販促施策の実績分析システム
販促物の制作と効果測定を手がける会社との仕事です。同社には 500 件を超える施策の実績データが溜まっていましたが、提案の場で活用できる形になっていませんでした。
- サービス
- データ分析支援
- 技術領域
- サーバー開発 / データ基盤 / クラウド基盤 / 認証・権限 / 運用自動化・監視 / 画面開発
- 使用技術
- Python / PostgreSQL / Amazon ECS / Auth0 / Datadog / Next.js / TypeScript
01
販促の提案は似た形になる
販促施策を提案するとき、どの会社も似た形の資料を出します。
何を送るか、誰に送るか、いくらかかるか。項目が決まっている以上、提案書の見た目で差がつくものではありません。デザイン力で差別化を図ろうにも感覚的な訴求と顧客判断になってしまい、なかなか違いをもたらすのが難しいというのが実情です。
一方で同社には、過去に手がけた施策の記録がありました。
| 項目 | 実態 |
|---|---|
| 施策の記録 | 500 件超。1 件あたり数十項目 |
| 制作物の種類 | 10 種類ほど |
| ターゲット業種 | 数十種類 |
| 配布規模の幅 | 数十通から 20 万通。中央値は数千通 |
この記録が提案で活用できる形になっていないのが問題でした。振り返りは Excel でできており、どういう軸の施策が良い成果につながるのかという問いもはっきりしています。ただ、条件や比較軸を足すたびに EXCEL の改修が必要になり、複雑なロジックの保守が難しくなっていました。
02
分かる人はいるが作れる人がいない
当時、同社に開発ができる人は 1 人もいませんでした。web サービスのディレクションを担当できる役員が 1 人いるだけで、設計や実装を社内で引き受けられる状態ではありません。
発注先がなかったわけでもなく、お付き合いのあるシステム会社はありました。ただ、WordPress や簡単な PHP のシステムはつくれても、ミッションクリティカルで安定して稼働する仕組みまでは出てこなかったと伺っています。分かる人はいるが、作れる人がいない。この背景から当社にお声がかかりました。
03
分析できる形に整理する
| 工程 | 期間 |
|---|---|
| 仕様策定 | 着手から開発開始まで 1 か月弱 |
| 開発 | 着手から本番リリースまで 3 か月弱 |
データは溜まっていました。しかし分析できる形に正規化されていないことが問題でした。何を 1 件と数えるのか、どの項目を比較の軸として扱うのか、成果をどの条件に帰属させるのか。この定義がないまま溜め続けても、件数が増えるほど扱いにくくなるだけです。
当社が引き受けたのは、この整理でした。成果が出たときに何が要因だったのかを後から言える形にデータを組み直し、その上に記録と分析の仕組みを載せています。画面はマスタを管理するもの、プロジェクトの一覧、分析の 3 系統を開発しました。
04
提案の場で見せられるようになった
いま同社は、見たい軸を選んで過去の施策を並べて比べられます。例えば業種で括ることも、制作物の種類で括ることも、配布の方法やクリエイティブのサイズで括ることもできます。
そして提案の場では、「分析ができます」「そこからターゲットを抽出できます」と言えるようになりました。画面やレポートの雛形をその場でお見せするだけで、相手が関心を持つ。提案の中身がどうしても似通う市場で、他社が言えないことを 1 つ持てたということだと考えています。
05
顧客企業にも売れる商材になった
このシステムは、最初から同社だけのものではありませんでした。販促施策を出すクライアント企業も使う前提が、開発に着手する前の要件に入っています。
結果としてこの仕組みは、同社の顧客企業にも導入されました。自社の振り返りのために作ったものが、顧客に提供できる商材にもなりました。
06
作った人間がそのまま運用している
当社が入ったのは、何を作るかを決める前の段階からです。リリース後の運用保守も同じ体制で続けており、契約もそのまま続いています。
作った人間が運用も見ると、調査にかかる時間が変わります。不具合の報告を受けたとき、どこを見ればいいかを探すところから始める必要がありません。なぜその作りにしたのかを知っているので、直したときに影響が出る範囲も見当がつきます。
3 年のあいだ、業務が止まるような重大な問題は起きていません。軽微なものは監視稼働中のシステムの状態を継続して計測し、異常を検知したときに担当者へ通知する仕組みです。監視する範囲と、夜間や休日に誰が対応するかは、業務が停止してよい時間から決定します。が先に検知するため、同社が気づく前に修正を終えています。
07
分析に重心を置いて技術を選んだ
この案件の性格は、データドリブンで分析が重いことです。過去の施策を多くの軸で集計し、後には機械学習データから規則性を学習させ、需要予測や異常検知、分類などをさせる技術です。予測用のモデルを構築するのは、集計やルールによる予測からの改善分の価値が、データの整備と運用中の監視・再学習にかかる費用を上回るときです。による予測も搭載しました。
| 層 | 選んだもの | 理由 |
|---|---|---|
| バックエンドの言語 | Python | 集計と機械学習のライブラリが充実している |
| データベース | PostgreSQL | 分析を SQL で書ける |
| 実行環境 | AWS の ECS | 分析処理は実行時間が読めない |
| 認証 | Auth0 | 顧客企業への提供を前提にした権限の分離 |
| 監視 | Datadog | 社内に開発者がいないぶん、こちらが先に気づく必要がある |
| フロントエンド | Next.js、TypeScript | 画面は一般的な業務画面で足りる |
採用にあたってはビジネスと技術ドメインexample.co.jpのように、Webサイトやメールアドレスで組織を識別するインターネット上の名前です。登録は有効期限ごとの更新制で、更新しなければ第三者に登録されて悪用されるおそれがあります。の特性から選択しています。バックエンドを TypeScript や Go で実装する構成は、分析やデータ処理まわりのライブラリの層が薄く、この案件には適しません。分析基盤を別に構築する構成も、この規模のデータに対しては運用の手間に見合いません。この案件で必要だったのは、分析を迅速に実装できることと、時間のかかる処理を停止せずに実行することでした。
安定して稼働させるための仕組みも同時に構築しました。監視稼働中のシステムの状態を継続して計測し、異常を検知したときに担当者へ通知する仕組みです。監視する範囲と、夜間や休日に誰が対応するかは、業務が停止してよい時間から決定します。と外形監視稼働中のシステムの状態を継続して計測し、異常を検知したときに担当者へ通知する仕組みです。監視する範囲と、夜間や休日に誰が対応するかは、業務が停止してよい時間から決定します。、テストと自動化、インフラ業務のアプリケーションを稼働させる基盤で、サーバー、ネットワーク、ストレージ、OS、設置場所の設備を指します。費用の発生のしかた、更新の時期、担当の分け方がアプリケーションと異なります。の設定のコード管理、依存パッケージの更新などが、3 年間の安定稼働を支えています。
この事例に関わるサービス
この事例の技術に関する記事

