DatabricksのMarTech部門AVPが、適切なデータ基盤の構築から信頼の獲得、普及の維持に至るまで、Genieを活用してマーケターに迅速かつガバナンスの効いた回答を提供するための実践的なプレイブックを共有します。
によって Elizabeth Dobbs, トーマス・ラッセル, ケイティ・ユアン 、 Sydney Sundell による投稿
多くのマーケティングチームがデータドリブンになることを目指しています。しかし実際には、意思決定が必要なその瞬間に、信頼できる回答を得るまでに今でも数日かかることがあります。
Databricksでは、ガバナンスの効いたレイクハウスにマーケティングデータを統合し、Genie Agentsのマーケティング実装である「Marge」を構築することで、この課題に対処しました。Margeを使用すると、マーケターは自然言語で質問し、ガバナンスの効いた回答を数秒で受け取ることができます。
その結果、私たちの組織の働き方は大きく変わりました。
これらの成果は、対話型分析を継続的なプロダクトおよび運用モデルとして扱ったことから生まれました。ガバナンスの効いたデータを基盤にし、Genieにビジネス用語を学習させ、ユースケースを1つずつ積み重ねて信頼を獲得し、マーケターの既存のワークフローに直接組み込みました。
私はDatabricksのマーケティングテクノロジー部門AVPを務めるLiz Dobbsです。この動画では、私のチームがDatabricksのマーケティング部門において、意思決定でのデータ活用頻度を3倍に高めた実践的なプレイブックをご紹介します。
マーケティングデータは、キャンペーンプラットフォーム、ウェブ分析、CRMシステム、イベントツール、広告チャネル、売上データなど、多岐にわたります。それぞれのシステムが独自の定義、識別子、レポートロジックを持っています。ダッシュボードが存在する場合でも、マーケターはどの指標が最新なのか、どのソースが信頼できるのか、あるいはダッシュボードが対応していない次の質問にどう答えればよいのか分からず、苦労することがよくあります。
私たちのマーケティング組織も、同様の課題に直面していました。
私たちはまず、マーケティング、財務、営業、プロダクトの各部門で共有されている全社的なDatabricksレイクハウス内に「Marketing Lakehouse」を構築しました。これが、ゴー・トゥ・マーケットデータのガバナンスの効いた信頼できる唯一の情報源となり、一貫した定義と指標に基づいてキャンペーン情報と売上情報を整合させました。
この基盤があったからこそ、Margeが実現したのです。
Margeは、Genie Agentsで構築された対話型の分析アシスタントです。Databricksのマーケターが使用する地域、製品、チャネル、キャンペーン、会計期間、パイプラインなどの定義を含む、Marketing Lakehouse内のデータとビジネスコンテキストに基づいています。
マーケターは、以下のような日常的な言葉で質問することができます。
Margeはこれらの質問を分析クエリに変換し、ガバナンスの効いたエンタープライズデータに基づいて回答を返します。 Unity Catalogが中央集権的なガバナンス、リネージ、ロールベースのアクセス制御を提供するため、各ユーザーはアクセスを許可されたデータのみを閲覧できます。
マーケターは、ダッシュボード、Genie Agents、アプリ、より深い分析を統合したビジネスユーザー向けのAIコワーク体験である Genie Oneを通じてMargeにアクセスします。Genie Oneは、必要に応じて各リクエストを適切なGenie Agentに自動的にルーティングします。また、ウェブパフォーマンス、デジタル分析、マーケティングプランニングなどのドメインに特化したエージェントも作成しており、それぞれがより絞り込まれた関連性の高いコンテキストで動作できるようにしています。
より複雑な質問に対しては、エージェントモードが複数のステップを評価し、より深い分析を行うことができます。この体験により、マーケターはビジネス上の疑問から、根拠のある回答や推奨される次のステップへと、より迅速に進むことができます。
初期のパイロット運用から本格的な展開に至るまで、信頼性の確保を最優先事項としてきました。完璧なAIシステムは存在しないため、私たちはMargeの正確性、信頼性、透明性を高める4つのメカニズムに焦点を当てました。
Genieには、新任の分析担当者が必要とするのと同じコンテキストが必要です。それは、テーブルがどのように関連し、どのように結合されるべきかを含めた、明確なデータモデルから始まります。
