ディープラーニングによるユーザーの行動予測

ディープラーニングによる行動予測
澪標アナリティクス株式会社
野田諒那
2019/11/18 実践者向けディープラーニング勉強会
©Miotsukushi Analytics Inc. 2019, All rights reserved. 1

会社紹介：澪標アナリティクス

会社概要
会社名：澪標アナリティクス株式会社
代表取締役：井原渉
顧問：栗原聡（慶應義塾大学教授）
所在地：東京都中央区日本橋兜町8番8号
中島ビルディング５階
事業内容：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
U R L ：http://www.mioana.com/
©Miotsukushi Analytics Inc. 2018, All rights reserved.

人工知能
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
共同研究等を通じ以下の大学や
文部科学省・経済産業省・総務省等との
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
データ
マイニング
数理
最適化
統計学
統計学・最適化計算・データマイニング等に特化し
専門性を活かし統計学的、数学的な観点から
施策反映を見据えたデータ分析や開発を行い
“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

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
株式会社
リクルート
コミュニケーションズ
大手自動車
メーカー
大手運送会社大手監査法人
パナソニック
株式会社
株式会社
フィンクロスデジタル
大手広告会社大手不動産会社中央官庁
都市銀行

提供可能ソリューションマップ
トライアル分析定常分析
自動分析ツール
(アプリ向けソリューション)
分析官派遣
分析基盤構築
ログ設計・DB・BI・分析ソフト
分析戦略策定
データビジネス立上支援
共同研究支援
AI開発
レベルデザイン・業務効率化・
ゲーム内AI・チャットボット
AI戦略策定
PMO支援
技術コンサル
分析組織構築
人材育成・採用計画
分析官スキル定義
分析
開発
コンサル

ユーザーの行動予測とは
ソーシャルゲームなら・・・
プレイ履歴や各イベント内容から、顧客の好むイベントや施策を見出す
ショッピングサイトなら・・・
購買データから、顧客の趣味趣向を分類し、「買いそうな」商品をレコメンドした
り、商品の最適な金額設定を算出する
電力会社なら・・・
季節・気温・温度や過去の使用量データから、顧客の電力使用量を予測する
証券会社なら・・・
性別・年齢・貯蓄や取引履歴から、優良顧客への育成ストーリーを作成する

ユーザーの行動予測とは
業績向上に直結する指標となる値（KPI）が刻々と変化
する中、様々な指標値の推移を把握し、その変化の要
因分析・予測を行うことで、各サービス運営者が、効果
的な施策の立案が出来るよう支援するための分析

問題解決プロセス

CRISP-DM
CRISP-DM (CRoss-Industry Standard Process for Data Mining)
①ビジネスの理解
→現状を把握して、課題と目標を定義する。
②データの理解
→分析データの利用可否の判断および分析データの内容を把握する。
③データの準備
→欠損値の処理やデータ型の正規化等、モデリング可能なデータを作成する。
④モデリング
→複数のモデルの比較を行うためのモデリング手法を選択・実施する
。
⑤評価
→想定していた目標や目的の達成度を評価する。
⑥展開
→データ分析の評価結果をビジネスに展開する。

CRISP-DM
④モデリング
。
⑤評価
⑥展開

1.ビジネスの理解（課題把握）
顧客数をさらに分解
KPIツリーをつくる。
ビジネスで目指す最終目標(KGI)を頂点として要素を分解しKPIツリーをつくる。
改善するべきKPIを探る。
KGI
KPI売上
顧客数平均取引額取引率
ライト顧客
ミドル顧客
ヘビー顧客課金率低い課題

1.ビジネスの理解（余談）
専門家の意見を組み込むことで、より精度の高い結果を出せる
提供データ
説明変数
・気温
・湿度
・降水確率
目的変数
・電力使用量
不快指数
ア
ル
ゴ
リ
ズ
ム
気温
湿度
降水確率
気温
湿度
降水確率
不快指数
専門家
素人

1.ビジネスの理解（余談）
プロジェクトの方向性の誤りに気付ける
うちの社員が「業務の合間」にやってる
作業をAIで自動化させてください。
自動化出来れば、社員がこなせる仕
事の量が増えて、売上UPするはず！
出来ました！！！
もともと「業務の合間」にやってた作業だ
から、自動化させたとしてもこなせる仕
事量は変わらなかったよ(´;ω;｀)
お客さん
お客さん

