re:Invent 2024: QuickSightのAmazon Q機能でビジネス分析を簡素化
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
📖 AWS re:Invent 2024 - Simplify business scenario analysis with Amazon Q in QuickSight (BSI104-NEW)
この動画では、AmazonのBIサービスであるQuickSightの新機能「Amazon Q in QuickSight」について詳しく解説しています。QuickSightのプロダクトリーダーであるZac Woodallが、自然言語を使ってデータインサイトを得られる機能の特徴を紹介し、Rehrig Pacific CompanyとGoDaddyの事例を交えながら実践的な活用法を説明しています。特に、GoDaddyのケースでは、サブスクリプションの純増分析において、年間契約と月間契約の更新率の違いから18,000件の損失の原因を特定し、AIを活用して改善策を導き出す過程が具体的に示されています。QuickSightの新機能により、データアナリストの介入なしでも、ビジネスユーザーが複雑なデータ分析を実行できるようになった点が強調されています。
※ 動画から自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますので、正確な情報は動画本編をご覧ください。
※ 画像をクリックすると、動画中の該当シーンに遷移します。
re:Invent 2024関連の書き起こし記事については、こちらのSpreadsheet に情報をまとめています。合わせてご確認ください！
本編
re:Inventカンファレンスの開幕と登壇者紹介
はい、ありがとうございます。re:Inventは本当にクレイジーな1週間でしたね。今週の面白い経験は何だと思いますか？渋滞ですか？私にとってもそれは非常に興味深い経験でした。私はランナーなのですが、もしそうでなければ、あと10分は待っていたことでしょう。
スピーカーの方々をお迎えしたいと思います。私はAmazon QuickSightのプロダクトリーダーを務めるZac Woodallです。来年で25年になりますが、プロフェッショナルとしてソフトウェア開発に携わってきました。 私がこの仕事に携わっているのは、データには私たち全員の生活の質を向上させるより良い意思決定を支援する力があると強く信じているからです。本日は素晴らしい2人のお客様にご参加いただいています。
Rob MartinはRehrig Pacific Companyの VP of Technologyです。同社のテクノロジー部門における新製品開発機能を統括しており、Product Management、エンジニアリング、先端研究開発を担当しています。この分野で25年の経験を持ち、作業者を支援する製品を市場に送り出すことに情熱を注いでいます。Nick KoenigはGoDaddyのSenior Director of Analyticsです。データとBusiness Intelligenceの分野で11年のキャリアを積み、BIツールの実践経験が1万時間を超えています。
データビジュアライゼーションの歴史とAmazon QuickSightの概要
このビジュアライゼーションをご存知の方はいらっしゃいますか？これは実際、人々が抱えていた実際の問題を解決するためのツールとして使用された、非常に有名なデータビジュアライゼーションです。ご覧のように、外側の青い円、これらの非常に大きな扇形と、小さな黒と赤の扇形があります。 これらは英国軍の野戦病院における死亡数を示しています。戦闘による死亡原因を示す黒い扇形は、この非常に大きな青い扇形と比べると、視覚的にごくわずかでした。
この非常に有名な統計学者であるFlorence Nightingaleは、このデータと洞察を用いて英国軍指導部の認識に影響を与え、現代の清潔な手術環境の導入に貢献したとされています。これは、データが人々の抱える実際の問題を解決するためのツールとして使用できる一例です。
この会場で既にQuickSightを使用している方はどのくらいいらっしゃいますか？約半数ですね。現在Qを使用している方は？数人いらっしゃいますね。素晴らしいです。QuickSightはAmazonの汎用BIサービスです。QuickSightは長年提供されており、ますます多くのユースケースで活用されています。お客様が最も評価しているのは、スケーラビリティ、パフォーマンス、そして私たちが提供する差別化されたAI機能です。
