Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]

Confidential & Proprietary
井原渉
Social GAME における AI 活用事例
GCP を活かした AI システム裏の裏（=表）
澪標アナリティクス株式会社　代表取締役社長

©Miotsukushi Analytics Inc. 2018, All rights reserved.
この業界での豊富な経験と実績に基づいた
コンサルティングをご提供する事を
お約束いたします
会社概要

©Miotsukushi Analytics Inc. 2018, All rights reserved.©Miotsukushi Analytics Inc. 2018, All rights reserved.
会社概要
会社名
代表取締役
顧問
所在地
事業内容
URL
：
：
：
：
：
：
澪標アナリティクス株式会社
井原　渉
栗原　聡（慶應義塾大学教授）
東京都中央区日本橋茅場町1丁目10-8 グリンヒルビル6階
データ分析に関する各種事業
アドバイザリーサービス
教育研修
分析組織・IT基盤構築
分析官派遣
受託分析・AI開発
http://www.mioana.com

代表者の紹介
代表取締役社長井原　渉（シニアコンサルタント）
大学在学中に外資系コンサルティング会社の日本法人を設立。
老舗中堅ゲーム会社にて分析部門の立上げにリーダーとして参画し、データマイ
ニング、分析体制構築、新規事業立ち上げを担当すると同時に、大学の研究セン
ターにおいてもアクセスログに関するデータマイニングの応用論を研究。
その後、東証1部上場企業にてシニアコンサルタントとして国内大手通信事業会社
におけるゲームやその他デジタルサービスのデータ分析・KPI設定・分析基盤構築
に従事。
澪標アナリティクス株式会社を設立した後も、大手自動車メーカーをはじめ幅広い
業種にて分析コンサルティングや分析基盤構築、分析組織構築、レコメンドシステ
ム、AI開発を行う。
データマイニング応用論と流体シミュレーションを研究している。
※講演実績：九州工業大学、関西大学、AWSソリューションDAYS、Google各種イベント、
　オンラインゲームカンファレンス、吹田市公益活動センター等多数
監修書籍・記事掲載雑誌等

統計学・最適化計算・人工知能を専攻し習得した
集団、教員、研究者を用いて
統計学的、数学的な観点でデータ分析を行い
“お客様の事業においての価値”を見出すことができる
国内でも唯一のサービスを保持しております
澪標アナリティクスの強み
事業に必要な価値
お客様の
ビッグデータ
文部科学省・経済産業省・総務省経由での共同研究等を通じ
以下の大学との共同プロジェクト経験を持っております。
主な共同研究先（研究終了を含む）
国立電気通信大学
国立北海道大学
国立東京海洋大学
国立東京大学
国立京都大学
国立九州工業大学（教員を現任）
私立早稲田大学
私立関西大学
データマイニング応用研究センター（文部科学省戦略的研究基盤形成支援）
データサイエンス研究センター（文部科学省戦略的研究基盤形成支援）
情報通信研究機構
大学・研究室の得意不得意を理解した上で
共同研究・開発・プロジェクト推進における
もっとも適した大学・研究室
選出・依頼・プロジェクトマネージメントを実施
データ
マイニング
人工知能
統計学
数理
最適化

主な取引先（敬称略、順不同）
株式会社NTTデータ数理システム
株式会社システム計画研究所
リクルート
コミュニケーションズ
手自動車
メーカー
運送会社監査法人
パナソニックアドテクノロジー
広告代理店不動産会社公共団体
メガバンク

ソーシャルゲーム業界におけるデータ分析
Before 澪標アナリティクス
After 澪標アナリティクス

●分析ソフトウェアの一般的な営業トーク
○ 予測分析を実施する事で売上が 0.5%～3% 程度改善する
○ 売上規模の大きいビジネスでは上記の『小さな』改善であっても十分にROI
が出るため、予測分析を実施する価値がある
●小さな売上のタイトルだとROIが…
予測分析業界一般論

● 売上のピークはリリース直後（初回キャンペーン）にやってくる
● その後のキャンペーンでも初月ピークに届く事はない（稀）
● 初月が大事
● 初月
● 初月
● 初月
● 初月
リリース後の売上推移イメージ
※あくまでもイメージであり、特定企業様の株価データでは…はっ
Before 澪標：ソーシャルゲーム業界一般論

分析開始
分析をゲーム施策に活用する事で売上を3.5倍にする事に成功
ゲームリリース直後のピーク売上から見ても売上が増加している
After 澪標：とあるタイトルの分析後の売上

● ソーシャルゲームの売上は初月の売上がピークではない
● 分析を施策に反映する事で初月売上の数倍まで売上を増や
せる
➢ 本日のテーマはここじゃないので、
ご興味をお持ちいただいた方は後ほどお声かけ下さい。
AFTER　澪標アナリティクス

