Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Developers Summit 2012 16-E-1

5,338 views

Published on

デブサミ 2012 16-E-1 講演資料

2015年のアーキテクチャ
マーケティングシステムを題材にして

Published in: Technology
  • Be the first to comment

Developers Summit 2012 16-E-1

  1. 1. 2015年のアーキテクチャマーケティングシステムを題材にして16-E-1 熊澤公平 Developers Summit 2012 1
  2. 2. Profile http://www.facebook.com/kohei.kumazawa職種: ITアーキテクト名前: 熊澤公平1987年 東北大学工学研究科機械工学専攻博士前期課程修了 スパコンの同年 株式会社リクルートに入社 アーキテクチャ2003年 株式会社シーエーシーに転職 (ネット業界におけるビジネスおよびシステムコンサル) 大規模WEBインフラの アーキテクチャ2003年 東京大学工学部システム創成学科 非常勤講師~2009年 (Javaプログラミング基礎演習) ビジネスとシステムの2008年 横浜国立大学院工学府 非常勤講師 アーキテクチャ~2010年 (システムマネージメント) Developers Summit 2012 (16-E-1) 2
  3. 3. Agenda1. Now, marketing is exciting!2. Past: Passive Marketing3. Now: Pro Active Marketing4. Future: Active Marketing Developers Summit 2012 (16-E-1) 3
  4. 4. 1. Now, marketing is exciting! Developers Summit 2012 (16-E-1) 4
  5. 5. 最近、マーケティングが面白いhttp://www.shopkick.com/http://www.scvngr.com/http://9metis.com/2011/08/too-busy-to-shop/http://www.mini.jp/mini_coupe/campaign/index.html Developers Summit 2012 (16-E-1)
  6. 6. Developers Summit 2012 (16-E-1)
  7. 7. ゲームの効果: SEGA社 “トイレッツ” 男子トイレの空間をゲームセン 軽量化に成功! (3kg以下でないとタイ ル面につけられない) ターに! 的を狙って、ゲームができる。居酒屋チェーン「養老乃瀧」を展開する養老乃瀧は,セガが開発した電子POP「トイレッツ」の先行導入を,グループチェーン40店舗で開始すると発表した(2011年10月19日)。 音センサー (流す音との区別が難しい) 開発の涙ぐましい努力が…..。 (製作者は国内の男子小便器の形 状をすべて覚えてしまったそうな。) Developers Summit 2012 (16-E-1)
  8. 8. ゲームの効果: SEGA社 “トイレッツ” 1.まわりがきれいになった! 酔っ払うといけませんね~~ Developers Summit 2012 (16-E-1)
  9. 9. ゲームの効果: SEGA社 “トイレッツ” さらに、10円硬貨を投入することでランキングに 参加できる,有料コンテンツも搭載! 2. ちゃんと収入が得られた! Developers Summit 2012 (16-E-1)
  10. 10. ゲームの効果: SEGA社 “トイレッツ” 3. ビールの売上が増えた!? どうも悔しいらしい~~ Developers Summit 2012 (16-E-1)
  11. 11.  ネットやモバイルデバイスなどの進化 により、マーケティング手段が大きく変 化しています。 ここではネットマーケティングを振り返り ながら、今後のマーケティングシステム のアーキテクチャを考察してみたいと 思います。 Developers Summit 2012 (16-E-1) 11
  12. 12. Past: Passive Marketing Developers Summit 2012 (16-E-1) 12
  13. 13. マーケティングとは Marketing is the activity, set of institutions, and processes for creating, communicating, delivering, and exchanging offerings that have value for customers, clients, partners, and society at large. (AMA, 2007) 顧客が真に求める製品、サービスをつくり、 その情報を的確なタイミングに顧客に届け、 顧客がその商品を効果的に利用できるようにする活動である → “余分なセリング(単純なる販売活動)を失くすこと” The aim of marketing is to make selling superfluous. Peter F. Drucker Developers Summit 2012 (16-E-1) 13
  14. 14. ネットマーケティング 30,000 25,000 20,000 マスマーケティング Newspaper Magazine ↓億円 15,000 Radio TV Internet ネットマーケティング 10,000 PR ターゲティングが可能に 5,000 0 2005 2006 2007 2008 2009 2010 日本の広告費推移 (電通「日本の広告費」)より Developers Summit 2012 (16-E-1) 14
  15. 15. セグメント http://www.audiencetargeting.com/ユーザーの行動(どのサイト、どのような検索、滞在時間など)で分類届けたいユーザーに対してのみ情報を提供する ↓行動データの収集と 集計 Developers Summit 2012 (16-E-1) 15