現在、多くのお客様にご利用いただいています。このスライドを更新するたびに新しいロゴを追加する必要があるほど、リストは拡大し続けています。カンファレンスにとって、これは素晴らしいことです。 お客様がQuickSightに移行すると、大きなメリットを実感されています。コスト、スケール、パフォーマンスの利点は、すべてROIの数字に反映されています。私はこの業界で長年働いてきて、多くのツールに携わってきましたが、QuickSightほど素早く成功を収めているツールを見たことがありません。興味深い例として、今週、AmazonのグループカンパニーであるWhole Foodsに関するブログを公開しました。彼らは以前使用していたBIツールから移行し、パフォーマンスが90%向上し、ROIが70%改善するという驚くべき成果を上げています。本当に驚異的です。
少し息を整えながらお話しさせていただきます。私たちには皆様が期待する標準的な機能があります - 素晴らしいインタラクティブなダッシュボードを作成できます。多くの方々がアプリケーションを構築しており、本日ご参加のお客様の中にもQuickSightでこれを実践されている方がいらっしゃいます。私の経験上、他のBIサービスと比べてもその数は多いと感じています。また、Paginated reportingの機能も備えています。これは非常に便利で、 これまで依存してきた従来型のビジネスレポートをクラウドで実行し、ガバナンスモデルやデータを共有することができます。
さて、4月に私たちはAmazon Q in QuickSightをリリースしました。これにより、ユーザーは自然言語を使ってより簡単かつ迅速にデータインサイトを得ることができます。いくつかの場所で利用可能です。作成者は自然言語を使ってダッシュボードを素早く構築できます。Data Q&A機能により、ビジネスユーザーはダッシュボードに表示されていない質問に対する回答を得ることができます。インサイト生成機能では、ダッシュボードのエグゼクティブサマリーを提供し、特定のトレンドやインサイトを抽出できます。また、ストーリーを生成してドキュメントやスライドを作成し、ビジネスの状況を説明するスライドをQに生成させることもできます。
Amazon Q in QuickSightのデモンストレーション：マーケティングキャンペーン分析
ここで挙手をお願いしたいのですが、皆さんの組織にこのようなカテゴリーに該当する人はいますか？データアナリストではないものの、分析を担当しているビジネスマネージャーです。考えながらうなずいている方が見受けられますね。挙手でお聞きしますが、これが現在うまくいっていると感じている方は何人いらっしゃいますか？この分野でより効率的な、あるいはより多くの機能が欲しいと思われる方は？会場から具体的なユースケースの例を挙げていただけますか？ はい、素晴らしいですね。ビジネスマネージャーはドメインの専門知識を持っており、彼らが投げかける質問はアナリストよりもビジネス判断により関連性が高いことがわかります。これは本当に素晴らしいことです。彼ら自身のアイデアを探求できる力をより与えることができれば - はい、その通りです。
でも、今日はどうでしょうか？このようなデータを扱う人々は、仕事をする時にどのように感じているのでしょうか？彼女の気持ちをどのように表現しますか？圧倒されている？フラストレーションを感じている？人々はこういった作業に何時間も費やしています。そして、そのフラストレーションをあなたにぶつけてきませんか？「この仕事に必要なデータが本当に正しいのか確認してほしい」と戻ってくる。そうですよね。私たちは社内外の多くの人々と時間を過ごしながらこの問題を詳しく調査し、このような分析には専門的な知識が必要だという結論に達しました。多くの人が選ぶツール（実際のところ、通常はスプレッドシートですが）でデータを操作し、さらにビジネスニーズの変化に応じて更新することは、非常に苦痛を伴う作業なのです。
では、AIはこれをどのように改善できるのでしょうか？AIは現在、本当にクールな機能を持っています。第一に、戦略的に問題解決の方法を考えることができる計画能力があります。第二に、自身の計画に含まれる指示に従うことができます。そして第三に、コードを生成することができます。コードは今や、計画の一部として概説されたステップに従うために使用できるツールとなっています。
AIの進歩は急速で、変化と進化が継続的に起こっています。これらの変化を最大限に活用しようとするツールは、その変化が起こるのと同じくらい素早く対応できなければなりません。
私と一緒に、組織のすべてのビジネスユーザーが真の意味でセルフサービスのデータ分析を行える世界を想像してみてください。スプレッドシートでの苦労はなく、やりたいことができ、データは進行に応じて簡単に適応できる。これはあなたが住みたいと思う世界ではありませんか？私にとっては理想郷のように聞こえます。
