機械学習をWebメディアに使って効率的な運営を目指してみてる

1. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017
Machine Learning 15 minutes!
とあるデザイン会社の中の人にとってのA.I.｜2017.5.27
2017/5/27 版
May.27 the A.I. be with YOU

2. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 自己紹介
1
伊藤 要介
株式会社 ビジネス・アーキテクツ 事業開発部 部長
＜プロフィール＞
日本大学芸術学部デザイン学科プロダクトデザインコース一期生
在籍時にNHKの子供番組の制作、モーニング娘。などH!Pやアーティストの制作に携わ
る。
卒業後IBM子会社にてインフラ技術に携わったのち、SNSのサービス立ち上げ、サー
ビス運用に携わる。
携帯電話の従量課金当時に携帯電話向けWebサービス立ち上げや、大規模CRMソ
リューション設計・構築をきっかけに、
Webマーケティング、データマーケティングに入り込む。
モバイル端末向けアクセス解析サービスの立ち上げ、責任者として、
4,600万台の行動をリアルタイムに分析し、データを提供。
4,600万台のリアルタイムデータを元に個々の行動の最適化とRTBを組み合わせたサー
ビスにて、Google、Yahooを始め、各種広告プラットフォームの中で最も高いCTR、
CVRを創出。
その後ビッグデータ系企業プラットフォームの設計、開発に携わった後、制作会社の
中の人とのなって、クリエイティブと触れる人の関係をデータで見出した先にある何
かを追いかけて今に至る。

3. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 なぜA.I.に足を突っ込んでいるの？
2
•プロダクトデザイン＝工業デザイン＝大量生産
– マーケットのニーズとのマッチング＝モノ・コト・コノミ・コストとのマッチング

4. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 なぜA.I.に足を突っ込んでいるの？
3
•映像制作⇨コンテンツ制作⇨配信
– マーケットのニーズとのマッチング＝モノ・コト・コノミ・コストとのマッチング

5. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 なぜA.I.に足を突っ込んでいるの？
4
プロダクトデザイン
も
映像制作も一緒？

6. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 なぜA.I.に足を突っ込んでいるの？
5
•モノを知る
– モノとコストの把握＝：SIer
•コトを知る
– コトとコストの把握＝：Servicer
•コノミを知る
– コノミとコストの把握＝：Marketer

7. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 なぜA.I.に足を突っ込んでいるの？
6
反応者・購買者＝直感？
クリエイター＝直感？

8. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 なぜプログラマでないのにココに居るか
7
クライアントに対しては
クリエイティブのエビデンスがあった方がいい？
⇩
エビデンスって？
・
・
・
⇩
データ：Designer

9. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 改めてのメディア運営
8
http://money-goround.jp/
“マネー”コンテンツを発信する
オリジナル情報ウェブメディア
AVERAGE PV/Q AVERAGE UU/Q

10. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 メディアの分析～効率的な利益構造へ：P～D
9
記事執筆コストと売上（広告収益）の分析～仮説
0.0
2.0
4.0
6.0
8.0
0
500000
1000000
1500000
2000000
16Q1 16Q2 16Q3 16Q4
該当Q新規投稿記事PV 該当Q外投稿記事PV 新規記事平均掲載本数/日
¥-
¥200,000
¥400,000
¥600,000
¥800,000
¥1,000,000
¥1,200,000
¥-60.00
¥-50.00
¥-40.00
¥-30.00
¥-20.00
¥-10.00
¥-
16Q1 16Q2 16Q3 16Q4
売上/過去記事PV 売上/新規記事PV Ads売上
1記事あたりのコスト⇨５割５分減
広告収益⇨３.５倍
日次記事投下本数⇨２割５分減
PV⇨４.１倍
新規記事投下本数PV
広告収益コスト

11. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017
0.0
2.0
4.0
6.0
8.0
0
500000
1000000
1500000
2000000
16Q1 16Q2 16Q3 16Q4 17Q1
該当Q新規投稿記事PV 該当Q外投稿記事PV 新規記事平均掲載本数/日
¥-
¥200,000
¥400,000
¥600,000
¥800,000
¥1,000,000
¥1,200,000
¥-60.00
¥-50.00
¥-40.00
¥-30.00
¥-20.00
¥-10.00
¥-
16Q1 16Q2 16Q3 16Q4 17Q1
売上/過去記事PV 売上/新規記事PV Ads売上
メディアの分析～効率的な利益構造へ：C～A
10
利益貢献最大化へ
1記事あたりのコスト⇨６割７分減⇨更に１割以上減
広告収益⇨３倍⇨微減
日次記事投下本数⇨４割減⇨更に１割５分減
PV⇨４.３倍⇨微増
新規記事投下本数PV
広告収益コスト

12. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 コミュニケーション設計としての機械学習化
11
PVを増やすためになにをする？
テーマは
コミュニケーション設計⇨体験設計へのチャレンジ

13. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 Botへのチャレンジ：背景
12
顧客接点の変化に合わせた体験設計のチャレンジ
検索エンジン⇨SEO⇨SNS/キュレーション⇨Bot
対話型コミュニケーション体験へのチャレンジ
Apple Siri
Amazon Echo
Bot＋マネーゴーランドコンテンツ＋AI（機械学習）
Web上に蓄積された情報と対話型で接触できる体験

14. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 Botへのチャレンジ：作ってみた
13
IBM Watsonを用い、
消費者の興味関心の分析を対話により引き出し、分析
最適な記事を提案・提供
対話 診断 レコメンド

15. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 Botへのチャレンジ：課題とか
14
やってみて感じた課題
 学習データが重要で、作るのが大変
 データを作る人が一番詳しくなるやつ ・プラットフォーム側の仕様変更への追随が大変
 Dialogで作ってたら廃止されConversationに移行した
 Facebookの審査におけるコミュニケーションが大変
 何度も審査落ちし、提示した動画資料を見てもらえていなかった
 Facebookというプラットフォームにいる人の特性
 結局使ってくれるのはプラットフォームを使っている人なんだよね

16. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 マーケットトレンドへのチャレンジ：背景
15
Twitterをはじめ、SNS流入が50%以上のPVを醸成
SNSとのコミュニケーション向上で更に効果が出る方法はないか
Growthするワードには顧客理解が重要なポイント
多種多様な趣味嗜好性で使われるワードの把握が困難
SNS上の話題を即時AI（機械学習）分析
＋
マネーゴーランドコンテンツ＋自動AI（機械学習）投稿
SNS上のトレンドにマッチするコンテンツを編集部にリコメンド
ワードをSNS上の文脈や類義語で、自コンテンツとマッチング

17. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 マーケットトレンドへのチャレンジ：作ってみた
16
Twitter・Google・Yahoo!のトレンドを収集
マネーゴーランドより関連性の高い記事をピックアップ
各種SNSへトレンドになっている中に投稿が可能
トレンドのワード自体が世の中のどんな話題に関連しているのかわからないケース⇨できそう
1記事1万PVを超えるケースを週に数回と頻発させることに成功

18. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 マーケットトレンドへのチャレンジ：課題とか
17
 キーワードの元となっている話題
⇒ キーワード検索結果のツイート本文から、キーワード以外の共起
する文節を収集（構文解析結果より)。
⇒ 単に共起文節を集計するだけでもそれっぽいものが取れる。
→ ツイート → 同じような話題には似かよった語が出現
『バトルランナー』
午後ロー バトルランナーの 今日の バトルランナーは シュワちゃん バトルランナーとか 午後
ローの 思う 午後ローは バトルランナーか
⇒ 「午後のロードショー」の話題
 同義語の表記ゆれを吸収したい
 もっと深掘りしてみたら嬉しいことが起こるか？
⇒ tf-idf の計算結果と比較、とか

19. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 なんでこんなことやってるのか
18
Customer
Journey
顧客接点
Personal
Data
顧客理解
Comunication
Design
体験設計
Customer
Experience
顧客体験
Creative & Promotion
クリエイティブ&プロモーション
Contents＆Distribution
コンテンツ制作&配信
Marketing Tech
データ分析&運用

20. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 体験する人がおざなりにならないように
19
https://searches.cm/
即時に多彩な切り口で分析できる
シングルソース・消費者パネル
です。
日本全国約35,000人のデータを基に、ターゲットとなる人たちの行動やライフ
スタイルについて読み解くことのできる消費者分析ツールです。
アンケート作成から、集計結果まで、デスクトップから簡単、すぐに、多彩な切
り口で消費者行動に関する様々なデータを分析することができ、ターゲット
ユーザーのインサイトを読み解くことが可能です。
Searches App

21. Private and Confidential. All rights reserved.
Machine Learning 15 Minutes! 2017 様々な側面でのナカマを探しています
20
メディア やってます API 付けてます
制作・執筆・広告（記事・バナー）・開発のベース
リサーチ できます ローデータ 提供できます
アンケート・分析・開発のベース
体験を作るってなんだろう
机上の空論・キー上の空論ではなく
実世界も絡めて実行あるのみ！
一緒にできそうなことありませんか？