マルコフ連鎖モデルによる
アトリビューション分析
岡川宏之
2014/6/21
第37回 TokyoWebmining
1
自己紹介
• 岡川 宏之/Hiroyuki Okagawa
• 1980年11月生まれ 33才
• Twitter: hokagawa
• 経歴
– 素粒子物理学/弦理論@大学院
– 半導体フラッシュメモリエンジニア@総合電機メーカー
– デー...
目次
• インターネット広告の特徴
• 広告の評価方法
– 従来の広告評価
– アトリビューションを考慮した広告評価
• 様々なアトリビューション分析モデル
• 成果配分モデルの紹介
• マルコフ連鎖モデルの紹介
– データ集計
– アトリビュ...
インターネット広告の特徴 その1
4
検索連動型広告 ディスプレイ広告 ビデオ
広告
レコメンド
バナー
SNS
純広告
※一例
インターネット広告には色々な出稿の形態とプラットホームがある。
インターネット広告の特徴 その2
ユーザーは購入に至る前に、色々な広告に接触する。
※Google検索連動型広告とYoutubeビデオ広告を出稿している場合の例 5
従来の広告評価
ユーザーが購入直前に接触した広告にのみ成果ポイントを付与
Googleに合計3ポイント付与
└直接評価と呼ばれる方式 6
アトリビューションを考慮した広告評価
ユーザーが購入直前に接触した広告以前の広告にも
“何らかの方法”で評価を与える方法
Youtubeビデオ広告にも何らか
の評価を行う。 7
色々なアトリビューション分析
成果配分モデル ベイジアンネットワークモデル
マルコフ連鎖モデル
※本日の内容
次項以降で実際に作ります。
ボルツマンウェイトモデル
※その他にも、色々な文脈でアトリビューションという言葉が使われています。 8
成果配分モデルとは
ユーザーが購買に至るまでに接触した広告に対して、
成果ポイントを割り振る評価モデル
※集計方法と説明がシンプルで分かり易く、現場では施策につなげやすいことがメリット
※配分されたスコアは”アトリビューションスコア”と呼ばれて...
参考: 成果配分モデルの詳細
 
   
 
   
   
   に対応固定均等配分
初回重視
ラスト重視
リビューションスコアで接触した広告のアト
からの距離
広告接触回数
初回重みラスト重み
初回重...
マルコフ連鎖モデル データ集計
1
2
0
1 1 3
3 0 0
0 0 0
0.25 0.25 0.50
1.00 0 0
0 0 0
k

M  MP  Ml

初期接触ベクトル 推移行列 推移確率行列
広告間の推移を2点間の...
アトリビューションマップによる可視化
25%
25%
50%
100%
0%
0%
1
2
初期接触ベクトルと推移確率行列を可視化
※このデータを元に、マルコフ連鎖の数学的なモデルを作る(次項より) 12
モデルの作り方 作戦
0次項 広告に1回接触したユーザーのCV数
1次項 広告に2回接触したユーザーのCV数
2次項 広告に3回接触したユーザーのCV数
3次項 広告に4回接触したユーザーのCV数
.
.
.
N次項 広告にN+1回接触したユー...
モデルの作り方 0次項
1k 1l
2l2k
lklklkCV T

 22110
11lk
22lk
+)
=
=
14
モデルの作り方 1次項
1k 1l
2l2k
1k
2l
1l
2k
11P
22P
12P
21P
1111 lPk
2222 lPk
2121 lPk
1212 lPk+)
=
=
=
=
lPklPklPklPklPkCV T

...
モデルの作り方 全次数 (モデル完成)
lPkCV NT
N


 
l
PI
I
k
lPPIk
lPklPklkCV
T
T
NTTT
TOTAL












2
¥10...
予算ポートフォリオの方法
   
  
 rl
rMPI
I
rkrCV
T
TOTAL





   
  
 rC
rMPI
I
rkrCOST
T
TOTAL



...
母関数表現
 
 jijij
iii
n i
n
A
iiiiiiiii
CPM
CkK
l
M
KClPPPkZ
n
Annn




exp)(
exp)(
)(1
1
)(exp)(
0 }{
1
1
113221...
まとめ
19
• インターネット広告分野のアトリビューション分析のため
のマルコフ連鎖モデルを構成できた。
• 広告間の相互作用を考慮して、予算ポートフォリオシ
ミュレーションができる。つまり、本件のマルコフ連鎖モ
デルは予測モデルである。
•...
Upcoming SlideShare
Loading in …5
×

Tokyo webmining37 マルコフ連鎖モデルによるアトリビューション分析_岡川

6,063
-1

Published on

0 Comments
18 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
6,063
On Slideshare
0
From Embeds
0
Number of Embeds
15
Actions
Shares
0
Downloads
36
Comments
0
Likes
18
Embeds 0
No embeds

