ベイエリアの起業家インタビューシリーズ。今回はFramed Dataの創業者のThomson Nguyen氏にインタビューを行った。Framed Dataは過去のユーザーデータを解析し、今後サービスを利用するであろうユーザーデータを予測するというデータ解析サービスを提供している。Framed Dataの特徴はデータ予測だけでなく、 予測されたユーザーに対していち早くEメールやSNSを通じてのプロモーションの実行までをサポートしている点。Framded Dataはこれまでに、著名VCであるGoogle VenturesやInnovation Worksなどからの資金調達に成功している。
データを分析、予測し、いち早くユーザーにエンゲージするまでをサポート
Framed Dataはこれまでに蓄積されたユーザーデータを基に、今後どのようなユーザーが主にサービスを利用するのかを予測するデータ解析サービスです。
昨今、多くの企業がデータ解析部分で大きな問題を抱えています。特にユーザーデータを予測するという意味では、大きな課題があると感じます。蓄積されたデータから、いま現在、どのようなユーザーがサービスを利用しているのかはわかりますし、多くの企業が取り込んでいます。しかし一方で、ユーザーの未来の行動を予測するという面では、各社苦戦しています。Framed Dataは、このような課題を抱える企業が、ユーザーの未来の行動を先読みしていくのに役立つサービスです。
Q2. どのようにユーザーデータを予測するのでしょうか。
機械学習を利用します。過去のユーザーデータから、ある種のパターンやモデルを構築し、今後どのようなユーザーがサービスを使うのかを予測します。例えば、過去1カ月のデータを収集して、次の7日間にどのようなユーザーがサービスを利用するのかを予測する、という感じです。Framed Dataではおよそ20の機械学習モデルを構築し、データ解析しています。
Q3. 予測されたデータは、どのような括り分けをされているのでしょうか。
3つのパターン - 高・中・低 - の括りわけをしています。例えば「高」にくくられたユーザーは、将来的にかなりの高確率でユーザーになる、ということになります。
Q4. 何人の顧客を抱えているのでしょうか。
現在は数百の企業と提携しています。私達はユーザー予測サービス以外に、機械学習システムの構築も請け負っているので、ここまでの顧客を獲得できました。
Q5. どこがターゲット顧客層なのでしょうか。
主に2種類います。ソフトウェア会社とモバイルアプリの会社です。顧客の内、多くがスタートアップですが、それ以外にいくつかの大企業、そして数社は超大企業に分類される会社です。
Q6. 最初の顧客はどのように獲得したのでしょうか。
まずは私の知り合いにアポを取ったり、メールを送ったりして営業をかけて獲得しました。
Q7. 日本市場への進出を考えているのでしょうか。
日本市場はもちろん、東南アジア市場もなるべく早くに進出しようと考えています。アジアにいるディベロッパーに話を聞く事がありますが、どこの国の、どのOSのアプリストアでのローンチが最も成功できるのかを予測したい、という需要が非常に高いのです。
Q8. 日本向けサービスはいつローンチするか何か具体的な考えはおありですか。
日本人ディベロッパーは英語版に使い慣れている傾向がありますし、具体的なローンチスケジュールはありませんが、日本語版のローンチも、将来的には考えています。
Q9. 「データ解析」という考えが多くのアプリディベロッパーに浸透しているとは思えませんが、どのように顧客を広げていくのでしょうか。
その点に関して、データ解析の良さを伝えていく必要があると強く考えています。例えば、このモバイルゲームの利用者状況に関して、Framed Dataにはこれからの成長の鍵を握るようなユーザーを予測する解析力がある、という具合にデータ解析のメリットを伝えていく感じです。
Q10. データ解析分野には多くの競合がいると思われますが、Framed Dataの特徴はなんでしょうか。
ユーザーデータを予測するだけでなく、将来的にユーザーとなる人、もしくは継続的に使ってくれるようなユーザー層にいち早くプロモーションをかけることまで行う一貫性が特徴です。例えば、高い確率でユーザーになるであろう人達を解析した後、そのユーザー達に早い段階でメールやSNS上でプロモーションをかけるまでのアクションを実施できます。
Q11. Framed Dataのアイデアはどういった経緯で思いついたのでしょうか。
共同創業者と共に、前職の経験からFramed Dataのアイデアにたどり着きました。共同創業者とは大学時代に知り合って、私は大学院へ、彼はMicrosoft社へ大学卒業後に行きました。その後、彼と一緒にCausesという会社に入社。Causes社では、自社のためにデータ解析ツールを開発していました。その時、ただでさえ自社開発でも難しいのだから、同じように他の多くの企業でもデータ解析ツールの開発に苦労しているに違いないと感じFramed Dataのアイデアが生まれました。