そして、朗報があります。そのため、私たちは現在プレビュー版として利用可能な、QuickSightのシナリオ分析における Amazon Q を発表します。Swamiが今週初めに発表したもので、ここにいる皆さんが利用できます。QuickSightアカウントで簡単にオンにすることができます。この機能には3つの主要な部分があります。第一に、複雑なビジネス上の問題を簡単に解決するAgentic分析があります。これはBIユーザーやスプレッドシートの編集・作業に慣れた人々にとって馴染みのある、目的に特化した体験の中で行われます。これらは再利用可能で適応性があり、ビジネスニーズの変化、新しいデータの追加、データの変更、または新しい質問に答えたい場合でも、いつでも対応することができます。
このAgentic分析機能は、分析のアプローチを自動的に提案し、 その分析を自動的に実行します。問題の内容をQに伝えるだけで、その問題に関連するデータを見つけることができ、 実際にQが取った手順を確認することができます。
Purpose-builtとは何を意味するのでしょうか？ 具体的には、テーブルやビジュアルなど、皆さんが期待する要素に精通した分析のコンテキストを提供します。そして、言語機能を非常に自然な形で組み込んでいます。つまり、ポイント＆クリックで操作したり、言葉を使ったりすることが、この体験の基本原則となっています。もちろん、既存の企業データとも連携し、新しいデータの切り口や変更点を理解するために、ファイルやその他のデータを取り込むこともできます。
これらは再利用可能で拡張可能です。これはどういう意味でしょうか？新しく切り出したデータを取り込み、 状況の変化に応じて更新することができます。また、既存の分析に追加することもできます。これは、分析のステップを更新したり、新しい分析の方向性を追加したりすることでも可能です。これらの変更をすべて組み合わせることで、既存のロジックを簡単に適応させて再利用できます。
簡単にデモをお見せしましょう。その後、お客様の事例に移ります。 これはシナリオ分析機能です。まず、解決したい問題を説明します。ここでは、マーケティングキャンペーンのトレンドを理解したいと言っています。既存のデータから選択できます。ここにマーケティングデータを含んだダッシュボードがあります。 これを簡単にインポートして直接分析できます。そのデータのプレビューが表示されます。 この場合、ファイルにさらにデータがあるので、それを追加します。ファイルを取得して取り込むと、 以前は分析されていなかった特定のキャンペーンが含まれています。データが取り込まれると、Qはこのデータについてどのような質問を分析できるかを判断します。ここではROAS（広告費用対効果）分析を提案していますが、私はそれを求めていませんでした。単に「この問題があるので助けてほしい」と言っただけです。質問を入力することもできます。例えば、Instagramをソースとして分析して、どうなっているか教えてと言うこともできます。これらのブロックを複数追加することができます。
そして、Qが何を行ったかを見ることができます。ここでは、広告費用対効果が計算され、LinkedInが1833.6で最も高いと示されています。 LinkedInの状況が確認できます。では、どのようにしてこの結果に至ったのでしょうか？下の表を見ると、ソースから得たデータがありますが、この回答を導き出すために自動的に追加の計算も行っていることがわかります。ブロックを下にスクロールすると、LinkedInが他のソースと比較してどのように機能しているかを詳しく説明してくれます。そして最後に、 分析結果の要約が表示されます。LinkedInが非常に成功を収めており、1ドルあたり1,833ドルを生み出しているので、予算を増やしてはどうかと提案しています。ビジネスに対する推奨事項を示してくれているのです。
もう少し詳しく見ていきましょう。最も成功したキャンペーンについて教えてください。この分析の文脈で掘り下げていきますが、LinkedInに焦点を絞りたいと思います。ここでは、最も成功したメンバーシップドライブとバーチャルワークショップシリーズが示されています。ROASの計算が引き継がれ、キャンペーンごとの内訳が表示されているのが分かります。これは本当に興味深く有用です。この場合、エンゲージメント重視のキャンペーンだと判断されているのが実に興味深いですね。メンバーシップドライブやバーチャルワークショップシリーズといったトップパフォーマーは、コミュニティ構築やインタラクティブなコンテンツに焦点を当てたキャンペーンがLinkedInで非常に効果的だということを示唆しています。私はこれらのキャンペーンを分類していません。コミュニティ構築に関するものだとは指定していません。データソースから読み取ったテキストだけで、すべてを推論したのです。これは自動的に行われており、これらのサービスの利点と力の一つです。
