Skip to content
ツール・製品

Databricks、社内マーケティングチームがGenieベースのアシスタント「Marge」でデータ活用量が3倍に増加と発表

Databricks details how its marketing organization tripled data use in decisions after deploying Marge, an internal AI analytics assistant built on Genie Agents.

DigitalNeuron Desk約1分

ひとことで言うと

Databricksは、Genieを活用した社内マーケティング分析アシスタント「Marge」から、どのような成果を報告しているのか。

Databricks says its internal marketing team uses data three times more often in decisions after adopting Marge, a Genie Agents-based assistant built on a governed Marketing Lakehouse. The company reports over 85% adoption among marketers, 800-plus monthly questions answered, and a 25% drop in flagged incorrect responses.

要点

  • Databricks says its marketing team now uses data three times more often in decision-making after deploying Marge, an internal assistant built on Genie Agents.
  • {"duration_api_ms":2717,"stop_reason":"end_turn","session_id":"17786d7b-4579-4ee2-9b9e-0554f4a57c65","total_cost_usd":0.0071774000000000004,"usage":{"input_tokens":2,"cache_creation_input_tokens":929,"cache_read_input_tokens":8132,"output_tokens":68,"output_tokens_details":{"thinking_tokens":0},"server_tool_use":{"web_search_requests":0,"web_fetch_requests":0},"service_tier":"standard","cache_creation":{"ephemeral_1h_input_tokens":929,"ephemeral_5m_input_tokens":0},"inference_geo":"not_available","iterations":[{"input_tokens":2,"output_tokens":68,"cache_read_input_tokens":8132,"cache_creation_input_tokens":929,"cache_creation":{"ephemeral_5m_input_tokens":0,"ephemeral_1h_input_tokens":929},"type":"message"}],"speed":"standard"},"modelUsage":{"claude-haiku-4-5-20251001":{"inputTokens":1091,"outputTokens":12,"cacheReadInputTokens":0,"cacheCreationInputTokens":0,"webSearchRequests":0,"costUSD":0.001151,"contextWindow":200000,"maxOutputTokens":32000,"thinkingTokens":0,"canonicalModel":"claude-haiku-4-5","provider":"firstParty","costBasis":"list"},"claude-sonnet-5":{"inputTokens":2,"outputTokens":68,"cacheReadInputTokens":8132,"cacheCreationInputTokens":929,"webSearchRequests":0,"costUSD":0.0060264,"contextWindow":1000000,"maxOutputTokens":64000,"thinkingTokens":0,"canonicalModel":"claude-sonnet-5","provider":"firstParty","costBasis":"list"}},"permission_denials":[],"terminal_reason":"completed","fast_mode_state":"off","fast_mode_disabled_reason":"sdk_opt_in_required","subagent_stats":{"spawned":0,"requested":{"background":0,"foreground":0,"unset":0},"started_in_background":0,"max_depth":0,"spawned_by_subagents":0,"completed":0,"failed":0,"killed":{"parent":0,"user":0,"system":0},"refused":{"depth_limit":0,"concurrency_limit":0,"budget":0},"by_type":{}},"is_error":false,"num_turns":1,"subtype":"success","api_error_status":null,"result":"同社によると、マーケティング部門の85%以上がMargeを利用しており、利用率は四半期ごとに50%のペースで伸び、月間の質問対応件数は800件を超えるという。","ttft_ms":2096,"type":"result","duration_ms":2131,"uuid":"1975e0a9-0f01-4bed-804f-aac123eec039","ttft_stream_ms":1147,"time_to_request_ms":371,"queued_turn_count":0} Client.listTools() called but server does not advertise tools capability - returning empty list
  • Databricks says flagged incorrect responses fell 25% after it added verified answer sets, example queries, and documented business definitions in Unity Catalog.
  • 同社は、まずメールキャンペーンの効果測定という単一のユースケースから導入を始め、ユーザーの声を基に段階的に対象を広げていった段階的な展開戦略が、普及を後押ししたとしている。
  • Databricks says one BI manager spends about one hour per week maintaining Marge, which the company says allowed it to scale access to insights without adding analytics headcount.

