Slide 1
Slide 1 text
[論文紹介]
Modeling
Website
Popularity
Compe88on
in
the
A;en8on-‐Ac8vity
Marketplace
Bruno
Ribeiro
and
Christos
Faloutsos
(Carnegie
Mellon
University)
WSDM
2015
Yoshifumi
Seki
(Gunosy
Inc)
2015.05.13
@WSDM
2015読み会
Slide 2
Slide 2 text
概要
• 競合するWebサービスのDAUの予測をしたい
• 「Marketplace
of
A;en8on」(Herbert
A.
Simon)
– 情報はA;en8onを取り合っている
• 「A;en8on-‐Ac8vity
Marketplace」
– ウェブサイトはA;en8onと行動を取り合っている
– 特にSNSのようなサービスはAc8vityがコンテンツ
になり，それがA;en8onを呼ぶ
Slide 3
Slide 3 text
やっていること
• A;en8on-‐Ac8vity
Marketplaceの考え方を用
いて，FacebookがMySpaceなどのサービスに
打ち勝った経過をモデル化する
Slide 4
Slide 4 text
No content
Slide 5
Slide 5 text
No content
Slide 6
Slide 6 text
用いたデータ
• Amazon
AlexaのDAUデータ(2007-‐2014)
– Ac8ve
Internet
Popula8on(AIP)
– DAU/AIPを用いる
• 曜日要因などを正規化できる
– 31日移動平均によって平滑化
– スマートフォンは入っていない
• MySpaceとFacebookの争っていた時期はSmartPhoneの割
合は少ないのでOK
• MySpaceのAc8vityデータ
– 2004-‐2009
[Ribeiro
et
al]
Slide 7
Slide 7 text
model
• ユーザの状態を以下のタプルで表現する
– (W_a,
W_b)
– ウェブサイトaの状態とウェブサイトbの状態
– 状態は以下
• U
– 気づいていないが気づけばアクティブユーザになりそうな人
• A
– アクティブユーザ
• I
– アクティブユーザでなくなったユーザ
• 0
– そのウェブサイトに未来永劫アクティブにならないユーザ
Slide 8
Slide 8 text
DAUの表現
Slide 9
Slide 9 text
Disjoint
Popula8on
Dynamics
Slide 10
Slide 10 text
Joint
Unaware
Popula8on
Dynamics
Slide 11
Slide 11 text
Concurrent
Adopters
Dynamics
Slide 12
Slide 12 text
A;en8on
Sharing
of
Concurrent
Adopters
B_b:
サイトbの滞在時間,
delta_b:
サイトbの滞在時間が次のステップでいくつ減る
か？
Slide 13
Slide 13 text
DAU
Model
fit
Levenberg-‐Marquardt
algorithmを用いてフィッティング
Locallyな最適値を探すので多くの初期値でフィッティングさせて最適なものを探し
た
24
monthでtrainingし,
4monthでモデルを選択した
Slide 14
Slide 14 text
Facebook
vs
MySpace
Slide 15
Slide 15 text
Mul8ply
Slide 16
Slide 16 text
Hi5
Slide 17
Slide 17 text
まとめ
• ac8vity-‐a;en8on
marketplaceという概念を提
案し，それを元にDAU予測モデルを構築した
• 結果としてFacebookとその他のSNSとの競争
の状況を再現することができた
Slide 18
Slide 18 text
感想
• ひとつの事例であって、ここまで一般化できるの
だろうか…
• また実験が雑で例えば競合を想定しなかった時
との精度はどうなるか？などがわからず手法の
優位性を検討するのが難しい
– 著者らは競合を想定しないモデルも以前提案してお
り、多少は優位になっているとは考えられるが…
• 負けがどれだけまで負けるかみたいなモデルに
はできる。投資家とかVC向け？