​

はじめに

​

MoEngage × Power BI

1. ユーザーエンゲージメントデータをスケジュールに従って Power BI に同期する - 同期の頻度は、データソースに応じて最短で 1 時間ごと、最長で週 1 回に設定できます。
2. さまざまなインタラクティブなチャート、グラフ、その他の可視化ツールを使用して、Power BI でユーザーエンゲージメントデータを可視化および分析する。
3. これらのインサイトを活用してユーザーをより効果的にセグメント化し、ユーザーエンゲージメントの向上を目的としたパーソナライズされたキャンペーンを送信する。

​

ユースケース

1. パフォーマンスのトラッキングとレポート: マーケターはこの連携を使用して、マーケティングキャンペーンやエンゲージメント施策のパフォーマンスをトラッキングおよび分析できます。Power BI は MoEngage からデータを取得して統合し、わかりやすいビジュアルレポートやダッシュボードとして表示できます。
2. キャンペーンの最適化: この連携を使用して、マーケティングキャンペーンを分析および最適化できます。マーケターは、各キャンペーンのクリック率、開封率、コンバージョン、収益などの主要指標をトラッキングできます。Power BI を使用すると、これらの指標をさまざまなチャネルやキャンペーンにわたって可視化できるため、マーケターは効果的な戦略を特定し、それに応じて予算を配分できます。
3. 予測分析: MoEngage と Power BI を連携することで、マーケターは予測分析機能を活用できます。Power BI は MoEngage の過去のエンゲージメントデータを分析して将来の顧客行動を予測できるため、マーケターはデータに基づいた意思決定を行い、プロアクティブなマーケティング戦略を立案できます。

​

連携

• Snowflake
• Amazon Redshift
• Google BigQuery

​

ステップ 1: 任意のデータソースを Power BI に追加する

​

ステップ 2: 可視化のためにデータを準備する

• event_attributes_campaign_channel
• event_attributes_campaign_id
• event_attributes_readable_campaign_id
• event_attributes_campaign_name
• event_attributes_campaign_type
• event_attributes_parent_campaign_id
• event_attributes_parent_flow_id
• event_attributes_parent_flow_name
• event_attributes_locale_id
• event_attributes_locale_name
• event_attributes_variation_id
• event_attributes_logged_in_status
• event_attributes_platform
• event_attributes_first_session

​

属性を個別の列として抽出する

CREATE VIEW moe_event_add_to_cart COMMENT='Add to cart' AS
      SELECT *,
      e.event_attributes['cart_value'] as cart_value,
      e.event_attributes['total_items'] as total_items,
      e.event_attributes['discount'] as discount,
      FROM moe_events_1714216012 AS e WHERE e.event_name = 'Add to cart';

CREATE VIEW moe_event_add_to_cart AS
      SELECT *,
      json_extract_path_text(e.event_attributes, 'cart_value') as cart_value,
      json_extract_path_text(e.event_attributes, 'total_items') as total_items,
      json_extract_path_text(e.event_attributes, 'discount') as discount
      FROM moe_events_1714216012 AS e WHERE e.event_name = 'Add to cart';

CREATE VIEW moe_event_add_to_cart AS
      SELECT *,
      JSON_VALUE(e.event_attributes, '$.cart_value') AS cart_value,
      JSON_VALUE(e.event_attributes, '$.total_items') AS total_items,
      JSON_VALUE(e.event_attributes, '$.discount') AS discount
      FROM `moe_events_1714216012` AS e WHERE e.event_name = 'Add to cart';

​

ステップ 3: Power BI 内にデータを読み込む

Snowflake

Snowflake データベースを Power BI に接続するには、以下の手順に従います。

1. Power BI Desktop を開きます。新しいレポートを作成するか、既存のレポートに新しいデータソースを追加します。
2. “Get data from another source” (または “Get Data” > “More…”) をクリックし、“Snowflake” を検索します。
3. 接続の詳細を入力し、“OK” をクリックします。接続後に実行する SQL ステートメントなどの詳細設定を追加することもできます。
4. Data Navigator が表示され、インポートするすべてのテーブル/ビューを選択できます。例として、MoEngage Exports テーブルから作成したビューを読み込みます。“Load” をクリックしてこのデータを読み込むか、必要に応じて “Tranform” をクリックしてデータをさらに変換します。
5. [任意] データを変換する場合は、このデータをすべて Power BI に “Import” するか、DirectQuery を使用してライブ接続するかを選択できます。データセットが大きい場合は DirectQuery をお勧めしますが、このモードでは一部の操作を利用できない場合があります。詳細については、Power BI ヘルプドキュメントを参照してください。完了したら “Close & Apply” をクリックします。
6. これで、Power BI 内でデータを使用して、強力な可視化やレポートを作成できるようになります。

