[PYTHON] Versuchen wir es mit der Analyse! Kapitel 1: Nutzung analytischer Technologien - aus geschäftlicher Sicht -

Vorwort

In dieser Reihe werden Analysetechniken und -methoden vorgestellt. Wenn Sie mit speziellen Inhalten beginnen, tendieren Sie dazu, sich auf technische und akademische Inhalte zu konzentrieren. In diesem Kapitel möchte ich Ihnen einen kurzen Überblick über den Einsatz von Analysetechnologie auf der Unternehmensseite geben (z. B. Online-Werbebetrieb). Das folgende Kapitel 2 gibt einen Überblick über Analysetechniken aus technischer Sicht.

Einsatz von Analysetechnologie im Online-Werbebetrieb

Betrachten wir die Verwendung der Analysetechnologie, die sich auf die folgenden Schlüsselwörter konzentriert, am Beispiel der Online-Werbung.

A. Visualisierung, B. Kontrolle

Als konkretes Beispiel möchte ich die Verwendung der Analysetechnologie am Beispiel des vereinfachten Online-Werbevorgangs in Abb. 1 erläutern. Ich werde den Ablauf von Abb. 1 kurz erläutern, damit auch diejenigen, die mit dem Online-Werbebetrieb nicht vertraut sind, ein operatives Image haben.

Betriebsbild (Abb.1):

• Start: Legen Sie Ziele für die Anzeigenschaltung im Web fest. Beispielsweise können für einen Monat 100 Produkte über Online-Werbung mit einem Budget von 1 Million Yen gekauft werden.

• (1): Schätzung der Budgetaufschluss- und -umwandlungsrate (Materialanforderung, Produktkauf usw.) anhand der Zielgruppe und der geschätzten Anzahl der Benutzer. Betrachten (entscheiden) Sie Kandidaten für Lieferziele aus einer vorläufigen Datenerhebung.

• (2): Legen Sie die Lieferung am Lieferziel (z. B. Google AdWords) fest, die basierend auf (1) verwendet werden soll. Insbesondere wird auf dem System eine Struktur generiert, die als Campen oder Anzeigengruppe bezeichnet wird, und dort werden kreative Keywords für die Verteilung festgelegt. Legen Sie außerdem den Tagesbudgetbetrag und den CPC fest (Kosten pro Klick: Kosten pro Klickeinheit).

• (3): Verteilung starten.

• (4): Lieferdaten werden in einer Datenbank oder dergleichen gespeichert. Sie können die einfachen Tabellenergebnisse auf dem Verwaltungsbildschirm des Verteilungssystems überprüfen oder den Bericht herunterladen.

• (5): Erfassung und Auswertung von Zeitreihendaten zu Verdauungskosten und Conversions für jede Kampagne oder Anzeigengruppe. Passen Sie gegebenenfalls das Tagesbudget und den CPC basierend auf den Bewertungsergebnissen neu an und wiederholen Sie den Vorgang von (3) bis (5).

• Ende: Das Ziel wird erreicht, die Lieferfrist endet und die Lieferung endet, wenn das gesamte Budget erschöpft ist.

• Weitere Informationen zur Online-Werbung finden Sie in den folgenden Büchern. ・ [Eine neue Methode, um die Idee des Attributionswerbungseffekts umzukehren](http://www.amazon.co.jp/ Attribution-Eine neue Methode, um die Idee des Werbeeffekts von Grund auf umzukehren - Tanaka-String / dp / 4844331841 /) Gen Tanaka, Yasuo Sato, Go Sugihara, Yuichi Arizono, Beeindrucken Sie Japan

・ [Einführung in das DSP / RTB-Zielgruppen-Targeting] Werberevolution von "Frame" zu "Menschen" im Big-Data-Zeitalter](http://www.amazon.co.jp/DSP-RTB Einführung in das Zielgruppen-Targeting im Big-Data-Zeitalter Verwirklichung von "Rahmen" für "Menschen" Werberevolution-Next-Publishing / dp / 4864780013 /) Ryuji Yokoyama, Kenichi Sugawara, Yoshiteru Umeda, beeindrucken F & E.