開発事例
1. AIカタログ校正
2. AI WEB校正
3. AI最適化レコメンド
4. AI A/Z テスト for Banner
5. AI CXジャーニーモデリング
6. AIチラシ広告最適化
7. AI退職・メンタルヘルスリスクチェッカー
8. AI監査システム
9. AIお客様カルテ
10. AIコミュニケーションチャット
11. AIコンシェルジュダッシュボード
12. AI 価格、需要シミュレーター
13. AI 機器故障・トラブル予測
14. AIマニュアル検索支援
15. FAQ閲覧支援システム
16. 自動分析システム
17. 画像評価システム
18. シフト最適化
19. 自動要約
20. 書類選考自動化システム
21. 需要予測

データ分析の定義と運用環境（前説）

データ分析とは
何らかの目的を持って表現
された文字、符号、数値の群
「見ること」「知ること」が
データ分析と言われていることがある
データの収集後、
分類、整理、成型、取捨選択をした上で
「予測し最適化する」ことがデータ分析である
調査・報告レベル
価値の
ある意味
分析・予測レベル

ソーシャルゲーム業界の共通点
データの収集後、
分類、整理、成型、取捨選択をした上で
「予測し最適化する」ことがデータ分析である
価値の
ある意味
分析・予測レベル
ゲームログにまつわるお話
大量に吐き出される行動ログ
開発会社毎に異なるゲームログ
保存場所、保存状態がその都度違う
重要なデータに限って存在しない
ある日のログだけ消えている（データの欠損）
ある日突然格納されるべきデータが変わっている
TARで固めたデータを戻すのに1日かかる
等等
分析インフラは上記の課題を解決できる環境が必須となる

データ分析のレベル
レベル目的手段分析内容必要人材ツール
LV1
サービスの目標・状況を
数値に置き換えて説明
KPIレポーティング登録者数、利用率、継続率、
課金率、ARPU、属性別等の情
報を取得
KPIを理解し、
活用できる人材
KPI取得
システム
LV2
ユーザやサービスの
現状に合った施策を実施
詳細KPI追加アイテム・イベントの状況、
ＬＴＶ
顧客セグメント別等の情報を取
得
サービスにあった
KPI設計ができる人
材
ＤＢ
ＢＩツール
LV3
ユーザ単位で最適化多変量解析ユーザ単位で効果検証や
パラメーターの設定等
アナリストデータウェアハウス
マイニングツール
LV4
ユーザやサービスを予測
仮説が作れない状況での分析
データマイニング優良顧客見込の発掘、
売上予測など
仮説を持たずに分析を行う
データ
サイエンティスト
「データ分析」は取組む難易度により、大きく４つのレベルに分類することができる。

レベル手段１段階２段階３段階
LV1
KPIレポーティング毎日１回KPIを更新複数回、KPIを更新リアルタイムに集計
LV2
詳細KPI追加全体向けに決まった
集計軸で状況を把握
職種ごとに決まった
自由に集計軸を変更可能
LV3
多変量解析ログインや課金などの
主な情報だけで
分析を実施
ログやユーザDB、タップや
角度などの情報も活用
自動で結果を出力可能
ゲームにロジックが組み込む
LV4
データマイニング決定木、回帰などツールで容易
に実施
手法で分析を実施
ベイズやDeep Learning
などで分析を実施
分析レベル別の深化（１／２）
　同じデータ分析レベルでも取組みの深さ（活用方法）が異なる。

レベル手段１段階２段階３段階
LV1
KPIレポーティング毎日１回KPIを更新複数回、KPIを更新リアルタイムに集計
LV2
詳細KPI追加全体向けに決まった
職種ごとに決まった
自由に集計軸を変更可能
LV3
多変量解析ログインや課金などの
主な情報だけで
分析を実施
ログやユーザDB、タップや
角度などの情報も活用
LV4
データマイニング決定木、回帰などツールで容易
に実施
手法で分析を実施
ベイズやDeep Learning
などで分析を実施
今の環境
取組みの深さごとに必要なツールが異なる。それぞれにマッチしたツールを適切に利用する必要がある。
【凡例】
DB Amazon
Web Services

GCPを使ったAI自動分析システム
解きたい課題

ROASの時代！の課題
●Life Time Valueは一か月経過しないと測定できない
○ ⇒PDCAが回らない
●ROASの計算式の限界
○ 100万円を使って100,000人のユーザーを獲得
○ 1,000人が1,000円課金 ROAS100%
○ 1,000人のユーザーの内1人が1,000,000円課金 ROAS100%
狙うべきはこっち！

