Exploratoryセミナー #26: Googleアナリティクス x データサイエンス

Googleアナリティクスのデータから、データサイエンスの手法を使ってより深いインサイトを探索していく方法について紹介します。

- Googleアナリティクス・データの基礎とデータ取得方法
- Googleアナリティクス・データの可視化
- エンゲージメント（DAU/MAU）分析
- テキストデータの加工と可視化
- セッション数の時系列予測

Transcript

1. Exploratory ηϛφʔ #26 σʔλαΠΤϯε X
2. 2 EXPLORATORY
3. 3 εϐʔΧʔ ੢ా צҰ࿠ CEO EXPLORATORY ུྺ ถΦϥΫϧຊࣾͰɺ16೥ʹΘͨΓσʔλαΠΤϯεͷ։ൃνʔϜΛ཰ ͍ɺػցֶशɺϏοάɾσʔλɺϏδωεɾΠϯςϦδΣϯεɺσʔ λϕʔεʹؔ͢Δ਺ଟ͘ͷ੡඼ΛੈʹૹΓग़͢ɻ ੈքதͷاۀ΁ͷτϨʔχϯάɺίϯαϧςʔγϣϯΛ௨ͯ͠σʔ λɾαΠΤϯεͷςΫϊϩδʔͷຽओԽʹ౒ΊΔɻ 2016೥ॳ಄ʹɺΦʔϓϯιʔεͷੈքͰى͖͍ͯΔσʔλαΠΤϯε ͷֵ৽తͳਐาΛɺੈքͷ99%ͷϓϩάϥϛϯάΛ͠ͳ͍ਓͨͪͷ΋ ͱ΁ಧ͚͍ͨͱ͍͏ࢥ͍ͷ΋ͱɺExploratory, Inc Λ্ཱͪ͛Δɻ ݱࡏ͸Exploratory, Inc.ͰCEOΛ຿ΊΔ͔ͨΘΒɺσʔλαΠΤϯεɾ ϒʔτΩϟϯϓɾτϨʔχϯάͳͲΛ௨ͯ͠γϦίϯόϨʔͰߦΘΕ ͍ͯΔ࠷ઌ୺ͷσʔλαΠΤϯεͷීٴͱڭҭʹऔΓ૊Ήɻ @KanAugust
4. 4 Vision ͢΂ͯͷਓ͕σʔλΛ࢖ͬͯ ΑΓΑ͍ҙࢥܾఆΛ͢Δ
5. 5 Mission σʔλαΠΤϯεͷຽओԽ
6. 6 ୈ̏ͷ೾ σʔλαΠΤϯεɺAIɺػցֶश͸౷ܭֶऀɺ։ൃऀͷͨΊ͚ͩͷ΋ͷͰ͸͋Γ·ͤΜɻ σʔλʹڵຯͷ͋ΔਓͳΒ୭΋͕ੈքͰ࠷ઌ୺ͷΞϧΰϦζϜΛ࢖ͬͯ ϏδωεσʔλΛ؆୯ʹ෼ੳͰ͖Δ΂͖Ͱ͢ɻ Exploratory͕ͦ͏ͨ͠ੈքΛՄೳʹ͠·͢ɻ
7. 7 ୈ1ͷ೾ ୈ̎ͷ೾ ୈ̏ͷ೾ ϓϥΠϕʔτ(ߴ͍/ݹ͍) Φʔϓϯɾιʔε(ແྉ/࠷ઌ୺) UI & ϓϩάϥϛϯά ϓϩάϥϛϯά 2016 2000 1976 ϚωλΠθʔγϣϯ ίϞσΟςΟԽ ຽओԽ ౷ܭֶऀ σʔλαΠΤϯςΟετ Exploratory ΞϧΰϦζϜ Ϣʔβʔɾ ମݧ πʔϧ Φʔϓϯɾιʔε(ແྉ/࠷ઌ୺) UI & ࣗಈԽ ϏδωεɾϢʔβʔ ςʔϚ σʔλαΠΤϯεͷຽओԽ
8. 質問 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 σʔλαΠΤϯεɾϫʔΫϑϩʔ