さらに一歩進めて、可能性を探ってみましょう。これらのキャンペーンのマーケティング予算を50%増やしたらどうなるでしょうか？これを実行できます。What-if形式の分析を行い、起こりうることを予測できます。上位3つのキャンペーンで予算を増やすと、このメンバーシップドライブキャンペーンから777ドルを得られるでしょう。ここで起こりうることについての予測を示しています。ROASは一定と仮定しています。それは視覚的にも確認でき、そしてこの分析の側面について説明しています。すべてのキャンペーンでROASが一定だと仮定すると、かなり強力なパフォーマンスが期待できます。ただし、LinkedInのオーディエンスターゲティングと配信アルゴリズムが影響を与える可能性があるため、実際には一定ではないかもしれません。50%の予算増加を一気に行うのではなく、段階的に進めることをお勧めします。
さて、最後に、これまでのすべての分析を振り返ってみましょう。各分析を素早く概観すると、それぞれが個別のコンテキストスレッドであることが分かります。最初の分析がROASに関するもので、ROASとは何か、ROASで何が起きているのかという内容だったように、2番目は私が質問したInstagramに関する別のコンテキストになっています。特定のトピックについて、時間とともに洗練されていく会話のような性質を持っているのです。
Rehrig Pacific CompanyにおけるQuickSightの活用事例
以上です。ここで、Robを招いて、Rehrigで彼らが行っていることについて少しお話ししていただきましょう。では画面を切り替えさせていただきます。ありがとう、Zach。あれ？まだのようですね。元に戻していただけますか？了解です。Rehrig Pacific companyについて少しご紹介させていただきます。私たちは4代目の同族経営企業で、創業112年目を迎え、リユーザブルパッケージングのリーダー企業です。私たちの目標は、お客様と私たちがサービスを提供する業界の信頼できるアドバイザーになることです。背景の画像をご覧ください。これは1913年の写真で、ロサンゼルスにあった元々の木箱製造工場です。興味深いことに、私たちは新興の自動車産業向けの木製バッテリーボックスの製造から始まりましたが、現在は自動車関連の事業は行っていません。
過去70年間で、私たちのビジネスは木材からプラスチックへと移行し、現在では北米最大の再利用可能な輸送用パッケージングメーカーの一つとなっています。私たちは4つのソリューションに焦点を当てています。クレート、パレット、トートを考えてみてください - 画像の黄色いトートは、Amazon Distributionのために製造しているものです。つまり、私たちはAWSのお客様であるだけでなく、実はAmazonの物流部門のサプライヤーでもあるのです。
私たちは4つの分野でソリューションを提供しており、これらを組み合わせることで、お客様に完全に統合されたシステムを提供しています。まず、当社の基盤となるプラスチック事業があります。次に、Fusionソリューションと呼んでいるマテリアルハンドリング - これは、お客様の商品をトラックから店舗まで運ぶためのパレットジャックです。私が担当するテクノロジー部門では、資産を追跡しサプライチェーンのパフォーマンスを測定するためのIoTとAIベースのソフトウェアを提供しています。最後に、製品の導入から継続的なサポートまでを担当するサービスチームがあります。
私たちが直面していた課題は何だったのでしょうか？右下の画像は、当社が製造しているAI搭載のスマートストレッチラッパーです。飲料業界では、このスマートストレッチラッパーが登場する前は、パレット上の製品を数えることで品質保証を行っていました。品質検査はランダムに行われ、各ケースのUPCをスキャンして監査する必要がありました。私たちは、コンピュータービジョンを使用したエッジベースのシステムを開発し、ストレッチラップを巻く際にパレット上のすべてのケースを撮影し、注文に対するエラーを報告するようにしました。
私たちが抱えていた課題の一つは、BIの開発とエッジでの処理以上の価値を付加することでした。エッジユーザー - 私たちは自社のソリューションを「自動化の島」と呼んでいます。それはスマートストレッチラッパーであったり、スマートデスタッカー、あるいはスマートデリバリーリフトかもしれません。エッジユーザーは、日々の業務を遂行するために機器のソフトウェアを利用する人々です。私たちが本当に目指していたのは、アナリストや経営陣といった他のユーザーペルソナにリーチすることでした。お客様はエッジでの機能だけでなく、データを求めていました。経営陣は、配送ルートの削減や倉庫の統合などにこのデータを活用したいと考えていましたが、データを可視化する手段がなければ、それを提供することができませんでした。
