サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
衆院選
www.mm-lab.jp
[松本] 今回のゲストは、2月15日に刊行された「誤解だらけの人工知能」共著者であるShannon Lab株式会社代表取締役の田中潤さん、そして本書を編集して頂いた光文社の三宅貴久さんです。 対談を始める前に。三宅さんが編集をご担当された「バッタを倒しにアフリカへ」が新書大賞2018を受賞しました。おめでとうございます！ バッタを倒しにアフリカへ (光文社新書) 前野ウルド浩太郎 光文社 2017-05-17 [三宅] ありがとうございます！非常に嬉しいです。 [松本] 「誤解だらけの人工知能」も三宅さんにご担当いただいているので、2年連続を狙って行きたいですね（笑）。今のところ、NewsPicksでも単なるAmazonページにも関わらず、20名強にpickされているので幸先良いスタートだなとは思っています。 実は”誤解だらけの”出会いだった田中さんと三宅さん [松本] まず「誤解だらけの
今回は2017年12月に刊行された「「欲しい」の本質」を紹介します。 著者の1人である大松さんから献本いただきました。ありがとうございます。 「欲しい」の本質 人を動かす隠れた心理「インサイト」の見つけ方 (宣伝会議) 大松孝弘 波田浩之 宣伝会議 2017-12-01 ちなみに、大松さんには以前にマメ研としてインタビューをさせて頂く機会がありました。約1年ほど前ですが、今読んでも新鮮な内容だと個人的に自負しております。 モノが売れない時代。「インサイト」の考え方が私たちのマーケティングを変える https://www.mm-lab.jp/interview/insight_thinking_changes_our_marketing/ 今回は、本書を読んで得られた3つの「気付き」をご紹介したいと思います。 インサイトは天才にだけ舞い降りるのではない インサイトの定義については先ほど紹介し
本内容は、17年10月20日に開催されたDevLOVE関西主催「「グラフをつくる前に読む本 一瞬で伝わる表現はどのように生まれたのか」を語り尽くす」の内容を文字起こししたものです。 当日に投影していたスライドとともにお楽しみください。 「グラフをつくる前に読む本」を読む前に語りつくす（DevLOVE関西） from 松本健太郎 2種類あるグラフの作り方 私の主張は、今回のお題のサブタイトルにもあるように「ダメなグラフが仕事を滅ぼす」です。 大げさな表現に聞こえるかもしれません。しかし、何度もそのような光景を目の当たりにしてきました。 その理由を話す前段として、まずグラフの作り方には２種類あるという話をします。 １つ目は、普段から皆さんが特に意識せず行っているグラフの作り方です。 手元にデータがあって、まずグラフにして、そのグラフを見て言いたいことを言います。 一方で、それとは間逆のグラフの
17年9月23日、いよいよ「グラフをつくる前に読む本 一瞬で伝わる表現はどのように生まれたのか」が技術評論社から出版されます。 グラフをつくる前に読む本 一瞬で伝わる表現はどのように生まれたのか 松本 健太郎 技術評論社 2017-09-23 改めて説明すると、この本には大きく２つの特徴があります。 １）国内初（たぶん）、誰が、何を目的に、どんなグラフを作って、どのように誕生したのかを明らかにした。だから、このグラフにはどんな表現が向いているかが分かる。 ２）もう１つは、グラフの視覚的効果の特徴を捉えて、どのような表現に向いているのかを明らかにした。だから、このグラフの見せ方、表現方法が分かる。 グラフのテクニック論じゃなく、グラフという本質に迫った１冊です。 この本さえあれば、テクニック論の本はそんなに要らないと思います。 具体的にはどんな内容なん？というのが気になる方は、１）については
今回は、前回に引き続き9月23日に出版される「グラフをつくる前に読む本 一瞬で伝わる表現はどのように生まれたのか」を先行特別公開します。 グラフをつくる前に読む本 一瞬で伝わる表現はどのように生まれたのか 松本 健太郎 技術評論社 2017-09-23 今回も第2章「棒グラフ」からの紹介です。 調査に半年ほどの時間を費やした「棒グラフの成り立ち」について紹介します。 統計データのグラフ化に挑んだ男：ウィリアム・プレイフェア 棒グラフを考え出したその人物の名前はウィリアム・プレイフェアです。 1759年にスコットランドで生まれたプレイフェアが1786年に出版した「The Commercial and Political Atlas」（商業と政治の図解）の文中に、はじめて棒グラフが採用されました。 表紙。 この本は、現代風に表現すると「図解でわかる！統計データ」とでも言いましょうか。今まさに手