No notes for slide

Tokyo webmining37 マルコフ連鎖モデルによるアトリビューション分析_岡川

  1. 1. マルコフ連鎖モデルによる アトリビューション分析 岡川宏之 2014/6/21 第37回 TokyoWebmining 1
  2. 2. 自己紹介 • 岡川 宏之/Hiroyuki Okagawa • 1980年11月生まれ 33才 • Twitter: hokagawa • 経歴 – 素粒子物理学/弦理論@大学院 – 半導体フラッシュメモリエンジニア@総合電機メーカー – データアナリスト@インターネット広告代理店 2
  3. 3. 目次 • インターネット広告の特徴 • 広告の評価方法 – 従来の広告評価 – アトリビューションを考慮した広告評価 • 様々なアトリビューション分析モデル • 成果配分モデルの紹介 • マルコフ連鎖モデルの紹介 – データ集計 – アトリビューションマップによる可視化 – モデルの作り方 – 予算ポートフォリオの方法 – 母関数表現 • まとめ (全19ページ) 3
  4. 4. インターネット広告の特徴 その1 4 検索連動型広告 ディスプレイ広告 ビデオ 広告 レコメンド バナー SNS 純広告 ※一例 インターネット広告には色々な出稿の形態とプラットホームがある。
  5. 5. インターネット広告の特徴 その2 ユーザーは購入に至る前に、色々な広告に接触する。 ※Google検索連動型広告とYoutubeビデオ広告を出稿している場合の例 5
  6. 6. 従来の広告評価 ユーザーが購入直前に接触した広告にのみ成果ポイントを付与 Googleに合計3ポイント付与 └直接評価と呼ばれる方式 6
  7. 7. アトリビューションを考慮した広告評価 ユーザーが購入直前に接触した広告以前の広告にも “何らかの方法”で評価を与える方法 Youtubeビデオ広告にも何らか の評価を行う。 7
  8. 8. 色々なアトリビューション分析 成果配分モデル ベイジアンネットワークモデル マルコフ連鎖モデル ※本日の内容 次項以降で実際に作ります。 ボルツマンウェイトモデル ※その他にも、色々な文脈でアトリビューションという言葉が使われています。 8
  9. 9. 成果配分モデルとは ユーザーが購買に至るまでに接触した広告に対して、 成果ポイントを割り振る評価モデル ※集計方法と説明がシンプルで分かり易く、現場では施策につなげやすいことがメリット ※配分されたスコアは”アトリビューションスコア”と呼ばれています。 1/3 + 1/3 + 1/3 = 1 9
  10. 10. 参考: 成果配分モデルの詳細                    に対応固定均等配分 初回重視 ラスト重視 リビューションスコアで接触した広告のアト からの距離 広告接触回数 初回重みラスト重み 初回重みラスト重み 初回重みラスト重み                                  ,, 1 : 1,0,: 0,1,: exp 1 exp 2 L L xAS x x xAS x xLx x CVx L L x        123 5.1 13 exp 5.1 23 exp 5.1 13 exp 5.1 1 exp 1.5,3 ASASAS x xAS DL                                  ラスト重視 アトリビューションスコアの集計ルール 集計例(上記パスの場合) X=1X=2X=3 ※上記はexpを使ったが関数形は特に定型はない。 10
  11. 11. マルコフ連鎖モデル データ集計 1 2 0 1 1 3 3 0 0 0 0 0 0.25 0.25 0.50 1.00 0 0 0 0 0 k  M  MP  Ml  初期接触ベクトル 推移行列 推移確率行列 広告間の推移を2点間のペアに分解して集計する。 11
  12. 12. アトリビューションマップによる可視化 25% 25% 50% 100% 0% 0% 1 2 初期接触ベクトルと推移確率行列を可視化 ※このデータを元に、マルコフ連鎖の数学的なモデルを作る(次項より) 12
  13. 13. モデルの作り方 作戦 0次項 広告に1回接触したユーザーのCV数 1次項 広告に2回接触したユーザーのCV数 2次項 広告に3回接触したユーザーのCV数 3次項 広告に4回接触したユーザーのCV数 . . . N次項 広告にN+1回接触したユーザーのCV数 広告接触回数別でユーザーのCV数を予測して、 最後に全て足し算して、全オーダーでCV数の予測する。 13
  14. 14. モデルの作り方 0次項 1k 1l 2l2k lklklkCV T   22110 11lk 22lk +) = = 14
  15. 15. モデルの作り方 1次項 1k 1l 2l2k 1k 2l 1l 2k 11P 22P 12P 21P 1111 lPk 2222 lPk 2121 lPk 1212 lPk+) = = = = lPklPklPklPklPkCV T   22221212212111111 15
  16. 16. モデルの作り方 全次数 (モデル完成) lPkCV NT N     l PI I k lPPIk lPklPklkCV T T NTTT TOTAL             2 ¥100 ¥50 ¥0 C  C PI I kCOST T TOTAL    0次と1次の結果から、N次の結果を推測して、 全次数を足し算すると答えが出る。 N次のCV数 全オーダー合算のCV数 全オーダー合算のコスト クリック単価ベクトル ※全オーダーでのコストも同様のロジックで導出可能 16
  17. 17. 予算ポートフォリオの方法         rl rMPI I rkrCV T TOTAL              rC rMPI I rkrCOST T TOTAL               22 11 kr kr rk               33232131 23212121 13212111 MrMrM MrMrM MrMrM rM    jijijij rMrMM     iiii rkrkk              1 2 1 r r r    予算TOTALrCOST   TOTAL r rCVr  max最適値 数理最適化法で解く条件 変数rを導入して、初期接触ベクトルkと推移行列Mを変化させて、 合計コストとCVに対して条件をつけて組合せ最適化する。 変数ベクトル 初期接触ベクトル 推移行列 ※出稿量を調整する変数 17
  18. 18. 母関数表現    jijij iii n i n A iiiiiiiii CPM CkK l M KClPPPkZ n Annn     exp)( exp)( )(1 1 )(exp)( 0 }{ 1 1 1132211                     ?? 1 1 1 1 )1( 1 0      n TOTAL TOTAL X C P kCOSTX l P kCVX   0 )( )(      nn Z X 母関数Zを定義して、それの微分の回数で CVやコストが計算できる。 18
  19. 19. まとめ 19 • インターネット広告分野のアトリビューション分析のため のマルコフ連鎖モデルを構成できた。 • 広告間の相互作用を考慮して、予算ポートフォリオシ ミュレーションができる。つまり、本件のマルコフ連鎖モ デルは予測モデルである。 • マルコフ連鎖モデルの母関数表現ができた。高次の 項の意味は? • 他分野への応用は?
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×