Databricksが発表した内容

Databricksは、自社のマーケティング部門が「Marge」と呼ばれる社内AIアシスタントをどのように活用しているかを詳述した企業ブログ記事を公開した。同社はMargeを、対話型分析技術「Genie Agents」をマーケティング分野に応用したものと位置づけている。この記事は、Databricksのマーケティングテクノロジー担当AVPであるElizabeth Dobbs氏が、Thomas Russell氏、Katy Yuan氏、Sydney Sundell氏とともに執筆した。

Databricksによると、Margeを使えばマーケターは自然言語で質問を投げかけ、「Marketing Lakehouse」に基づいた回答を得ることができる。これはキャンペーン、ウェブ解析、CRM、イベント、営業データを一貫した定義や指標のもとに統合した、ガバナンスの効いたデータ環境だという。

報告されている利用状況と成果

Databricksは、このツールがマーケティング部門内で次のような成果を生んだとしている。

  • マーケターがデータに基づいて意思決定を行う頻度が3倍に増加した。
  • マーケティング組織の85%以上がMargeを利用している。
  • 利用率は四半期ごとに50%のペースで伸びている。
  • Margeは月間800件以上の質問に対応し、累計では5,000件を超える質問に回答してきた。
  • システムの改善が進むにつれ、誤りとして報告された回答は25%減少した。
  • Databricksは、分析担当の人員を増やすことなく、インサイトへのアクセスを拡大できたとしている。

同社によれば、マーケターはメールキャンペーンの成果、特定の四半期でパイプラインに影響を与えた施策、キャンペーン予算の調整先など、さまざまな質問をMargeに投げかけることができ、Margeはそれらの質問をガバナンスの効いた企業データに対するクエリへと変換するという。アクセスは「Genie One」を通じて行われる。DatabricksはこれをビジネスユーザーのAI協働環境と説明しており、ウェブパフォーマンス、デジタル解析、マーケティング計画などを担当する専門のGenie Agentにリクエストを振り分ける仕組みになっている。より複雑な依頼に対しては、複数の手順を評価してより深い分析を導き出す「エージェントモード」を利用できるという。

Databricksのガバナンス製品であるUnity Catalogは、メタデータ、リネージ(データの来歴)、役割ベースのアクセス制御を一元管理し、各ユーザーが権限を持つデータのみを閲覧できるようにしているとブログ記事は述べている。

信頼性をどう組み込んだか

Databricksは、Margeの精度と信頼性を高めるうえで有効だったとする4つの取り組みを挙げている。

  1. Unity Catalogにデータやテーブル間の関係性を文書化し、マーケティング資格リード(MQL)の定義など、事業固有の用語も明記した。
  2. 価値の高い質問や複雑な質問について、専門家がレビューした検証済みの回答や質問・クエリの対応例をあらかじめ組み込んだ。
  3. Margeにビジネス用語を学習させ、期間や地域といった詳細が欠けている質問に対しては確認の質問を返すよう指示した。
  4. ユーザー評価や既知の正解と照合するベンチマーク質問を含む、継続的なフィードバックと評価のループを運用した。

同社によると、あるBIマネージャーが週に約1時間をかけてフィードバックの確認とMargeの保守にあたっており、この取り組みが誤答報告の25%減少につながったとしている。

導入の進め方

Databricksは、マーケターと直接連携してよくある質問とその際に使われる言葉を洗い出し、まずはメールキャンペーンの成果分析という単一の限定的なユースケースから始め、その後段階的に対象範囲を広げていくことで導入を推進したという。同社は、こうした段階的なアプローチによって精度を検証し、アシスタントの対象範囲を広げる前にユーザーの信頼を築くことができたとしている。

出典:Databricksブログ「How Databricks' marketers use data 3x more with Genie, an AI analytics assistant」、2026年9月15日公開。