今回は2017年9月23日に出版される「グラフをつくる前に読む本 一瞬で伝わる表現はどのように生まれたのか」の冒頭を特別に公開します。いわゆる試し読みってやつです。 グラフをつくる前に読む本 一瞬で伝わる表現はどのように生まれたのか 松本 健太郎 技術評論社 2017-09-23 マメ研所長が本を出すのは知ってるけど、それってどんな本？どんな内容？と気になっている方もおられると思います。 そこで「本文の一部を公開していいか？」と編集者さんに許可を求めたところ、OKを頂くことができました！ 今回は第2章「棒グラフ」を試し読みして下さい！ 棒グラフを使えば「どのデータ項目が大きいか？」がわかる まずは、以下の棒グラフを見てください。北海道、本州、四国、九州、沖縄それぞれの面積を表す棒グラフです。 図1：地方別面積（国土地理院「全国都道府県市区町村別面積調」より作成） 棒グラフは、1つのデータ項
2017年7月22日（土）に放映された、NHKスペシャル「AIに聞いてみた どうすんのよ！？ニッポン」が各所で波紋を呼んでいます。 その理由の1つとして「AIひろしは相関関係があるデータ項目を線で紐付けただけなのに、人間が勝手に因果関係だと解釈しているのではないか？」という声が多い点を挙げます。 しかし、放送を見ると、言うほど悪くなかったと思うのです。 近藤正臣さんが「因果関係は分からないけれど」と前提条件を説明したり、映像のテロップで「時系列の変化も分析」「『健康になった⇒病床数が減った』の順ではなく、『病床数が減った⇒健康になった』を導き出した」と注意書きが出たり。 一般市民としては「意外とちゃんとしてんちゃう？」感を抱きました。 そもそも時系列なデータのみで因果関係を証明するのは非常に難しく、統計的因果推論などの手法を用いて統計的に因果性を推論するしかありません。もし世間一般の皆さん
リスティングを代表とする運用型広告のスペシャリストと呼ばれる人たちと、「運用型広告って何か難しそう」と感じている私のような素人の差はいったい何でしょうか。 経験の差、知識の差、色々とあると思うのですが、ずばり意思決定の差であり、その積み重ねとしての成果の差だと感じています。 やはりスペシャリストは結果を残されていますし、そのために業界の知識や、人間の心理を学び、様々な場数を踏んでおられます。 では、私のような素人がスペシャリストには届かなくても平均点以上の意思決定を下す良い方法がないものでしょうか？ 何を一番難しいと感じているのか？ 魔法の箱に予算だけ入力すれば後は機械が自動的に動いてくれる…わけもなく、出稿後は日次、週次、月次でレポートを確認して、様々な調整を行うのが運用型広告（プログラマティック広告）という認識を所長は持っています。 なぜレポートを見るかと言えば現状を確認するからであり
株式会社ロックオン社内で一番テレビ大好きなマメ研所長が最近胸を痛めていることは「芸人の使い捨て」です。 2016年12月現在も、ペンをアップルとパイナップルに突き刺している元祖リズム芸人が擦り切れるくらいに消費されています。 もはや大衆の関心は「彼が一発屋芸人として華々しく散るのはいつか？」に向いているでしょう。私は正月の爆笑ヒットパレードが相応しいと思っています。 実際、Googleトレンドでは既に下り坂に…。流行語大賞も逃しましたしね。 そこで今回はGoogleトレンドを使って芸能人の「旬」と、愛され続ける力を保つ「法則」について考えたいと思います。 Googleトレンドで芸能人の「流行り」を調べる GoogleはキーワードプランナーやGoogleトレンドといったマーケティングトレンドを把握するために便利なツールを提供しています。 試しにGoogleトレンドで「PPAP」「ピコ太郎」と