9. 質問 ExploratoryɹϞμϯˍγϯϓϧ UI 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習
10. Exploratory ηϛφʔ #26 σʔλαΠΤϯε X
12. GAͷ΢ΣϒαΠτͰݟ͑Δσʔλ͸΄ΜͷҰ෦
13. GoogleΞφϦςΟΫεͷσʔλ͸ๅͷࢁͰ͋Δ • GoogleΞφϦςΟΫεͷϖʔδʹ͋Δͨ͘͞Μͷग़དྷ߹͑ͷμογϡϘʔυ͸Ұ ൠతͳ໨తʹ߹͏Α͏ʹ࡞ΒΕͨ΋ͷͰ͋ͬͯɺ͋ͳͨͷϢχʔΫͳϏδωεͷ ࣭໰ʹ౴͑ΔͨΊͷ΋ͷͰ͸ͳ͍ɻ • GoogleΞφϦςΟΫεͷσʔλΛ௚઀μ΢ϯϩʔυ͢Δ͜ͱͰɺ༷ʑͳ֯౓͔Β ՄࢹԽ͠ɺ༷ʑͳख๏Λ࢖ͬͯ෼ੳ͢Δ͜ͱͰɺ͋ͳͨࣗ਎ͷ࣭໰ʹ౴͑ΔͨΊ ͷਂ͍ΠϯαΠτ͕ಘΒΕΔΑ͏ʹͳΔɻ
14. ʮकΓʯ͔Βʮ߈Ίʯ΁ ଞਓͷ࡞ͬͨμογϡϘʔυΛோΊͯϞχλʔ͢Δͱ͍͏ड͚਎Ͱ͸ ͳ͘ɺϏδωεվળͷͨΊͷΠϯαΠτΛGoogleΞφϦςΟΫεͷ σʔλ͔Βੵۃతʹࣗ෼Ͱ୳ࡧ͢Δɻ
15. with EXPLORATORY 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習
16. with EXPLORATORY 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習
17. 1. ΞΧ΢ϯτɺϓϩύςΟɺϏϡʔͷબ୒ 2. ظؒͷࢦఆ 3. σΟϝϯγϣϯͱࢦඪͷબ୒ 4. ηάϝϯτͷબ୒ʢΦϓγϣϯʣ 5. Πϯϙʔτ GoogleΞφϦςΟΫεɾσʔλͷΠϯϙʔτ
18. GoogleΞφϦςΟΫεɾσʔλλΠϓͷબ୒
19. GoogleΞφϦςΟΫεɾσʔλλΠϓͷબ୒
20. ΞΧ΢ϯτɺϓϩύςΟɺϏϡʔͷબ୒
21. ظؒͷࢦఆ
22. ηάϝϯτͷબ୒
23. ηάϝϯτ
24. ηάϝϯτͷ࡞੒
25. • ੡඼ϖʔδΛ๚Εͨ͜ͱ͕͋ΔϢʔβʔ • ίϯόʔδϣϯͨ͠Ϣʔβʔ • Googleͷࣗવݕࡧ͔Βͷηογϣϯ • ϞόΠϧ͔Βͷηογϣϯ ηάϝϯτͷྫ
26. σΟϝϯγϣϯͱࢦඪ
27. σΟϝϯγϣϯͱࢦඪͷબ୒
28. σΟϝϯγϣϯ ࢦඪ
29. σΟϝϯγϣϯ: ෼ੳର৅Λࢦఆ͢ΔͨΊʹར༻͢Δɻྫ͑͹ϖʔδ΍ϥϯσΟϯά ϖʔδɺࢢ۠ொଜɺσόΠεΧςΰϦ΍ࢀরݩɺϝσΟΞͳͲ͸͢΂ ͯσΟϝϯγϣϯͱͳΔɻ ࢦඪ: બ୒ͨ͠σΟϝϯγϣϯʹରͯ͠ʮԿΛʯूܭͨ͠Γܭࢉ͢Δ͔Λࢦ ఆ͢ΔͨΊʹར༻͢Δɻྫ͑͹ηογϣϯ਺ɺϖʔδϏϡʔ਺ɺ௚ؼ ཰͸શͯࢦඪͱͳΔɻ
30. είʔϓ
31. είʔϓ • είʔϓͱ͸GoogleΞφϦςΟΫε͕σʔλΛूΊΔ୯Ґɻ • ͦΕͧΕͷσΟϝϯγϣϯͱࢦඪ͸ಛఆͷείʔϓͷଐ͢Δɻ • ҟͳΔείʔϓʹଐ͢ΔσΟϝϯγϣϯͱࢦඪ͸ࢦఆͰ͖ͳ ͍ɻࢦఆͰ͖ͯ΋ɺσʔλͷ੔߹ੑ͕औΕͯͳ͍৔߹͕͋ Δɻ
