8-A-4 03/08 13:00 ～ 13:40 サンリオに聞く「ファン目線」と「企業目線」の両立 ファンを惹きつけながらデータ収集・顧客分析を実現する、コミュニケーションの工夫とは？ ブランディング 450を超える個性豊かなキャラクターとともに、その世界観を表現し多くのファンを引き付けている株式会社サンリオ。2020年7⽉には全社共通ポイントサービス「Sanrio+（サンリオプラス）」を導入し、ファンのエンゲージメント向上に注力しています。 本セッションでは株式会社サンリオ グローバル・デジタルマーケティング本部 CRM推進部部長 田口歩氏が登壇し、ファン目線のコミュニケーションと企業目線のデータ収集の両立を実現した施策のポイントを解説。合わせてポイントプログラム・会員証のカスタマイズなど実際の施策の紹介や、ポイントの利用動向などのデータから見えた「ファンが本当にブランドに求めるもの」
はじめに IAMを触る時、「ロールとポリシーの関係ってなんだっけ？」、「サービスアカウントってなんだっけ？」と毎回調べて雰囲気のまま使っていました。 今回は、再度勉強しなおしてCloud IAMについて纏めてみました。 Cloud IAMとは Cloud IAMとは「誰（ID）」が「どのリソースに対して」「どのようなアクセス権（ロール）」を持つかを定義することにより、アクセス制御を管理できます。 例えば、下記のようなこと設定をすることがで、適切なアクセル管理をすることが可能です。 「開発者A」に「Cloud FunctionsとPub Sub」の「閲覧と編集」を行える 「Cloud Functionsの関数A」は「Cloud Strage」の「作成」のみを行える Cloud IAMの概念 公式ドキュメンに正しく詳細な説明があるので、こちらも参照いただければです。 ここでは自分が理解したもの
本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 このたびブレインパッドは、LLM/Generative AIに関する研究プロジェクトを立ち上げ、この「Platinum Data Blog」を通じてLLM/Generative AIに関するさまざまな情報を発信をしています。 この記事では、ChatGPTとLLMを使って、プログラミングの知識なしでデータ分析（前処理、可視化、学習、検証）を行えるツールアプリケーションを構築してみたので、その内容をご紹介します。 こんにちは、私たちはアナリティクスサービス部の田中、林です。今回はLangChainとChatGPTを使ったアプリケーションを作成してみたのでその内容について説明します。データ分析を進めたい、進めないといけない人たちが、プログラミングの知識なしでデータ分析（前処理、可視化、学習、検証
2022.06.18 GA4 データインポート | オンラインセミナー アーカイブ動画＋テキスト起こし（2022年6月9日開催） 当日のセミナー動画 このセミナーのテキストのダウンロードはこちらから データインポート とは データインポート とは、外部ソースからデータをアップロードし、アナリティクスのデータと結合する機能です。データインポートには、下記の5種類があります。 「費用データ」 「アイテムデータ」 「ユーザー ID 別のユーザーデータ」 「クライアント ID 別のユーザーデータ」 「オフライン イベントデータ」 管理 > プロパティ列 > データインポート 後半で、それぞれについて解説します。 公式ヘルプ：https://support.google.com/analytics/answer/10071301?hl=ja データインポートを使用する理由 各種ビジネス用システムでは
株式会社サイカの発表した調査によると、広告宣伝担当者の「インターネット広告とオフライン広告とを横断・統合して分析したい」というニーズが、年々上昇傾向にあります。 引用：「企業の広告宣伝担当者212名に聞いた 広告の効果測定方法に関するアンケート調査 2020年版」 デジタルシフトにより、例えばBtoCならオンラインで広告を見たあとに実店舗で購入したり、BtoBならオンラインで問合せをしたあとに対面で取引が成立したりと、多くのケースでオンラインとオフライン施策が絡むようになっています。そして、その変化にともない、マーケティングテクノロジーの計測技術も進化しています。 このような背景から、オフラインアクションに対するWEB広告の貢献度の可視化や、オフラインデータをもとにしたWEB広告の最適化といったスキルが、広告運用の現場では求められています。 そこで今回は、Google広告においてオンライン
フィードバックを送信 IAM を安全に使用する コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このページでは、IAM を使用する際に留意いただく必要があるセキュリティに関するベスト プラクティスをご紹介します。 このページは IAM に精通しているユーザーを対象としています。IAM を使い始めたばかりの方は、こちらの説明をお読みいただいても IAM の使い方は書かれていないため、IAM クイックスタートをまずお読みください。 最小限の権限 基本ロールには、すべての Google Cloud サービスにかかわる多くの権限が含まれます。本番環境では、他に選択肢がない限り、基本ロールを付与しないでください。代わりに、ニーズに合わせて最も制限された事前定義ロールまたはカスタムロールを付与します。 基本ロールを置き換える必要がある場合は、ロールの推奨事項を使用して
G-genの杉村です。Google Cloud (旧称 GCP) の請求の仕組みや請求先アカウントについて解説します。 基本的な概念 概念と用語 請求先アカウントとは お支払いプロファイル 複数のプロジェクトと請求 プロジェクトとの紐づけ 紐づけの基本 必要な IAM 権限 Google Cloud パートナーによる請求代行（請求代行） 請求代行の仕組み 注意点 便利な機能 課金の分析 予算アラート 課金データの BigQuery エクスポート AWS との違い 基本的な概念 概念と用語 当記事では Google Cloud（旧称 GCP）の請求の仕組み、また請求先アカウントという言葉を、Amazon Web Services（以下、AWS）と比較しつつ解説します。 まずは請求先アカウントの仕組み、概念を図示します。 請求の概念 図の中にある、3つの用語を簡単に説明すると、以下のとおりです
