Recomendados
Más contenido relacionado
Más de Kazuya Wada
オンラインTVサービスの分析事例
- 1. 1 024 A 212402 2 26 2402 2 25 2 :
- 2. ⾃⼰紹介 2 和⽥計也（WADA Kazuya） ✓好きな⾷べ物は特に梨 ✓静岡県袋井市出⾝ ✓筑波⼤学、筑波⼤学⼤学院 ⽣命環境科学研究科 情報⽣物学専攻 ➢枯草菌，タンパク質，遺伝⼦発現解析 ✓⼤⼿電機メーカー ➢慶應⼤理⼯学部に出向してた時期もあります ✓2011年〜 サイバーエージェント ➢Ameba サービス・プラットフォーム分析 ➢アドテク ➢AWA ➢AbemaTV ß 今⽇はこの話！！ http://www.st.keio.ac.jp/news/20041221_002.html
- 5. 会社概要 5 ✓株式会社サイバーエージェント CyberAgent Inc. ✓設⽴ 1998年3⽉18⽇(サイバーの⽇) ✓本社 東京都渋⾕区 ✓代表取締役 藤⽥晋 (福井県鯖江市出⾝) ✓売上⾼ 2,543億円 (2015年9⽉期連結) ✓従業員数 3,623⼈ (2015年9⽉期連結) ✓事業内容 メディア事業(Ameba) インターネット広告事業 ゲーム事業 投資育成事業
- 7. Ameba統括本部運営サービス 7 A 2 1 A 1 A 1 A 4 73 1 A 1 A 5 ※1 ※3 ※2 ※4 ※5
- 9. AbemaTVの紹介 9 株式会社AbemaTV: 株式会社サイバーエージェントと株式会社テレビ朝日の共同出資により2015年4月設立 会員登録不要 無料で利用可能 コメントや動画の投稿などのSNS連携機能 スマートデバイスに合わせたUI/UX 見逃し配信 オンデマンド機能（月額960円） テレビのような受け身視聴 24時間365日配信 無料の替わりにCMが流れます
- 17. ユーザの要望を探る 17 ✓結果 sentence 要望スコア AbemaTVバックグラウンド再生できるようにして 0.75 AbemaTVタイムシフトできるようにしてクレメンス 0.70 対談して欲しい人 0.70 AbemaTV、PC版でも通知してほしい 0.65 AbemaTV録画機能とかないの？ 0.65 : : ✓録画、タイムシフトに対する要望 ✓Chomecastに対する要望 ✓バックグラウンド再⽣ ✓⾒たいアニメとか
- 22. ユーザの視聴パターンを探る 22 ✓LDA(トピックモデルの⼀種)とは ✓ 文章の裏には「トピック」 が存在する ✓ 一つの文章には複数の「ト ピック」がある ✓ 「トピック」が具体的に 何なのかはわからないの で人が目で見て何となく 判断 ✓ 次元圧縮の一つでもある 文章ごとの トピック分布 θ1 θ2 θ3 国会 首相 審議 選挙 法案 ・・・ 文章1 五輪 景気 経済 球場 建築 ・・・ 文章2 景気 審議 国会 対策 首相 ・・・ 文章3 ・・・ 国 会 審 議 選 挙 内 閣 トピックごとの 単語分布 φ1 ・・・ 勝 利 五 輪 野 球 球 場 φ2
- 23. ユーザの視聴パターンを探る 23 ✓⽂章→ユーザ ✓単語→番組 ✓ ユーザの視聴行動の裏に は「トピック」が存在す る ✓ 一ユーザには複数の「ト ピック」がある ✓ 「トピック」が具体的に 何なのかはわからないの で人が目で見て何となく 判断 ✓ 次元圧縮の一つでもある ユーザごとの トピック分布 θ1 θ2 θ3 サザエ ドラえ まる子 しん ・・・ ユーザ1 ドラえ k-1 ・・・ ユーザ2 k-1 プロレス ・・・ ユーザ3 ・・・ ド ラ え サ ザ エ し ん バ カ トピックごとの 番組分布 φ1 ・・・ プ ロ レ ス 修 斗 k- 1 ボ ク シ ン グ φ2ドラえ まる子 サザエ しん プロレス プロレスプロレス