32. Top ϖʔδ ϖʔδ A ϖʔδ D ϖʔδ A ϖʔδ D Add to Cart ߪങ ֬ೝ ը໘ Top ϖʔδ ϖʔδ A ϖʔδ B
33. Ϣʔβʔɿ ʮϒϥ΢βʯ୯ҐͷσʔλɻηογϣϯΛ·͍ͨͰܭଌ͞ΕΔɻ ηογϣϯɿ ʮ๚໰ʯ୯ҐͷσʔλɻϢʔβʔ͕αΠτʹೖ͖ͬͯͯɺ཭୤͢Δ ·Ͱͷߦಈ܈ɻ ώοτɿ ΫϦοΫͳͲϢʔβʔͷʮΞΫγϣϯʯ୯ҐͰͷσʔλɻ
34. σΟϝϯγϣϯ & ࢦඪͷબ୒
35. બ୒͞ΕͨσΟϝϯγϣϯ·ͨ͸ࢦඪͷΈͷදࣔ
36. ʮ࣮ߦʯϘλϯΛԡͯ͠σʔλΛ֬ೝɻ
37. ʮอଘʯϘλϯΛԡͯ͠σʔλΛΠϯϙʔτɻ
38. σʔλ͕Πϯϙʔτ͞ΕΔͱαϚϦɾϏϡʔ͕ࣗಈੜ੒͞ΕΔɻ
39. with EXPLORATORY 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習
40. GAσʔλΛՄࢹԽ͢Δͱ͖ʹΑ͋͘ΔνϟϨϯδ • σʔλΛ೔෇ɾ࣌ؒͷಛఆϨϕϧͰूܭͯ͠τϨϯυΛՄࢹԽ͍ͨ͠ɻ • νϟʔτΛෳ਺ʹάϧʔϓ෼͚͠ɺάϧʔϓ͝ͱͷτϨϯυΛൺ΂͍ͨɻ • σΟϝϯγϣϯͷ஋͕ଟ͗͢ΔͷͰՄࢹԽ͠ʹ͍͘ɻ • ूܭ஋͚ͩͰ͸ͳ͘ɺσʔλͷ͹Β͖ͭ΍ෆ࣮֬ੑΛՄࢹԽ͍ͨ͠ɻ
41. GAσʔλΛՄࢹԽ͢Δͱ͖ʹΑ͋͘ΔνϟϨϯδ • σʔλΛ೔෇ɾ࣌ؒͷಛఆϨϕϧͰूܭͯ͠τϨϯυΛՄࢹԽ͍ͨ͠ɻ • νϟʔτΛෳ਺ʹάϧʔϓ෼͚͠ɺάϧʔϓ͝ͱͷτϨϯυΛൺ΂͍ͨɻ • σΟϝϯγϣϯͷ஋͕ଟ͗͢ΔͷͰՄࢹԽ͠ʹ͍͘ɻ • ूܭ஋͚ͩͰ͸ͳ͘ɺσʔλͷ͹Β͖ͭ΍ෆ࣮֬ੑΛՄࢹԽ͍ͨ͠ɻ
42. ؙΊॲཧ - ೔Ϩϕϧ
43. ؙΊॲཧ - िϨϕϧ
44. ؙΊॲཧ - ݄Ϩϕϧ
45. ͜ͷམͪํ͸ҟৗͩɻ
46. ࠓ݄͸ݱ࣌఺ʢ3݄10೔ʣ·ͩ10೔͔͠ܦͬͯͳ͍ͷͰσʔλ͕ෆे෼Ͱ͋Δɻ
47. ‘ࠓ݄’ͷσʔλΛআ͘
49. நग़ - ݄
50. நग़ - ༵೔
51. Different Level for X-Axis, Color, and Repeat By
52. GAσʔλΛՄࢹԽ͢Δͱ͖ʹΑ͋͘ΔνϟϨϯδ • σʔλΛ೔෇ɾ࣌ؒͷಛఆϨϕϧͰूܭͯ͠τϨϯυΛՄࢹԽ͍ͨ͠ɻ • νϟʔτΛෳ਺ʹάϧʔϓ෼͚͠ɺάϧʔϓ͝ͱͷτϨϯυΛൺ΂͍ͨɻ • σΟϝϯγϣϯͷ஋͕ଟ͗͢ΔͷͰՄࢹԽ͠ʹ͍͘ɻ • ूܭ஋͚ͩͰ͸ͳ͘ɺσʔλͷ͹Β͖ͭ΍ෆ࣮֬ੑΛՄࢹԽ͍ͨ͠ɻ
53. ʮ܁Γฦ͠ʯΛ࢖ͬͯνϟʔτΛάϧʔϓ෼͚͢Δ