よくある質問

Margeとは何か。
Databricksによると、Margeは同社のGenie Agents技術を基盤に構築された社内向けAI分析アシスタントで、自社のマーケティングチームがガバナンスの効いたデータに対して自然言語で質問し、回答を得るために利用しているという。
What results has Databricks reported from using Marge?
同社によると、マーケターがデータを意思決定に活用する頻度は3倍に増え、マーケティング部門の85%以上がMargeを利用しており、誤った回答のフラグ件数は25%減少したという。
How does Marge access marketing data?
{"duration_api_ms":2387,"stop_reason":"end_turn","session_id":"a6094252-8a58-45a3-9ecc-8b3d4a27549c","total_cost_usd":0.007435400000000001,"usage":{"input_tokens":2,"cache_creation_input_tokens":930,"cache_read_input_tokens":8132,"output_tokens":92,"output_tokens_details":{"thinking_tokens":0},"server_tool_use":{"web_search_requests":0,"web_fetch_requests":0},"service_tier":"standard","cache_creation":{"ephemeral_1h_input_tokens":930,"ephemeral_5m_input_tokens":0},"inference_geo":"not_available","iterations":[{"input_tokens":2,"output_tokens":92,"cache_read_input_tokens":8132,"cache_creation_input_tokens":930,"cache_creation":{"ephemeral_5m_input_tokens":0,"ephemeral_1h_input_tokens":930},"type":"message"}],"speed":"standard"},"modelUsage":{"claude-haiku-4-5-20251001":{"inputTokens":1090,"outputTokens":15,"cacheReadInputTokens":0,"cacheCreationInputTokens":0,"webSearchRequests":0,"costUSD":0.001165,"contextWindow":200000,"maxOutputTokens":32000,"thinkingTokens":0,"canonicalModel":"claude-haiku-4-5","provider":"firstParty","costBasis":"list"},"claude-sonnet-5":{"inputTokens":2,"outputTokens":92,"cacheReadInputTokens":8132,"cacheCreationInputTokens":930,"webSearchRequests":0,"costUSD":0.006270400000000001,"contextWindow":1000000,"maxOutputTokens":64000,"thinkingTokens":0,"canonicalModel":"claude-sonnet-5","provider":"firstParty","costBasis":"list"}},"permission_denials":[],"terminal_reason":"completed","fast_mode_state":"off","fast_mode_disabled_reason":"sdk_opt_in_required","subagent_stats":{"spawned":0,"requested":{"background":0,"foreground":0,"unset":0},"started_in_background":0,"max_depth":0,"spawned_by_subagents":0,"completed":0,"failed":0,"killed":{"parent":0,"user":0,"system":0},"refused":{"depth_limit":0,"concurrency_limit":0,"budget":0},"by_type":{}},"is_error":false,"num_turns":1,"subtype":"success","api_error_status":null,"result":"Databricksによると、Margeはガバナンスの効いた「Marketing Lakehouse」を基盤とし、メタデータ管理や系統(リネージ)管理、ロールベースのアクセス制御には同社のUnity Catalog製品を利用しているという。","ttft_ms":2182,"type":"result","duration_ms":3167,"uuid":"8c8551b8-cbb1-4d31-8e30-644134247e7b","ttft_stream_ms":1191,"time_to_request_ms":514,"queued_turn_count":0} Client.listTools() called but server does not advertise tools capability - returning empty list
How did Databricks roll out Marge to its marketing team?
同社によると、当初はメールキャンペーンの効果測定という単一のユースケースから始まり、その後ユーザーからのフィードバックや利用状況を踏まえて対象範囲を拡大していったという。

出典

  1. How Databricks’ marketers use data 3x more with Genie, an AI analytics assistant | Databricks BlogDatabricks
タグdatabricksgeniemargemarketing-analyticsunity-catalogai-assistantdata-governance

あわせて読みたい

Databricks、社内AIアシスタント導入でマーケターのデータ活用が3倍に

Databricksによると、同社のマーケティングチームは、ガバナンスの効いたマーケティング・レイクハウス上に、Genie Agentsベースの対話型分析アシスタント「Marge」を構築した。同社の報告では、マーケターが意思決定にデータを活用する頻度は3倍に増加し、導入率はマーケティング組織の85%を超え、誤った回答としてフラグが立てられた件数は25%減少したという。

約3分

Databricks、社内AIアシスタント導入でマーケターのデータ活用が3倍に

Databricksによると、同社はGenie Agentsを基盤とし、ガバナンスの効いた「Marketing Lakehouse」に基づくAIアナリティクスアシスタント「Marge」を構築し、マーケターが自然言語で質問できるようにした。同社の発表では、マーケターが意思決定においてデータを活用する頻度は3倍に増加し、採用率はマーケティング部門の85%を超えているという。

約3分

Databricks Details Two New Apache Iceberg Specs for Cross-Catalog Governance

Databricksによると、Apache Icebergコミュニティは、Iceberg REST Catalogに2つの新たな仕様、「読み取り制限(read restrictions)」と「カタログラベル(catalog labels)」を採用したという。読み取り制限により、カタログは信頼できるエンジンにポリシーの実施を委任できるようになる。一方カタログラベルは、Unity CatalogやSnowflakeといった連携システム間で、PIIタグなどのガバナンス関連メタデータをやり取りできるようにするものだ。

約3分