HOW TO TD(User Engagement)Treasure Data User Engagement

AudienceStudio内にある機械学習機能

ホーム » AudienceStudio内にある機械学習機能

カスタマーオンボーディングチームの大西 高広です。

今回は、以前にもご紹介させて頂いたTreasureDataCDPの機能の1つである、AudienceStudioの中にある機械学習機能のPredictiveScoringのご紹介をさせていただきます。

PredictiveScoring

PredictiveScoringでは作成したセグメントを機械学習によって拡張することが可能です。GUI上で操作・確認を行う事が可能で、機械学習の多少の知識があればプログラミングができない非エンジニアの方でも運用が可能です。この拡張はロジスティクス回帰によって行われ、教師データとなるセグメント、学習対象となるセグメント、スコアリング対象となるセグメント、スコアリングに用いる4つの要素を指定する必要があります。

目的変数の設定:何を学習するか

TrainingPopulation

PositiveSampleを含む、学習対象となるセグメント

ScorigTarget

スコアリング対象のセグメント

PositiveSample

教師データとなるセグメント

説明変数の設定:何のデータで予測するか

Suggest PredictiveFeatures

AttributeやBehaviorから自動で説明変数の候補を出してくれる機能

CategoricalFeatures

特徴量の一つで文字列等のラベルが入ったカラム(データ型がstring)

CategoricalArrayFeatures

特徴量の一つで文字列等のラベルが配列となっているカラム(データ型が配列)

QauntitativeFeatures

特徴量の一つで数値型のカラム(データ型がlong)


設定いただいた内容を実行して完了した際には、PredictiveScores(※上図の青枠)がクリッカブルになるためそちらを押して頂くとどういう結果になったかを把握頂くことが可能となっております。



グラフの横軸がスコアとなっており、縦軸がボリュームを表しています。また、上部の円で示している数字は、スコアリングに対して、Likely/Possibly/Marginally/Unlikelyと4分類に区分けした際のボリュームを表しています。結果として出たもののPositive/Negativeの要素を見ることもできますし、その結果を踏まえて改善を行い、より精度やボリュームを向上させていくこともできるようになっています。

いかがでしたでしょうか。広告配信時のセグメントとしての活用や、メールやDM等のCRMでの活用等色々なシーンでの活用が検討できるものかと思いますので、是非、活用をご検討いただければ幸いです。ご不明な点等ありましたら、弊社のカスタマーサクセス担当迄ご相談ください。

大西 高広

Customer Representativeチーム

GMO NIKKOに入社し、営業と並行して広告運用も自ら行う部署で継続して最大105アカウントを担当していたことから、運用型広告やアクセス解析をメインにデータ活用から最適化していく仕組みをノウハウ化。その後、大手クライアント向けの部署で営業として、WEBのマーケティング戦略の立案から実行・運用迄、社内外のマネジメント業務を経験。2015年に楽天株式会社に転職。ビッグデータを活用した広告商品の企画・開発や営業推進を担当。保有技術とアセットを組み合わせ、マーケティングに活用するAIエージェントやデータアライアンスを利用した広告商品、オンオフの購買データを統合分析した広告ソリューション等、複数の広告商品の企画・開発を行い、ローンチ後の営業推進を担当。2020年3月にトレジャーデータ参画し、カスタマーサクセス担当としてクライアントのデータ利活用の支援に従事。

得意領域 : デジタル広告全般、アクセス解析、データアライアンス、広告運用、施策設計

Back to top button