記事:Pythonで高カインド型を表現できない理由と回避策
高カインド型とは 高カインド型(higher-kinded type)とは、list[int]のintだけでなく、listに当たるコンテナの種類も型変数にするための概念である。 要素に関数を適用し、戻り値も元のコンテナの種類のままになるfm...

記事:ESLintのローカルルールとdependency-cruiserからoxlintへの移行記録
サマリ 自作のルールのためだけにESLintを維持し、層の依存関係をdependency-cruiserでチェックしていたので、Biomeを含めて、lintを担うツールが3種類あった ESLintの自作ルール、Biomeのlintルール、d...

記事:ECRのライフサイクルポリシーでsidecarのイメージの削除を回避する
サマリ ECRのライフサイクルポリシーで全イメージを対象にした件数のルールを設定すると、更新しないsidecar(アプリと並行して動作する補助のコンテナ)のイメージも削除されうる。 sidecarの例はCloudflare Tunnelのc...
ほかの事例
- データ分析支援
事例:過去実績を提案に活用する分析の仕組み
広告代理店との取り組みです。同社は過去実績の示唆を次の提案へ反映し、結果をどのように予測したか、その背景まで提案先のクライアントへ説明できるようになりました。KDOT は案ごとの見込みと判断材料を比較できる仕組みを業務アプリとして実装しました。さらに業務アプリの中核となる処理ロジックと機械学習モデルについて、特許手続きを担う弁理士が技術の新規性や工夫を検討するための資料を作成しました。その後この発明には特許が付与されました。
- データ分析支援 / データ基盤構築
事例:現場が使うデータ分析の環境
不動産・宿泊領域の新規事業会社との取り組みです。同社では Web の計測データや公開データ、日々の業務で発生するデータを蓄積していましたが、それぞれが分散しており、改善策や同社の顧客への提案を検討する材料にできませんでした。開発支援会社の KDOT は、Web 計測、広告、検索のデータを分析用の基盤へ集約し、サイトを横断する指標の計算規則を統一しました。さらに対話型 AI(人工知能)の Claude から Metabase のデータを照会できるようにしました。現場担当者は、事業全体から地域や物件、Web 上の行動へ確認範囲を絞り込み、自分の問いに即して比較条件を変更しながら、次の施策や同社の顧客への提案を検討できるようになりました。
- プロダクト / Web システム開発 / 技術顧問(技術企業向け) / セキュリティ診断・対策
事例:AI の開発会社がプロダクト開発へ事業の幅を広げる
AI を主力とする開発会社との取り組みです。同社にはプロダクト開発の引き合いがありましたが、大規模な開発の経験も、中核の技術を担当できる人もいませんでした。KDOT は技術顧問として、アプリケーション基盤と中核の技術を用意し、エンドクライアントとのプロジェクトの進め方も並走しながら伝えました。同社は海外市場向けの単発ワークのマッチングサービスを受託し、数億円規模の開発を公開まで完走しました。これで同社が受託できる範囲は、AI からプロダクト開発まで拡大しました。
