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.
1
リアルタイムデータを
活用したインターネットユーザー
へのアプローチ
2015.12.9 @acrovision 菊池佑太
2
10.7 の謝罪
3
➢DSP / DMP
DirectResponse
Retargeting
CPC / CPA
4
今日の目的
PageView Up
Sales Up
CTR,CVR Up
5
One to One
出典元 : http://gunosy.com
6
Data 活用事例
7
Marketing & Enginnering
8
QUESTION
興味を持った 2015 年の
News は?
9
A. ラグビー W 杯
出典元 :http://cyclestyle.net/
10
B. 火花 芥川賞
出典元 :http://www.itmedia.co.jp/
11
C. Green500 で 1 位
出典元 :http://www.riken.jp/
12
D. 福山ショック ...
出典元 :http://www.toushin-1.jp/
13
A. ラグビー W 杯
1. 興味なし
2. テレビ観戦
3. 五郎丸?
4.YAMAHA
5. バイク
6.TW225 Ad
14
15
脳内を Scan する
( したい )
16
Communication
17
扱うデータ
Web 行動履歴
位置情報
etc ...
18
RealTime の重要性
19
Tencent引用 :http://net.pku.edu.cn/~cuibin/Papers/2015SIGMOD-tencentRec.pdf
20
Tencent引用 :http://t.co/aJ64XZujoA
increased
performance
about 37%
21
経過時間
興味の強さ
興味の強さと時間の関係
22
経過時間
興味の強さ
興味の強さと時間の関係
3min
24hour
48hour
※ インターネット広告における CTR の事例
23
興味は短期 / 長期
短期の減衰率
24
顕在的
潜在的
25
EcoSystem
Internet User
Log
Recommend Engine
DataList Mail
26
Log(History Tag)
出典元 :http://shop-list.com/
27
3 つの重要指標
28
Purchase Funnel
Recency
Frequency
Re
Pu
Fr
29
出典元 :http://o2ointeractive.com/
Purchase Funnel
30
Awareness
in-stream
引用 :http://shop-list.com/ 出典元 :http://youtube.com/
31
Top, Detail, Cart ...
Awareness 以降の話
出典元 :http://shop-list.com/
Recommend Engine
Recency,Frequency
32
EcoSystem
Internet User
Log
Recommend Engine
DataList Mail
・ Purchase Funnel
・ Recency
・ Frequency
・ Frequency
33
Marketing & Enginnering
34
Data Store
Machine Learning ?
Result Reference
35
KVS
性別・年代推定
Term Rec
位置情報
36
出典元 :http://japan.zdnet.com
37
Cookie-ID
IDFA,AAID
Login-ID※SmartPhone 、人を中心に考える場合
38
出典元 : http://headlines.yahoo.co.jp
Login-ID
39
出典元 1. : http://www.criteo.com/media/1036/cross-device-advertising-criteo-sep-2014.pdf
出典元 2. : http://adtruth.com
Cros...
40
ID 統合管理
KVS の構築
41
KVS Data Structure
{ AEBE52E7-03EE-455A-B3C4-E57283966239 :
{ Gender : { 'Male' : 90, 'Female' : 10 } },
{ Age : { '20-...
42
ID Mapping
{ AEBE52E7-03EE-455A-B3C4-E57283966239 :