私たちはUnity Catalogを使用して、メタデータ、テーブルの説明、カラムの注釈、リネージ、アクセス制御を一元管理しています。AIが生成した説明は最初のステップとして有用でしたが、マーケティングのステークホルダーやデータの専門家がそれらをレビューし、組織の内部の人間しか知り得ないビジネスコンテキストを加えて充実させました。
具体的なドキュメント化の例は以下の通りです。
明確なメタデータは、Genieがクエリを生成する前に質問を正しく解釈するのに役立ちます。
頻繁に尋ねられる価値の高い質問に対しては、ドメインエキスパートがレビューした信頼できるアセットと検証済みのロジックを提供します。これらは、コンバージョン率、顧客生涯価値、イベント登録などの領域をカバーしています。ユーザーは回答が検証済みのロジックに基づいているかどうかを確認できるため、信頼性を高める重要な要素となります。
また、複雑な質問や頻出する質問に対しては、質問とクエリのペアの例を追加しています。これらの例は、Genieに既知のシナリオへの対処方法を学習させ、同様の質問に対して同じパターンを応用できるようにするのに役立ちます。
基本的なルールは以下の通りです。
どの組織にも、一見シンプルに見えても特定の意味を持つ用語が存在します。「パイプライン」「地域」「会計年度」「キャンペーン」などは、企業によって定義が異なる場合があります。
私たちはMargeに対し、これらの用語を解釈し、曖昧さに対処するための明確な動作ガイドラインを提供しています。例えば、基盤となるフィールド名が「cost」である場合に、ユーザーが「spend」や「investment」と表現することがあります。Margeは、これらの言葉が同じ概念を指していることを理解する必要があります。
また、期間、チャネル、地域などの重要な情報がリクエストに不足している場合、Margeが確認の質問をするように指示しています。推測するのではなく、曖昧な点を明らかにすることが目的です。
すべての回答において、ユーザーは高評価または低評価のフィードバックを提供できます。マーケティング分析チームは、監視ダッシュボードで評価やコメントを確認し、問題を調査して、必要に応じてエージェントを更新します。
また、既知の回答に対するベンチマーク質問を実行し、パフォーマンスを体系的に評価しています。ベンチマークの精度が大幅に低下した場合は、データモデル、定義、またはエージェントのコンテキストに注意を払う必要があることを示しています。
この管理作業は非常に軽量です。現在、1人のBIマネージャーが週に約1時間を費やしてフィードバックを確認し、Margeをメンテナンスしています。この小 さく継続的な投資により、誤りとフラグが立てられた回答の割合を25%削減することができました。
技術的な品質は、取り組みの半分に過ぎませんでした。マーケター自身も、Margeが自分たちのニーズを理解し、日々のワークフローに自然に溶け込めると信じる必要がありました。
私が同僚によく言うように、これは「作れば彼らはやってくる（Field of Dreams）」といった製品ではありません。作ったからといって、人々が使ってくれるとは限らないのです。私たちは、導入を促すための4つの実践方法に焦点を当てました。
私たちはマーケターと直接協力し、彼らが最も頻繁に尋ねる質問、すでに使用しているダッシュボード、および業務を説明するために使用している言葉を理解しました。彼らの意見が、Margeの構成に使用したデータ、例、指示に反映されました。
これにより、マーケターも製品の積極的な参加者となりました。自分たちと一緒に、自分たちのために体験が構築されていることを実感できたのです。
最初のユースケースは、メールキャンペーンのパフォーマンスでした。これらの質問に答えるために必要な、キャンペーン、受信者、エンゲージメントに関する不可欠なデータのみを含めました。
狭い範囲から始めることで、精度の検証、信頼の構築、そして価値の迅速な実証が容易になりました。アカウントデータ、アトリビューション、その他の領域は、主にユーザーの要望に基づいて後から追加しました。
私たちはMargeを分析サポートプロセスに組み込みました。マーケティング分析のすべてのチケットに対して、「Genieに質問しましたか？」と尋ねる自動返信が送信されます。アナリストは、依頼者がGenieを試したことを示した後にのみ対応します。
このシンプルな変更により、基本的な質問はセルフサービス分析に誘導され、アナリストの時間をより複雑な作業のために確保できるようになります。私たちのチームは、この違いを「アナリストを101や201レベルのリクエストから解放し、301や401レベルの分析に集中できるようにすること」とよく表現しています。