54. GAσʔλΛՄࢹԽ͢Δͱ͖ʹΑ͋͘ΔνϟϨϯδ • σʔλΛ೔෇ɾ࣌ؒͷಛఆϨϕϧͰूܭͯ͠τϨϯυΛՄࢹԽ͍ͨ͠ɻ • νϟʔτΛෳ਺ʹάϧʔϓ෼͚͠ɺάϧʔϓ͝ͱͷτϨϯυΛൺ΂͍ͨɻ • σΟϝϯγϣϯͷ஋͕ଟ͗͢ΔͷͰՄࢹԽ͠ʹ͍͘ɻ • ूܭ஋͚ͩͰ͸ͳ͘ɺσʔλͷ͹Β͖ͭ΍ෆ࣮֬ੑΛՄࢹԽ͍ͨ͠ɻ
55. ΧςΰϦʔͷҰҙͷ஋͕ແ஡ۤ஡ଟ͍
56. ΄ͱΜͲͷࠃ͸ݟͯ΋ɺൺ΂ͯ΋ҙຯ͕ͳ͍ɻ
57. • ஋ͷ੍ݶ - ্Ґ / ԼҐ • ஋ͷ੍ݶ - ৚݅ • ʮOtherʢͦͷଞʣʯάϧʔϓΛ࡞Δ • ϋΠϥΠτ ͍͔ͭ͘Ͱ͖Δ͜ͱ
58. • ஋ͷ੍ݶ - ্Ґ / ԼҐ • ஋ͷ੍ݶ - ৚݅ • ʮOtherʢͦͷଞʣʯάϧʔϓΛ࡞Δ • ϋΠϥΠτ ͍͔ͭ͘Ͱ͖Δ͜ͱ
59. දࣔ͢Δ஋ͷ੍ݶ
60. Limit to Top 30 Countries
61. • ஋ͷ੍ݶ - ্Ґ / ԼҐ • ஋ͷ੍ݶ - ৚݅ • ʮOtherʢͦͷଞʣʯάϧʔϓΛ࡞Δ • ϋΠϥΠτ ͍͔ͭ͘Ͱ͖Δ͜ͱ
64. ʮsessionsʯ͕1000ΑΓେ͖͍ࠃ͚ͩΛදࣔ͢Δ
65. • ஋ͷ੍ݶ - ্Ґ / ԼҐ • ஋ͷ੍ݶ - ৚݅ • ʮOtherʢͦͷଞʣʯάϧʔϓΛ࡞Δ • ϋΠϥΠτ ͍͔ͭ͘Ͱ͖Δ͜ͱ
66. ࠃͷ਺ଟ͗͢
67. ʮͦͷଞʯάϧʔϓΛ࢖͏
69. Limit to only the United States and Japan
70. • ஋ͷ੍ݶ - ্Ґ / ԼҐ • ஋ͷ੍ݶ - ৚݅ • ʮOtherʢͦͷଞʣʯάϧʔϓΛ࡞Δ • ϋΠϥΠτ ͍͔ͭ͘Ͱ͖Δ͜ͱ
71. ͨ͘͞Μ஋͕͋Δ͜ͱ͸ѱ͍͜ͱͰ͸ͳ͍ɻ
72. ϋΠϥΠτ
73. ϋΠϥΠτ
74. GAσʔλΛՄࢹԽ͢Δͱ͖ʹΑ͋͘ΔνϟϨϯδ • σʔλΛ೔෇ɾ࣌ؒͷಛఆϨϕϧͰूܭͯ͠τϨϯυΛՄࢹԽ͍ͨ͠ɻ • νϟʔτΛෳ਺ʹάϧʔϓ෼͚͠ɺάϧʔϓ͝ͱͷτϨϯυΛൺ΂͍ͨɻ • σΟϝϯγϣϯͷ஋͕ଟ͗͢ΔͷͰՄࢹԽ͠ʹ͍͘ɻ • ूܭ஋͚ͩͰ͸ͳ͘ɺσʔλͷ͹Β͖ͭ΍ෆ࣮֬ੑΛՄࢹԽ͍ͨ͠ɻ
75. ηογϣϯͷ͹Β͖ͭΛശͻ͛ਤͰՄࢹԽ
76. ηογϣϯͷ͹Β͖ͭΛശͻ͛ਤͰՄࢹԽ
77. ηογϣϯͷ͹Β͖ͭΛόΠΦϦϯਤͰՄࢹԽ
78. ό΢ϯε཰ͷฏۉΛόʔνϟʔτͰՄࢹԽ
79. ό΢ϯε཰ͷฏۉͱ95ˋ৴པ۠ؒΛΤϥʔόʔͰՄࢹԽ
80. ό΢ϯε཰ͷฏۉͱ95ˋ৴པ۠ؒΛΤϥʔόʔͰՄࢹԽ
81. with EXPLORATORY 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習
82. ςΩετσʔλͷՃ޻ͱՄࢹԽ
83. • ςΩετσʔλͷՃ޻ • σʔλͷ݁߹ • σʔλͷϚʔδ
