・Tokyo Marketers Talkでの発表資料

1. Marketing×Python/Rで頑張れる事例16本ノック
2018/04/10
Tokyo Marketers Talk
Mr_Sakaue

2. ・Twitterアカウント名：Mr_Sakaue
・経歴：某大学院で経済学修士
渋谷のベンチャー企業に新卒で入社
Webマーケティング周りでの雑務
をこなす。
・スキル：R少々、Python少々
・趣味：ブログをやっています。
「かものはしの分析ブログ」
→データを集めて調理するブログ
何者か

3. ・マーケティング課題にデータ分析の適用を始めました。
・マーケティング課題にPythonやRの力で向き合うと得られそうなご利益
・手法やライブラリなどの紹介
※話さないこと
・各手法の細かい説明
※※NGワード
・それTableauでもできますやん
今日伝えたいこと

4. ・Python
・汎用のプログラミング言語
・わかりやすいコードが特徴
・科学技術系の研究で多用されており、それに派生したライブラリが充実
・R
・統計解析に特化したプログラミング言語
・様々な統計解析手法をカバーするライブラリ群が魅力
Python/Rとは

5. メリデメ for マーケター
メリット デメリット
Python
・Rよりも計算が早い
・大きなデータも扱える
・機械学習系のライブラリが充実
・RよりもDS界隈では人気
・プログラミング初心者には若干厳しい
(最近はAnaconda入れたら大丈夫かも )
・同じことをRでやるよりもコードが長くなりが
ち(汎用言語なので)
R
・Marketer Friendly(Excellで慣れ親しんだ
行列を使えたり、デフォルトでも色々分析で
きる)
・統計解析系が充実、機械学習系も十分に
ある。
・大きめのデータで動かない
・困った時にググりにくい

6. ノック開始！

7. 状況：営業が蓄積したデータの分析依頼をされたが、
そのデータがそのまま分析していいのか気になる。
アプローチ：pandas-tdを使ってTresureDataからデータを取得
pandasで日付データから月のついたちデータを生成
欠損データに関しては欠損確認用のデータを生成
月をもとにgroupbyを行い、その結果を時系列プロット
ご利益：
・もらったデータの時系列的なムラを確認し、怪しい傾向を分析着手前に気付ける。
・欠損の傾向から、データ蓄積に問題が生じてそうな兆候に気付ける。
Knock1：時系列プロット

8. dataset.groupby('month').agg([np.mean]).plot(subplots=True, figsize=(15, 200))
1行で時系列プロットや！

9. 状況：生アクセスログからCVしている人とそうでない人の差を見つけたい。
アプローチ：pandas-tdを使ってTresureDataからデータを取得
numpyで正規表現でページカテゴリーを付与
pandasでCVする前までのセッションのインデックスで絞り込み
行がストレージクッキー、列がページカテゴリーのピボットテーブルを
作成
ご利益：
・SQLでできるが、データサイズが大き過ぎなければコードも短いしサクッとできて便利。たま
に買い切り型の広告系のログだとSQLじゃない環境だったりするので、その時は便利。
Knock2：ピボットテーブル

10. #ユーザーごとに触れたページのカテゴリ別に集計する
pageview_table = pd.pivot_table(data=result , fill_value=0, index="storage_cookie",
columns="page_category",aggfunc = { 'page_category' : 'count' } )

11. 状況：生アクセスログから、あるページを触れた人がどのようなページを見ているのか傾向を
知りたい。（平均値は嘘をつくのでできればヒストグラムがいい）
アプローチ：先ほど作成したピボットテーブルに対して、pandasで
groupbyしてplotでヒストグラムを指定
ご利益：
・エクセルで多数のヒストグラムを作るとなるとツラミがあるが、どんなにデータの種類が多くて
も1行で可視化できる。
Knock3：ヒストグラム

12. dataset[dataset.ef_flag == 1].filter(regex=target_column).plot(subplots=True
,kind="hist",figsize=(15, 100), bins=200, xlim=[1, 100 ], ylim=[0,1000 ])

