ユーザーコミュニケーションとデータ活用 / User Communication and Utilizing Data

Slide 1

Slide 1 text

HIROKAZU MUTA DATA SCIENCE TEAM DATA SCIENCE AND ENGINEERING CENTER LINE CORPORATION Ϣʔβʔίϛϡχέʔγϣϯͱ σʔλ׆༻ THE NEW CONTEXT CONFERENCE 2019 TOKYO

Slide 2

Slide 2 text

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 ࣗݾ঺հ

Slide 3

Slide 3 text

Agenda • LINEのデータの特徴 • コミュニケーションとデータ活⽤

Slide 4

Slide 4 text

LINEͷσʔλͷಛ௃

Slide 5

Slide 5 text

MAU サービス数 LINEͷσʔλ͸σΧ͍ 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

Slide 6

Slide 6 text

LINEͷϢʔβʔ૚͸ͱͯ΋෯޿͍ 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༻཰ʢฏ੒29೥ʣ 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

Slide 7

Slide 7 text

ϝοηʔδΞϓϦ͔Βۚ༥·Ͱ෯޿͘ల։

Slide 8

Slide 8 text

ユーザーとのコミュニケーションを例にとって σʔλ׆༻ͷํ޲ੑ

Slide 9

Slide 9 text

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

Slide 10

Slide 10 text

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？ ͕ɺڑ཭ײ͸ॏཁ

Slide 11

Slide 11 text

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 LINEެࣜΞΧ΢ϯτͷΑ͋͘Δ՝୊

Slide 12

Slide 12 text

Ϣʔβʔͱྑ͍ؔ܎Λஙͨ͘Ίʹ 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？

Slide 13

Slide 13 text

Ϣʔβʔͱྑ͍ؔ܎Λஙͨ͘Ίʹ 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？

Slide 14

Slide 14 text

ྨࣅ഑৴ʢLOOKALIKEʣ 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

Slide 15

Slide 15 text

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

Slide 16

Slide 16 text

Ϣʔβʔͱྑ͍ؔ܎Λஙͨ͘Ίʹ 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？

Slide 17

Slide 17 text

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 ίϯςΩετ͸ॏཁ 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

Slide 18

Slide 18 text

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

Slide 19

Slide 19 text

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

Slide 20

Slide 20 text

“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 "#$%&' "#$

Slide 21

Slide 21 text

Ϣʔβʔͷٻ৬౓Λਪఆ͢Δ 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

Slide 22

Slide 22 text

Ϣʔβʔͱྑ͍ؔ܎Λஙͨ͘Ίʹ 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？

Slide 23

Slide 23 text

”ૹΓ͗͢lʹ୹ظతࢹ఺ʹΑΔ࠷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

Slide 24

Slide 24 text

”ૹΓ͗͢lʹ୹ظతࢹ఺ʹΑΔ࠷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

Slide 25

Slide 25 text

ίϯςΩετཧղʹΑ࣮ͬͯݱ͍ͨ͜͠ͱ ʹ௕ظతࢹ఺Ͱͷίϛϡχέʔγϣϯ࠷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

Slide 26

Slide 26 text

LINE͕σʔλ׆༻ʹΑͬͯੜΈग़͢Ձ஋ͱ͸ 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

Slide 27

Slide 27 text

THANK YOU