D ビジネス/PM — OKR 設計 × ICE スコアリング × A/B テスト事前登録 × KPI ツリー（GMV 分解）× dbt mart_campaign_kpi_weekly（MOps 意思決定 Bad→Good）

📋 コピー-- models/mart/mart_campaign_kpi_weekly.sql
-- KPI ツリーの全段指標 + 前週比（WoW）を自動計算
{{
  config(
    materialized   = 'incremental',
    partition_by   = {'field': 'week_start', 'data_type': 'date'},
    cluster_by     = ['campaign_id'],
    on_schema_change = 'fail'   -- スキーマ変更時は明示的にエラー
  )
}}

WITH base AS (
  SELECT
    DATE_TRUNC(sent_at, WEEK(MONDAY))              AS week_start,
    campaign_id,
    COUNT(*)                                        AS sends,
    COUNTIF(opened_at IS NOT NULL)                  AS opens,
    COUNTIF(clicked_at IS NOT NULL)                 AS clicks,
    COUNTIF(converted_at IS NOT NULL)               AS conversions,
    SUM(IF(converted_at IS NOT NULL, order_amount, 0)) AS gmv
  FROM {{ source('mops', 'email_events') }}
  {% if is_incremental() %}
    -- 過去2週ルックバック（遅延データを補正）
    WHERE sent_at >= DATE_SUB(
      DATE_TRUNC(CURRENT_DATE(), WEEK(MONDAY)), INTERVAL 2 WEEK
    )
  {% endif %}
  GROUP BY 1, 2
)
SELECT
  week_start,
  campaign_id,
  sends,
  opens,
  clicks,
  conversions,
  gmv,
  -- KPI ツリー各段の中間指標（SAFE_DIVIDE で ZeroDivision ガード）
  SAFE_DIVIDE(opens,       sends)       AS open_rate,  -- 開封率
  SAFE_DIVIDE(clicks,      opens)       AS ctr,        -- クリック率
  SAFE_DIVIDE(conversions, clicks)      AS cvr,        -- コンバージョン率
  SAFE_DIVIDE(gmv,         conversions) AS aov,        -- 平均注文単価
  -- 前週比（LAG ウィンドウ関数）
  SAFE_DIVIDE(
    gmv - LAG(gmv) OVER (PARTITION BY campaign_id ORDER BY week_start),
    LAG(gmv) OVER (PARTITION BY campaign_id ORDER BY week_start)
  )                                     AS wow_gmv     -- GMV 前週比
FROM base

📋 コピー## 施策評価シート（2026-06-18 Sprint #73）

| 施策 | Impact | Confidence | Ease | ICE | 仮説 | 成功 KR |
|------|:------:|:----------:|:----:|:---:|------|---------|
| 件名 A/B テスト（絵文字） | 7 | 8 | 9 | 504 | 絵文字で開封率+3pt | 開封率 22%→25% (2w) |
| 送信時刻パーソナライズ    | 6 | 5 | 6 | 180 | 受信直後 CTR+2pt | CTR 8%→10% (4w) |
| 新規セグメント（休眠顧客）| 9 | 3 | 2 |  54 | 3ヶ月離脱顧客の再活性 | CVR 1%→1.5% (8w) |

# ICE ≥ 300: 今スプリントで着手（件名 A/B テスト）
# ICE 100-299: 来スプリントに検討
# ICE < 100: バックログへ移動（根拠が弱い → Confidence を上げてから再評価）

# ICE = Impact(1-10) × Confidence(1-10) × Ease(1-10)
# ポイント: Confidence が低い施策は小規模プロトで確認してから再評価

📋 コピー-- mart/ab_test_results.sql
-- 大標本（n ≥ 30）の2標本 Z検定（中心極限定理）
WITH stats AS (
  SELECT
    variant,
    COUNT(*)             AS n,
    AVG(opened)          AS mean_open_rate,
    STDDEV_SAMP(opened)  AS std_open_rate
  FROM mart.ab_test_email_opens
  WHERE experiment_id = 'exp_emoji_subject_2026q3'
  GROUP BY variant
),
-- Control と Treatment を横並びに
control   AS (SELECT * FROM stats WHERE variant = 'control'),
treatment AS (SELECT * FROM stats WHERE variant = 'treatment'),
-- Z検定計算
z_test AS (
  SELECT
    t.mean_open_rate - c.mean_open_rate AS lift,
    SAFE_DIVIDE(
      t.mean_open_rate - c.mean_open_rate,
      SQRT(
        SAFE_DIVIDE(c.std_open_rate * c.std_open_rate, c.n) +
        SAFE_DIVIDE(t.std_open_rate * t.std_open_rate, t.n)
      )
    ) AS z_score,  -- |z| > 1.96 で p < 0.05（両側）
    c.n AS n_control,
    t.n AS n_treatment
  FROM control c, treatment t
)
SELECT
  lift,                                              -- 差分（絶対値）
  z_score,                                           -- Z統計量
  n_control,
  n_treatment,
  IF(ABS(z_score) > 1.96 AND ABS(lift) > 0.02,
     '✅ 有意差あり（採用）',
     '❌ 有意差なし（継続 or 中止）') AS conclusion  -- 統計的+実用的有意性
FROM z_test