Suche senden
Hochladen
分析手法のご紹介
•
12 gefällt mir
•
4,770 views
Recruit Technologies
Folgen
2016/02/08 DATA×UX CROSSINGでの、赤塚の講演資料になります
Weniger lesen
Mehr lesen
Technologie
Diashow-Anzeige
Melden
Teilen
Diashow-Anzeige
Melden
Teilen
1 von 13
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
実務と論文で学ぶジョブレコメンデーション最前線2022
実務と論文で学ぶジョブレコメンデーション最前線2022
Teruyuki Sakaue
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
Recruit Technologies
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
TokyoRリプレイ - RからfastTextを使ってみた
TokyoRリプレイ - RからfastTextを使ってみた
ケンタ タナカ
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
AbemaTVにおける推薦システム
AbemaTVにおける推薦システム
cyberagent
深層学習の非常に簡単な説明
深層学習の非常に簡単な説明
Seiichi Uchida
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
Empfohlen
実務と論文で学ぶジョブレコメンデーション最前線2022
実務と論文で学ぶジョブレコメンデーション最前線2022
Teruyuki Sakaue
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
Recruit Technologies
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
TokyoRリプレイ - RからfastTextを使ってみた
TokyoRリプレイ - RからfastTextを使ってみた
ケンタ タナカ
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
AbemaTVにおける推薦システム
AbemaTVにおける推薦システム
cyberagent
深層学習の非常に簡単な説明
深層学習の非常に簡単な説明
Seiichi Uchida
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
オントロジーとは?
オントロジーとは?
Kouji Kozaki
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
cyberagent
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
ナレッジグラフ入門
ナレッジグラフ入門
KnowledgeGraph
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
MICの解説
MICの解説
logics-of-blue
テーブル・テキスト・画像の反実仮想説明
テーブル・テキスト・画像の反実仮想説明
tmtm otm
時系列分析による異常検知入門
時系列分析による異常検知入門
Yohei Sato
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
Rakuten Group, Inc.
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
Ken'ichi Matsui
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
Seiichi Uchida
幾何と機械学習: A Short Intro
幾何と機械学習: A Short Intro
Ichigaku Takigawa
First step of UX Monitoring 〜UXモニタリングこと始め〜
First step of UX Monitoring 〜UXモニタリングこと始め〜
Taro Yoshioka
ビフォーアフターで学ぶ データビジュアライゼーションの基本
ビフォーアフターで学ぶ データビジュアライゼーションの基本
Toshikuni Fuji
Weitere ähnliche Inhalte
Was ist angesagt?
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
オントロジーとは?
オントロジーとは?
Kouji Kozaki
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
cyberagent
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
ナレッジグラフ入門
ナレッジグラフ入門
KnowledgeGraph
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
MICの解説
MICの解説
logics-of-blue
テーブル・テキスト・画像の反実仮想説明
テーブル・テキスト・画像の反実仮想説明
tmtm otm
時系列分析による異常検知入門
時系列分析による異常検知入門
Yohei Sato
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
Rakuten Group, Inc.
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
Ken'ichi Matsui
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
Seiichi Uchida
幾何と機械学習: A Short Intro
幾何と機械学習: A Short Intro
Ichigaku Takigawa
Was ist angesagt?
(20)
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
全力解説!Transformer
全力解説!Transformer
オントロジーとは?
オントロジーとは?
