JapanTaxiが保有するデータとデータ分析について

Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
JapanTaxiが保有するデータと
データ分析について
2019.10.02
JapanTaxi株式会社
次世代モビリティ事業部
伊田正寿

2
自己紹介
名前：伊田正寿
年齢：33歳
前職：
- 中小SIer SEとしてBIの構築/客先常駐でO2Oアプリの分析
- 院外処方分析を展開するベンチャーデータエンジニア
現職：2018年9月JapanTaxi株式会社に入社
データエンジニア / データアナリスト
最近：JDLA E資格に合格しました

3
今日話すこと
会社のこと
どんなデータを
持っているか
どんな分析を
しているか

4
会社のこと
持っているか
どんな分析を
しているか

5
800万DL超日本No1タクシーアプリ
アプリマップ上で指定したピン位置にタクシーを手配。
全国47都道府県で約7万台と、全国のタクシー車両1/3がアプリで呼べる。
Google Mapsや音声AIなど様々な注文チャネル、決済、経費精算に対応。
*App Annie調べタクシー配車/ライドシェアアプリ内における、日本国内累計ダウンロード数/月間平均アクティブユーザー数(iOS/Google Play合算値)調査期間：2017年10月1日〜2018年9月30日
外部注文チャネル地図・経路検索
Google Maps iphone map
経費精算
Concur MoneyForward
海外
KakaoT TaxiGo
my route
iphone siri Alexa/echo spot mydaiz LINE clova
Yahoo!乗換案内
外部注文チャネル音声AI
NAVITIME setowa 信州ナビ Japan Trip Navigator
タクシー配車アプリ『JapanTaxi』

6
タクシー配車をサポート『JapanTaxi DRIVER’S』
通話機能付き乗務員向けアプリ
『JapanTaxi』アプリからの配車注文をクラウド経由で
複数車両に直接飛ばすことですばやい配車成立を実現。
乗務員とお客様が直接コミュニケーションをとる機能や
高精度ナビゲーションシステムを導入。
将来的には『JapanTaxi DRIVER’S』1台で電話もアプリも対応可能に。

7
コンテンツ配信と決済対応を兼ね備えたデジタルサイネージ端末
QRコード決済に対応する『広告タブレット』と
クレジットカードや交通系ICなどマルチ決済対応『決済機付きタブレット』の2種を全国展開。
日英中(簡/繁)韓の多言語表示に加え、音声翻訳機能も追加予定。
広告タブレット決済機付きタブレット
※一部地域にて非対応ブランド有
タブレット導入エリア
※クレジットカードは
1万円以下はPIN、サインレス
決済機付きタブレット1万台＋広告タブレット1万台の合計2万台を展開
北海道・東京都・千葉県・埼玉県・神奈川県・愛知県・石川県・富山県・京都府・大阪府・兵庫県・福岡県
キャッシュレスを加速『JapanTaxi タブレット』

8
4社合同の実証実験
トヨタ、JapanTaxi、KDDI、アクセンチュアの4社にて
人工知能を活用したタクシーの「配車支援システム」の試験導入を実施。
タクシー運行情報 ✕ 人口動態 ✕ 気象予測などを組み合わせた機械学習モデル。
タクシー運行業務をAIでサポート『配車支援システム』

9
会社のこと
持っているか
どんな分析を
しているか

10
どんなデータを持っているか
1. JapanTaxiアプリ︓配⾞、決済、ユーザー情報、広告、アプリ/サーバーログなど。
2. JapanTaxi DRIVER’S︓配⾞指⽰〜応答など。
3. JapanTaxi タブレット︓決済、印字、翻訳など。
4. 動態︓タクシー⾞両の位置情報など。
5. ドライブレコーダー(予定)
これらのデータが分析基盤(BigQuery)にすべて集まっている
イベント時のみの公開情報です

11
会社のこと
持っているか
どんな分析を
しているか

12
どんな分析をしているか〜チーム体制〜
次世代モビリティ事業部(R&D)
データサイエンティスト
機械学習エンジニア
データアナリスト
データエンジニア
AI
チーム
BI
チーム
←ここに所属しています

13
どんな分析をしているか〜分析フェイズ〜
データ整備
データ可視化
課題解決のための分析
統計解析・機械学習
分析
フェイズ
徐々に上位レイヤの分析が増えてきた

14
どんな分析をしているか〜分析フェイズ〜
データ整備
データ可視化
課題解決のための分析
統計解析・機械学習
←ここの話にフォーカスします
分析
フェイズ

15
どんな分析をしているか〜課題解決のための分析〜
事例紹介
ユーザー分析
リテンション向上

16
リテンション率◯％向上
リテンション率向上のためのプロジェクトが作られた
プロジェクトメンバーは具体的に何から手を付けるべきか・・・
という状態であった
プロジェクトメンバーの内訳はエンジニア、マーケター、デザイナー
ほぼプレイヤー層の構成

17
リテンションは何のために上げるべきなのか認識を合わせた
新規会員◯◯万獲得
MAU◯◯◯万人
上位の目標を意識

18
リテンションは何のために上げるべきなのか認識を合わせた
新規
継続
継続
継続
新規
N月N −1月 N ＋1月
MAU
◯◯◯
万人
？
ここの傾きを変えるのが
リテンション率向上の目的
リテンション率向上によって
MAUを達成できるのかが
取り組みの意味
今まで継続利用していた人が
翌月も継続利用する
新規の人が
翌月も継続利用する

19
リテンション率向上のために何をするべきか認識を合わせた
MAU◯◯◯万人
新規ユーザーに注力
新規ユーザーリテンション率
継続ユーザーリテンション率
継続ユーザーのリテンションはそこそこ高い

20
どこでドロップアウトしているか分析した
アプリDL
アプリ起動
会員登録
注文
配車
パイが小さいところで頑張っても仕方がない
ユーザー数
多い
少ない
会員登録までに至らずドロップアウト
注文までに至らずドロップアウト

21
どこでジャンプアップしているか分析した
アプリ
DL
リテンション率
アプリ
起動
会員
登録
注文配車
(当たり前だけど)いかに注文/配車というユーザー体験をしてもらうか

22
これらの分析から仮にXXXを◯％改善すると
リテンション率が◯％改善する
ことがわかった

23
このようにして
プロジェクトメンバーの認識をすり合わせ
課題解決の方向を合わせた

24
あとはひたすら
・仮説出し
・競合との比較
・ABテストによるトライアンドエラー
でPDCAを回した

25
どんな分析をしているか〜データアナリストのミッション〜
データアナリストのミッション

26
目の前のことに意識がいきがちなので

27
全体を俯瞰できるようにする
MAU◯◯◯万人
新規ユーザーリテンション率
継続ユーザーリテンション率

28
数値というファクトをもとに意思決定をサポートする

29
データアナリストのミッションとは
・意思決定をサポートすること
目標を現実的課題に落とし込む（KPI設計）
分析結果をきちんと理解してもらう（インパクト）
必要に応じて統計解析や機械学習モデルの検討
時には数値というファクトで常識をひっくり返す

30
まだまだ話足りないですが
続きは・・・

31

JapanTaxiが保有するデータとデータ分析について

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie JapanTaxiが保有するデータとデータ分析について

Ähnlich wie JapanTaxiが保有するデータとデータ分析について (20)

JapanTaxiが保有するデータとデータ分析について