=> [
139bfe7174713996c03f60fe795e1f1,
b8dea6d7d3dd1b0e661dad8d77db0...
43
EcoSystem
Internet User
Log
Recommend Engine
DataList Mail
KVS
DataStorage
44
KVS
性別・年代推定
Term Rec
位置情報
45
46
Machine Learning ?
Batch
47
未知への拡張
20%
50%
20%
48
豊富な ID,
正解データが必要
49
ID に紐付いた
検索 Log
50
条件付き確率
P( 男 | ガンダム ) = 0.8
P(20 代 | 新卒 ) = 0.6
51
訓練
推定
評価
52
正解 : {KW : 回数 }
男性 : { ガンダム : 5 , AC ミラン : 8 }
女性 : { 化粧水 : 2 , 日焼け止め : 7 }
・
・
・
53
$nb = new NaiveBayes();
// iteration
$nb->add_instance( 'label' => ' 正解 ',
'attributes' => 'KW : 回数 ' );
$nb->train();
54
訓練
推定
評価
55
未知 : {KW : 回数 }
? : { ガンダム : 3 , シャア : 2 }
・
・
・
56
// iteration
$res = $nb->predict( 'attributes'
=> 'KW : 回数 ' );
foreach($res as $label => $p) {
echo $label . "t" . $p ...
57
推定確率を
KVS へ格納
58
訓練
推定
評価
59
Balance
精度
拡張量
{ 精度 : 70%, 拡張量 : 30% 増 }
60
KVS
性別・年代推定
Term Rec
位置情報
61
62
Machine Learning ?
RealTime
63
Relevancy
Internet User Contents
Score?
64
Term
直接的な関連
65
Data Store
Internet User
Contents Server
Search Server
Worker
Worker
Worker
Worker
KVS
KVS
URL
Query
ID,URL
ID,Query
ID...
66
Data Store
Event 発生
形態素解析 ,TF/IDF 計算
重要な Term を KVS に保存
67
Result Reference
Internet User
Recommend Engine
DataList Mail
KVS
DataStorage
ID Event/Term
Contents/Weight
Contents
Co...
68
Result Reference
KVS から Term を引く
Term を基に Contents を引く
Event,Term による重み
69
Category Matching
Term => Category
70
Wikipedia Category
https://ja.wikipedia.org/wiki/Wikipedia:%E3%83%87%E3%83%BC%E3%82%BF%E3%83%99%E3%83%BC
%E3%82%B9%E3%8...
71
Tencent Rec(Storm)
Realtime Data Stream
Scalability
Fault-Torerant
...
72
KVS
性別・年代推定
Term Rec
位置情報
73
74
Machine Learning ?
Batch or 不要
75
場所に関する
Contents 配信
76
生活圏の特定
今後注目
77
GPS
Beacon
wif
78
Result Reference
Internet User
Recommend Engine
DataList Mail
KVS
DataStorage
ID,GPS(Lat,Lng)
Lat,Lng => Address
Conten...
79
蓄積された Lat,Lng
80
頓挫した orz
81
ハードル高
出典元 : http://maps.google.com
82
まとめ
83
RealTime の重要性
84
3 つの重要な指標
85
KVS
ID 統合管理
86
正解データを利用し
た属性推定
87
位置情報データ
( 失敗 )
88
Term の Relevancy
による Reco
Upcoming SlideShare
Loading in …5
×