次に勝率が高いクラブの特徴を探ってみます。そこで勝率に関係がありそうな指標を見てみましょう。 相関係数を見てみると、一番得点を獲得することができる3ポイントシュート（3FG）は勝率にはあまり関係はないようです。 3ポイントシュートより2ポイントシュート(2FG)やフリースロー（FT）の方が勝率に関係があるようです。 ディフェンス面で相関があるのはディフェンスリバウンド(DREB)です。相手のシュートミスをしっかりと拾うことが大切ということでしょうか。 また、ブロックシュート(BLK)の相関も高いので、いかに相手にゴールを決めさせず、着実に得点を獲得するという攻守のバランスが非常に重要だということがわかりますね。 勝率に相関が一番強かったのは攻撃効率の0.84でした。やはりクラブの得点源となるオフェンス面が一番重要ということでしょうか。散布図を見てみるとよくわかります。 勝率と攻撃効率につい
今回は品質管理に関する話です。 10月31日から約2週間、マメ研所長である私は、ベトナムにある子会社で、ソフトウェアの品質管理と品質向上という大きな課題に挑んできました。 問題ない範囲で、どのような施策をしてきたか公開したいと思います。 「品質を上げる」とはどういうことか？ 簡単にベトナムの子会社について触れておきます。 2013年12月に設立された若い会社です。（設立時のプレスリリースはこちら） オフショアと聞くと大規模な工場をイメージする人も多いでしょうが、ここで働いているメンバーは2016年11月現在30人程度と、それほど多くありません。 安かろう・人多かろうという話ではなく、同じ仲間として海外に置かれた1つの会社というイメージを私は持っています。 だからこそ国内のエンジニアと比べて技術面、知識面で伸びて欲しい面が多くあります。目下の課題は「生産性向上」だと個人的に感じていました。
今回はサラリーマン必読。 人事移動で就いたポストから、今後の行く末を分析する手法を研究します。 どの大企業にも「総務課長は社長就任の必須ポスト」「品質担当副社長は実質上がり」など、異動先ポストから3年後、5年後の会社の行く末を占う人事大好き人間がいるはずです。 あの田中角栄氏も「総理総裁の条件として党三役のうち幹事長を含むニ役、内閣で外務・大蔵・通産のうちニ閣僚」と言うぐらいです。（ただし実際に田中角栄氏が言ったとする一次資料はありません） そこで今回は久しぶりの計量政治学。現首相の安倍晋三氏の次の総理総裁は誰かを占うモデルを作成し、実際に予測してみたいと思います。 モデルの作成：総理総裁の条件とは？ 「総理総裁の条件として党三役のうち幹事長を含むニ役、内閣で外務・大蔵・通産のうちニ閣僚」という言葉に真実味があるのは、実際に総理総裁経験者の多くがこのポストについているからです。 特に幹事長
ライザップに通って16kg痩せて体脂肪量が半分に減ったのに全くモテません。デートに誘っても、なかなか異性と食事に行けません。 痩せてカッコ良くなればモテると思っていました。 でも違うみたいですね。そんなこと教科書には載っていませんでした！ いろいろ悩んで1つの可能性が思い浮かびました。もしかしたらデートに誘った場所が悪いのかもしれません。（こら性格悪いからだとか言わない） そこで、東京カレンダーに載っているような良い感じの場所なら誘いにのってくれるかどうか検証してみました。 ※ちなみにこのコンテンツは東京カレンダーの記事広告ではありません！念のため！ ランダムに選らんだ女子７人にアンケートをとってみました 女子がデートでOKを出す理由は「場所」か「顔」か、それを明らかにするために株式会社ロックオン東京支社に働く女子７人をランダムで抽出し、アンケートをとりました。 アンケートでは東京カレンダ
今回は、いま話題の「シン・ゴジラ」に関するデータビジュアライゼーションに挑戦します！ あまり期待せずに見に行ったら、内容の面白さに興奮し、メッセージの深さに考えさせられ、もう１度見ようと思っています。 今までゴジラシリーズを見たことの無い私でも楽しめた映画です。 多くの人にも劇場に足を運んで欲しいと思い、「ゴジラ」映画に関する２つのキーワードを取り上げたいと思います。 その1：邦画実写シリーズ物で初の累計観客動員数1億人 ゴジラ映画を見たことが無くても、ゴジラという単語を知らない人はいないでしょう。日本が世界に誇る怪獣映画であり、米国でもリメイクされた数少ない映画の１つです。 8月1日には、公開からたった4日で71万人の観客動員数を集め、「ゴジラ」シリーズ全体の観客動員数が1億人を突破するというニュースが報じられました。 これまで邦画でシリーズ累計観客動員数1億人突破を誇るのは映画「ドラえ