そこで私たちはAWSと提携し、QuickSightチームと協力することにしました。 今年の半ばごろからQuickSightの構築を開始しました。これを私たちのWebポータルであるIrisに組み込みました。私たちはこれをAI支援分析と呼んでおり、お客様はここでエッジで収集されるすべてのデータを閲覧することができます。 最初に構築したダッシュボードの一つに、店舗ごとの時間当たりのケース数があります。私たちのビジネスやお客様のビジネスのすべては、時間当たりのケース数による生産性 - つまり倉庫のオーダーピッカーが何ケース選別したか、ドライバーが店舗に何ケース配送したか - に基づいています。これらの情報をすべて集約し、サプライチェーン全体の生産性を可視化することができます。このダッシュボードは1日もかからずに構築できました - 以前はReactや他のBIツールを使用していた時は、1週間、場合によっては1ヶ月かかっていました。
これは、複数のダッシュボードを組み合わせたより複雑なダッシュボードで、現在は1スプリントで簡単に提供できるようになりました。このダッシュボードは、私たちのエッジアプリケーションの価値を示しています - 監査に回されるパレットの数、ピッキングミスのあるパレットの数などです。オーダーピッカーレベルまで掘り下げて、どのSKUでピッキングミスが発生しているかを特定することができます。それはSKUのブランド変更が原因なのか、倉庫内のSKUの配置場所が原因なのか。そのSKUは照明が不十分なスロットにあるためにオーダーピッカーがミスを起こしているのでしょうか？このダッシュボード以前は、お客様はこのようなデータを持っていませんでした - 物流センターでエラーを示す赤信号や青信号を見て修正するだけで、実際にデータを分析して実用的な判断を下すことはできませんでした。これが、Irisアプリケーションに組み込まれた同じダッシュボードです。
また、QuickSightのData Q&A機能をお客様に提供することで、ダッシュボードと自然言語で対話できるようになりました。 これは、あるお客様が実際に尋ねた質問です - 「どの曜日が最もローディングエラー率が高いのか？」以前であれば、ダッシュボードを検索したりExcelにエクスポートしたりする必要があったでしょう。この機能があれば、質問するだけで数秒のうちに、月曜日が圧倒的に悪く、他のどの曜日と比べても3倍も悪いことがすぐにわかります。これで月曜日の問題に焦点を当てて、その原因を突き止めることができます。
次のステップは何でしょうか？ Data Q&Aから得られる以上のエッジデータの深い分析が必要です。私たちはAWSと協力して、Scenariosのベータ版を提供していただきました。この機能により、機械学習アナリストの作業を効率化し、より迅速な根本原因分析を実現し、最終的に機械学習の精度に関するSLAを向上させることができます。
現在の方法をご説明します。 QuickSightのダッシュボードを使用して、サイトを掘り下げ、エラーを確認し、実際の画像を確認して、それが本当のエラーなのか機械学習のエラーなのかを判断します。これは面倒な作業です。Excelにエクスポートして、アナリストが何が起きているのかを自分で分析しなければなりません。Scenariosツールを使用することで、自然言語を使ってデータにすばやくアクセスできるようになりました。 2つのサイトを比較して、一方がなぜエラー率が高いのか、異なるサイトでの重量許容値はどうなっているのかなどを分析できます。
さらに深く掘り下げて、重量許容値が機械学習の精度にどのように影響するかを理解したいと考えました。Scenariosに対して、エラーの要因は何か、どのような対策が取れるかの分析を依頼しました。重量許容値を調整した場合のエラー率への影響について質問したところ、自動的に5%、10%、15%の計算を行い、重量許容値を5%調整すると機械学習の精度を0.5%向上できるという結果が得られました。毎日何百万ものSKUが処理される中で、これは私たちにとって大きな意味を持ちます。
ROIはどうでしょうか？ このツールを使用することで、アナリストの生産性を5～10%向上できると予想しています。ディープ機械学習を使用したコンピュータビジョンアプリケーションを実装した経験がある方なら、画像内のオブジェクト検出の高い精度を維持するために必要な分析作業の量をご存知でしょう。人間が画像やデータを確認するのに多くの時間を費やしています。このツールを使用することで、データをより迅速に表示し、アナリストが自分で分析する前にインサイトを提供できます。これにより、アナリストを増やすことなく顧客数を拡大でき、新規ユーザーの獲得による収益増加も見込めます。最終的に、私たちはお客様の信頼できるアドバイザーになりたいと考えています。そのためには、お客様のサプライチェーンについて提供するデータが正確でなければなりません。
GoDaddyのBIプラットフォーム戦略とQuickSightの採用