  16. 16. Audience Targeting  顧客属性で分類し、効果的なセグメントを選 んで、情報を提供する 該当者が多く、反応率のよい反応率 (情報を欲しがっている)セグ(ex. CTR, CVR) メントから順に、情報提供 Segment Volume Developers Summit 2012 (16-E-1) 16
  17. 17. Facebook DWHは、Hive+Hadoop 複数台の異なるデータセン ターでクラスターを運用 最大規模のクラスターで 3000台程度のマシン 累計300人の社員がこの Facebook Datacenter http://opencompute.org/ データに対してアドホック にクエリーを発行 Facebookは、データセン ター間にまたがるHadoop + クラスター(HDFS across data centers: HighTide)を Apacheと共同開発 Developers Summit 2012 (16-E-1) 17
  18. 18. Electronic Arts EA Legend Campaign Insights Suiteは、nParioのBig Data解析 技術を使用。 nParioはPalo Altoに拠点を置く ベンチャー企業で、キャンペーン・ データを解析し顧客の意図を把 握しターゲッティング広告を可能 とする。 ゲーマーをEntertainment(音楽・ ゲーム愛好家など)、 Financial(バーゲンハンター・慈 善家など)、Lifestyle(ペット・料理 愛好家など)のカテゴリーに区分 けし、電子メールなどでターゲッ ティング広告を発信。 http://investor.ea.com/releasedetail.cfm?ReleaseID=609593 http://www.npario.com/ Developers Summit 2012 (16-E-1) 18
  19. 19. Big Data と Big Processing 企業システム Data Mart Data Cleaning ETL DWH Data Mart Sources (Stored procedure)様々な種類 Data Mart 様々な分析 ネットサービス Data Cleaning Hadoop DWH Site logs (MapReduce)大量データ 標準の指標で集計 Developers Summit 2012 (16-E-1) 19
  20. 20. Big Data と Big ProcessingZetta B Big Data DeepEXA B Insight ネットサービス • • Unsupervised learning Social graph analytics • Natural Language analysis • Sentiment analysis • Predictive modeling PB • Image Processing TB Log Analytics 企業システム CRM GB Small Data Small Analytics Big Processing G Flops EXA Flops Developers Summit 2012 (16-E-1) 20
  21. 21. Big Data と Big Processing Hadoop Hive Vertica SciPy MapReduce Mahout S4 MATLAB Esper DEDUCE Greenplum Revolution R ETL Neteeza SPSS AMPL ECL Teradata SAS BigData(データ並列) BigProcessing(処理並列) Developers Summit 2012 (16-E-1) 21
  22. 22. BigProcessing: Rの並列化 Hadoop/MapReduceにまかせる  RHIPE  R and Hadoop Integrated Processing Environment  Amazon Elastic MapReduce  Revolution Analytics社  Revolution R Enterprise for Apache Hadoop → インフラの機能に依存する Developers Summit 2012 (16-E-1) 22
  23. 23. BigProcessing: Rの並列化Rで頑張る  PVM  rpvm  MPI  Rmpi(http://www.stats.uwo.ca/faculty/yu/Rmpi/)  snow, snowfall  (http://www.sfu.ca/~sblay/R/snow.html)  Revolution Analytics社  foreach Developers Summit 2012 (16-E-1) 23
  24. 24. BigProcessing : Rmpi/snow 問題 1 4.0 ������ = 2 ⅆ������ 0 1 + ������ ������ 1 差分化 ������ = ������ , ∆������ = ������ ������ ������ 4.0 1.0 4.0 ������ ������ = 2 ������ = ������ ������2 + ������ 2 ������=0 1 + ������=0 ������ Developers Summit 2012 (16-E-1) 24
  25. 25. BigProcessing : Rmpi/snow ベクトル変数start <- proc.time() start <- proc.time()n <- 10000000 n <- 10000000 0 0.1 0.2 … 1summ <- 0.0 k <- seq(0.0,n,1.0) for(k in 1:n-1){ rectangle <- function(X){ 1 x <- 1.0 / (n * n + k * k) Y <- 1.0 / (n * n + X * X) ������2 + ������ 2 summ <- summ + x return(Y) } } pi <- 4.0 * n * summ print(pi) pi <- 4.0 * n * sum(sapply(k,rectangle)) print(pi)end <- proc.time() ベクトル要素にprint(end - start) end <- proc.time() 同じ処理を実施 print(end - start) Developers Summit 2012 (16-E-1) 25