・ [Die Werbetechnologie von den Grundlagen des Datenmarketings zum Konzept der Attribution](http://www.amazon.co.jp/ Die Werbetechnologie - Von den Grundlagen des Datenmarketings zum Konzept der Attribution-Sugawara- Kenichi / dp / 4798136557 /) Kenichi Sugawara, Yuichi Arizono, Yoshihiro Okada, Go Sugihara, Shosuisha

・ [Ad Technology Professional Training Reader - Optimierung der Werbewirksamkeit im Zeitalter des digitalen Marketings!](Http://www.amazon.co.jp/ Ad Technology - Professional Training Reader - Optimierung der Werbewirksamkeit im Zeitalter des digitalen Marketings Software-Design / dp / 4774164291 /) Ryoji Yasushima, Yusuke Sato, Yuki Matsuda, Keiji Tokiyoshi, Takeshi Ishiguro und Taku Ogawa, Technical Review Company

A: Visualisierung

Es ist keine Übertreibung zu sagen, dass der erste Schritt bei der Datenanalyse darin besteht, die akkumulierten Rohdaten zu aggregieren und die Daten in Tabellen und Grafiken zu visualisieren (anzusehen). Im Prinzip spiegeln die gesammelten Daten die Fakten bis zu diesem Punkt wider (obwohl es Rauschen geben kann). Die Nutzung der Datenvisualisierung hilft bei faktenbasierten Entscheidungen und erhöht die Erfolgswahrscheinlichkeit im nächsten Geschäftszyklus.

Visualisierung im Betriebsablauf

Betrachten Sie zum Beispiel den Prozess von Abb.1. Wenn Sie einen früheren Lieferungsdatensatz haben, hilft Ihnen die Visualisierungstechnologie dabei, die Fakten vergangener Daten in Prozess (1) zu klären und die Lieferung in Prozess (2) zu entwerfen und festzulegen. Zum Beispiel

• Wenn Sie DMP (Date Management Platform) verwenden, können Sie die Zielbenutzergruppe vorab aus den gesammelten Daten eingrenzen und Einstellungen für die Retargeting-Verteilung implementieren.
• Frühere Ergebnisse können nicht erhalten werden, wenn eine neue Verteilung beginnt. Es ist jedoch möglich, die Zeitreihendaten nach dem Beginn der Verteilung innerhalb der Prozesse (3) bis (5) zu visualisieren. Durch schnelles Wiederholen kann die Bewertung von (5) für die in (3) durchgeführte Lieferanpassung verwendet werden, was zu einer täglichen Leistungsverbesserung führen kann.

Visualisierungstechnologie

In letzter Zeit ist es relativ einfach geworden, Daten mit Excel (Solver, Analysetool, Powerpivot), Google Analytics, Bildschirm zur Verwaltung des Verteilungssystems, Dashboard (Tableau usw.) zu visualisieren.

Expressionstechnologie zur Visualisierung

Wenn Menschen Daten einen Sinn geben müssen (z. B. wenn sie einen Bericht an einen Kunden senden), erschwert das Zeichnen einer großen Datenmenge die Interpretation des Berichts. Aus diesem Grund ist es notwendig, einen Weg zu finden, um die Daten anzuzeigen. Wenn Sie einen anderen Ausdruck als ein Diagramm wünschen, das von Excel ausgegeben werden kann, können Sie mithilfe von Tools wie D3.js, Graphvis und R eine größere Auswahl an Ausdrücken erhalten. Für die Verwendung dieser Tools sind möglicherweise Eingabedatenverarbeitungstechniken aus Excel erforderlich.

Aggregationstechnologie zur Visualisierung

Abhängig von der Größe der Daten und dem Inhalt, den Sie aggregieren möchten, kann eine Datenbank oder verteilte Verarbeitung (Hadoop ist bekannt) als Analysetechnologie verwendet werden. Wenn es schwierig ist, die Daten durch einfache Aggregation zu erfassen, ist es häufig erforderlich, die Daten (Benutzeraktionsprotokoll usw.) in der Programmiersprache zu verarbeiten. Während die protokollbasierte Aggregation Einblick in Details des Benutzerverhaltens bietet, kann es technisch schwierig sein, unter komplexen Bedingungen umfangreiche Aggregationen mit hoher Geschwindigkeit durchzuführen.