リアルタイムデータを活用したインターネットユーザーへのアプローチ

601 views

Published on

2015.12.09@acrovision

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

リアルタイムデータを活用したインターネットユーザーへのアプローチ

  1. 1. 1 リアルタイムデータを 活用したインターネットユーザー へのアプローチ 2015.12.9 @acrovision 菊池佑太
  2. 2. 2 10.7 の謝罪
  3. 3. 3 ➢DSP / DMP DirectResponse Retargeting CPC / CPA
  4. 4. 4 今日の目的 PageView Up Sales Up CTR,CVR Up
  5. 5. 5 One to One 出典元 : http://gunosy.com
  6. 6. 6 Data 活用事例
  7. 7. 7 Marketing & Enginnering
  8. 8. 8 QUESTION 興味を持った 2015 年の News は?
  9. 9. 9 A. ラグビー W 杯 出典元 :http://cyclestyle.net/
  10. 10. 10 B. 火花 芥川賞 出典元 :http://www.itmedia.co.jp/
  11. 11. 11 C. Green500 で 1 位 出典元 :http://www.riken.jp/
  12. 12. 12 D. 福山ショック ... 出典元 :http://www.toushin-1.jp/
  13. 13. 13 A. ラグビー W 杯 1. 興味なし 2. テレビ観戦 3. 五郎丸? 4.YAMAHA 5. バイク 6.TW225 Ad
  14. 14. 14
  15. 15. 15 脳内を Scan する ( したい )
  16. 16. 16 Communication
  17. 17. 17 扱うデータ Web 行動履歴 位置情報 etc ...
  18. 18. 18 RealTime の重要性
  19. 19. 19 Tencent引用 :http://net.pku.edu.cn/~cuibin/Papers/2015SIGMOD-tencentRec.pdf
  20. 20. 20 Tencent引用 :http://t.co/aJ64XZujoA increased performance about 37%
  21. 21. 21 経過時間 興味の強さ 興味の強さと時間の関係
  22. 22. 22 経過時間 興味の強さ 興味の強さと時間の関係 3min 24hour 48hour ※ インターネット広告における CTR の事例
  23. 23. 23 興味は短期 / 長期 短期の減衰率
  24. 24. 24 顕在的 潜在的
  25. 25. 25 EcoSystem Internet User Log Recommend Engine DataList Mail
  26. 26. 26 Log(History Tag) 出典元 :http://shop-list.com/
  27. 27. 27 3 つの重要指標
  28. 28. 28 Purchase Funnel Recency Frequency Re Pu Fr
  29. 29. 29 出典元 :http://o2ointeractive.com/ Purchase Funnel
  30. 30. 30 Awareness in-stream 引用 :http://shop-list.com/ 出典元 :http://youtube.com/
  31. 31. 31 Top, Detail, Cart ... Awareness 以降の話 出典元 :http://shop-list.com/ Recommend Engine Recency,Frequency
  32. 32. 32 EcoSystem Internet User Log Recommend Engine DataList Mail ・ Purchase Funnel ・ Recency ・ Frequency ・ Frequency
  33. 33. 33 Marketing & Enginnering
  34. 34. 34 Data Store Machine Learning ? Result Reference
  35. 35. 35 KVS 性別・年代推定 Term Rec 位置情報
  36. 36. 36 出典元 :http://japan.zdnet.com
  37. 37. 37 Cookie-ID IDFA,AAID Login-ID※SmartPhone 、人を中心に考える場合
  38. 38. 38 出典元 : http://headlines.yahoo.co.jp Login-ID
  39. 39. 39 出典元 1. : http://www.criteo.com/media/1036/cross-device-advertising-criteo-sep-2014.pdf 出典元 2. : http://adtruth.com Cross Browser/Device Solution
  40. 40. 40 ID 統合管理 KVS の構築
  41. 41. 41 KVS Data Structure { AEBE52E7-03EE-455A-B3C4-E57283966239 : { Gender : { 'Male' : 90, 'Female' : 10 } }, { Age : { '20-' : 80} }, { Interest : [ { 'WebTech' : 100 }, { 'Car' : 70} ] }, { Address : [ { '2015-12-09 20:00:00' : { 'ikebukuro' : 1 } }, …. ] }, { LatLng : [ {'2015-12-09 19:30:00' : { '35.729848, 139.711929': 1 } } …. ] }, { Query : [ {'2015-12-09 19:50:00' : { 'realtime': 2 } }, …. ] }, { PageView : [ {'2015-12-09 19:40:00' : '/acrovision': 3}, …. ] } } ※ モバイル広告 ID が Key の例
