります。 詳細は下記、弊社役員のインタビュー記事をご参照ください!

inside.pixiv.blog

pixivチームのCMの主なお仕事は、カスタマーサポートです。 今回はカスタマーサポート業務にデータ活用を取り入れるために、BigQueryとLookerをCMで積極的に使い始めたよ、というお話をしたいと思います。

データ活用できて良いことは、「CMが自分で動けるから迅速にカスタマーサポートできる」「未来を見据えた仕事ができる」ですね!

カスタマーサポートとデータ活用

一見縁遠そうに見えるカスタマーサポートとデータ活用ですが、実はpixivユーザーの体験を向上させるための非常に良い友人です。

「ログインできない」「投稿できない」など、種別ごとのお問い合わせ数がどのように推移しているか、どの時期にお問い合わせが増えたか、どの言語設定のユーザーが多いか、このユーザーは何で困っているかなどなど。 これらの情報を時系列順に俯瞰したり、局所的に分析したりすることで、ユーザーが持つ「根本的な問題」を演繹する助けになります。

例えば、どの時期にお問い合わせが増えたかがわかれば、お正月、クリスマスなどの外的要因でお問い合わせが増えているのか、pixivのアップデートなど内的要因でお問い合わせが増えているのかがわかりますよね。

また、データは発言に説得力を持たせ、戦略的なコミュニティマネジメントを促進します。 ユーザーの悩みがまとまった数字として現れれば、改善に動くための指標がはっきりとし、施策の承認が得られ易くなります。 つまり、受動的なカスタマーサポートだけではなく、我々CMがユーザーの「根本的な問題」を解決する施策を打てるようになるのです。

しかし、上記のようなデータは、CMを含め全ての社員が簡単に確認できるものではありません。 毎日届くお問い合わせを手動で計測したり、経験則でレポートを作ることはできますが、pixivもおかげさまで大きなサービスとなり、現実的ではありません。

BigQueryとLooker、二人の救世主

そこで、我々CMのデータ活用を助けてくれるツールが、弊社には現在2つございます。

一つはBigQuery。SQLを用いることで複雑な条件を指定し、データを持ってくることができるデータウェアハウスです。 もう一つがLooker。簡単にデータを可視化(グラフ化)することができ、非エンジニアでも気軽に使用することができます。 それぞれの長所が、それぞれの短所を打ち消す形でCMのデータ活用を後押ししてくれています。 CMが使ってみての雑感なので、認識の相違があったとしても大目にみてください。

BigQuery

さてまずは、Google BigQueryです。 BigQueryはGoogleが運営するサーバーレス クラウド データ ウェアハウス。つまるところ、膨大なデータをしまう便利な倉庫です。 この倉庫にSQLという言語で話しかけると、爆速でデータを返してくれます。

BigQueryを利用することで、例えばお問い合わせいただいたユーザーにその時起こった問題を迅速に発見することができます。 BigQueryは他にも、エラーの影響範囲を調べたり、コンタクトをとりたいユーザーのリストを作ったりなど、複雑なオーダーにも対応し、我々に柔軟なデータ活用を可能にします。

一方で、SQLを扱えなければBigQueryを運用することが難しいという面もあります。いわゆるプログラミング言語ではありませんが、プログラミング経験のない非エンジニアが自由に使えるようになるには時間がかかるものに違いはありません。 幸い、私には少しばかりSQLの知見があったので、便利なSQLのテンプレートを作成し、共有することはできました。 しかし、BigQueryだけではpixivのCM全体がデータ活用できる場を整えるのは難しかったでしょう。

長所:複雑に条件を指定し、データを得ることができる。 短所:SQLを習得していないと活用することが難しい。

Looker

そこでCMチームが利用している2つ目のツールがLookerです。 Lookerは、ある人がSQLと分析の知見を持っていれば、その人と同じ切り口で、誰もがデータ分析や、情報の可視化をすることができる様になる夢の様なBIツールになります。 Lookerで分析するデータの参照元は、弊社では上記のBigQueryです。簡単に言ってしまえば、人間の代わりにSQLを話してくれる翻訳機のようなものです。