AWSにお招きいただき、私たちのストーリーを共有する機会をいただき、ありがとうございます。Nick、君の番だよ。では、デモの切り替えを行いましょう。皆さん、こんにちは。GoDaddyのNickです。今日は、Amazon QuickSightのScenariosに関するプルーフオブコンセプトについてお話しさせていただきます。まず、会場の皆さんにお聞きしたいのですが、GoDaddyをご存知の方は手を挙げていただけますか？では、私たちがどんな製品やサービスを提供しているかご存知の方は、手を挙げたままでお願いします。予想以上に多いですね。私たちのミッションとビジョンからお分かりの通り、私たちは小規模ビジネスに特化し、デジタルプレゼンスを提供することに専念している企業です。ウェブサイトビルダー、Do It For You製品、メールや生産性向上ソリューション、セキュリティソリューションなどのツールやサービスを提供しています。
私たちは2,000万人の顧客を抱える大規模な企業で、最近S&P 500にも加入し、大量のデータニーズがあります。今年、本格的にBIプラットフォームとしてAmazon QuickSightの採用を開始しました。ご覧の通り、まだ始まったばかりですが、採用は順調に進んでおり、QuickSight Data Q&Aに組み込まれた生成AIの機能の探索も始めています。
この機能は素晴らしい成果を上げています。ダッシュボードを直接編集することなくデータをピボットできる上、自然言語クエリを使用して即座にビジュアライゼーションを作成できます。しかし、Data Q&Aを探索する中で、分析機能における生成AIにはさらなる可能性があることがわかりました。プロダクトマネージャー、Go-to-Marketオペレーター、マーケティングスペシャリストなど、社内のステークホルダーは、新しい指標の探索、根本原因の診断、そして自分たちのイニシアチブや意思決定に対する変更の潜在的な影響を理解する必要があることが多いのです。
これを支援するため、私たちは会話的で、複数のデータセットにまたがり、推論エンジンを備えたツールを求めていました。そこで登場したのがScenariosで、これらのニーズの多くに対応しています。ステークホルダーはセルフサービス型のエクスペリエンスを求めており、Scenariosはアナリストとステークホルダー間のやり取りを不要にし、分析的な探索に必要なサイクルタイムを大幅に短縮します。これから人工データを使用してデモをお見せします。まず、ライブデモをお見せし、その後、より構造化された、事前に録画されたデモに移ります。
ズームインしてみましょう。これがScenariosで、スレッドを開始しようとしています。データセットを組み合わせてサブスクリプションの純増を計算する質問をしてみましょう。これには約30秒かかります。処理している間に、これから扱うデータセットについてご説明します。私には2つのデータセット、AddsとChurnsがあります。Nightingaleはコードネームです。Addsには3つのディメンションと1つのメジャーがあります：日付、顧客タイプ、製品、そしてAddsです。Churnsも非常によく似たファイルで、日付、顧客タイプ、製品、そしてChurnsがあります。これら2つのファイルを使って純増を算出します。純増とは何でしょうか？そうですね、AddsからChurnsを引いたものが、サブスクリプションの純増となります。
GoDaddyにおけるScenariosを用いたサブスクリプション分析の詳細
サブスクリプションビジネスにおいて、Net Addsは重要な事業健全性指標です。サブスクリプションビジネスでは、インカミングとアウトゴーイングの両方に注目する必要があります。私たちはこの指標のダイナミクスを詳しく分析したいと考えています。これがGoDaddyにとって新しい概念だった頃は、確立されたデータ構造がありませんでした。Net Adds Martがまだ構築されていなかったため、そこからデータを取得することができませんでした。この指標を分析してそのダイナミクスを理解しようとする運用担当者にとって、Scenariosは非常に役立ったはずですが、当時は他の場所からデータを取得する必要がありました。
Scenariosは2つのデータセットを組み合わせました。スプレッドシートでは、VLOOKUPや IF関数を使用してこれを行っていたかもしれません。SQLでは結合を使用することになりますが、データリテラシーの高くない人にとっては必ずしも簡単ではありません。Scenariosがそれを実現し、私たちのためにNet Addsを作成しました。計算は正確で、獲得数から解約数を引いています。ここからは、Scenariosのより発展的な分析例を紹介し、その分析能力をお見せしたいと思います。