フィードバックを送信 プログラムによる予算アラート通知の管理 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 概要 予算の通常動作では、予算アラートしきい値ルールがメール通知をトリガーすると、アラートメールを送信します。 図 1: 予算アラート通知のデフォルトのメール機能と、プログラムによる通知に Pub/Sub を使用して費用管理レスポンスを自動化するオプションの方法を示しています。 ただし、予算をコスト管理ツールとして使用する場合は、Google Cloud の費用管理をタイムリーに実行するのにメール通知方法は最適でない場合があります。メール通知以外にも、プログラムによる通知を使用して費用管理レスポンスを自動化できます。以下を含む費用管理レスポンスの例: 自動的な課金の無効化とリソースの終了による Google Cloud の費用の制限。 予算メッセー
Google Spreadsheet のデータを BigQuery と連携してデータ分析等を行うのが便利なので、本記事は Spreadsheet のデータを BigQuery から参照する方法について記述します。 まず準備として、参照したいデータを Google Spreadsheet をで開き、URL をメモして置くことをお勧めします。なお、ここで使っているデータはダミーのデータですので、ご安心ください。 データセット作成画面においてCREATE TABLEを押します。 Source欄で参照したいデータを設定していきます。 Create table from : [Drive]を選択します Select Drive URI : 事前にメモして置いた URL をペストします File format : [Google Sheet]を選択します Deatination欄のTableで任意のテ
こんにちは。GMO NIKKO エンジニアのN.I.です。先日、Googleの担当者様から教えていただいた機能ですが、これは業務が楽になりそうと直感的に思い、久しぶりに衝撃を受けました。今日はその衝撃を受けたGoogleスプレッドシート機能の軽い機能紹介です。 Google Workspaceの契約が必要ですが、いつの間にかGoogleスプレッドシートからBigQueryに直接接続できて、スプレッドシートからBigQueryのデータをリアルタイムで参照出来るようになってました。 ということで、Googleスプレッドシートのコネクテッドシートの機能紹介です。 コネクテッドシートについて Google スプレッドシートから、BigQuery データに対して関数、グラフ、抽出、ピボット テーブルを使用することができる機能です。また、そこまで大規模なデータを接続したことが無いですが、コネクテッド
イテレーション・スプリントを使ってはじめて開発するチームがよく直面するのが、スプリントで仕事が終わらない問題です。はじめはそういう時期があってもいいですが、慢性的にこれが続くとなると、注意が必要です。 仕事を終わらせるために 仕事というものは、はじめるときに終わりを定義するものです。しかし、ソフトウェア開発の場合、予想外のことが結構起こります。 予想以上に仕様が複雑になった 予想以上に調査に時間がかかった 予想以上にはまってしまった これはどうしようもない要素なので、アジャイル開発において仕事が終わらない場合は、 予想以上に時間がかかりそうだから、スコープを減らして期限内で終わらせられるようにする 予想以上に時間がかかりそうだから、リリースから外して次のリリースに回す 予想以上に時間がかかりそうだから、チームメンバーに手伝ってもらってかたずける というように、終わらないと気がついた時点で調
はじめに 本記事はクラスメソッドGoogle Cloud Advent Calendar 2021の21日目の記事です。 Google Cloudの請求データは、「お支払い（Billing）」コンソールで確認が可能です。 Cloud Billing レポート | Google Cloud こちらで利用状況ふくめ確認が可能なのですが、より詳細に分析したかったり、外部のデータと連係したかったりする場合には、BigQueryにエクスポートして利用することになります。 Cloud Billing データを BigQuery にエクスポートする | Google Cloud ちなみに「外部のデータと連係」というのは、以下のようなことを想定してます： プロジェクトに対する担当者や管理者の名前や部署・連絡先などのメタ情報を別途登録・管理しておく 別途登録する先 = Googleスプレッドシート
Vertex AI MLOps 機能を使って BigQuery ML モデルを構築、自動化、モニタリングする ※この投稿は米国時間 2023 年 5 月 20 日に、Google Cloud blog に投稿されたものの抄訳です。 ML モデルを本番環境で使用できるようにすることは、簡単な作業ではありません。通常は ML や、データ エンジニアリング、ソフトウェア エンジニアリングに関する深い理解はもちろんのこと、各種ツールやテクノロジーなどの幅広い知識が必要になります。 BigQuery ML と Vertex AI は、ML モデルの作成、デプロイ、管理を容易にします。 BigQuery ML は、SQL インターフェースを通じて、高度な ML 機能を提供します。一方、Vertex AI はマネージド ML プラットフォームとして、データの準備からモデルのデプロイまで、ML のライフサ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
