Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ユーザーコミュニケーションと データ活用 / User Communication and...
Search
LINE Developers
June 25, 2019
Technology
1
690
ユーザーコミュニケーションと データ活用 / User Communication and Utilizing Data
牟田 博和 HIROKAZU MUTA (LINE Corporation)
THE NEW CONTEXT CONFERENCE 2019 TOKYOでの発表資料です
LINE Developers
June 25, 2019
Tweet
Share
More Decks by LINE Developers
See All by LINE Developers
LINEスタンプのSREing事例集:大きなスパイクアクセスを捌くためのSREing
line_developers
1
2.3k
Java 21 Overview
line_developers
6
1.2k
Code Review Challenge: An example of a solution
line_developers
1
1.3k
KARTEのAPIサーバ化
line_developers
1
530
著作権とは何か?〜初歩的概念から権利利用法、侵害要件まで
line_developers
5
2.2k
生成AIと著作権 〜生成AIによって生じる著作権関連の課題と対処
line_developers
3
2.1k
マイクロサービスにおけるBFFアーキテクチャでのモジュラモノリスの導入
line_developers
9
3.5k
A/B Testing at LINE NEWS
line_developers
3
970
LINEのサポートバージョンの考え方
line_developers
2
1.3k
Other Decks in Technology
See All in Technology
低レイヤを知りたいPHPerのためのCコンパイラ作成入門 完全版 / Building a C Compiler for PHPers Who Want to Dive into Low-Level Programming - Expanded
tomzoh
4
3.4k
ひとり情シスなCTOがLLMと始めるオペレーション最適化 / CTO's LLM-Powered Ops
yamitzky
0
460
LangChain Interrupt & LangChain Ambassadors meetingレポート
os1ma
2
200
ドメイン特化なCLIPモデルとデータセットの紹介
tattaka
1
300
強化されたAmazon Location Serviceによる新機能と開発者体験
dayjournal
3
230
本が全く読めなかった過去の自分へ
genshun9
0
660
5min GuardDuty Extended Threat Detection EKS
takakuni
0
180
PHP開発者のためのSOLID原則再入門 #phpcon / PHP Conference Japan 2025
shogogg
4
920
生成AI開発案件におけるClineの業務活用事例とTips
shinya337
0
160
KubeCon + CloudNativeCon Japan 2025 Recap Opening & Choose Your Own Adventureシリーズまとめ
mmmatsuda
0
230
Connect 100+を支える技術
kanyamaguc
0
110
asken AI勉強会(Android)
tadashi_sato
0
130
Featured
See All Featured
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
10
940
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
29
9.5k
Connecting the Dots Between Site Speed, User Experience & Your Business [WebExpo 2025]
tammyeverts
5
230
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
3.9k
The Invisible Side of Design
smashingmag
300
51k
How to train your dragon (web standard)
notwaldorf
94
6.1k
Fantastic passwords and where to find them - at NoRuKo
philnash
51
3.3k
Done Done
chrislema
184
16k
RailsConf 2023
tenderlove
30
1.1k
What’s in a name? Adding method to the madness
productmarketing
PRO
23
3.5k
Scaling GitHub
holman
459
140k
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
124
52k
Transcript
HIROKAZU MUTA DATA SCIENCE TEAM DATA SCIENCE AND ENGINEERING CENTER
LINE CORPORATION Ϣʔβʔίϛϡχέʔγϣϯͱ σʔλ׆༻ THE NEW CONTEXT CONFERENCE 2019 TOKYO
l 名前 牟⽥ 博和 ( Hirokazu Muta ) l 業務
Data Scientist / Project Manager / Manager, Data Science Team ー データサイエンスチームの運営 ー データサイエンスプロジェクトの推進 ー 全社のデータ活⽤推進 ー 経営企画室を兼務 ࣗݾհ
Agenda • LINEのデータの特徴 • コミュニケーションとデータ活⽤
LINEͷσʔλͷಛ
MAU サービス数 LINEͷσʔλσΧ͍ 86%(⽇本) 79%(4国※) 80M(⽇本) 164M(4国※) たくさん 2019年12⽉期 第1四半期決算説明会資料(LINE株式会社)を参考に作成
https://scdn.line-apps.com/stf/linecorp/ja/ir/all/FY19Q1_earnings_release_JP.pdf DAU÷MAU ※主要4国:⽇本、台湾、タイ、インドネシア
LINEͷϢʔβʔͱͯ෯͍ 75.8% 39.8% 67.1% 85.4% 92.4% 95.8% 86.3% શ 60
50 40 30 20 10 0% 20% 40% 60% 80% 100% ผͷLINEར༻ʢฏ29ʣ 平成 29 年情報通信メディアの利⽤時間と情報⾏動に関する調査 報告書(総務省)を参考に筆者作成 http://www.soumu.go.jp/main_content/000564530.pdf
ϝοηʔδΞϓϦ͔Βۚ༥·Ͱ෯͘ల։
ユーザーとのコミュニケーションを例にとって σʔλ׆༻ͷํੑ
CLOSING THE DISTANCE LINE公式アカウント Smart Channel 企業とユーザーの距離を縮める
l 距離が近くなりすぎているケースも l 企業側の押し付けになっていないか? ͕ɺڑײॏཁ
l メッセージを送りすぎてしまう l ユーザー側が興味がない情報を送ってしまう LINEެࣜΞΧϯτͷΑ͋͘Δ՝
Ϣʔβʔͱྑ͍ؔΛஙͨ͘Ίʹ 重要な3つの視点 ユーザー属性の考慮 コンテキストの理解 最適化の時間軸 ユーザーはどんな⼈?なにが好き? ユーザーはどういう状態? メッセージはいつ届いた?⾒た⽬は? 短期的か?⻑期的か?
