求人サービスのユーザー分析をもとにした予算管理（ロジスティック回帰）

2021/11/12(金)に開催したExploratory データサイエンス勉強会#21の株式会社リブセンス様のご登壇資料です。

1. © Livecence Inc. 2021 求人サービスの ユーザー分析をもとにした予算管理 （ロジスティック回帰） 2021.11.12 株式会社リブセンス　大坪 誠
2. © Livecence Inc. 2021 自己紹介 【名前】大坪 誠（オオツボ マコト） 【所属】株式会社リブセンス 　　　　アルバイト事業部　マーケティンググループ 【担当】アルバイト求人情報サイト「マッハバイト」の 　　　　ブランディング および 広告運用 2
3. © Livecence Inc. 2021 Exploratoryの活用状況 【利用範囲】 • アンケートデータ 集計・可視化・分析 • 広告配信データ分析 • サイト内ユーザー行動ログデータ分析 etc. 【利点】 • 集計・可視化が速く、簡単に、柔軟にできる • データ量が大きくても処理できる • サポートが手厚い 3
4. © Livecence Inc. 2021 Agenda • 解決したい課題 • 解決方法の概要 • 予測モデルの構築 • 予測モデルの性能評価 • モデルによる予測と評価 4
5. © Livecence Inc. 2021 Agenda • 解決したい課題 • 解決方法の概要 • 予測モデルの構築 • 予測モデルの性能評価 • モデルによる予測と評価 5
6. © Livecence Inc. 2021 「マッハバイト」の事業構造 マッハバイトに求人広告を掲載 マッハバイトでバイト探し&応募 マッハボーナス 掲載費用 掲載or応募or採用時に 課金 採用・勤務が決まって 申請すると 5千円～1万円*のお祝い金 *不定期開催のボーナス増額タイム中の応募ならさらに+5,000円 6
7. © Livecence Inc. 2021 解決したい課題 マッハバイトでバイト探し&応募 マッハボーナス 採用・勤務が決まって 申請すると 5千円～1万円*のお祝い金 応募された時点では、 マッハボーナスを支払うかどうか （採用され、かつ申請されるか） 分からないため、将来発生する 費用がどれくらいになるか分からない ⇒ 1応募獲得あたりの広告費用を 　 最適化できない *不定期開催のボーナス増額タイム中の応募ならさらに+5,000円 7
8. © Livecence Inc. 2021 現状の運用 • マッハボーナスの金額は、求人ごとに応募時点で決まっている • マッハボーナスは応募後90日間申請可能 　→ 90日以上前の1ヵ月間の実績の平均金額を予測値としている 7月 8月 9月 10月 11月 1応募あたり平均 実績：1,000円 1応募あたり平均 予測：1,000円 【例】 8
9. © Livecence Inc. 2021 現状の運用の課題 例えば、男性と女性でマッハボーナスの受給率が違うとする 15% 10% 9
10. © Livecence Inc. 2021 現状の運用の課題 応募ユーザーの男女比が常に一定であるなら、 数ヵ月前の実績値がそのまま使えるかもしれない 7月 11月 1応募あたりの金額：1,000円 1応募あたりの金額：1,000円 10
11. © Livecence Inc. 2021 現状の運用の課題 応募ユーザーの男女比が変化している場合、 数ヵ月前の実績値をそのまま使うのは適切ではない 7月 11月 1応募あたりの金額：1,000円 1応募あたりの金額：1,000円?? 11
12. © Livecence Inc. 2021 Agenda • 解決したい課題 • 解決方法の概要 • 予測モデルの構築 • 予測モデルの性能評価 • モデルによる予測と評価 12
13. © Livecence Inc. 2021 解決方法（イメージ） 性別 年齢 職種 ボーナス 金額 ボーナス 受給予測 ボーナス 受給確率 女性 19 大学生 ¥5,000 TRUE 0.25 女性 47 派遣社員 ¥10,000 FALSE 0.08 男性 29 フリーター ¥15,000 FALSE 0.13 女性 16 高校生 ¥5,000 FALSE 0.06 男性 24 短大生 ¥7,000 TRUE 0.28 未知のデータ 性別 年齢 職種 ボーナス 金額 ボーナス 受給 男性 30 フリーター ¥10,000 FALSE 女性 28 主婦 ¥10,000 TRUE 男性 17 高校生 ¥7,000 TRUE 男性 43 自営業 ¥15,000 FALSE 女性 22 大学生 ¥5,000 FALSE トレーニングデータ（過去実績データ） 性別 年齢 職種 ボーナス 金額 ボーナス 受給 女性 19 大学生 ¥5,000 ？ 女性 47 派遣社員 ¥10,000 ？ 男性 29 フリーター ¥15,000 ？ 女性 16 高校生 ¥5,000 ？ 男性 24 短大生 ¥7,000 ？ 未知のデータ 予測モデル アルゴリズム 13