13. 状況：NPSなどのデータがどのような変数と相関してそうか細かく見たい。
アプローチ：ExcelなどのデータをRにインポート
Rのggplot2のgeom_pointとfacet_gridを適用
4次元分のデータを一つの散布図で描写
ご利益：
・各属性ごとに、NPSとの相関の強さは変わってくるはずで、その傾向を簡単に見れる。もは
やExcelで同様のことをしようと思えない。
Knock4：散布図

15. 状況：アクセスログをそのまま分析しても傾向が見れず捗らない。
アプローチ：セッションカウントデータの標準化
Pythonのscikit-learnでチャネルクラスタリング
同様にページカテゴリクラスタリング
ベストなクラスターの数を推定し、適用
クラスターごとにKPIを繋いで傾向を把握
ご利益：
・サービス理解が浅い段階で使うと、素早く主要なユーザーの傾向を掴める。
・クラスターごとにさらに深ぼって分析できる。
Knock5：ユーザークラスタリング

16. KPIたちページカテゴリーたち
ō ō ō ō ō ō ō ō ō

17. 状況：ユーザーがCVするかどうかを決めるキーファクターを見つけたい。
アプローチ：作ったクラスターごとにscikit-learnのDecisionTreeを適用
ご利益：
・サービス理解が浅い段階で使うと、CVに近い行動の把握ができる。
・意外な傾向が見つかれば、サイト改善の施策などに繋がる。
・分析後は実際にどれくらいの対象ユーザへのインパクトがあるのかを検算。
Knock6：決定木

18. 数行のコードで計算してくれる！
tree = DecisionTreeClassifier(criterion = 'entropy', max_depth = 3,
random_state = 0)
tree.fit(X, Y)
export_graphviz(tree, out_file='tree.dot', feature_names=list(X.columns))

19. 状況：来月の応募数を知りたい
アプローチ：応募ログデータ、営業日数、最終営業日などのデータを収集
Facebook社の提供しているProphetを用いて予測
直近数ヶ月のRMSE (Root Mean Squared Error)の低いモデルを採用
ご利益：
・月間目標を目指す際に、10日や15日時点でそこそこの応募数がわかるので、
目標乖離時にアクションを取るべきかの判断をすることができる。
Knock7：時系列予測

20. Prophetを使って、新幹線予約の検索クエリのトレンドを予測
12月25日12月3日～12月9日12月1日
大人の余裕前のめり 後の祭り

21. 状況：運用型広告での競合の動きを捉える
アプローチ：自社と競合サイトの時系列のインプレッションデータなどを用意
RのVARパッケージを利用
単位根検定などを経て、VARの推定
インパルス応答関数からどの競合が自社に影響があるのか分析
ご利益：
・特定の競合のインプレッションが自社サービスの指標にどのように影響を与えるのかを知っ
た上で、運用型広告をまわせる。
Knock8：VAR(Vector AutoRegression)

23. 状況：顧客生涯価値(LifeTimeValue)をもとめたい。
アプローチ：顧客との取引レコードを用意
解約の定義を決め
Rのflexsurvパッケージを利用
1~3年間の売上を予測する上でパフォーマンスの良い手法を採用
ご利益：
・より精度の高いLTVを手に入れることができる。
・オレオレな謎エクセルではなく、再現性のあるRコードが残る。
Knock9：LTVの推定

24. 価格一定にして継続確率を
掛け合わせたものをn期分足
し合わせたものを採用

25. 状況：フリーテキストばかりのデータから意味のありそうな特徴を掴みたい。
アプローチ：フリーテキストまみれのデータと解約者のデータを繋ぐ
6ヶ月後に解約するかどうかのデータを作る
MeCabパッケージでテキストを形態素解析する
解約する人としない人のテキスト上での差異を比較する
ご利益：
・フリーテキストが多くても、意味のある傾向を掴めそうなので、改善のアクションに繋がる発
見があるかもしれない。
Knock10：テキストマイニング