2016年のプロ野球も前半戦が終了。当研究所が予想した通り（参考記事はコチラ）、約80試合を終えてパはソフトバンク、セは広島が首位を独走しています。 相変わらずソフトバンクは圧倒的な強さを見せており、殆どのプロ野球ファンが「今年モカ」と思っているに違いありません。 しかし、果たしてそれでいいのでしょうか？圧倒的な強さを前にして、3位以内であれば良いと舵を切るのはまだ早いです。 今回は最強ソフトバンクをデータ分析して、その弱点を探したいと思います。 ちなみにデータはオールスター終了時点のものです。そして、ここ最近ソフトバンクの進撃度が落ちていることに「こんにゃろー」という感情を抱かずにいられません。 得点面から弱点を探る 前半戦各試合の得点をイニング別に集計し、折れ線グラフで表してみました。 ソフトバンク＝強力打線というイメージがありますが、打者1順目という目線で見れば日本ハムの方が強力のよ
今回は少し専門的な内容です。 あるシステムの改修時に行った性能テストの結果から、劣化は起きていないことを証明したいと思います。 部下の提出した結果で判断できますか？（検証用データつき） 「性能」とは、対象となるシステムが「処理結果を返す能力」を指します。 例えば、バーゲン時期になると人気ECサイトのアクセスが集中して画面が次に進まない、なんてことがあります。 これは能力が3なのに、処理の要請が10来ているような状況を意味しています。「処理結果を返す能力」が追いついておらず、処理待ちの渋滞が発生しているわけです。 性能テストはこうした事態を防ぐため、①「あらかじめ定義した能力」を②「実際に発揮できるか」を確認するテストです。 ちなみに性能テストで見るべきポイントはスループットとレスポンスです。渋滞の例で言えば、スループットとは車が何台通過したか、レスポンスとは車は何秒で通過したかを意味してい
あなたが何を訴えたいかでグラフの種類は変わりそうですし、A社の人間なのかB社の人間なのか第三者なのかでグラフの見せ方は変わりそうです。 世の中に客観的なグラフなど存在しないと思っています。全ては、数字を用いて言いたいことを端的に表したグラフがあるのみです。 ちなみに、私は4パターンほど考えてみました。 100%積上げ棒グラフを作成してみました。 積み上げ100%棒グラフで、A社とB社の売上規模は同じでも売上構成が違うことを表しています。 同じく100%積上げ棒グラフでも、特定の事業だけ色を変更。 次に、同じ積み上げ100%棒グラフでも、SEO事業の売上構成比が似ていることを表現したグラフが考えられます。 横棒グラフを作成してみました。 さらに、横棒グラフで、事業ドメイン単位で見て売上が大きく違うことを表しています。 これでA社が満遍なく、B社がメディア事業に集中していることがわかります。
みなさんはラーメン、好きですか？ 著者は奥様が留守の日曜日の昼にラーメンを食べることを細やかな楽しみにしています。 友人からの口コミやら、NAVERまとめやら、口コミサイトを駆使して、自分好みのラーメン店と思しき店に足を運びます。 期待に胸を膨らませ、ついに心待ちにしていたラーメンが目の前に。 がしかし、一口スープをすすった時にふとした違和感。 そして、麺を頬張った時に感じる絶望感。 一週間分の期待を裏切られた時のあの気持ちといったら… こんな気持ちは二度と味わいたくない。 味わうのは芳醇な香りに包まれたラーメンだけでいい。 というわけで、今回は統計的に間違えないラーメン店選びの方法を考えてみます。 分析対象データの作成 どうすれば、自分的間違いないラーメン店にたどり着けるのでしょう。 客観的・定量的にラーメンを評価する指標があり、自身の好みの店舗に近しい指標があれば、間違える確率は低い。
前回の記事では、引き算とソートを使った”比較”と”データの読み方”のお話をしましたが、 比較するものが男vs女の２者だったので単純に引き算とソートで済みました。 今回は、年代毎（４グループ）に成績の良かった広告を、クロス集計と差分を使って 分析してみます。 さて、３つ以上の場合の比較で、最も簡単な方法は、”全体”と比較させる方法です。 さっそくやってみましょう。 下表は各広告からの売上（ROAS）をクロス集計（Excelのピボット集計）で年代別の 平均を集計したものです。２列目には全体平均を表示しています。 各年代毎に、単純にソートをかけるだけでも、ある程度の傾向がつかめるとは思いますが、 もともとの広告出稿量などに差がある場合などは、”差分”などの処理をすることで よりわかりやすいデータに変換することができます。 まずは、各年代と全体平均の差を計算する列をそれぞれに追加（赤字）します。