B: Kontrolle

• Eine große Anzahl von Projekten, die verwaltet und betrieben werden sollen, kann nicht bearbeitet werden.
• Die menschlichen Kosten steigen.
• Es gibt viele Fehler bei den Einstellungen für die Berichterstellung und Zustellung.
• Schwer zu bedienen mit konstanter Qualität.

Beispiele für mögliche Lösungen für diese Herausforderung sind

• p1: Automatisiert die Datenerfassung / -verarbeitung / Berichterstellung in (4) oder zeigt sie im Dashboard an.
• p2: In (5) werden die Verteilungseinstellungsparameter automatisch aus den in (4) erfassten und verarbeiteten Daten berechnet.
• p3: Die aus (5) in (3) erhaltenen Parameter werden automatisch für das Verteilungssystem eingestellt.

Für die Prozesse von p1 und p3 ist es möglich, ein automatisiertes System unter Verwendung der in der Visualisierung von A eingeführten Technologie (Datenbank, verteilte Verarbeitungstechnologie usw.) aufzubauen. Es ist möglich, ein System ohne spezielle Logik zu entwickeln, die maschinelles Lernen verwendet. Andererseits erfordert der p2-Prozess eine mathematische Logik, in einigen Fällen, wie die Eingabedaten ausgewertet werden. Regelbasierte, algorithmische, Hybride usw. der Bewertungslogik von p2 werden je nach Situation ausgewählt.

Regelbasierte und algorithmische Funktionen

Hauptmerkmale der Regelbasis

KPI-Kriterien (Ziel-CPA usw.) werden im Voraus festgelegt, mehrere im Voraus entworfene Regeln werden durch bedingte Verzweigung ausgewertet, und Budgetänderungen und andere für den Betrieb verwendete Einstellungsparameteränderungen werden innerhalb der Logik ausgeführt. .. Sie mussten nicht unbedingt Mathematik oder komplexe Analysetechniken verwenden. Stellen Sie sich zum Beispiel den Fall vor, in dem der Ziel-CPA 1.000 Yen beträgt und das an einem Tag zu verbrauchende Budget 30.000 Yen beträgt. Wenn die Lieferdaten (Campen-Einheit) (Ziel-CPA, Tagesbudget) = (erreicht, nicht erreicht) (bedingte Filialbewertung) sind, wird beschlossen, den CPC (Bid-Unit-Preis) der Anzeigengruppe zu erhöhen, was die Erschöpfung des Budgets fördert. Der Änderungsbereich von CPC kann vom Bediener verwendet werden, der im Voraus eine einfache Formel definiert (wenn der Bericht in Excel ausgewertet wird, kann er auf den Erfahrungen des Bedieners basieren).

verdienen

• Der Betrieb wird nach Regeln bewertet, die für Bediener und Kunden intuitiv und leicht verständlich sind.
• Da die Regeln innerhalb des Bereichs festgelegt sind, den Menschen verstehen können, ist es leicht, ein Gefühl der Überzeugung zu bekommen, wenn der Bericht während oder nach der Lieferung angezeigt wird.

** Fehler **

• Wenn Sie versuchen, die Stabilität und Genauigkeit des Systems zu verbessern, werden die Einstellungsregeln kompliziert und die Vorteile werden leicht zu Nachteilen.
• Wenn eine große Anzahl von Parametern ausgewertet werden muss (z. B. mehrmaliges Anpassen von 100 oder mehr CPCs gleichzeitig), wird es sehr schwierig, Regeln zu entwerfen, während die Beziehungen zwischen diesen Parametern berücksichtigt werden.
• Auf Regelbasis ist es relativ einfach, zwischen guten und schlechten Variablenübergängen in Bezug auf den Zielwert zu verzweigen, aber es ist schwierig, die Menge wie "wie viel" konkret und automatisch für die Variable zu bestimmen. Es kann sein.