- 24. ユーザの視聴パターンを探る 24 ✓利⽤データ 期間 2016/8/1~2016/9/4 対象ユーザ 8/1~8/7, 8/8~8/14, 8/15~8/21, 8/22~8/28の4週間において 各週で30秒以上の視聴行為があった ユーザ数 上記ユーザから約3万人をサンプリング 対象番組 サンプリングされた3万人のうち、5人以上が30秒以上視 聴していた番組に限定 説明変数 30秒以上視聴された番組名(例「ドラえもん 3~4話」) 目的変数 8/29~9/4の1週間で30秒以上の視聴行為があったか否か
- 26. ユーザの視聴パターンを探る 26 ✓トピック数の決定(perplexity指標) トピック数 低いほど良い ➡トピック数300個かそれ以上が良いのだが、後の計 算量問題のためトピック数100個に
- 29. ユーザの視聴パターンを探る 29 ✓効果量結果 トピックNo 効果量 トピック名 3 & 59 -35.82 Music & Music 61 & 91 -23.58 リミット_一挙 & クロスアンジュ 天使と竜の輪舞(ドラマ&深夜アニメ) 33 & 97 -22.31 アイドルマスター,イカ娘_一挙 & 麻雀(アニメ&麻雀) 58 & 82 -21.90 弱虫ペダル & AbemaNews(アニメ&ニュース) ： ： ： 51 & 82 23.54 三者三葉_一挙,ニャル子_一挙 & ハイスクールD×D,イカ娘_一挙,とある 魔術(アニメ&アニメ) 17 & 54 23.69 マザー＆ラヴァー_一挙,アンフェア & 麻雀(ドラマ&麻雀) 10 & 24 26.47 ストライクウィッチーズ_一挙 & だがしかし_一挙 (アニメ&アニメ) 79 & 94 26.70 ちびまる子,バカボン & メジャー_一挙 (アニメ＆アニメ)
- 33. ユーザの熱度を定量化する 33 ✓利⽤データ サービス名 AbemaTV 実験対象期間 2016年5月1日 ∼ 2016年6月2日 データベース Hiveテーブル(mine_activity) 実験対象ユーザ数 アクティブ*1ユーザ100,000人を ランダムサンプリング*2 *1・・・1⽇30秒以上の視聴をアクティブと定義 *2・・・ユーザ単位ではなくてユーザ, アクティブ⽇でサンプリング
- 35. ユーザの熱度を定量化する 35 ✓利⽤変数 目的変数 翌7日間アクティブ化*日数 0 ~ 7 説明変数 前7日間アクティブ化*日数 0 ~ 7 総視聴時間(分) 0 ~ 1440 (min) 視聴チャンネル数 1 ~ 20 番組予約数 0 ~ 500 プラットフォーム PC or Smartphone 視聴チャンネルカテゴリ ニュース系、ドラマ系、麻雀 系、アニメ系、音楽系、バラエ ティ系、スポーツ系、その他
- 38. ユーザの熱度を定量化する 38 ✓継続・離脱モデル ✓MARS(Multivariate Adaptive Regression Splines) knotが自動的に 決まる
- 42. ユーザの熱度を定量化する 42 ✓結果 logit(熱度) = - 0.164 - 0.406 * (プラットフォームがPCか) + 0.172 * (アニメ系番組視聴か) - 0.018 * h(35 - 総視聴時間) + 0.002 * h(総視聴時間- 35) - 0.220 * h(1 - 前7日間アクティブ日数) + 0.347 * h(前7日間アクティブ日数 - 1) - 0.225 * h(2 - 視聴チャンネル数) + 0.055 * h(視聴チャンネル数 - 2) - 0.297 * h(2 - 予約数)