  26. 26. BigProcessing : Rmpi/snowlibrary("snow")library(“Rmpi”) 計算クラスタの生成cl <- makeCluster(4,"MPI")n <- 10000000clusterExport(cl,"n")k <- seq(0.0,n,1.0) 計算ノード間でpi <-0.0 共有の変数を指定rectangle <- function(X){ Y <- 1.0 / (n * n + X * X) return(Y)}pi <- 4.0 * n * sum(parSapply(cl,k,rectangle))print(pi)stopCluster(cl) ベクトル要素に クラスタ内の計算ノードをend <- proc.time() 並列に使い同じ処理を実施print(end - start) Developers Summit 2012 (16-E-1) 26
  27. 27. Passive Marketing  良好なセグメントを見つける → BigData + BigProcessing → Deep Insight → Send messages  立地を考え、店舗を置き、後は待つ (静的、受動的) Developers Summit 2012 (16-E-1) 27
  28. 28. 1個100円です! Passive Marketing Developers Summit 2012 (16-E-1) 28
  29. 29. Passive Marketing 来店者の1割は購買するのに…. → もっと効率の良い方法はないのか? 反応率(ex. CTR, CVR) ? Net marketing リーチはそれなり 反応率は微妙 十万~数百万 x 0.01%~0.1%桁 いらぬ人にも情報が届く Mass marketing リーチは巨大だが 反応率は低い 最終アクション者は 少ない? 数千万 x 0.01%桁 Segment Volume Developers Summit 2012 (16-E-1) 29
  30. 30. Now: Pro Active Marketing Developers Summit 2012 (16-E-1) 30
  31. 31. 購買心理 綿密に計画しても、結構衝動買いをしてしま いますよね Developers Summit 2012 (16-E-1) 31
  32. 32. 購買心理 その時に得た情報で結構判断をしてしまう その場で得た情報 店舗内表示 事前情報 店舗の雰囲気 店舗内の他の顧客 その場での値引きやオプション 店員のコメント Developers Summit 2012 (16-E-1) 32
  33. 33. リアルタイムに サイトに訪問しているその時の状況を見て 情報を提供したらどうだろうか?  急いでいるのか?  迷っているのか?  商品を理解しようとしているのか?  誰の為のものを買うのか?→ 貯めてから処理をするのでは間に合わない Developers Summit 2012 (16-E-1) 33
  34. 34. データストリーム管理(DSMS,CEP)  データベースに蓄積したデータに対して都度クエ リーを発行し検索結果を得る、という処理モデル では対処することが難しい処理に対し、リアルタ イムに流れ続ける一過性のデータ(イベント)を、 データベースに格納、蓄積してからではなく、即 時に処理するタイプのシステムWEBシステム メッセージ受発信イベント × × イベント アプリケーション 仕入管理 価格変化イベント ストリーム アラーム会計システム 取引受発信イベント Stream Data Management System DWH http://www.cac.co.jp/softechs/pdf/st3001_13.pdf Developers Summit 2012 (16-E-1)
  35. 35. DBMSとDSMSの違い DATA DATA Query DATA DATA DATA Query DATA DATA DATA DATA DATA DATA Event DATA DATA DBMS DSMS Developers Summit 2012 (16-E-1)
  36. 36. CEP(複合イベント処理) CQLEvent Event Event 比較している ある商品の閲滞在時間が 5種以上の商品 覧時間が全体15分以上 カテゴリを閲覧 Yes の半分以上 Yes 迷っていそうだEvent 関心がありそうだ CQL CQL初めての来訪である Developers Summit 2012 (16-E-1) 36
  37. 37. 最近の2つの流れ Big Data S4, C-MR, storm MapReduce Online MapReduce Distributed Stream Management DEDUCE Esper Legacy DSMS,CEP Streamdata Small Data Oracle, WS Stored Real timeC-MR http://cs.brown.edu/~backman/cmr.htmlMapReduce Online http://www.usenix.org/event/nsdi10/tech/full_papers/condie.pdfDEDUCE http://www.edbt.org/Proceedings/2010-Lausanne/edbt/papers/p0657-Kumar.pdf Developers Summit 2012 (16-E-1) 37
