D ビジネス/PM — 手動レポート自動化 × OKR 設計 × KPI ツリー（GMV分解）× MoSCoW ロードマップ（MOps Bad→Good）

📋 コピー■ Must Have（Sprint 1 / 1〜2週目）
  ─────────────────────────────────────────────────────────────────────────
  M1: dbt mart モデル作成（mart_campaign_kpi_daily + mart_campaign_kpi_weekly）
    - 開封率・CTR・CVR・GMV の集計
    - 前週比カラム（WoW: LAG ウィンドウ関数）を最初から実装 ← 問題⑤の再発防止
    - 前月比カラム（MoM）も同様に実装
    - dbt 1.8 Unit Tests: 正常系 / ゼロ送信数 / NULL セグメント の3ケース以上
    - schema.yml: not_null テスト + unique_combination_of_columns テスト

  M2: Argo Workflows CronWorkflow 設定
    - 日次: 毎朝 07:00 JST（schedule: "0 22 * * *" UTC）→ mart_campaign_kpi_daily 更新
    - 週次: 毎週月曜 07:00 JST（schedule: "0 22 * * 0" UTC）→ mart_campaign_kpi_weekly 更新
    - 失敗時: Pub/Sub トピック publish → Cloud Run サブスクライバー → Slack #mops-alerts

■ Should Have（Sprint 2 / 3〜4週目）
  ─────────────────────────────────────────────────────────────────────────
  S1: Looker Studio ダッシュボード構築
    - KPI Scorecard: GMV / 開封率 / CTR / CVR（前週比の Δ% を色付きで表示）
    - キャンペーン別ファネル図（送信数 → 開封 → クリック → 購入の漏れ可視化）
    - フィルタ: キャンペーン名・送信日・商品カテゴリ（マーケが自己解決できる設計）
    - Blend Data: mart_campaign_kpi_daily JOIN campaign_master（名称表示）

  S2: Looker Studio スケジュール配信
    - 毎週月曜 09:00 → 配信マネージャー + マーケ部門マネージャーに PDF 自動送信
    - 送付先リストは Looker Studio の「スケジューラー設定」で管理（BCC 廃止）

  S3: マーケ担当者向け 1ページドキュメント（Notion）
    - ダッシュボードの見方・フィルタの使い方・FAQ 5問

■ Could Have（バックログ / 優先度中）
  ─────────────────────────────────────────────────────────────────────────
  C1: A/B テスト結果の統計的有意性チェック（χ²検定 / z-test）をダッシュボードに追加
  C2: BigQuery ML（ARIMA_PLUS）による GMV 予測トレンドライン表示
  C3: セグメント別 LTV 予測モデルの Looker Studio 統合

■ Won't Have（今回スコープ外 / 明示的に合意）
  ─────────────────────────────────────────────────────────────────────────
  W1: リアルタイムストリーミング分析（Pub/Sub → BigQuery Storage Write API）
      理由: 日次バッチで十分な意思決定サイクル。インフラコスト対効果が低い
  W2: 送信時刻最適化の ML 自動トレーニングパイプライン
      理由: 2スプリントで完成させるには範囲が広すぎる。Could Have に格下げ
  W3: 全メール配信の個人別最適化（1to1 マーケティング）
      理由: PII 管理・同意管理・BigQuery ML 統合が必要。専用スプリントが必要

📋 コピー-- models/mart/mart_campaign_kpi_weekly.sql
-- キャンペーン別 週次 KPI（開封率・CTR・CVR・GMV + 前週比・前月比）
-- 問題⑤の再発防止: WoW・MoM を最初から実装

{{
  config(
    materialized='incremental',
    incremental_strategy='insert_overwrite',
    partition_by={
      'field': 'week_start',
      'data_type': 'date',
      'granularity': 'day'
    },
    cluster_by=['campaign_id'],
    on_schema_change='fail'
  )
}}