偶然課金したユーザーを集めてどうする？
●何かの偶然で課金してしまったユーザー…
○ GoogleさんにIDFAを渡してターゲティング
○ 類似行動、類似属性ユーザーに対してターゲティング
広告！
●結果：
○ インストールはするが、課金はしない… orz
ディスプレイ広告
ターゲティング無し
IDFAターゲティング
課金者のみ

まとめ
●3日、7日の行動で課金率を予測する！
●偶然課金しただけのユーザーはきちんと選別して
IDFA広告のターゲットにする
●どうやって？？？？？

GCPを使ったAI自動分析システム
解決の方法

MIO自動分析　分析メニュー例
澪標のゲーム分析（テーラーメイド）の中から、汎用的かつ実施ROIの高い手法をAI
技術を内包した自動分析システムとして実装
企画者・マーケティングの方自ら実行するだけで、結果を簡単に自動出力可能
　分析項目　目標KPI
　１. インストール3日継続者の7日継続率と要因　7日継続率
　２. インストール7日継続者の14日継続率と要因　14日継続率
　３. 今週既存ユーザーの翌週離脱率と要因　WAU
　４. 今月既存ユーザーの翌月離脱率と要因　MAU
　５. インストール7日継続者の30日以内課金率と要因　課金経験率
　６. 今月既存ユーザーの翌月課金率と要因　課金率
　７. 今週復帰したユーザーの継続確率と課金率　MAU/課金率
2018/5/21

自動分析による実現施策例2 （企画・開発・広告）
user_id 課金転換率
1015633 98.7%
1009061 98.5%
1005742 96.7%
1012333 96.3%
1049507 95.2%
… …
1023384 3.5%
1052469 2.6%
1005634 2.1%
1001966 1.9%
1030477 1.9%
1040648 1.9%
ユーザリストを出力
インストール7日後継続ユーザーの
30日以内課金転換率予測
分析内容：
AIにより、対象ユーザ一人ひとりの継続率・課金率を予測
表示形式（グラフ）：
予測した指標の高低によりユーザを5～10セグメント程度に分割し、
ユーザ数を棒グラフで表示
表示形式（ユーザリスト出力）：
各ユーザのIDと予測さ指標をcsv形式にて出力
活用方法：
１．KPI実績変動前に予測値よりユーザの変化をキャッチ
２．予測された指標を用いた1to1マーケティングの実施
３．予測と実績を比較した振り返りPDCA分析
活用例（分析から理解できる内容）：
課金転換率が高く予測されているユーザの所持カードを検索
→所持率の低いカードを目玉商材にした企画を実施
離脱率が高く予測されているユーザを特定
→状況を把握し、離脱前に手を打つ
→Googleさんに高角度で課金転換すると想定される
対象データを渡してターゲティング!（ここで偶発課金ユーザーを除外する）

自動分析による実現施策例3 （広告）
user_id 課金転換率
1015633 98.7%
1009061 98.5%
1005742 96.7%
1012333 96.3%
1049507 95.2%
… …
1023384 3.5%
1052469 2.6%
1005634 2.1%
1001966 1.9%
1030477 1.9%
1040648 1.9%
ユーザリストを出力
インストール7日後継続ユーザーの
30日以内課金転換率予測
お題：
休眠顧客を復帰させて、復帰後長く遊んでもらいたい
かつ、復帰後課金するユーザーを特定したい
広告手法：
IDFAベースの広告
課題：
休眠ユーザー全IDFAに広告を投下
戻ってきてくれるがすぐ離脱するユーザーが多く
コスパが悪い
分析内容：
休眠顧客のデータから、
復帰後1か月以上遊んでくれるIDFAを特定
かつ課金確率が高いIDFAを特定

Why GCP
REDSHIFTでは捌ききれないデータ量
同時ユーザーアクセスした瞬間に爆遅にな
るパフォーマンス
開発会社様にはログデータを余り意識せ
ず、ログ置き場としてBig Queryにデータを貯
めてもらうほうが楽（個別交渉）
置いてもらったデータをBigQueryの暴力で必
要中間テーブルに変換できる！
銀の弾丸はない！
金の弾丸で解決！
BigQuery
Amazon
Web Services

We will do our BEST.
お問合せは
澪標アナリティクス株式会社
井原　渉　ihara@mioana.com
秋山　泉　i.akiyama@mioana.com

Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]

Ähnlich wie Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps] (20)

Mehr von Google Cloud Platform - Japan

Mehr von Google Cloud Platform - Japan (20)

Kürzlich hochgeladen

Kürzlich hochgeladen (8)

Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]