2018/07/02(月)開催 Ltech#1 LIFULL HOME'S 機械学習Night講演スライド 登壇者：株式会社LIFULL データサイエンティスト 椎橋怜史 機械学習を用いた事例についてお話します。 ・広告費予算の最適化（広告マーケティングチーム） ・画像種類の判別モデル（App, 流通チーム）

1. 株式会社LIFULL
LIFULL HOME‘S事業本部 新UX開発部
AI推進ユニット
椎橋怜史
2018/07/02
LIFULL HOME’Sでの機械学習活用
(広告費最適化・画像判別)

2. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
自己紹介
• 椎橋 怜史
• 2016年4月 LIFULL 新卒入社
• データサイエンティスト
• データ分析系の仕事を担当
Qiita: @shiibass
Twitter: @shiibass
興味ある分野
• 量子計算
• 数理最適化
• 強化学習
• ゲーム理論

3. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
AI推進ユニット
「+AI」の方針で既存サービスにAI機能を追加、新規AIサービスの開発
AI技術に限らずテクノロジーで想像を超えるようなサービスを目指す
他部署と協力・分担してAIサービスをリリース
イメージ
AI推進U
LIFULL
HOME’S
APPチーム
広告マーケ
ティング
チーム
流通事業部
チーム
営業チーム

4. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
自分が意識していること
計算精度
シンプルさ（説明力）
線形回帰とか
ディープラーニングとか
• 計算精度の高さ、シンプルさは
トレードオフのケースがある
• 精度が高いからプロジェクトが
うまくいくというわけではない
• 案件ごとに必要なもの・求められる
ものは異なるからヒアリングして推
察、アルゴリズム選定
•

5. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
今までやってきたこと
（）は協力した他チーム
• 広告費予算の最適化（広告マーケティングチーム）
• Androidアプリの物件レコメンド（App開発チーム）
• 物件問い合わせ予測（営業チーム）
• 画像種類の判別モデル（App, 流通チーム）
• その他いくつか

6. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
今までやってきたこと
（）は協力した他チーム
• 広告費予算の最適化（広告マーケティングチーム）
• Androidアプリの物件レコメンド（App開発チーム）
• 物件問い合わせ予測（営業チーム）
• 画像種類の判別モデル（App, 流通チーム）
• その他いくつか

7. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
広告費予算の最適化

8. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
広告費予算の最適化
• 数十の広告媒体にいくら予算を投下するのが最適かを計算する
• 各媒体に広告グループが設けられていて、最小粒度にすると数百万ある
（数百万のポートフォリオ最適化問題）
• 検索広告やディスプレイ広告など広告媒体ごとの特徴
• 自動化したい
• 売上上げたい
↓検索キーワードに対して広告を設定可能

9. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
可視化できるようなシンプルな予測モデル
効果値
コスト
現在の予算
最適値 抑制
強化
各広告媒体に対して予算を追加すべきか削減すべきか可視化
運用者の予算配分の考え方を踏襲しつつ、
徐々に理論的なアルゴリズムに変更
↓
最終的には完全自動化を目指す
抑制

10. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
最適化アルゴリズム
アルゴリズム
• シンプルな凸最適化
• 予算運用者が解釈可能（可視化可能）なように
• データが増えても計算量増えすぎないように
• 一意な結果を返すように
効果
コスト
微分f_i’(x_i)
微分
アルゴリズムイメージ
効率いい広告を探して予算追加
していく
𝑑: small budget
while 𝑏𝑢𝑑𝑔𝑒𝑡 𝑠𝑢𝑚 > 0
calc 𝑓𝑖′(𝑏𝑢𝑑𝑔𝑒𝑡𝑖) for any 𝑎𝑑𝑖
calc 𝑎𝑟𝑔𝑚𝑎𝑥𝑖 𝑓′(𝑏𝑢𝑑𝑔𝑒𝑡𝑖)
𝑏𝑢𝑑𝑔𝑒𝑡𝑖 += 𝑑
return array 𝑏𝑢𝑑𝑔𝑒𝑡𝑖

11. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
画像種類の判別モデル

12. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
画像種別を自動で判別してタグ付け
• 情報精度向上
• 入稿処理自動化

13. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
ディープラーニングで画像の特徴を学習
・・・
巨大＆複雑
Inception v3（学習済みモデル） 自前実装
• 学習済みモデルを活用することで計算量を抑えられ、
用意できないデータに対しても間接的に学習したことになる
画像判別モデル
(tf.nn.fully_connected
tf.nn.dropout) * 2
tf.nn.softmax

14. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
実行環境はクラウドに任せて、精度向上に集中した開発
• GCP cloud machine learning engine上で学習・デプロイ
• 教師データはCloud Storageに保管
• モデルのネットワークやパラメータの設定に注力できる
• 実用可能な精度のデプロイまで３日で開発
（教師データ）
画像データ参照

15. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
その他

16. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
その他施策いろいろやってます
レコメンド 物件の問い合わせ予測
入力：物件情報
出力：問い合わせ発生確率
Amazon
S3
Amazon
Athena
AWS Data
Pipeline
Amazon
DynamoDB
AWS Data
Pipeline
AWS
Lambda
Amazon
CloudWatch
Amazon API
Gateway*
AWS Elastic
Beanstalk

17. © LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。© LIFULL Co.,Ltd. 本書の無断転載、複製を固く禁じます。
最後に
• 社内データすべてがサイエンスの対象
（広告データ、ユーザーログ、物件データ、画像など）
• クラウドサービスを利用したスピーディーな開発
• やろうと思えばいろいろできる環境
• 仲間募集してます
• なにかあったらtwitter（@shiibass）とかで