より具体的な質問から始めました：過去2年間の製品別Net Subscription Addsのトレンドを表示し、大きな落ち込みがあった製品があるかどうかを分析してください。これは人工的なデータです。同じように、データセットを組み合わせてNet Addsを取得し、可視化しました。これは架空のデータですが、グラフは非常にはっきりとした特徴を示しています。Websites + Marketingと呼ばれるラインに大きな谷があることに気づくでしょう。2023年末から2024年初めにかけて、Websites + MarketingのNet Addsに大きな落ち込みがあります。
これについてScenariosにさらに掘り下げて分析するよう依頼しました。Websites + Marketingについて、注目している期間に大きな落ち込みがありますが、これが獲得数と解約数のどちらによって引き起こされているのかを分析したいと思います。2つ目の可視化では、獲得数、解約数、Net Addsの3本のラインがあり、Net Addsは下部の紫色のラインです。オレンジ色のラインがNet Addsを反転したような動きをしていることから、解約数がNet Addsの変動の要因であることがわかります。
Scenariosもこれを確認し、解約数の大幅な増加がNet Subscription Addsの落ち込みの主な要因であることを示しています。ここでScenariosは影響の分析に入ろうとしています。これらの推奨事項は、まだ十分なコンテキストを与えていないため予備的なものです。後ほど、より文脈に即した推奨事項をお見せしますので、ここではこれらの推奨事項を確認するにとどめておきましょう。
オペレーターとして、そしてここがパワーの源なのですが、私はビジネスアナリストではありません。オペレーターとして、私には現場の知識があります。自分の領域をよく知っており、いくつかの仮説を持っています。このデモでは、直感を持った仮想のオペレーター役を演じてみましょう。私は、Net Subscription Addsの落ち込みは契約期間の変更が原因だと考えています。サブスクリプションビジネスでは、一般的な形態として年間契約と月間契約を提供できます。私の知る限り、月間契約は年間契約と比べて更新率がかなり低く、それが私が目にしているSubscription Addsの状況に関係していると思うのです。
新しいファイルをアップロードして、年間と月間という契約期間という新しいディメンションを追加してみましょう。また、それらのサブスクリプションの更新データも追加して、更新率の理解を深めていきます。Scenariosの素晴らしい点の1つは、必要に応じて次々と質問を投げかけ、異なる分析の流れを展開できることです。私はそれを実行しました - 右側で、月間契約の更新率が年間契約より低いという私の仮説が正しいかどうかを確認したかったのです。ここで明確に見て取れるように、年間契約の更新率は一貫して約80%であるのに対し、月間契約は約40%です。そう、これは確かに考慮に入れるべき現象です。
Scenariosに対して、私が注目している期間の更新率を月間と年間で分けて掘り下げ、その比率を見るように依頼してみましょう。なぜなら、比率に何か関係があるような気がするからです。Scenariosは新しいデータセットを取り込み、私の対象期間を分類します。ベースライン期間と呼ぶ期間の更新率は64%で、落ち込み期間は59%です。確かに落ち込み期間は更新率が低くなっています。月間プランと年間プランの比率を見ると、ベースライン期間では年間プランが60%、月間プランが40%だったのに対し、落ち込み期間では年間プランが48%、月間プランが51%となっています。これは、この状況に影響を与えている良い指標といえます。
これをビジュアル化して表示し、さらに一歩進んで、これらの変化に対する統計的検定も行ってくれます。これは私が求めていなかった素晴らしい追加機能です。分析が進むにつれて、さらに多くのレコメンデーションが提供されます。これらのレコメンデーションは今後さらに改善されていきますが、レコメンデーションのデモは最後のセクションに取っておきましょう。ここで、最も分析的に intensive な質問をしてみましょう。Net Addsの変化を引き起こしているのは契約期間の構成比の変化だという重要な仮説を絞り込みましたが、今度はその影響の大きさを具体的に把握したいと思います。
もし私がビジネスアナリストだったら、スプレッドシートでWhat-if分析を作成するでしょう。この期間の契約期間別のサブスクリプション数、契約期間別（年間対月間）の関連する更新率、そして実際の更新数を示す実際の状態を作成します。そして、同じ更新率を使用しながら、契約期間の構成比をベースライン期間のものに変更した場合の仮説的なケースを並べて示すでしょう。これは可能でしょうか？もちろんです。でもデータリテラシーが高くない人にとって簡単でしょうか？とんでもありません。Scenariosはこれを簡単に実行します。仮説的な比較を依頼すると、データを準備し、ここでWhat-ifシナリオを作成しています。