この記事は、2015年1月25日に開催されたHTML5カンファレンス2015にて開催された講演「デジタルマーケティングことはじめ」を文字起こししたものです。一部、読み易く並び替えている部分もあります。予めご了承ください。 当日のイベント雰囲気 プロダクトの生死を決めるのは、何でしょうか。 エンジニアが徹夜でコードを書きサーバを構築したとしても、全くバズること無く終えるアプリやWEBサービスが星の数ほどあることから解るように、少なくとも「技術」は必要条件であったとしても十分条件では無いのでしょう。 私が考えるに、生死を決めるのは「マーケティング」ではないでしょうか。特に、昨今の状況においては「デジタルマーケティング」に成功するか否かが、プロダクトの生死を左右するとさえ思っています。 では本日お越しのエンジニアの皆さんに質問です。「デジタルマーケティング」とは何を指すでしょうか。リスティング広
恋するフォーチュンクッキー的社員総会 今年も年に一度の社員総会が終わりました。 社員総会と言えば出し物ですね。 出し物と言えばフラッシュモブで、 フォーチュンクッキーです。 一択。 ちょっと古くない？とか言っちゃ、ダメ、ゼッタイ。 アラフォー世代にはまだまだイケます。 （フライングゲットは難しいし、心のプラカードはもう少し先でしょう。） と、株式会社ロックオン関係者全員で恋するフォーチュンクッキーを踊った訳ですが、マメ研番外編！としてAKB48関連のお話をお届けしたいと思います。 結構、真面目にいきます。真面目にデータ分析してみましょう。 AKB48の検索ボリュームとシングル売上枚数 それでは早速、ネット上での盛り上がり具合とシングルの売上枚数を見てみましょう！！ 右軸：グリーンの棒グラフ ⇒その日に発売されたシングルの累計売上枚数 ※シングルが発売後どれだけ売れたかということを表していま
まずは、あるECサイトがリスティング広告を出稿した結果を見比べて下さい。 掛かったコストも、クリックも、獲得したCV件数も全く一緒で、計上された売上のみ異なります。どちらのキャンペーンが結果は良かったかと問われると、間違いなく「Y」になります。 では、どちらに「改善の施し様」があるでしょう。 「G」でしょうか？ いいえ、残念ながら、これだけでは解りません。キャンペーンは、無数にあるキーワードと広告で構成されています。この数字は、全てを合算したに過ぎません。 キーワードと広告単位で、CV件数を獲得していないもの、CPAが高いもの、CPCが高いもの等に分類する必要があるでしょう。 しかし、その洗い出しにどれくらいの時間を要するでしょうか。Excel形式で出力した後、全体の数字を見て、何がボトルネックか把握して、何度もエクセルをソートして……。 ずんの飯尾和樹のように現実逃避して、平日の昼間から
※この記事は2014年1月に公開された「月で傾向が違っても大丈夫!移動平均法で季節変動か成長か見極める」のリライトです。 サブスクリプションのビジネスモデルを採択した事業の場合、売上を伸ばすためのKPIは契約者（社）数になるはずです。契約シャ数＊利用金額＝売上になるからですね。 ただし、この利用金額というのが曲者です。料金が2段階で変化する、或いは様々なオプションを付与する料金体系だと、1社（人）あたりの利用金額が微妙に異なります。 そこで売上／契約者シャ数＝平均単価を算出して、契約者シャ数＊（利用金額≒平均単価）＝売上と置き換えている会社が多いかと思います。しかし、この平均単価はダミーとして無理やり作っている数字なのであまり信頼できません。 結果、自然と契約者（社）数と売上に目が行くと思うのですが、季節によってジグザグしていて、事業が伸びているのか、季節要因による変動なのかが分かり辛くな
2008年名古屋大学大学院理学研究科素粒子宇宙物理学専攻後期博士課程修了。博士（物理学）専攻：素粒子物理学・超弦理論。総合電機メーカーにて半導体フラッシュメモリの研究開発に従事した後、2011年より株式会社サイバーエージェントに勤務。SEMコンサルタント、DMP開発などを担当した後、現在はディスプレイ戦略局にてDMP及びアトリビューション分析などデータ分析全般を担当。 ホーキングとスーパーストリング理論 [豊澤] 早速ですが、ご経歴についてお伺いいたします。 [岡川]はい。学部は慶應大学理工学部で理論物理を専攻していました。なぜこのような進路に決めたかと申しますと、元々、数学が好きで、数学科にも合格していたのですが、当時ホーキングの宇宙論※という本に出会ったことがきっかけでした。 [豊澤] もの凄く売れた本ですよね。私も買いました。よくわっかんないけどカッコいいなぁと思いました。 [岡川]