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
ゼロから始める転移学習
ゼロから始める転移学習
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
グラフィカルモデル入門
グラフィカルモデル入門
ナレッジグラフ入門
ナレッジグラフ入門
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
パターン認識と機械学習入門
パターン認識と機械学習入門
MICの解説
MICの解説
テーブル・テキスト・画像の反実仮想説明
テーブル・テキスト・画像の反実仮想説明
時系列分析による異常検知入門
時系列分析による異常検知入門
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
研究分野をサーベイする
研究分野をサーベイする
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
幾何と機械学習: A Short Intro
幾何と機械学習: A Short Intro
Ähnlich wie 分析手法のご紹介
First step of UX Monitoring 〜UXモニタリングこと始め〜
First step of UX Monitoring 〜UXモニタリングこと始め〜
Taro Yoshioka
ビフォーアフターで学ぶ データビジュアライゼーションの基本
ビフォーアフターで学ぶ データビジュアライゼーションの基本
Toshikuni Fuji
20190514 tddot truestar
20190514 tddot truestar
Toshikuni Fuji
UX生トーク vol.6 機能組織の価値発揮!UX改善のディレクション術
UX生トーク vol.6 機能組織の価値発揮!UX改善のディレクション術
Saori Baba
オープンソースカンファレンスBi勉強会20141018
オープンソースカンファレンスBi勉強会20141018
Hisashi Nakayama
yokyo-unv.
yokyo-unv.
hirano
第2回 継続率経営セミナー 公開資料:データの設計・取得について
第2回 継続率経営セミナー 公開資料:データの設計・取得について
pLucky
空間分析セミナー 20190424
空間分析セミナー 20190424
Toshikuni Fuji
杉並診断士会向けKintoneご紹介コンテンツr2
杉並診断士会向けKintoneご紹介コンテンツr2
junji kumooka
サイボウズ デザイン&リサーチ紹介
サイボウズ デザイン&リサーチ紹介
Satoshi Shibata
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
20130528 pasonatech
20130528 pasonatech
インフラジスティックス・ジャパン株式会社
変化の時代における開発者のスキル資産形成について
変化の時代における開発者のスキル資産形成について
Ken Azuma
ユーザテストと定量分析ツールの併用方法
ユーザテストと定量分析ツールの併用方法
Ryota Ono
データプロダクトを支えるビッグデータ基盤
データプロダクトを支えるビッグデータ基盤
Google Cloud Platform - Japan
Itプロジェクトにおけるuxデザインの実践的適用方法
Itプロジェクトにおけるuxデザインの実践的適用方法
Roy Kim
メディカルデザインプロデュース(基本軽)提案書100615
メディカルデザインプロデュース(基本軽)提案書100615
Daisuke Hachimura
2017spring jjug ccc_f2
2017spring jjug ccc_f2
Kazuhiro Wada
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
JIRA meets Tableau & AWS
JIRA meets Tableau & AWS
Recruit Lifestyle Co., Ltd.
Ähnlich wie 分析手法のご紹介
(20)
First step of UX Monitoring 〜UXモニタリングこと始め〜
First step of UX Monitoring 〜UXモニタリングこと始め〜
ビフォーアフターで学ぶ データビジュアライゼーションの基本
ビフォーアフターで学ぶ データビジュアライゼーションの基本
20190514 tddot truestar
20190514 tddot truestar
UX生トーク vol.6 機能組織の価値発揮!UX改善のディレクション術
UX生トーク vol.6 機能組織の価値発揮!UX改善のディレクション術
オープンソースカンファレンスBi勉強会20141018
オープンソースカンファレンスBi勉強会20141018
yokyo-unv.
yokyo-unv.