注: Snowflake をデータソースとして使用できるのは、Power BI Desktop 版のみです。

Redshift

Redshift データベースを Power BI に接続するには、以下の手順に従います。

1. Power BI Desktop を開きます。新しいレポートを作成するか、既存のレポートに新しいデータソースを追加します。
2. “Get data from another source” (または “Get Data” > “More…”) をクリックし、“Redshift” を検索します。
3. 接続の詳細を入力し、“OK” をクリックします。接続後に実行する SQL ステートメントなどの詳細設定を追加することもできます。
4. Data Navigator が表示され、インポートするすべてのテーブル/ビューを選択できます。例として、MoEngage Exports テーブルから作成したビューを読み込みます。“Load” をクリックしてこのデータを読み込むか、必要に応じて “Tranform” をクリックしてデータをさらに変換します。

5. [任意] データを変換する場合は、このデータをすべて Power BI に “Import” するか、DirectQuery を使用してライブ接続するかを選択できます。データセットが大きい場合は DirectQuery をお勧めしますが、このモードでは一部の操作を利用できない場合があります。詳細については、Power BI ヘルプドキュメントを参照してください。完了したら “Close & Apply” をクリックします。
6. これで、Power BI 内でデータを使用して、強力な可視化やレポートを作成できるようになります。

注: Redshift をデータソースとして使用できるのは、Power BI Desktop 版のみです。

BigQuery

BigQuery データベースを Power BI に接続するには、以下の手順に従います。

1. Power BI Desktop を開きます。新しいレポートを作成するか、既存のレポートに新しいデータソースを追加します。
2. “Get data from another source” (または “Get Data” > “More…”) をクリックし、“BigQuery” を検索します。
3. 接続の詳細を入力し、“OK” をクリックします。接続後に実行する SQL ステートメントなどの詳細設定を追加することもできます。

4. Google BigQuery コネクターは、組織アカウントまたはサービスアカウントでのサインインによる接続をサポートしています。サービスアカウントで接続する場合は、サービスアカウントのメールアドレスとサービスアカウントの JSON キーファイルの内容を入力します。次に、Connect を選択します。
5. Data Navigator が表示され、インポートするすべてのテーブル/ビューを選択できます。例として、MoEngage Exports テーブルから作成したビューを読み込みます。“Load” をクリックしてこのデータを読み込むか、必要に応じて “Tranform” をクリックしてデータをさらに変換します。

6. [任意] データを変換する場合は、このデータをすべて Power BI に “Import” するか、DirectQuery を使用してライブ接続するかを選択できます。データセットが大きい場合は DirectQuery をお勧めしますが、このモードでは一部の操作を利用できない場合があります。詳細については、Power BI ヘルプドキュメントを参照してください。完了したら “Close & Apply” をクリックします。
7. これで、Power BI 内でデータを使用して、強力な可視化やレポートを作成できるようになります。

注: BigQuery をデータソースとして使用できるのは、Power BI Desktop 版のみです。

​

ユースケースの例

1. ユーザーアクティビティのモニタリング: このレポートでは、ユーザーがアプリにどのくらいの頻度でエンゲージしているかを示すことができます。“App/Site Open”、“App Exit” などのイベントから、日次または月次のユーザーアクティビティを把握できます。これには、デイリーアクティブユーザー (DAU)、マンスリーアクティブユーザー (MAU)、セッション時間などの指標が含まれる場合があります。
2. ユーザーエンゲージメントのトラッキング: “Notification Clicked Android”、“Notification Clicked iOS”、“Notification Clicked Web” などのイベントを使用して、さまざまなプラットフォームでのユーザーエンゲージメントをトラッキングできます。
3. キャンペーンパフォーマンスの分析: メール固有のキャンペーンでは、“Email Sent”、“Email Opened”、“Email Clicked”、“Email Bounced”、“Email Complained”、“Email Unsubscribed” などのイベントを使用できます。これにより、メールの配信成功率、開封率、クリック率、バウンス率、苦情率、配信停止率などに関するインサイトが得られます。この情報を使用して、メールキャンペーンの有効性を評価し、改善すべき領域を特定できます。
4. ユーザー獲得と解約のレポート: “Install”、“ReInstall”、“Device Uninstall”、“User ReInstall” イベントを使用して、ユーザー獲得と解約率をモニタリングするレポートを作成します。地理的な場所、デバイスタイプなど、さまざまなディメンションに基づいて分類できます。
5. 行動フロー分析: “App/Site Opened”、“Notification Clicked” (または “Card Clicked”) などのイベントと、“Added to Cart” というカスタムイベントを使用すると、一般的な購入ファネル内の主要なユーザーアクションをトラッキングできます。これにより、アプリを開いてから、プロモーション通知やアプリ内メッセージを操作し、ショッピングカートに商品を追加するまでのユーザージャーニーを可視化できます。