Hauptmerkmale der Algorithmusbasis

KPI-Kriterien (Ziel-CPA usw.) werden im Voraus festgelegt. Ob sie erfüllt werden oder nicht, wird von einem vorgefertigten (mathematischen) Algorithmus bewertet. Die Entscheidung, das für den Betrieb verwendete Budget oder andere Einstellungsparameter zu ändern, ist die Logik. Es läuft intern. Betrachten Sie beispielsweise den Fall, in dem der Ziel-CPA 1.000 Yen beträgt und das an einem Tag zu verbrauchende Budget 30.000 Yen beträgt, wie im Fall der Regelbasis. Wenn die Lieferdaten (Campen-Einheit) (Ziel-CPA, Tagesbudget) = (erreicht, nicht erreicht) (bedingte Filialbewertung) sind, wird beschlossen, den CPC (Bid-Unit-Preis) der Anzeigengruppe zu erhöhen, was die Erschöpfung des Budgets fördert. Zu diesem Zeitpunkt ordnet die interne Logik alle Kampagnen und alle zu liefernden Anzeigengruppen unter Berücksichtigung der gegenseitigen Beziehung zwischen "wie viel" der Ziel-CPA erreicht wird und wie viel Budget noch übrig ist, und erhöht "wie viel" CPC Zu entscheiden. Probabilistische und statistische Methoden können auch verwendet werden, um Variablen mit Unsicherheit zu behandeln.

verdienen

• In der algorithmischen Logik werden mehrere Bewertungsregeln einheitlich mit Formeln formuliert, und es ist möglich, eine große Anzahl von Variablen gleichzeitig mit einer kleinen Anzahl von Formeln zu bewerten. Sie können die Daten auch auswerten, indem Sie die Wechselbeziehungen zwischen den Variablen einbeziehen.
• Variablen können basierend auf dem entworfenen Algorithmus quantitativ angepasst werden. Wenn der Algorithmus ordnungsgemäß funktioniert, wird eine breitere variable Domäne als die Regelbasis untersucht, wodurch sich die Chancen erhöhen, das Ziel zu erreichen.

** Fehler **

• Algorithmusbasierte Logik neigt dazu, den Bewertungsprozess zu blockieren, da die Logik in abstrakten Formeln geschrieben ist.
• Wenn die variable Exploration, was ein Vorteil ist, komplizierte Ergebnismuster erzeugt und die Übermittlung von Berichten an Kunden erfordert, kann es für Menschen schwierig sein, die Ergebnisse zu interpretieren.
• Wenn sich die Leistung des Algorithmus verschlechtert und die Anzahl der zu bewertenden / zu steuernden Variablen sehr groß ist, kann es schwieriger sein, die Ursache zu klären als im Fall der Regelbasis.
• Der Test beinhaltet auch die Überprüfung der Formel, was ein anderer Aufwand sein kann als in einem normalen System.
• Unter diesen Gesichtspunkten besteht eine hohe Wahrscheinlichkeit, dass PDCA nicht vollständig verwendet werden kann und nicht für den Betrieb verwendet wird.

Zusammenfassung

In diesem Kapitel haben wir uns mit dem Einsatz von Analysetechnologie (Visualisierung und Steuerung) in Unternehmen befasst, insbesondere in Beispielen für Online-Werbevorgänge. Die Visualisierungstechnologie hilft beim Lesen von Fakten aus Daten und wird für die Berichterstellung usw. verwendet. Während große Datenmengen ein detailliertes Benutzerverhalten visualisieren, ist es auch erforderlich, auf die umfangreiche Datenaggregationstechnologie und die Anzeige der Daten zu achten. Die Steuerungstechnologie verwendet regelbasierte Logik und algorithmische (maschinelles Lernen usw.), um die Prozessautomatisierung zu unterstützen. Die Vor- und Nachteile von regelbasiert / algorithmisch ergänzen sich gegenseitig, und wenn sie in der Praxis verwendet werden, ist es erforderlich, ihre Merkmale zu erkennen und eine Übereinstimmung mit dem Geschäft in Betracht zu ziehen.

Im folgenden Kapitel 2 möchte ich einen kurzen Überblick über Analysemethoden wie maschinelles Lernen geben. Wir werden jede Technologie ab Kapitel 3 erläutern.

Es tut mir leid, dass ich noch nicht mit dem Codieren begonnen habe (lacht) Das Kapitel ohne Codierung wird noch eine Weile fortgesetzt, aber freuen Sie sich darauf, wir geben Ihnen alle nützlichen Kenntnisse!