84. ςΩετσʔλ͸جຊɺ ΫϦʔϯΞοϓ͢Δ͜ͱʹͳΔʂ
85. • ςΩετΛநग़ • ςΩετ࡟আ • ςΩετΛஔ׵ • ςΩετΛม׵
86. Text Wrangling - நग़
87. Text Wrangling - ࡟আ
88. ྫ ϥϯσΟϯάϖʔδͷύϥϝʔλͷ஋Λ ՄࢹԽ͍ͨ͠
89. σʔλ
90. ෆཁͳจࣈྻ͕ࠞͬͯ͡͠·͏
91. ύϥϝʔλͷ஋ΛऔΓग़͢
92. ύϥϝʔλͷ஋ΛऔΓग़͢
93. ύϥϝʔλͷ஋ΛऔΓग़͢
95. ΫϦʔϯΞοϓ։࢝ʂ - ෳ਺ͷʮtagʯΛ෼͚Δ - ςΩετΛἧ͑ΔͨΊʹখจࣈ ʹม׵ - จࣈྻΛ࡟আ - ΫΦʔτͳͲͷಛघจࣈͷ࡟আ - ༨ܭͳεϖʔεͷ࡟আ
96. ʮςΩετσʔλͷՃ޻ʯΛબ୒
103. ϫʔυΫϥ΢υΛ࢖ͬͯՄࢹԽ
104. • ςΩετσʔλͷՃ޻ • σʔλͷ݁߹ • σʔλͷϚʔδ
105. Τϯήʔδϝϯτ
106. ໨ඪ • ίϯόʔδϣϯ཰Λ্͍͛ͨ • νϟʔϯ཰ΛԼ͍͛ͨ
107. 107 ઌߦࢦඪ ޙ௥͍ࢦඪ ࢛൒ظऩӹ ໨ඪະୡ੒ Ωϟογϡ ϑϩʔͷݮগ MRRͷݮগ Ωϟϯηϧ཰ͷ ্ঢ ιʔγϟϧͰͷ ωΨςΟϒͳ ίϝϯτ Appͷ࢖༻ස ౓ͷݮগ Ωϟϯηϧ ϖʔδ΁ͷ๚໰ ΦϯϘʔυͷ ࣦഊ NPSͷݮগ ѱ͍ᷚ νϟʔϯʹؔ͢Δࢦඪ
108. ޙ௥͍ࢦඪ • ֬ೝͷͨΊͷࢦඪ • ෼͔ͬͯ΋ΞΫγϣϯΛى͜͢ʹ͸஗͍ ઌߦࢦඪ • ϏδωεΛ༧ଌ͠ίϯτϩʔϧ͢ΔͨΊͷࢦඪ
109. ՝୊ ஗ޮࢦඪ • ίϯόʔδϣϯ཰ • νϟʔϯ཰ ઌߦࢦඪ • Τϯήʔδϝϯτ
110. ΰʔϧɿ ΤϯήʔδϝϯτΛ্͍͛ͨ νϟϨϯδɿ ΤϯήʔδϝϯτΛͲ͏਺஋Խ͢Δ͔
111. DAU
113. MAU
114. • ΞΫςΟϏςΟͷࢦඪ (DAU, MAU, etc.) ͸ΤϯήʔδϝϯτΛଌ Δ΋ͷͱͯ͠͸࠷దͱݴ͑ͳ͍ɻ • Ϗδωε͕੒௕͍ͯ͠Δ࣌͸ɺϢʔβʔͷΤϯήʔδϝϯτ͕ ্͕ͬͯΔ͔Լ͕ͬͯΔ͔ʹؔ܎ͳ͘ɺΞΫςΟϏςΟͷࢦඪ ΋৳ͼ͍ͯΔɻ • Ӧۀ΍ϚʔέςΟϯάʹ౤ࢿ͢Δ͜ͱʹΑͬͯɺΞΫςΟϏςΟ ͷࢦඪΛ্͛Δ͜ͱ͕Ͱ͖Δɻ ΞΫςΟϏςΟ ≠ Τϯήʔδϝϯτ
115. Τϯήʔδϝϯτ
116. Τϯήʔδϝϯτͷࢦඪ • ಉ͡Ϣʔβʔ͕ͲΕ͚ͩසൟʹWebαΠτ΍αʔϏεΛར༻͍ͯ͠ Δ͔ΛଌΔͨΊͷࢦඪ • Facebook͕ॳظͷࠒʹ࢖͍࢝Ίͨ͜ͱͰ༗໊ʹͳͬͨࢦඪɻ DAU / MAU
117. DAU / MAU /
118. GoogleΞφϦςΟΫεͷσʔλΛ࢖ͬͯͰ͖Δʂ
119. We can use ‘1 Day Active Users (User)’ and ’30 Day Active Users (User)’.