当サイトにお越し下さいまして誠にありがとうございます。 この度、マーケティングメトリックス研究所の所長に就任いたしました豊澤栄治でございます。 2013年2月よりロックオンの仲間となりました。 以前は外資系運用会社にて2000億を超えるファンドのクオンツ(統計分析等に基づく)ファンドマネージャーや、メガバンク系シンクタンクにて資産運用会社や損害保険会社に対し金融工学を活用した運用コンサルティング、外資系ソフトウェア会社にてデータマイニングや統計解析ソフトのテクニカルサポートやコンサルティングに従事して参りました。 今回は、就任のご挨拶に代えて、「ビッグデータ」とその活用に関して述べさせて頂きたいと思います。 昨今は、蓄積されたデータの有効活用に非常に注目が集まっており、「ビッグデータ」という言葉を新聞、雑誌、Web上で目にしない日がないと言っても過言ではありません。 統計学関連の書籍
前回の記事も是非ご覧ください。 「アトリビューションの本質は分析ではなく、マネジメントだ！－相関編－」 方法論と分析 続いて著者は分析の手順について解説します。 We use persistence modeling techniques to capture the complex dynamic interdependencies in online advertising (Dekimpe and Hanssens 1999). Persistence modeling extends multivariate time series methods into the domain of marketing, thereby enabling researchers to model the effects of spill over and feedback dynamics t
ここであえて書かなくても、扱わなければいけないデータ量が絶賛爆発中なのは、 皆さん”本当に実感”されていることと思います。もちろん私もです。 私のような昔ながらの分析屋は殺人的データ量に翻弄され、なかなか思うように 分析が進まないこともしばしば起こるようになってきました。 先日もサンプルデータで分析プログラムを組んでいたのですが、その時点では 本番データの量が想定できず、、、まあ甘く見ていたんです。 実際のデータは想像を超えた量で、そのままでは処理がまわらず 急遽弊社のデータベースエンジニアに助けてもらってなんとか事なきを得ました。 昔はよかったです（懐古オヤジ的な感じw） 自由にやりたいようにデータをくるくるまわせ、やり直しも何度でもできました。 それでも私のひと世代前（いまからほんの20年前くらい）は、 僕がクルクルまわしていた程度のデータでもそれなりに苦労していたよう
2011年いろんな意味で激動の年でした。 我々の業界でも「今年は変化が大きかった」とおっしゃられる方が多いです。 私、個人的には分析対象データの量と質が明らかに変化したと感じています。 これまでの延長では通用しない変化です。 質の変化は、SNSによるものです。少々専門的になりますがグラフデータ （折れ線グラフとかのグラフではないです。グラフ理論やトポロジーも 関わってくる分野です）と呼ばれる”つながり”の構造を考慮したデータを 扱う必要に迫られてきました。 まだ新しいものであり具体的にどう使っていくかはこれからですが、近い将来、 我々の分析には必須のものになっていると思われます。 私も遅れないように勉強しないとですw。 量に関しては言わずもがなですね。 ５年ほど前からWebデータを使った分析は、単なる広告効果測定やアクセス解析、 リスティング最適化だけでなく、「WEB
次のページ
このページを最初にブックマークしてみませんか？
『Home - マーケティングメトリックス研究所/MARKETING METRICS Lab. – コミュニケー...』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