CRISP-DM
④モデリング
。
⑤評価
⑥展開

2.データの理解
KPIをもとに、散布図、ヒストグラムなどで集計し、課題と相関関係にあるデータを洗い出す。
この過程で、集計するためにどんなデータが必要か明確になってくる。
データの集合の特徴がわかる
ヒストグラム相関関係を検証する
散布図
※相関関係は証明されても
因果関係はない
・ガチャ回数
・無償石獲得数
・クエスト挑戦回数
etc.
統計分析に使える
データ
＊不均衡データ・外れ値・欠損値などの特徴も把握しておく

CRISP-DM
④モデリング
。
⑤評価
⑥展開

3. データの準備
・欠損値処理
欠損値を含むデータを削除・補完するかを適切に判断をし、処理を行う。
・外れ値の除去
基準を設定し、その基準をもとに外れ値を除外・変換する。
・ダミー変数化
カテゴリデータを数値変換する。
・標準化、正規化
・不均衡問題処理（アンダーサンプリング・オーバーサンプリング）
前処理の一例

CRISP-DM
④モデリング
。
⑤評価
⑥展開

4. モデリング
モデリングの流れ
・回帰
・決定木
・クラスタリング
・ニューラルネット
・XGBoost
モデル選定
ハイパーパラメータ
調整
・中間層の数
・ユニット数
・バイアス項・重みの初期値
・ドロップアウト率
課題に対する答えの出力
（モデルの完成）

CRISP-DM
④モデリング
。
⑤評価
⑥展開

5. 評価
評価方法
オフライン評価オンライン評価
モデル作成に使用しなかったデー
タを用いた精度の検証
実際のユーザに対して施策を実
施し、それに対する反応を検証
材料とする
使用方法の検討
合格合格不合格不合格
「3.データの準備/4.モデ
リング」へ戻り再作成
「3.データの準備/4.モデ
リング」へ戻り再作成
リスク高

5. 評価
モデルの使用方法の検討
モデルをどのように使っていくのかを検討する。
①精度
②更新頻度
を考慮してモデルの使い方を考える。
精度
その精度なりの使い方を考える。
例：電力量予測
元々は、業務システムで発電量の調整に使いたかった
精度があまり良くなかった
→それなら、厳密な精度を必要としない場面で使おう
→例えば、個人契約者に対して、「来月の電気代予測」
更新頻度データの貯まり具合を考慮して、モデルの更新頻度を決める

CRISP-DM
④モデリング
。
⑤評価
⑥展開

6. 展開
「5.評価」で考えた使用方法・更新頻度を基に実際に施策をユーザーに対して展開する
継続監視
市場の変化に伴い、今までの形式のモデルが通用しなくなる場合もあるので、放置
せず、定期的にモデルの検証を行う

CRISP-DMに要する時間短縮への取り組み

問題解決プロセスに要する時間短縮への取り組み
例えば、ソーシャルゲームのユーザーの分析依頼が来た場合、上記の「弊社実施範
囲」を終えるのに従来は最短でも2カ月かかっていました。
そこで、弊社では、「という製品の開発を行い、各段階で
の時間短縮を行っています。
*ブラウザベースのデータ可視化&分析ツール
0.分析依頼
1.ビジネス
理解
2.データ
理解
3.データ
準備
4.モデリング 5.評価 6.展開
CRISP-DM
弊社実施範囲

MioCompass概要
1.ダッシュボードによる可視化機能
2.データ取込と分析用データ生成の自動化
3.モデル作成の自動化
0.分析依頼
1.ビジネス
理解
2.データ
理解
3.データ
準備
0.分析依頼
1.ビジネス
理解
2.データ
理解
3.データ
準備
0.分析依頼
1.ビジネス
理解
2.データ
理解
3.データ
準備
Miocompassは、下記の機能を有します。

1.ダッシュボードによる可視化機能
可視化機能の特徴
・ユーザ動向や売上状況を可視化
・注目して動向を観察したいユーザー群のみのデータを、マウス操作のみ
で抽出することが可能
0.分析依頼
1.ビジネス
理解
2.データ
理解
3.データ
準備

