In Soviet Russia,data understands you!

1. ソーシャルゲームでは、データが
ユーザーを理解する！
～Cheap&agile data mining～
久保 翔太

2. 自己紹介
 Semi-supervised learningの研究
 から逃げて引きこもったり
 最近一部上場した森タワーの会社とか
 昔一部上場してた元森タワーの会社とか
 の下っ端プログラマ
 データを眺めるのが本業より楽しかったのでキャリアチェンジ
 Chief data scentinst

3. 今日の話題
すごい技術の話、すごいモデルの話
一人部署でデータマイニングの業務を作った話
しません
おもしろかったデータの話
安くて早いデータ発掘の話
します

4. データの特徴
 全てプラットフォームのidに紐付いているので追跡可
能
 データの組み合わせが多い（カラム数 * テーブル3桁
くらい）
 全てチェックするのは無理 →特徴を競合よりたくさ
ん見つけたら勝ち
 量に関してはインフラの人が何とかしてくれているの
で処理の面倒さでは余り変わらない。むしろ質（行動
データの記録量）

5. モンティ・ホール問題より役に立つ話

6.  塔を登るイベント
 1階毎に扉が2～4個
 扉の答は決まっているので答えを共有できる
→一回目で間違える確率は？

7. 失敗確率がおかしい
2択で70%も 母数の割に収束しなさすぎる
間違えるのは
おかしい

8. 正解番号と失敗率
4
3
2
1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
1が答えの時だけ正解率が良い 1→1→1と3連続の時
＝連打で1から選んでいる

9. TL;DR
選択肢がある時は片っ端から開ける
次の階は前の階とは違う扉と考える
それ役に立つの？
「ウザい」設計にしたり逆にチョロくしたり

10. 競争心のはなし

11. イベントにはランキングに応じて報酬が
30位ならめちゃ良い物
50位ならけっこう良い物
100位ならそこそこ良い物
「イベントの報酬なんですが・・・どう思い
ますか？」→どうって言われても・・・

12. 競争している場
所（ポイントが
跳ね上がってる
point
0 50 100 150 200 250 300 350 400 450 500
rank
目的の順位に到達した後は
競争しなくなる

13. ランキングの最適化
50位で貰えてた物を100位でも貰えるようにする
ランク確定 ランク確定
消費
体力 競争 消費体力 競争
勝負しない 勝負しない
50人 100人

14. そこそこ成功

15. アーリーアダプターの話

16.  アプリBの事前登録（≒予約）ユーザーの半分が一年前のアプリAのユーザーと
被っていた
appA appB

17. アーリーアダプターでした
appA appB
重複ユーザーのうち25%がappAのリリース後5日以内に登録
役に立つの？→リリース直後のユーザー数の見積りと初期ユーザーの目的

18. アジャイルな話

19. 基本無料のゲームは入会初日で「半分より多
い」割合が辞める。
離脱、継続するファクターを意識して改善し
続ける必要がある
継続する→DAU増える→イベントがにぎわう
→売上増える→桶屋が儲かる

20. Id Page1のpv … Page255のpv 継続したか
123456 100 23 1
234567 21 2 0
（overfitしまくりの)決定木
最初のボス倒したユーザーの80%が継続
ならボスを倒しやすくしてみよう

21. 対象ユーザーの継続率が80→60%に
逆に倒し辛くしたら？（実験中）

22. イテレーションが大事
効果測定
自明な結果
問題定義 ファクターの発見 説明 施策適用
0.5h 6h 0.5h 1h
データ収集
3day

23. アジャイルな話2

24. 課金率が高い新規入会者が入ってきた
継続率も良い

25. Copyright©2011 givery, Inc. All
rights reserved.
ダブルスコアで
初期カードにかわいい系を選択
かつ課金先のほとんどがガチャ

26. 施策 結果
二倍の反応率

27. 発見から施策まで：
6時間

28. 人工人工知能によるパターン発見のはなし

29. Librato Metricsで捗る
 自分以外数字をみてくれない
 Cactiでグラフ描いた→失敗
 Phpmyadminで自分で見て→失敗
 Librato Metrics
 APIに値投げるだけ
 安い。1プロット$0.000002 ！
 パーマリンクも貼れる
 スクリーンショットも貼れる
 2010年代のオシャレっぽさ

31. 数えられるくらいの量なら人間に
パターン発見やらせたほうが高性能

32. 飽きそうなユーザーを
セグメント分けした話

33. 主成分分析
Id 1月ガチャ課金 … 7月ガチャ課金 総額
123456 100 23 200
234567 21 2 50
「飽きつつあるユーザー」「最近課金しつつあるユーザー」「コンスタント」
などで説明できる主成分に

34.  [2012/07/05 17:34:17] 翔太 久保
 [2012/07/05 17:34:20] 翔太 久保: に置きました
 [2012/07/05 17:34:51] 翔太 久保: god.txtとい
うのが元のデータで
 [2012/07/05 17:35:15] 翔太 久保: プレイヤーid
ガチャ12001を回した回数 ・・・・ 12006 合
計回数 というフォーマットになっています
 [2012/07/05 17:36:18] 翔太 久保: これを主成分
分析なる物にかけると、元のガチャ6種類+合計
の軸が 主成分なる謎の軸で表現できるように
なります。これを図で示したのがpngの画像で
す
 [2012/07/05 17:37:40] 翔太 久保: 例えば主成分
2は合計額が多くて、12001の回数が多くて、
他、特に12006が少ない人という意味なので、
人間の言葉で表すと「昔はよかった」と言えそ
うです
 [2012/07/05 17:38:47] 翔太 久保: 右の表を見
て、昔は・・・のスコアが高い人は今日みた様
な、1月に課金しまくって合計額も多いけど、今
はやってない人の群になります。
 [2012/07/05 17:39:05] 翔太 久保: ちなみに一番
スコア高いのは今日みた *****さんです
 [2012/07/05 17:39:08] 翔太 久保: ・・・という
 [2012/07/05 17:39:15] 翔太 久保: 説明下手なも
ので・・
 [2012/07/05 17:40:03] 翔太 久保: 図を見ると主
成分2と3の2軸を使うと3群くらいに分類できそ
うな感じですよね。
 [2012/07/05 17:41:14] 翔太 久保: なので主成分
2のスコアが高いユーザーを集めると「最近課金
してくれないユーザー群」
 [2012/07/05 17:42:09] 翔太 久保: 主成分3は
「ここ数カ月でたくさん課金してくれるユー
ザー群」になるので、さらに集計するなり直で
カムバックメッセージ送るなり、でしょうか活
用するとしたら

35. 簡単な方法ならそれが一番
 Facebookでデータサイエンティストとして働いている人の
ブログより： Effectively answering questions is where
technical skills become important. It's easy to get
caught up in fancy algorithms and methods, but those
approaches are usually premature optimizations. The
best answers are 1) cheap and 2) easy to explain.

36. その他
Apache pig+amazon EMRと10行のスクリ
プトで一年分のログを100円で集計できた話
相関ルールでキャラクター属性のカテゴラ
イズ
シンプルなモデルでDAUを予測できた話
チーターを検出した話