120. 120 1 Day Active Users / 30 Day Active Users DAU/MAU with GA σʔλ
121. ͔͠͠ɺ͜͜Ͱ໰୊͕ɻɻɻ
122. είʔϓͷ੍໿্ɺDAUͱMAUΛಉ࣌ʹऔಘͰ͖ͳ͍ɻ
123. Get DAU Get MAU So, we can get those metrics data separately…
124. Get DAU Get MAU Then, join them together later. Join
125. Join Get DAU Get MAU Join
127. Get DAU Get MAU Join Calculate DAU / MAU
128. Create Calculation Get DAU Get MAU Calculate DAU / MAU Join
129. DAU / MAU
130. ΤϯήʔδϝϯτͷτϨϯυͷՄࢹԽ
131. Add a ‘Smooth Curve’ trendline with LOESS method.
133. • ςΩετσʔλͷՃ޻ • σʔλͷ݁߹ • σʔλͷϚʔδ
134. ͋ΔಛఆͷϖʔδʹΑΓଟ͘ͷϢʔβʔΛ༠ಋ͍ͨ͠ɻ ໰୊
135. Twitter Facebook Search Search Twitter
136. ͦͷϖʔδΛ๚Εͨ͜ͱͷ͋ΔϢʔβʔ͸ ଞͷϢʔβʔͱൺ΂ͯͲ͏͍͏ҧ͍͕͋Δͷ͔ɻ ஌Γ͍ͨ͜ͱ
137. 137 • աڈͷσʔλΛ΋ͱʹ༧ଌϞσϧΛ࡞ͬͯকདྷ Λ༧ଌ͢Δ • աڈσʔλͷதʹ౴͑ʢϥϕϧʣ͕͋Δ ػցֶशɿڭࢣ͋Γֶश
138. 138 ๚໰ ιʔε ࠃ σόΠε λΠϓ TRUE Medium US Mobile New FALSE Qiita Japan PC Return FALSE Search UK Mobile Return TRUE Facebook Japan Mobile New TRUE Medium US PC New FALSE Twitter Japan Table Return
139. 139 ๚໰ ιʔε ࠃ σόΠε λΠϓ TRUE Medium US Mobile New FALSE Qiita Japan PC Return FALSE Search UK Mobile Return TRUE Facebook Japan Mobile New TRUE Medium US PC New FALSE Twitter Japan Table Return