WITH weekly_base AS (
  SELECT
    DATE_TRUNC(sent_date, WEEK(MONDAY))   AS week_start,
    campaign_id,
    COALESCE(campaign_name, '未設定')     AS campaign_name,  -- NULL 保護
    SUM(sent_count)                        AS sent_count,
    SUM(open_count)                        AS open_count,
    SUM(click_count)                       AS click_count,
    SUM(order_count)                       AS order_count,
    SUM(gmv_amount)                        AS gmv_amount,
    SUM(discount_amount)                   AS total_discount,
    SAFE_DIVIDE(SUM(discount_amount), NULLIF(SUM(gmv_amount + discount_amount), 0))
                                           AS discount_rate
  FROM {{ ref('stg_campaign_events') }}
  {% if is_incremental() %}
  WHERE sent_date >= DATE_SUB(
    (SELECT MAX(week_start) FROM {{ this }}),
    INTERVAL 14 DAY  -- 2週間ルックバック（遅延データ対応）
  )
  {% endif %}
  GROUP BY 1, 2, 3
),

with_rates AS (
  SELECT
    *,
    SAFE_DIVIDE(open_count,  sent_count)   AS open_rate,   -- 開封率
    SAFE_DIVIDE(click_count, open_count)   AS ctr,         -- クリック率
    SAFE_DIVIDE(order_count, click_count)  AS cvr,         -- CVR
    SAFE_DIVIDE(gmv_amount,  order_count)  AS aov,         -- 平均注文単価

    -- ──── 前週比（LAG ウィンドウ関数）← 問題⑤の再発防止 ────
    LAG(gmv_amount,  1) OVER (PARTITION BY campaign_id ORDER BY week_start)
      AS prev_week_gmv,
    LAG(open_count,  1) OVER (PARTITION BY campaign_id ORDER BY week_start)
      AS prev_week_open_count,
    LAG(order_count, 1) OVER (PARTITION BY campaign_id ORDER BY week_start)
      AS prev_week_order_count
  FROM weekly_base
)

SELECT
  week_start,
  campaign_id,
  campaign_name,
  sent_count,
  open_count,
  click_count,
  order_count,
  gmv_amount,
  total_discount,
  discount_rate,
  open_rate,
  ctr,
  cvr,
  aov,

  -- 前週比（WoW: Week over Week）
  SAFE_DIVIDE(gmv_amount - prev_week_gmv, NULLIF(prev_week_gmv, 0))
    AS wow_gmv_change,          -- Looker Studio の Scorecard の Δ% に使用
  SAFE_DIVIDE(
    SAFE_DIVIDE(open_count,  sent_count) -
    SAFE_DIVIDE(prev_week_open_count, LAG(sent_count, 1) OVER (PARTITION BY campaign_id ORDER BY week_start)),
    NULLIF(SAFE_DIVIDE(prev_week_open_count, LAG(sent_count, 1) OVER (PARTITION BY campaign_id ORDER BY week_start)), 0)
  )                             AS wow_open_rate_change,

  CURRENT_TIMESTAMP()           AS _loaded_at
FROM with_rates

dbt 1.8 Unit Tests（schema.yml）

📋 コピー# models/mart/schema.yml（unit_tests ブロック）
unit_tests:
  - name: test_mart_campaign_kpi_weekly_normal
    description: 正常系: 2週分のデータで前週比を正しく計算するか検証
    model: mart_campaign_kpi_weekly
    given:
      - input: ref('stg_campaign_events')
        rows:
          # 前週
          - {sent_date: "2026-06-01", campaign_id: "CMP-001", campaign_name: "梅雨セール",
             sent_count: 1000, open_count: 200, click_count: 30, order_count: 6,
             gmv_amount: 30000, discount_amount: 3000}
          # 今週
          - {sent_date: "2026-06-08", campaign_id: "CMP-001", campaign_name: "梅雨セール",
             sent_count: 1200, open_count: 276, click_count: 42, order_count: 9,
             gmv_amount: 45000, discount_amount: 4500}
    expect:
      rows:
        - {week_start: "2026-06-08", campaign_id: "CMP-001",
           sent_count: 1200, open_count: 276, gmv_amount: 45000}