Q12. Framed DataはYコンビネーター(以下YC)に入られていましたが、YCで役に立ったことはなんだったのでしょうか。
一流の人達とのネットワークでしょう。具体的には、パートナーとのオフィス・アワーや、同じバッチの創業者と知り合える場があります。
Q13.YCのパートナーからもらったアドバイスで最も印象的なものはなんだったのでしょうか。
Garry Tan氏からのアドバイスです。本格ローンチ前はずっと完璧なものを作ろうとしていた。しかしYCに入った後、Garry氏から、「とにかく早くプロダクトを開発し、実際に顧客からフィードバックをもらえ」というアドバイスをもらい、すぐにプロダクトローンチを早めました。この決断は振り返れば非常によかったものだと感じています。
Q14. これからYCに応募しようとしているスタートアップにアドバイスするとしたらなんでしょうか。
多くの方がプロダクトを作ること、そしてビジネスモデルを構築することには長けているでしょう。しかし前述の通り、実際にプロダクトを早めに開発し、ユーザーに届けてからフィードバックをもらうという最も重要な段階を忘れています。このフィードバックループを忘れないことが大切でしょう。そのために、例えばサンフランシスコエリアの人にメールしてフィードバックをもらうということをしてみればいいかもしれません。
Q15. これまでにFramed Dataは著名投資家やVCから資金調達をしていますが、何か秘訣はあるのでしょうか。
2つのことを意識しています。1つは投資家に自分達のプロダクト・サービスの話を聞いてもらう、というより説得させるという気持ちを持つこと。2つ目は、よいピッチ、デモ、そしてプロダクトを持つこと。ピッチについては、やはり練習が必要となるでしょうね。つい先日、Google VenturesとInnovation Worksらから資金調達をした際もこの2つを意識しました。
Q16. Framed Dataにとってのいい投資家をどう見分けるのでしょうか。
どんなにすごい会社であろうとも、ビジネス的に良い時期と悪い時期があります。収益が落ち込むような悪い時期にでも投資家がしっかりとサポートしてるかがポイントとなります。なぜなら、悪い時期にこそ、投資家らのサポートが必須になるからです。なので私はいつも、「会社の経営が上手く言ってない時期に、あなたはCEOに対してどう接するのか。」という質問を投資家に投げかけます。この質問に対して明確な回答が出来ない投資は全て無視することに決めています。
Q17. 現在のFramed Dataの投資家はどう役立っていますか。
3つの側面で助けてもらっています。1つは顧客の紹介。2つ目はビジネス戦略を立てる際のアドバイス。例えば人事・採用戦略に関してアドバイスをもらいました。4, 5カ月前は私を含め3人しかいませんでしたが、いまでは10人に迫るほどの従業員を抱えています。3つ目はプロダクト開発、チーム運営、そして企業文化の発展などです。
Q18. どうしてここサンフランシスコを拠点にデータサイエンスの世界で活躍しようと思われたのでしょうか。
私はずっと数学を学んでおり、特に機械学習の方面をずっと楽しく勉強していました。しかしアカデミックな世界にはずっといたくないと思ったんですね。そしてビジネスの世界に足を踏み入れたのですが、多くの友人が入社する銀行やコンサル系などで働く気はおきませんでした。そのためロンドンから、スタートアップの多いサンフランシスコへ思い切って越して来ようと決意したんです。サンフランシスコでは、やはり大企業に入るより顧客やユーザーと多く接する機会があり、この決断は最善のものであったと感じます。
Q19. Thomsonさんにとって、データサイエンスの意味はなんでしょうか。
データサイエンスは3つの要素から説明できます。コーディング、機械学習、そしてプロダクト開発です。つまり、私にとってのデータサイエンスとは、コーディングに精通しており、機械学習に基づいた統計をよく理解でき、かつプロダクト開発が出来ることの3つ。そのため、データサイエンティストはエンジニアであること、機械学習エクスパートであること、そしてプロダクトマネージャーであることの3つの要素を持っていなければならないでしょう。
しばしば、アカデミックの世界から来る人は裏のロジックだけに興味を持ち、どうやって誰もが使いやすい秀逸なプロダクトを作るのかということには見向きもしないです。そのため、プロダクト開発を含めた上記の3つの条件をクリアすることがデータサイエンスだと私自身は考えています。
Q20. これからデータサイエンスの世界とFramed Dataはどうなっていくと思われますか。
これからは誰もがより簡単にデータ解析を扱えるようになるでしょう。そのため今後は、データ解析はオープンソース化され、かつビックデータのインフラを作られるようになると踏んでいます。その点で、Framed Dataはより安価で、より正確に、かつ早いスピードで予測データを提供するようなサービスになると考えています。
Framed Dataのページはこちらから