  42. 42. 42 ID Mapping { AEBE52E7-03EE-455A-B3C4-E57283966239 : => [ 139bfe7174713996c03f60fe795e1f1, b8dea6d7d3dd1b0e661dad8d77db0df, 0Eab762191fd7de880a0217a2ed5fa1, 7D2817304c3453b3e02c500f4135fb9, 5f1068e3956791873ecd289f87f831c ] }   双方向での紐付け ※ モバイル広告 ID が Key,Value は CookieID の配列
  43. 43. 43 EcoSystem Internet User Log Recommend Engine DataList Mail KVS DataStorage
  44. 44. 44 KVS 性別・年代推定 Term Rec 位置情報
  45. 45. 45
  46. 46. 46 Machine Learning ? Batch
  47. 47. 47 未知への拡張 20% 50% 20%
  48. 48. 48 豊富な ID, 正解データが必要
  49. 49. 49 ID に紐付いた 検索 Log
  50. 50. 50 条件付き確率 P( 男 | ガンダム ) = 0.8 P(20 代 | 新卒 ) = 0.6
  51. 51. 51 訓練 推定 評価
  52. 52. 52 正解 : {KW : 回数 } 男性 : { ガンダム : 5 , AC ミラン : 8 } 女性 : { 化粧水 : 2 , 日焼け止め : 7 } ・ ・ ・
  53. 53. 53 $nb = new NaiveBayes(); // iteration $nb->add_instance( 'label' => ' 正解 ', 'attributes' => 'KW : 回数 ' ); $nb->train();
  54. 54. 54 訓練 推定 評価
  55. 55. 55 未知 : {KW : 回数 } ? : { ガンダム : 3 , シャア : 2 } ・ ・ ・
  56. 56. 56 // iteration $res = $nb->predict( 'attributes' => 'KW : 回数 ' ); foreach($res as $label => $p) { echo $label . "t" . $p . "n"; } // 男性 : 0.878 // 女性 : 0.122
  57. 57. 57 推定確率を KVS へ格納
  58. 58. 58 訓練 推定 評価
  59. 59. 59 Balance 精度 拡張量 { 精度 : 70%, 拡張量 : 30% 増 }
  60. 60. 60 KVS 性別・年代推定 Term Rec 位置情報
  61. 61. 61
  62. 62. 62 Machine Learning ? RealTime
  63. 63. 63 Relevancy Internet User Contents Score?
  64. 64. 64 Term 直接的な関連
  65. 65. 65 Data Store Internet User Contents Server Search Server Worker Worker Worker Worker KVS KVS URL Query ID,URL ID,Query ID,URL ID,Event,Term ID,Event,Term
  66. 66. 66 Data Store Event 発生 形態素解析 ,TF/IDF 計算 重要な Term を KVS に保存
  67. 67. 67 Result Reference Internet User Recommend Engine DataList Mail KVS DataStorage ID Event/Term Contents/Weight Contents Cosine Sim
  68. 68. 68 Result Reference KVS から Term を引く Term を基に Contents を引く Event,Term による重み
  69. 69. 69 Category Matching Term => Category
  70. 70. 70 Wikipedia Category https://ja.wikipedia.org/wiki/Wikipedia:%E3%83%87%E3%83%BC%E3%82%BF%E3%83%99%E3%83%BC %E3%82%B9%E3%83%80%E3%82%A6%E3%83%B3%E3%83%AD%E3%83%BC%E3%83%89
  71. 71. 71 Tencent Rec(Storm) Realtime Data Stream Scalability Fault-Torerant ...
  72. 72. 72 KVS 性別・年代推定 Term Rec 位置情報
  73. 73. 73
  74. 74. 74 Machine Learning ? Batch or 不要
  75. 75. 75 場所に関する Contents 配信
  76. 76. 76 生活圏の特定 今後注目
  77. 77. 77 GPS Beacon wif
  78. 78. 78 Result Reference Internet User Recommend Engine DataList Mail KVS DataStorage ID,GPS(Lat,Lng) Lat,Lng => Address Contents Contents Address Matching
  79. 79. 79 蓄積された Lat,Lng
  80. 80. 80 頓挫した orz
  81. 81. 81 ハードル高 出典元 : http://maps.google.com
  82. 82. 82 まとめ
  83. 83. 83 RealTime の重要性
  84. 84. 84 3 つの重要な指標
  85. 85. 85 KVS ID 統合管理
  86. 86. 86 正解データを利用し た属性推定
  87. 87. 87 位置情報データ ( 失敗 )
  88. 88. 88 Term の Relevancy による Reco

×