26. MeCab neologdを使えば蒙古タンメンも分解され
ずに単語を分解できる。
汗を含んでいるかどうかと、リピート率を比較

27. 状況：メディア記事の分類をしたい
アプローチ：DBから記事データを取得
不用語の除去
記事の本文に対してPythonでMeCabによる形態素解析をする
Gensimでトピックを推定する
トピックごとの意味合いを解釈し記事分類に利用する
ご利益：
・数百記事のカテゴライズされていない記事があったとしても、うまく推定できればいい感じに
記事のカテゴリを分けれるので便利。
Knock11：トピックモデル

28. BillboardのTop10ランクイン割合の高いトピックTop3
one,ooh,call,cause,gettin,born,day,makes,came,stand
better,world,whoa,run,light,things,find,show,see,waiting
stop,just,hands,put,party,crazy,live,lights,play,see
推定したトピックの記事ごとのパフォーマンスを比較してみるのも良い。

29. 状況：ユーザーが過去に見た情報に近そうな情報をしたい
アプローチ：記事の本文に対してPythonでMeCabによる形態素解析し、
テキストデータを行列データに変換(行：単語、列：文書)
scikit-learnでTF-IDFを計算し、COS類似度を計算
（トピック間の類似度で出すやり方もある）
ご利益：
・細かいカテゴリデータがなくても、文書内の構成単語の近さから、記事を推薦できる。うまく
いけばカテゴリデータよりも精度の良い推薦が可能。
Knock12：類似度計算

30. Java Android スマホが起動中ずっと動
かしたい
ブルーライトカット的なアプリを作りたい
のですが、アプリを終了したら、ブルーラ
イトが消えてしまいます。
スマホが起動中ずっと動かしていたいで
す。
Androidアプリでセンサとのデータ受信
今現在Androidアプリでbluetoothを扱お
うと考え触っていたのですが、詳しい仕
組みがわからず困っています。現在のサ
ンプルコードでは接続が確認されると乱
数が表示されるようになっています。
やりたいこと
Androidアプリにセンサーからデータを送
り、そのデータを表示する。
接続する機器を選択できるようにする。
過去に回答したQAサイトの質問 COS類似度が近くて、まだ回答されていな
いQAサイトの質問

31. 状況：広告文を考える時に文脈的に近そうな表現を知りたい。
アプローチ：テキストデータに対してPythonでMeCabによる形態素解析
GensimでWord2Vecを適用
任意の単語を入力し、文脈的に近いものを抽出
ご利益：
・大量のデータから、コンテクストの近そうな単語の上位を知れるので、広告文のアイデア出し
に使えるかもしれない。
（昔、サイバーエージェントさんがWord2Vecを広告文言の自動生成に適用していた論文を見
たことがあります）
Knock13：Word2Vec

32. コンテクストの近い単語を見てみよう！

33. 状況：蒙古タンメン中本の口コミの点数の分布を知りたい
アプローチ：PythonのBeautifulSoupを使い、タグを指定
口コミ点数と口コミのコメント情報を取得（紳士的に）
matplotlibで可視化
ご利益：
・手元にデータがなくても、インターネット上にあるデータをもとにマーケティングリサーチをす
ることが可能。
Knock14：Webスクレイピング

35. 状況：好きな商品が値引きになった時に購入したい。
アプローチ：PythonのSeleniumパッケージを利用
定期的にログイン
価格の情報を取得
一定の価格以下ならカード情報やフォームを自動で入力
決済完了後の画面をスクショで自動撮影
ご利益：
・フォームの入力などが必須のサービスでもいろいろ自動化できる。
※こちらも紳士的な頻度で。
Knock15：Selenium

36. 状況：分析終わったらレポートも欲しいなと言われる。
アプローチ：PythonのJupyter上でRISEパッケージを利用
jupyter notebookの1セルごとにスライドの指定ができる
指定は「見せる、独立して見せる、入れ子にして見せる、隠すなど」
指定して保存すればスライド完成
ご利益：
・分析しているjupyter notebookのソースコードをそのまま使ってスライド生成できるので、
分析＋スライド作成のツラミから、かなり解放される。
Knock16：スライド作成

39. ご静聴ありがとうございました！