140. 140 ๚໰ ιʔε ࠃ σόΠε λΠϓ TRUE Medium US Mobile New FALSE Qiita Japan PC Return FALSE Search UK Mobile Return TRUE Facebook Japan Mobile New TRUE Medium US PC New FALSE Twitter Japan Table Return ༧ଌର৅ આ໌ม਺
141. • ηάϝϯτΛ࡞Δ ʢ͋Δϖʔδʹདྷͨ͜ͱͷ͋ΔϢʔβʔ vs. དྷͨ͜ͱͷͳ͍Ϣʔβʔʣ • ͦΕͧΕͷηάϝϯτͷσʔλΛऔಘ • σʔλͷϚʔδ • σʔλϥϯάϦϯά • ػցֶशʢϥϯμϜϑΥϨετʣΛ࢖ͬͨ༧ଌϞσϧͷߏங
142. Import Data by specifying the Segment
143. Name Page View Bootcamp 15 Bootcamp 100 Bootcamp 20 Name Page View Not Bootcamp 20 Not Bootcamp 95 Not Bootcamp 30 Name Sales Bootcamp 15 Bootcamp 100 Bootcamp 20 Not Bootcamp 20 Not Bootcamp 95 Not Bootcamp 30 ҟͳΔηάϝϯτͷσʔλΛผʑʹऔ͖ͬͯͯʮϚʔδʯ͢Δ
144. 2ͭͷσʔλϑϨʔϜΛϚʔδ͢Δ
145. σʔλ෼ੳͷ࠶ݱੑ
146. σʔλ͸ຖ೔ʢຖ࣌ؒɺຖ෼ʣߋ৽͞ΕΔɻ σʔλͷՃ޻࡞ۀΛԿ౓΋΍Γͨ͘ͳ͍ɻ ࣗಈԽͰ͖ͳ͍͔ʁ 146
147. ࠶ΠϯϙʔτϘλϯΛΫϦοΫ͢Δ 147
149. with EXPLORATORY 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習
150. • ౷ܭϞσϦϯά • ػցֶशϞσϧΛ࢖ͬͨ༧ଌͱม਺ॏཁ౓ • ࣌ܥྻ༧ଌ • ҼՌతޮՌʢCausal Impactʣ෼ੳ • ΫϥελϦϯά
151. • ౷ܭϞσϦϯά • ػցֶशϞσϧΛ࢖ͬͨ༧ଌͱม਺ॏཁ౓ • ࣌ܥྻ༧ଌ • ҼՌతޮՌʢCausal Impactʣ෼ੳ • ΫϥελϦϯά
152. • ࣍ͷ6ϲ݄ɺ΢ΣϒαΠτͷύϑΥʔϚϯεΛอͭͨΊʹ͸ݱࡏͷ αʔόʔߏ੒ͰΑ͍ͷ͔ɻ • ͦΕͱ΋΋ͬͱϋΠεϖοΫͷαʔόʔΛ༻ҙͨ͠Β͍͍ͷ͔ɻͲ ͷ஍ҬͷαʔόʔΛ૿΍ͤ͹Α͍ͷ͔ɻ • αʔόʔΛ૿΍͢ͷ͸ίετ্͕͕Δɻ • ίετΛ཈͍͕͑ͨɺͦͷ͜ͱʹΑͬͯϏδωεͷ੒௕Λ٘ਜ਼ʹ͠ ͨ͘ͳ͍ɻ ՝୊
153. • কདྷͷϖʔδΞΫηεΛత֬ʹ༧ଌ͍ͨ͠ɻ • ΞΫηε͕૿͑ΔͷͳΒ͹αʔόʔΛ૿΍͢ɻ૿͑ͳ͍ͷͰ͋ Ε͹αʔόʔΛ૿΍͞ͳ͍ɺ΋͘͠͸ݮΒ͢ɻ • ஍Ҭ͝ͱʹ༧ଌ͢Δ͜ͱ͕Ͱ͖Ε͹ɺͲͷ஍ҬͷαʔόʔΛ૿ ΍͢ɺ·ͨ͸ݮΒͤ͹͍͍͔ͷܭը͕ग़͖Δɻ ஌Γ͍ͨ͜ͱ