14. © Livecence Inc. 2021 解決方法（イメージ） 性別 年齢 職種 ボーナス 金額 ボーナス 受給予測 ボーナス 受給確率 女性 19 大学生 ¥5,000 TRUE 0.25 女性 47 派遣社員 ¥10,000 FALSE 0.08 男性 29 フリーター ¥15,000 FALSE 0.13 女性 16 高校生 ¥5,000 FALSE 0.06 男性 24 短大生 ¥7,000 TRUE 0.28 未知のデータ ある一定期間の各応募について、 マッハボーナスを進呈するか否かを予測。 その結果をもとに、その期間の応募に対する マッハボーナスの平均進呈額を予測。 14
15. © Livecence Inc. 2021 Agenda • 解決したい課題 • 解決方法の概要 • 予測モデルの構築 • 予測モデルの性能評価 • モデルによる予測と評価 15
16. © Livecence Inc. 2021 ロジスティック回帰とは 目的変数が「2値」のロジカル型を対象とする統計的回帰モデル。 1つ以上の因子（説明変数）から、 ある事象が起こる確率を説明・予測する多変量解析の手法。 参照：https://exploratory.io/note/GMq1Qom5tS/ZSy0JQr3eO 16
17. © Livecence Inc. 2021 説明変数の選定（サマリビュー） ※例示しているデータはダミーです。実際の数値とは異なります。 予測したい変数とその他の各変数との相関を確認 ユーザーの属性（性別・年齢・利用デバイス等）や 応募先の条件（業種・職種・マッハボーナス金額等）などが マッハボーナス受給確率に影響がありそう 17
18. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 • タイプ　：ロジスティック回帰を選択 • 目的変数：予測したい変数を選択 • 予測変数：影響がありそうな変数を選択 予測モデルの作成（ロジスティック回帰） 18
19. © Livecence Inc. 2021 Agenda • 解決したい課題 • 解決方法の概要 • 予測モデルの構築 • 予測モデルの性能評価 • モデルによる予測と評価 19
20. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 基本的に、AUCが高い（1に近い）ほど 予測性能が良いモデルといえる 予測モデルの評価（サマリ） 20
21. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 正解率は91%と高いが... 予測モデルの評価（サマリ） 21
22. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 全てをFALSEと予測すれば 91%の確率で正解してしまうモデルになっている 予測モデルの評価（予測マトリックス） 22
23. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 予測モデルの評価（予測確率） 0.5（デフォルト） TRUEと予測 FALSEと予測 23
24. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 TRUE/FALSEの 閾値を変更 0.5（デフォルト） 0.167 TRUE/FALSEの境界値（閾値）変更 24
25. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 25 TRUE/FALSEの境界値変更
26. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 TRUEと予測する割合が約8.7%になり、 元データのTRUEの割合とほぼ同じに 予測モデルの評価（予測マトリックス） 26
27. © Livecence Inc. 2021 Q. 最適な閾値はどういう基準で決めればよい？ A. 目的によって異なる ※例示しているデータはダミーです。実際の数値とは異なります。 予測モデルの評価（予測マトリックス） 27
28. © Livecence Inc. 2021 Agenda • 解決したい課題 • 解決方法の概要 • 予測モデルの構築 • 予測モデルの性能評価 • モデルによる予測と評価 28