  38. 38. Pro Active Chat • Everquest, Star Wars: Galaxies • 電話問い合わせの50%削減 Developers Summit 2012•(16-E-1) 9割以上のユーザーの満足度向上
  39. 39. Pro Active Chat 接触候補のユーザー コンタクト履歴 http://www.chat4support.com/live_chat.asp Developers Summit 2012 (16-E-1)
  40. 40. Pro Active Marketing購買見込み資料請求見込みが低い  縦軸のAction見込 み度合いに応じて 適宜接触を図る  Thresholdを指定 しておいて、定型 の接触を定義する購買見込み資料請求見込みが高い http://www.netmining.com/en/livemarketer-demo/ Developers Summit 2012 (16-E-1) 40
  41. 41. Orbitz Orbitzは航空券予約を中心に事業を展開。旅行予約 サービスの中のOnline Travel Agencies分野では Expediaが市場のトップで38%のシェアを占めている ExpediaはHotels.comなどの子会社を通じて、ホテ ル予約サービスを強みとしている Orbitzは、MITの研究プロジェクトAURORAの成果を 商用にしたStreambase systemsのCEP製品を活用 顧客の行動、各システムの状況を、同社が開発した Graphiteというリアルタイム描画ツールでモニタリング し、Dynamic Pricing, Landing Pageの最適化、表示 順の最適化など、最適な顧客対応を行う Developers Summit 2012 (16-E-1) 41
  42. 42. Event Network イベント発生条件を複雑に組み合わせて条件を表現 該当する都度イベントを上げ、対応する “COMPLEX EVENT PROCESSING AT ORBITZ WORLDWIDE” javaone 2008 TS6048 Developers Summit 2012 (16-E-1) 42
  43. 43. CAC Corporation  高速なベイジアンネットワーク学習  2007 年から電気通信大学植野研究室と共同 研究を推進中。  高速学習アルゴリズムの TPDA を数十倍高速 化(2009)。特許申請済み。  高精度な学習アルゴリズム RAI のさらなる構 築精度向上(2011)。特許申請準備中。変数が多くても線形に近い形でしか計算量が増加しないアルゴリズム。複雑な因果関係の分析が可能。複雑なイベント設計の省力化などの応用を期待し研究中。 Developers Summit 2012 (16-E-1) 43
  44. 44. Architecture for ProActiveHuman Business FlowDelivery POS Voice response ATM Widgets Desktop Mobile PortalsBusiness Process Reporting Dashboards Alert boards Data visualization Causality MapBusiness Rule Engine 5 モデル構築 2 Analytics 推論 DSS Data/text mining Predict analyticsBusiness Process Web analytics OLAP Time series analysisManagement Adapters Discovery 3 1 and Integration SearchEAI/SOA 5 ESB BPEL Event Query optimization BAM/CEP integration Adapters Business Application sub systems 4 BAM CEP ETL/CDC Data Data stores Data warehouses Data marts Infrastructure Business Application Systems Complex Event Processing Systems Developers Summit 2012 (16-E-1) 44
  45. 45. Pro Active Marketing  その時の状況に合わせて情報が提供できる  一方、店にいかないとはじまらない 暇だなぁ。 Developers Summit 2012 (16-E-1) 45
  46. 46. 3. Active Marketing Developers Summit 2012 (16-E-1) 46
  47. 47. 急速に進化するモバイルCPUムーアの法則 ゲート幅の微細化 2010年前に限界 Developers Summit 2012 (16-E-1)
  48. 48. 急速に進化するモバイルCPU 処理能力は 2倍 CPU 面積を2倍 CPU (約1.4倍)ポラックの法則 マルチコア化 消費電力問題 処理能力は1/ 2倍 CPU 面積を半分 CPU (約3割減にしからならない) Developers Summit 2012 (16-E-1)
  49. 49. 急速に進化するモバイルCPU 消費電力は GP-GPU Hybrid化 CPUの1/100 Tegra2 Hetero Architecture Developers Summit 2012 (16-E-1)
  50. 50. 急速に進化するモバイルCPU 1つのダイの上でのHybrid化は、消費電力にゆとりの ない携帯デバイスのCPUから始まる。 NIVIDA Roadmap 数個のCPU 50GFlops/watts 数千個のGPUが in 2018 1つのダイにhttp://low-powerdesign.com/sleibson/ Developers Summit 2012 (16-E-1)