Ϣʔβʔͱྑ͍ؔΛஙͨ͘Ίʹ 重要な3つの視点 Ϣʔβʔଐੑͷߟྀ コンテキストの理解 最適化の時間軸 ユーザーはどんな⼈?なにが好き? ユーザーはどういう状態? メッセージはいつ届いた?⾒た⽬は? 短期的か?⻑期的か?
ྨࣅ৴ʢLOOKALIKEʣ シードと似ているユーザー群を抽出する シード ユーザー群 類似度:⾼ 類似度:中 シードユーザー群 (既存顧客)を”拡張” → 潜在顧客を得る
LINEユーザー全体
ϢʔβʔଐੑΛ”ػցతʹߟྀ͢Δ” Input 〜2000万次元 Output Probability(0-1) 1次元 ⾼次元のユーザー特徴量ベクトル 参考:”Machine Learning at
LINE“, LINE DEVELOPER DAY 2018 https://www.slideshare.net/linecorp/machine-learning-at-line-124120738 例:“Lookalike”オーディエンス拡張のためのDNNモデル
Ϣʔβʔͱྑ͍ؔΛஙͨ͘Ίʹ 重要な3つの視点 ユーザー属性の考慮 ίϯςΩετͷཧղ 最適化の時間軸 ユーザーはどんな⼈?なにが好き? ユーザーはどういう状態? メッセージはいつ届いた?⾒た⽬は? 短期的か?⻑期的か?
l 広告に対する反応は時間帯によって⼤きく異なる l 店舗からの距離が遠いほど、クーポンのディスカウント率が⾼くないと使われ ない l 混雑度が⾼い場所にいるほど、広告に反応する確率が上がる l グループで買い物しているときのほうが1⼈のときと⽐べて広告によく反応す る(ただし⾼所得者は逆の傾向を⽰す)
l 広告フォーマットはとても重要 ϞόΠϧϚʔέςΟϯάʹ͓͍ͯ ίϯςΩετॏཁ モバイル端末を使った実験の実験 ※すべて、アニンディヤ・ゴーシュ著「Tap スマホで買ってしまう9つの理由」(⽇経BP社)より抜粋
ίϯςΩετཧղͷྫᶃ LINEスタンプ公式アカウントの取り組み l スタンプの発売時に、興味があると推定される ユーザーにメッセージを送付 l 送付の頻度・タイミングは実験によって最適化 l なぜ効果が⾼いのか? →
⾒せ⽅がコンテキストに合っているから
ಉ͡ίϯςϯπͰ “ݟͤํ”Λม͑Δ 違う場所で同じ⾒せ⽅をしてもうまくいかないことも多い メッセージ スタンプショップ ほぼ同様の コンテンツ
“ίϯςΩετ”ཧղͷྫᶄ LINEバイト公式アカウントの取り組み l バイトを探していると推定されるユーザーに おすすめ求⼈情報を送付 l 頻度・タイミングの最適化の⼀部に機械学習を導⼊、 実験によってパラメータを最適化 l 機械学習の導⼊によって、応募数キープでブロック率
を⼤幅に低減 l なぜブロックが低減できたのか? → 情報を欲するユーザーにだけ送付できているから "#$%&' "#$
Ϣʔβʔͷٻ৬Λਪఆ͢Δ ⾏動ログによるスコアリングとセグメンテーション 来週中には 新しいバイト先を ⾒つけたい! そろそろバイト探さないと まずいな〜。 勉強いそがしいしバイト はしばらく無理だな。ま た落ち着いたら探そう。
適した コミュニケーション頻度 ⾼ 中 低 ⾏動ログ の分析 ユーザーの求職度合い
Ϣʔβʔͱྑ͍ؔΛஙͨ͘Ίʹ 重要な3つの視点 ユーザー属性の考慮 コンテキストの理解 ࠷దԽͷ࣌ؒ࣠ ユーザーはどんな⼈?なにが好き? メッセージはいつ届いた?⾒た⽬は? ユーザーはどういう状態? 短期的か?⻑期的か?
”ૹΓ͗͢lʹظతࢹʹΑΔ࠷దԽ コミュニケーション 頻度 フォロワーの エンゲージメントや売上 短期的視点 ⻑期的視点 コミュニケーション頻度とユーザーエンゲージメントの関係 最適値にギャップ ※メッセージ個別の質やユーザー個別の属性は未考慮
”ૹΓ͗͢lʹظతࢹʹΑΔ࠷దԽ コミュニケーション 頻度 フォロワーの エンゲージメントや売上 短期的視点 ⻑期的視点 コミュニケーション頻度とユーザーエンゲージメントの関係 ※メッセージ個別の質やユーザー個別の属性は未考慮 こちらに
寄せる
ίϯςΩετཧղʹΑ࣮ͬͯݱ͍ͨ͜͠ͱ ʹظతࢹͰͷίϛϡχέʔγϣϯ࠷దԽ コミュニケーション 頻度 フォロワーの エンゲージメントや売上 ⻑期的視点 ※メッセージ個別の質やユーザー個別の属性は未考慮 コミュニケーションの 質を改善
頻度を 最適化
LINE͕σʔλ׆༻ʹΑͬͯੜΈग़͢Ձͱ ターゲティング精度上がる! ROIよくなる!効率上がる! ユーザー体験をもっと豊かなものにする l 趣味嗜好にあった情報を受け取ることができる l 無駄なく、即座に必要な情報を⼿に⼊れられる というよりは
THANK YOU