詳細は下記の記事をご参照ください。

inside.pixiv.blog

Lookerとは、x軸とy軸の指標を設定するだけで時系列などの属性ごとに推移を可視化(グラフ化)できるツールで、またこの設定を保存し、複数のグラフを組み合わせたダッシュボードを作成することもできます。 ちなみにpixivのCMチームでは、「お問い合わせの種別がどのように推移しているか、どの時期にお問い合わせが増えたか、どの言語設定のユーザーが多いか」といった指標に加え、問い合わせの返信までにかかった時間や、対応率などをダッシュボードで追いかける指標に設定しました。

こういったダッシュボードがあることによって、複雑な操作をせずとも、サービス上で起こっている問題に気付きやすくなります。

ダッシュボードの作成は、カスタマーサポートの業務をこなす中で、SQLや分析の知見が幾分かあった私と、弊社のデータの専門家集団”データ駆動推進室のみなさま”によって行われ、メンテナンスはCMである私によって行われています。 日々の業務での気付きをすぐに生かすことができ、見やすいグラフでCMがデータを共有できる体制になっています。ダッシュボードは、毎朝、社内で使用しているコミュニケーションツールの「Slack」に通知されるため、pixivのCMチームの全員が確認することができます。

Lookerはデータの可視化だけでなく、SQLの代替品としても機能し、比較的容易にBigQueryから情報をとって来ることができます。 ただし、BigQueryへ実際にSQLを用いるよりも簡単なお願いしかできず、情報の深堀りには向いていません。 もちろん、Lookerの整備に時間をかければ、Lookerは複雑化したニーズにも答えることはできます。ただし、都度そのコストをかけるかというと、難しいのが現実です。

長所:簡単にデータを可視化(グラフ化)できる。 短所:複雑なデータを取ってくるのには不向き。整備にコストがかかる。

つまり!

前述の通り雑感ですが、複雑なデータはBigQueryで、ずっと追っていたい比較的単純なデータはLookerで追えばいいじゃん!短所ないじゃん!という結論に私は落ち着きました。 全社的にLookerを利用し始めてから3、4ヶ月ほどの時間を使い、現在は、安定して運用できるようになりました。

データ活用を始める

私がデータ活用にコミットするまでCMチームでは、秘伝のSQLを使ってBigQueryを叩くことが数少ない能動的なデータ活用の機会でした。複雑なデータは、エンジニアに頼んで集計してもらっていました。

まずは秘伝のSQLを増やしていくことから始まり、今ではLookerのダッシュボードを導入し、毎朝全てのpixivのCMが指標を確認できるところまで辿りつくことができました。 ここまできてやっとデータ活用の萌芽を感じることができたような気がします。

CMが自ら触れるデータを増やすことで、サービスの開発に関わっているという、当事者意識が生まれ、積極的に施策に打ち込むことができるように思います。Lookerのおかげですね。 ユーザーの抱える根本的な問題を解決するために、今だけを見るのではなく、未来を見据えるための土台を作ることができました。 早急に解決しなければならない場合も、エンジニアさんに頼らずLookerやBiqQueryを活用して、CMだけで対応できるケースも増えています。 最初の方にも述べましたが、CMのデータ活用の利点は、「CMが自分で動けるから迅速にカスタマーサポートできる」「未来を見据えた仕事ができる」です。 ここに価値を見出せるあなたは、少しばかりのデータ分析の知識を手に入れ、環境づくりに励んでみましょう!

まずはSQLを学び、Lookerでなくともエクセルやスプレッドシートを駆使して、データを可視化するところから始めてみると何か見えてくるかもしれません。

icon
tk
2019年にピクシブ株式会社に入社。pixivプレミアム、pixivPAYの運用に関わりながら、pixivチームのコミュニティマネージャーとして働いています。