154. ϖʔδϏϡʔͷτϨϯυͷՄࢹԽ
155. νϟʔτͷݶք
156. ProphetΛ࢖ͬͨ࣌ܥྻ༧ଌ
157. 157 • Facebookʹ͍ͨσʔλαΠΤϯςΟετ ʢSean J. Taylor & co.ʣ͕࡞ͬͨ࣌ܥྻ༧ ଌΞϧΰϦζϜͰɺΦʔϓϯιʔεͱͯ͠ ެ։͞Ε͍ͯΔɻ(https:// facebook.github.io/prophet) • ౷ܭɺ࣌ܥྻ༧ଌͷઐ໳஌͕ࣝͳͯ͘΋ ࢖͑ΔΑ͏ʹσβΠϯ͞Ε͍ͯΔɻ Prophet Sean J. Taylor @seanjtaylor
158. 158 • աڈσʔλʹ࠷΋ϑΟοτ͢ΔҎԼͷཁૉͷ࿨ͱͯ͠ද͢͜ͱͷͰ ͖Δ׈Β͔ͳۂઢΛඳͨ͘Ίͷ༧ଌϞσϧΛߏஙɻ • େہతͳ੒௕τϨϯυ • ೥पظͷقઅੑ (Seasonality) • िपظͷقઅੑ (༵೔ʹΑΔӨڹ) • ॕ೔ޮՌ - ΫϦεϚε, ৽೥,ΈͲΓͷ೔, etc. ProphetʹΑΔ࣌ܥྻ༧ଌ
160. 160 ΦϨϯδ৭ͷઢ͚ͩͷ۠ؒ͸ࠓޙ1೥ؒͷ༧ଌΛද͢ɻ
161. 161 άϦʔϯͷઢ͕τϨϯυϥΠϯ τϨϯυ
162. 162 ೥पظͷقઅੑ
163. 163 िपظͷقઅੑ
164. GAσʔλ with Prophet • ೔෇͝ͱͷPage ViewͷσʔλΛऔಘɻ • ʮ࣌ܥྻ༧ଌ with ProphetʯΛ࢖ͬͨ༧ଌϞσϧͷߏங
165. 6ϲ݄ޙ·Ͱͷ༧ଌ
166. 12ϲ݄ޙ·Ͱͷ༧ଌ
167. ೥पظͷقઅੑ
168. τϨϯυ
169. ܁Γฦ͠
170. Q & A
171. ࣍ճηϛφʔ
172. Exploratoryͷ࢖͍ํ 3/19 (໦) ͓ன12࣌ (೔ຊ࣌ؒʣ Exploratory ηϛφʔ #27
174. 5݄։࠵ܾఆʂ ฏ೔൛ɿ26೔ʢՐʣɺ27೔ʢਫʣɺ28೔ʢ໦ʣ ि຤൛ɿ23೔ʢ౔ʣɺ24೔ʢ೔ʣɺ30೔ʢ౔ʣ
175. • ϓϩάϥϛϯάͳ͠ RݴޠͷUIͰ͋ΔExploratoryΛ෼ੳπʔϧͱͯ͠࢖༻͢ΔͨΊडߨத͸ɺϏδωεͷ ໰୊Λղܾ͢ΔͨΊʹඞཁͳσʔλαΠΤϯεͷख๏ͷशಘʹ100ˋूதͰ͖Δ • ෼ੳπʔϧͷϕϯμʔϩοΫΠϯͳ͠ ExploratoryͰͷ࡞ۀ͸શͯಠཱͨ͠ΦʔϓϯιʔεͷR؀ڥͰ࠶ݱ͕Մೳ • ϏδωεͰ࢖͑ΔࢥߟྗͱεΩϧͷशಘ σʔλαΠΤϯεͷεΩϧशಘ͚ͩͰͳ͘ɺσʔλ෼ੳʹඞཁͳࢥߟྗ΋शಘͰ͖Δ ಛ௃
176. ࿈བྷઌ ϝʔϧ kan@exploratory.io ΢ΣϒαΠτ https://ja.exploratory.io ϒʔτΩϟϯϓɾτϨʔχϯά https://ja.exploratory.io/training-jp Twitter @KanAugust