  51. 51. 2018年 携帯デバイスの性能  モバイルデバイスの消費電力 = 25Watts 25 Watts x 50 G Flops = 1.25T Flops IBM Watsonの1桁落ち程度 IBM Watson CPU: 80T Flops 2880 CPUs (IBM Power7) Memory: 15TBhttp://www-03.ibm.com/innovation/us Space: 10 racks(IBM Systems 750)/watson/index.html Developers Summit 2012 (16-E-1)
  52. 52. 急速に進化するモバイルCPU2010年を1とした時の性能比 100 90 80 STRAK 70 60 50 40 LOGAN 30 20 2 Cores CPU 8 Cores CPU 8 Cores GPU 24 Cores GPU 10 WAYNE TEGRA2 Mooresの法則 KAL-EL 0 2010 2011 2012 2013 2014 Developers Summit 2012 (16-E-1) 52
  53. 53. 2000年: CPU性能比MobilePCVertical PortalPortal Developers Summit 2012 (16-E-1)
  54. 54. 2010年 1mm x 2mmMobile Dual Core: 8GFlopsPCVertical PortalPublic Cloud 1m x 1m Developers Summit 2012 (16-E-1)
  55. 55. 2020年Mobile Mobileデバイスの方が性能が良くなるPCVertical PortalPublic Cloud 10m x 10m Developers Summit 2012 (16-E-1)
  56. 56. 2020年: 1人当たりの処理量で考えるとMobile Mobileデバイスは1人平均2台強を保有PCVertical Portal 数万人で共有Public Cloud 数億人で共有 Developers Summit 2012 (16-E-1)
  57. 57. Generated UX 動的な描画生成  事前に作られた動画ではなく、その場で生成し た動画 http://physbam.stanford.edu/ Virtual Makeup Tool(modiface社) Developers Summit 2012 (16-E-1) 57
  58. 58. Context Awareness World Sensory Attention/ Working Memory Selection Memory Narration/ Sound Verbal Auditory Working Thinking: Memory Text Integrating Organizing Visual Analyzing Image Sense Making Working Visual Schema Making Memory Tactile Olfactory 認識の支援 Gustatory Mobile DeviceNine Ways to Reduce Cognitive Load in Multimedia Learninghttp://www.elizabethoc.com/9ways/article.pdf Developers Summit 2012 (16-E-1) 58
  59. 59. Personal AssistantSpectaclesInstitut für Pervasive ComputingJohannes Kepler Universität Linz Developers Summit 2012 (16-E-1) 59
  60. 60. Personal Assistant http://www.pervasive.jku.at/Research/Projects/?key=468 Developers Summit 2012 (16-E-1) 60
  61. 61. Future Architecture リアルタイムなデータは、クラウドで処理するのではない! モバイルデバイスは、クラウドの窓ではない! Sensory Attention/ Working Long TermWorld Memory Selection Memory Memory Narration/ Sound Verbal Storing Auditory Working Thinking: Memory Semantic Text Integrating Organizing Knowledge Visual Analyzing Image Sense Making Working Visual Schema Making Memory 知識提供 動的なリコメン デーション モデル構築 Tactile ↑ Inference Model Episodic 推論 Olfactory Knowledge Motivation Gustatory Mobile Device Cloud Developers Summit 2012 (16-E-1) 61
  62. 62. Active Marketing ユーザーは“もの”か ら“こと”を重視した購 買を行うようになる 提供者は、ユーザー のコンテキストに合わ せて、“こと”をデバイ スから動的にリコメン ドするようになる“余分なセリング(単純なる販売活動)を失くすこと” Peter F. Drucker Developers Summit 2012 (16-E-1) 62
  63. 63. まとめ1. パッシブなマーケティングを離れ、プロアク ティブなマーケティングにチャレンジしてい こう。2. それを通し、ユーザーモデル構築をし、リア ルタイムに推論ができるソフトウエアアーキ テクチャを構築しよう。3. そして、急速に進化するスマートデバイスを 積極的に利用し、ハイブリッドなアーキテク チャに移行し、動的なマーケティングができ るようにしていこう。 Developers Summit 2012 (16-E-1) 63
  64. 64. Thank you.https://www.facebook.com/kohei.kumazawa Developers Summit 2012 (16-E-1) 64

×