第2回 継続率経営セミナー 公開資料:データの設計・取得について
第2回 継続率経営セミナー 公開資料:データの設計・取得について
空間分析セミナー 20190424
空間分析セミナー 20190424
杉並診断士会向けKintoneご紹介コンテンツr2
杉並診断士会向けKintoneご紹介コンテンツr2
サイボウズ デザイン&リサーチ紹介
サイボウズ デザイン&リサーチ紹介
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
20130528 pasonatech
20130528 pasonatech
変化の時代における開発者のスキル資産形成について
変化の時代における開発者のスキル資産形成について
ユーザテストと定量分析ツールの併用方法
ユーザテストと定量分析ツールの併用方法
データプロダクトを支えるビッグデータ基盤
データプロダクトを支えるビッグデータ基盤
Itプロジェクトにおけるuxデザインの実践的適用方法
Itプロジェクトにおけるuxデザインの実践的適用方法
メディカルデザインプロデュース(基本軽)提案書100615
メディカルデザインプロデュース(基本軽)提案書100615
2017spring jjug ccc_f2
2017spring jjug ccc_f2
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
JIRA meets Tableau & AWS
JIRA meets Tableau & AWS
Mehr von Recruit Technologies
新卒2年目が鍛えられたコードレビュー道場
新卒2年目が鍛えられたコードレビュー道場
Recruit Technologies
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
Recruit Technologies
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Recruit Technologies
Tableau活用4年の軌跡
Tableau活用4年の軌跡
Recruit Technologies
HadoopをBQにマイグレしようとしてる話
HadoopをBQにマイグレしようとしてる話
Recruit Technologies
LT(自由)
LT(自由)
Recruit Technologies
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
Recruit Technologies
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Recruit Technologies
リクルート式AIの活用法
リクルート式AIの活用法
Recruit Technologies
銀行ロビーアシスタント
銀行ロビーアシスタント
Recruit Technologies
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
ユーザーからみたre:Inventのこれまでと今後
ユーザーからみたre:Inventのこれまでと今後
Recruit Technologies
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Recruit Technologies
EMRでスポットインスタンスの自動入札ツールを作成する
EMRでスポットインスタンスの自動入札ツールを作成する
Recruit Technologies
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
Recruit Technologies
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Recruit Technologies
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
Recruit Technologies
Mehr von Recruit Technologies
(20)
新卒2年目が鍛えられたコードレビュー道場
新卒2年目が鍛えられたコードレビュー道場
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Tableau活用4年の軌跡
Tableau活用4年の軌跡
HadoopをBQにマイグレしようとしてる話
HadoopをBQにマイグレしようとしてる話
LT(自由)
LT(自由)
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
リクルート式AIの活用法
リクルート式AIの活用法
銀行ロビーアシスタント
銀行ロビーアシスタント
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
ユーザーからみたre:Inventのこれまでと今後
ユーザーからみたre:Inventのこれまでと今後
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
EMRでスポットインスタンスの自動入札ツールを作成する
EMRでスポットインスタンスの自動入札ツールを作成する
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
Kürzlich hochgeladen
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
Kürzlich hochgeladen
(7)
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
分析手法のご紹介
1.
分析手法のご紹介
2.
赤塚:自己紹介 あかつか さとし 赤塚 諭 リクルートテクノロジーズ ITソリューション統括部 ビッグデータ部
ビッグデータ1グループ 経歴 前職で、レポーティング業務及びBIツール導入業務を経験(4年) ・POSデータや注文データから基礎分析やバスケット分析、 クラスタによる顧客管理(施策ターゲットの抽出) ・BIツールでは、QlikViewの代理店としてツール導入だけでなく 導入時の分析画面の設計や使い方のアフターフォロー 所属 2014年11月より株式会社リクルートテクノロジーズにて、 リクルートグループに対して、データ面での意思決定支援業務に従事 現在
3.
クラスタリングのアウトプットイメージ [課題] UI・UX改善が評価がしづらい ■アウトプットイメージ ・ユーザーの質は変わっているのではないか Conversion (仮)詳細閲覧頻度 多い 一見 (仮)一覧ばかり (仮)長期利用 CVなし ユーザーの質 Conversion (仮)詳細閲覧頻度 多い 一見 (仮)一覧ばかり (仮)長期利用 CVなし ユーザーの質をどうやって探るか ▶クラスター分析によってペルソナを定義して セグメンテーションを行う 旧 新 ユーザーの質
4.
アクセスデータからケース分類 それぞれの層には、 どういった人がいるのか 訪問のあったユーザー 初回訪問 or 再訪問
の構成 1日の訪問ユーザーの内で初回訪問のユーザーと再訪問(訪問日2日以上) のユーザーで約半分ほど分かれている 満足度の高いユーザーはリピートするだろうという仮説の上で 初回訪問と再訪問を最初に切り分ける軸にした 行動データを基に クラスタリング分析を実施 (k-means法) クラスタリング結果を基に 初回訪問と再訪問 それぞれでペルソナ像を 定義していく ※グラフはダミーです
5.