MioCompass 活用方法
インストールn日後継続率
決定木による要因分析！
新規継続率が下がって来た・・・
対策を打たなければ・・・

2.データ取込と分析用データ生成の自動化
0.分析依頼
1.ビジネス
理解
2.データ
理解
3.データ
準備
前提：利用者には、決まったデータ形式でDBに格納していただく必要があります
Miocompassでは下記の自動化を行っています。
・可視化用データの作成
・モデル作成用データの作成
次ページ：システム構成

システム構成図
ログ
データ
ユーザ
データ
マスタ
データ
他
集計
ログ
データ
ユーザ
データ
マスタ
データ
他
GCEインスタンス
分析結果
・決定木画像
・指標予測表示用データ
ユーザー
BigQuery
ゲームDB
転送
タイトル毎
サマリーテーブル
自動分析用
テーブル
情報取得機械学習
結果出力
ダッシュボード用データ転送
情報取得
タイトル毎
サマリーテーブル
MySQL
出力
情報取得
ダッシュボード
参照
分析結果
参照
分析要求
御社にて構築

3.モデル作成の自動化
マウス操作だけで、モデル構築ができる機能を持っています。
0.分析依頼
1.ビジネス
理解
2.データ
理解
3.データ
準備

項目 1W 2W 3W 4W
NDA締結
要件定義
環境整備
データの提供(※1)
データ検品
実装
テスト・不具合対応
導入スケジュール
3d
5d
7d
両社合同作業御社作業弊社作業
ご発注より最短1ヶ月で実施テスト開始！
5d
5d
3d
2d
※1 BigQuery上に分析対象となるデータを転送してご提供いただきます

mobcast様広告配信でのデータ分析活用
① ユーザー行動の分析により、課金する可能性の高いユーザーを予測分析
② 分析結果を広告配信プラットフォーム「UAC」に学習させて、広告配信に適用
UAC … 「Universal Appli Campaign」Googleが提供する機械学習によるターゲッティング広告型の広告配信システム
ARPPU … 「Average Revenue Per Paid User」決められた期間内でユーザーが課金する平均額
課金率
従来のUAC 予測分析 × UAC
ARPPU
ユーザーが課金する平均額
売上
2.6 倍
1.8 倍
5.2倍
課金するユーザーを予測して
広告配信に適用
結果、従来の UAC と比較して
予測分析 × UAC 経由で流入した
ユーザーの
課金率が 2.6 倍
ARPPU が 1.8 倍
売上が 5.2 倍に増加!!
課金率の高いユーザーの獲得に成功

A社様国外でのユーザー離脱防止にデータ分析活用
国外展開しているアプリのユーザー離脱ポイントを行動データから要因分析
→ A国ではカードを進化させたユーザーの離脱率が高いことが判明
適確な施策によりユーザー離脱率が改善
日本 A国
Rare A
Level
99
進化可能カード進化による弱体化
Rare S
Level
1
更に強化する
😃 Rare A
Level
99
進化可能カード進化による弱体化
Rare S
Level
1
やる気がなくなる
😢離脱
カードを進化させてもレベルが下がらない仕様を適用
地域や、年代、文化の異なる地域でのサービス展開ではデータ分析による運用改善が重要です。

今後の取り組み

1. ハイパーパラメータの自動チューニング
0.分析依頼
1.ビジネス
理解
2.データ
理解
3.データ
準備
ベイズ最適化によるハイパーパラメータの自動チューニングを開発中です。
従来の手法では、中間層の数・ユニット数などのハイパーパラメータは経験則だったり、試
行錯誤によって決定していましたが、ベイズ最適化の導入により、よりよいハイパーパラメー
タを推定し、「4.モデリング」部分の高精度化を目指します。

2. ニューラルネットからXGBoostへ
実行速度や精度などの観点から総合的に判断し、Miocompass内部のアルゴリズムを
ニューラルネットからXGBoostへ変更します。

PR
正社員積極採用中！！

YOU can count on US.

ディープラーニングによるユーザーの行動予測

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie ディープラーニングによるユーザーの行動予測

Ähnlich wie ディープラーニングによるユーザーの行動予測 (20)

Kürzlich hochgeladen

Kürzlich hochgeladen (12)

ディープラーニングによるユーザーの行動予測