下のグラフでは、ゴールド色で仮説のシナリオを示しています。右側のゴールド色が仮説の年間、そしてゴールド色が仮説の月間、ティールまたは青色が実際の数値です。ゴールド色の合計から青色の合計を引くと、損失の数が得られます。少し見づらいですが、その18,000の損失がここに表示されています。 このような構成の変化により、現時点で非常に関連性の高い興味深い観察と提言が得られました。
システムは、年間サブスクリプションの価値を高め、 マーケティング資料や顧客とのやり取りにおいて、年間サブスクリプションの長期的なメリットとコスト削減効果を強調するよう提案しています。より多くの顧客を年間プランに移行させ、月額サブスクライバーの継続率を向上させる方法について、考えるべきポイントを示してくれています。月額サブスクリプションは継続率が大幅に低いことを指摘し、その継続率を上げるためのさまざまな方法を提示しています。提言には、価格戦略の最適化、年間サブスクリプションをより魅力的にするための価格体系の調整、カスタマーサクセスプログラムの強化、長期契約のメリットに特化したターゲットマーケティングキャンペーンの作成、そして製品開発への注力が含まれています。特に最後の提案が気に入っています - 年間サブスクライバー専用の機能やサービスの開発を検討するというものです。これらは運営者として見ると、素晴らしい実験のアイデアになります。これらを基にA/Bテストを組み立てて、何が効果的か確認してみようと思います。
最後にお見せするのは、プランニングに移行する部分です。これら全ては良いのですが、私は18,000件の更新を失った大規模ビジネスの運営者として、説明責任を負っています。この損失を取り戻す方法を見つけ出す必要があり、できるだけ早く実行したいと考えています。そこで、2ヶ月でこの18,000件の更新を取り戻すには、どの程度の年間契約比率で運営する必要があるのかをScenariosに尋ねてみました。最初、Scenariosは答えを間違えて私を驚かせました。それは問題ありません。完璧なAIツールは存在しません。 しかし、その誤った回答から、異なる契約期間の比率が異なる更新率をもたらすことを理解するための可視化が得られました。
2ヶ月で18,000件を取り戻すには、約87%が必要です。これは非常に高い数字です - プランの87%が年間契約である必要があります。ここから、例えば70%が実現可能だとすれば、10,000件を取り戻せるといったように検討を始めることができます。Scenariosが間違った答えを出した場合でも、このブロックに入って修正できるのが良い点です。答えが間違っていたので再計算するよう伝えたところ、今度は正しい答えが出ました - 1ヶ月で9,000件、つまり2ヶ月で18,000件です。
このデモをまとめると、データセットを組み合わせ、根本原因の分析を開始し、What-if分析と根本原因のモデリングを深く掘り下げ、影響要因とその規模を本当に理解しました。そして提言、実験のアイデア、最後にプランニングへと進みました。これら全てを、ビジネスアナリストの介入なしに、運営者とAIツールで実行しました。これこそがScenariosの素晴らしい点です - ビジネスアナリストとの何週間もの質疑応答が必要だったかもしれない作業時間を短縮できるのです。
Scenariosの利用方法と今後の展望
すぐに試していただけます。おさらいですが、Agentic Analysisは、BIに特化して設計され、再利用可能で拡張性があります。QuickSightインスタンスのPreview Managerから利用できます。現在のプレビュー段階では、ユーザーごとに個別に有効にする必要がありますが、正式リリース後は、左側のナビゲーションに自動的に表示されるようになります。
最後に、皆さんに考えていただきたい質問があります。この新機能を使って、どのような分析の旅に出かけられますか？ぜひ機会がありましたら、私たちのコミュニティにお立ち寄りください。とても親切な方々が集まる、学びと交流の素晴らしい場所です。そして、そのような方々の何人かがこのスライドに登場しています。本日はご参加いただき、ありがとうございました。「re:Inventの残りをお楽しみください」と言いたいところですが、今夜のパーティーをお楽しみください、と申し上げたいと思います。ありがとうございました。
※ こちらの記事は Amazon Bedrock を利用することで全て自動で作成しています。
※ 生成AI記事によるインターネット汚染の懸念を踏まえ、本記事ではセッション動画を情報量をほぼ変化させずに文字と画像に変換することで、できるだけオリジナルコンテンツそのものの価値を維持しつつ、多言語でのAccessibilityやGooglabilityを高められればと考えています。
Discussion