29. © Livecence Inc. 2021 予測モデルの適用（イメージ） 予測モデル アルゴリズム 4～6月の応募実績データ マッハボーナスの進呈有無が確定している 90日以上前のデータに対して、構築したモデルで予測し、実績値と比較 7月の応募実績データ 7月の応募実績データ 予測値と実績値とを比較 29
30. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 予測モデルの適用 30
31. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 予測モデルの適用 31
32. © Livecence Inc. 2021 予測金額の計算①（イメージ） 性別 年齢 職種 ボーナス 金額 ボーナス 受給予測 ボーナス 受給確率 ボーナス 予測金額 女性 19 大学生 ¥5,000 TRUE 0.25 ¥5,000 女性 47 派遣社員 ¥10,000 FALSE 0.08 \0 男性 29 フリーター ¥15,000 FALSE 0.13 \0 女性 16 高校生 ¥5,000 FALSE 0.06 \0 男性 24 短大生 ¥7,000 TRUE 0.28 ¥7,000 未知のデータ 予測ラベルがTRUEの応募には、実際に進呈する場合の金額を、 予測ラベルがFALSEの応募には、0円と予測する 32
33. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 予測金額の計算列追加① 33 predicted_labelがTRUEの場合
34. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 予測モデルの評価・検証① 全体の平均は実績値に近い値になるが、 あるセグメントごとに分けてみると、 かなり乖離が大きくなっている 34
35. © Livecence Inc. 2021 予測結果の確認 ※例示しているデータはダミーです。実際の数値とは異なります。 TRUEの割合 実績 予測ラベル 予測確率の平均 ロジスティック回帰で予測するのは、 「TRUE or FALSE」ではなく「TRUEである確率」 ⇒ ならば、期待値を求められるのでは？ 35
36. © Livecence Inc. 2021 予測金額の計算②（イメージ） 性別 年齢 職種 ボーナス 金額 ボーナス 受給予測 ボーナス 受給確率 ボーナス 予測金額 女性 19 大学生 ¥5,000 TRUE 0.25 ¥1,250 女性 47 派遣社員 ¥10,000 FALSE 0.08 ¥800 男性 29 フリーター ¥15,000 FALSE 0.13 ¥1,950 女性 16 高校生 ¥5,000 FALSE 0.06 ¥300 男性 24 短大生 ¥7,000 TRUE 0.28 ¥1,960 未知のデータ 予測ラベルにかかわらず、 （TRUEの場合の金額）×（TRUEである確率）で期待値を算出する* 36 *不均衡データの調整（オーバーサンプリング/アンダーサンプリング）をして構築したモデルでは使えない
37. © Livecence Inc. 2021 予測金額の計算②（イメージ） 性別 年齢 職種 ボーナス 金額 ボーナス 受給予測 ボーナス 受給確率 ボーナス 予測金額 女性 19 大学生 ¥5,000 TRUE 0.25 ¥1,250 女性 47 派遣社員 ¥10,000 FALSE 0.08 ¥800 男性 29 フリーター ¥15,000 FALSE 0.13 ¥1,950 女性 16 高校生 ¥5,000 FALSE 0.06 ¥300 男性 24 短大生 ¥7,000 TRUE 0.28 ¥1,960 未知のデータ 予測ラベルにかかわらず、 （TRUEの場合の金額）×（TRUEである確率）で期待値を算出する* 37 予測ラベルは考慮しない →TRUE/FALSEの閾値を考える必要がない *不均衡データの調整（オーバーサンプリング/アンダーサンプリング）をして構築したモデルでは使えない
38. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 予測金額の計算列追加② 38
39. © Livecence Inc. 2021 ※例示しているデータはダミーです。実際の数値とは異なります。 予測モデルの評価・検証② セグメントごとに分けてみても 比較的誤差の小さい予測ができている 39
40. © Livecence Inc. 2021 まとめ • Exploratoryを使えば、非エンジニアでも容易に予測モデルを構築できる • ロジスティック回帰は活用シーンが多い優秀な手法だが、 閾値の設定次第で予測結果が変わってしまう（閾値の最適化が難しい） • 予測ラベルそのものが重要ではないケースにおいては、 予測確率や、予測確率から導いた期待値に着目するのも有力 40