  - name: test_mart_campaign_kpi_weekly_zero_sent
    description: 送信数ゼロの場合、open_rate / ctr / cvr が NULL になるか検証（SAFE_DIVIDE）
    model: mart_campaign_kpi_weekly
    given:
      - input: ref('stg_campaign_events')
        rows:
          - {sent_date: "2026-06-08", campaign_id: "CMP-002", campaign_name: "テスト",
             sent_count: 0, open_count: 0, click_count: 0, order_count: 0,
             gmv_amount: 0, discount_amount: 0}
    expect:
      rows:
        - {campaign_id: "CMP-002", open_rate: null, ctr: null, cvr: null, aov: null}

  - name: test_mart_campaign_kpi_weekly_null_name
    description: campaign_name が NULL の場合 '未設定' に変換されるか検証（COALESCE）
    model: mart_campaign_kpi_weekly
    given:
      - input: ref('stg_campaign_events')
        rows:
          - {sent_date: "2026-06-08", campaign_id: "CMP-003", campaign_name: null,
             sent_count: 500, open_count: 100, click_count: 15, order_count: 3,
             gmv_amount: 15000, discount_amount: 1500}
    expect:
      rows:
        - {campaign_id: "CMP-003", campaign_name: "未設定", sent_count: 500}

成功指標とアラート設定

リスクと対策

6W3H ステークホルダーヒアリングテンプレート

📋 コピー# キャンペーンレポート 要件定義ヒアリングシート（6W3H）

## Who: 誰がこのレポートを使うか？
- 主要ユーザー: 配信マネージャー、マーケ部門マネージャー
- 副次ユーザー: エンジニア TL（dbt モデルの品質確認）

## What: 何を見たいか？（← ここで「先週比」を漏らさないための質問）
- KPI: 開封率・CTR・CVR・GMV 貢献額・ROI・割引率
- 比較軸: 前週比・前月比・予算比・キャンペーン間比較
- 粒度: 日次 / 週次 / 月次
- ドリルダウン: キャンペーン名 → 商品カテゴリ → ユーザーセグメント

## When: いつ見るか？
- 定期レポート: 毎週月曜 09:00（週次振り返りミーティング前）
- 臨時確認: 配信後 24時間（効果の速報確認）
- リアルタイム性: 日次バッチで十分か？（→ Yes: コスト削減可）

## Where: どこで見るか？
- デバイス: PC（主）/ スマホ（モバイル対応必要？）
- ツール: Looker Studio ダッシュボード + 週次 PDF メール配信

## Why: なぜそのKPIが重要か？
- GMV: キャンペーン ROI の最終指標
- 開封率: セグメント精度・件名 A/B テストの評価軸
- CVR: LP 改善・クーポン設計の評価軸

## How: どのように意思決定するか？
- 「開封率が先週比 -5% なら件名 A/B テストを起動」
- 「CVR が 5%を下回ったらクーポン割引率を +5% 検討」
- 「GMV KPI 達成率が 75%を下回ったら TL にエスカレーション」

## How many: どのくらいの規模か？
- 月間キャンペーン本数: 約 30〜50 本
- 送信リスト規模: 最大 50 万件/送信
- ダッシュボード利用者数: 5〜10 名

## How much: コストはどれくらい許容できるか？
- BQ クエリコスト: 月 ¥5,000 以内
- 開発工数: エンジニア 2スプリント（4週間）以内

## ─── 追加確認（「先週比」漏れ防止の必須質問）───────────────────────────
Q: 「月曜の朝一番に見たい数字は何ですか？」
A: GMV と開封率 → 「先週より上がったか下がったか」を一目で知りたい
   ↑ ここで「前週比が欲しい」が判明 → mart モデルに WoW カラムを最初から実装

Q: 「その数字を見て次に何をしますか？」
A: 開封率が低ければ件名 A/B テストを起動 / CVR が低ければ LP 確認
   ↑ ダッシュボードに「判断のための文脈」（比較軸・閾値線）を追加する設計に反映