クラスタリング結果 ※グラフ・表はダミーです クラスタリング分析の結果、初回訪問は3クラスター、 再訪問は4クラスターが良さそうとわかった 各クラスターの構成比をみたり、行動データを平均 で集計することで、各ペルソナ像を理解する クラスター ユーザー数 PV
検索回数 滞在時間 職種検索回数 エリア検索回数 クラスター-1 **** **** **** **** **** **** クラスター-2 **** **** **** **** **** **** クラスター-3 **** **** **** **** **** **** 総計 **** **** **** **** **** **** 初回訪問のクラスター構成 初回訪問の各クラスターの確認 初回訪問の各クラスターの箱ひげ 再訪問のクラスター構成
6.
ユーザー行動を分ける閾値を探す クラスター 1 クラスター 2 クラスター 3 特徴の合ったデータ項目 x クラスターの割合(縦)
クラスター1 クラスター2 クラスター3 特徴の合ったデータをクラスターの 構成で確認することで、 閾値を決定していく 最終的には右図のような 条件分岐図を作成する 分類条件 PV数(例) ※グラフ・表はダミーです
7.
クラスターの確定 過去30日の 各クラスターが想定していたクラスターになっているかを確認し、 行動特性からクラスターに名称をつけ管理していく クラスターごとの集計 クラスター ユーザー数 PV
検索回数 滞在時間 職種検索回数 エリア検索回数 クラスター1 **** **** **** **** **** **** クラスター2 **** **** **** **** **** **** クラスター3 **** **** **** **** **** **** クラスター4 **** **** **** **** **** **** クラスター5 **** **** **** **** **** **** 総計 **** **** **** **** **** ****
8.
クラスタ比率の推移 日別 クラスター構成の推移 日別のクラスター構成の推移を追うことで、 質の変化を可視化することが可能となった
9.
Tableauでダッシュボード化 ●施策後のクラスタ移動をモニタリング ●施策後の各クラスタのアクション変化をモニタリング 施策日 例えば7日後に入念訪問 層から毎日訪問層へ●% 変化した という変遷を確認可能 施策後に伸びてきた層か ら、施策が良かったのか 悪かったのかを判断可能 Tableauレポートとすることでモニタリング環境を整えた 全体図(ダッシュボード) クラスター別データ集計
10.
クラスタリング初めの一歩
11.
クラスタリング手法 クラスターとは、「集落。ある特定のデータの集まり」のこと クラスタリングによって別れたクラスターから、ユーザーがどのようなタイプに別れる のかを把握することができる。 → ペルソナ把握 これによってユーザーを切り分ける時の参考となるデータやユーザー像が分かる。 今回の 分析手法 K-means法 クラスタ作成において、最もポピュラーな手法 ①ランダムに任意のクラスタを割り振る ②クラスタの重心を計算する ③点のクラスタを、一番近い重心のクラスタへ変更する ①:点の色がクラスタ数
②:重心を計算 ③:重心が近いクラスタへ変更 変化がなく なるまで 繰り返す
12.
ツールの紹介 12 ●今回はSPSS modelerを使用 ▶
Pythonで実装可能 ●Python 数表および時系列データを操作するためのデータ構造と演算 データの読み込み K-meansの設定 K-meansの実行 値を元のデータに返す オープンソースの機械学習ライブラリで、分類や回帰、クラスタリングなどの機能 が実装されています
13.
参考書籍 13 クラスタリングの基礎を知りたい Pythonは結構ネット上で検索をすると出てきます http://www.mwsoft.jp/programming/numpy/kmeans.html やさしいマーケティングのための多変量解析 クラスタリングと言わず、多変量解析の基礎が わかりやすく解説されています クラスター分析入門
POD版 ―ファジィクラスタリングの理論と応用 クラスタリングに特化してわかりやすく解説さ れています
Jetzt herunterladen