ユーザーからのフィードバックに基づいて、メタデータ、例、信頼できる回答、指示を継続的に更新しています。迅速な改善は、マーケターに対して自分たちの意見が重視されていることを示し、繰り返すごとにMargeがより便利になるのを助けま す。
また、フィードバックループは、規律を持って拡張を進めるのにも役立ちます。ローンチ時に考えられるすべての質問を予測しようとするのではなく、実際に示された需要に応じてデータや機能を追加しています。
Margeは、マーケティング分析チームにとって最大の時間節約ツールとなりました。マーケターはガバナンスの効いた回答を数秒で得ることができ、アナリストやエンジニアは繰り返しのデータ抽出に費やす時間を削減できます。
その分のリソースは、実験、モデル設計、基盤となるデータ製品の改善など、より価値の高い作業にシフトしました。キャンペーンの立ち上げや四半期ごとのビジネスレビューなどの一般的な活動において、技術的な帯域幅がボトルネックになることはもうありません。
マーケターもより迅速に行動できるようになります。信頼できるデータへのアクセスが容易になったことで、より迅速なキャンペーン調整、スマートなセグメンテーション、より情報に基づいた予算配分が可能になります。最も重要なのは、データが組織全体の日常的な意思決定の一部になったことです。
同様の取り組みを始めるマーケティングテクノロジーやデータチームには、以下の手順をお勧めします。
私たちの経験から、3つの重要な教訓が得られました。
第一に、セルフサービス分析は強力なデータ基盤に依存しています。基盤となるデータは、ガバナンスが効いており、信頼でき、一貫した定義によって接続されている必要があります。AIによってそのコンテキストへのアクセスは容易になりますが、矛盾するソースデータや不明確なビジネスロジックを補うことはできません。
第二に、中央集権的なガバナンスにより、チームは自信を持ってアクセスを拡張できます。Unity Catalogにより、導入が進むにつれて、定義、リネージ、機密データへのロールベースのアクセスを1箇所で管理できるようになりました。
第三に、信頼はユーザー体験を通じて獲得されるものです。小さく始め、マーケターが実際にどのように働いているかを観察し、彼らの意見に基づいてシステムを改善します。エージェントが自分たちの言葉を理解し、アクセス権限を尊重し、フィードバックを通じてより便利になっていくのをユーザーが実感すれば、自然と導入が進みます。
Margeは、10人のユーザーと1つのユースケースを対象としたプロトタイプから始まりました。現在では、マーケティング組織の85%以上をサポートし、5,000件以上の質問に回答しています。パイロット運用からスケールアップへの道のりは、1つひとつの信頼できる回答を積み重ねることで築かれました。
Liz Dobbsとのインタビュー全文を見る、Genieエージェントのドキュメントを探索する、または以下の関連ブログをチェックしてください。
Genieエージェントは、マーケティングチームやビジネスチームに、ガバナンスの効いたビジネスデータのための自然言語インターフェースを提供します。マーケターは、SQLを記述することなく、キャンペーンのパフォーマンス、パイプライン、Webアクティビティ、イベント、その他の承認されたデータについて質問できます。各回答は、ユーザーのUnity Catalog権限を尊重します。
信頼できる少数のデータセットに裏付けられた、頻繁に発生する明確に定義された質問を選択してください。Databricksは、キャンペーン、受信者、エンゲージメントのテーブルを使用したメールキャンペーンのパフォーマンスから開始し、その後、ユーザーの需要に基づいて拡張しました。
テーブルとリレーションシップをドキュメント化し、ビジネスメトリクスを定義し、サンプルのSQLや信頼できるアセットを追加し、具体的な明確化の指示を与え、ユーザーのフィードバックを確認してベンチマーク質問に対してテストを行います。焦点を絞ったコンテキストと継続的な評価によって、精度が向上します。
Genieは、繰り返しの多い難易度の低い質問の多くを処理するため、アナリストは実験、モデル設計、戦略的分析により多くの時間を費やすことができます。Databricksでは、この移行により、マーケティングアナリティクスチームは人員を増やすことなく、より幅広い利用をサポートできるようになりました。
必要な労力は、スコープとデータの複雑さによって異なります。Databricksでは、現在、継続的な管理として、1人のBIマネージャーがフィードバックの確認、問題の調査、コンテキストの更新を行うために、週に約1時間を費やすだけで済んでいます。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。