『マルコフ連鎖モデルによるアトリビューション分析（インターネット広告への応用）』
こんにちは、岡川です。 今回は、インターネット広告代理店の現場で活用している数理モデルの紹介です。 はじめに、（何度も記事を書いていますが）自己紹介させていただきます。 大学院では素粒子物理学、特に超弦理論を専攻していてました。社会に出て、電機メーカーで半導体フラッシュメモリの製造工程のLPCVD(低圧化学蒸着)工程の開発エンジニアとして勤務していました。その後、インターネット広告代理店に転職して、現在は以下のようなネット広告のデータ分析を色々やっています。 ・DMPセグメント設計 ・アトリビューション分析 ・予算シミュレーション ・クリエイティブ検証 ・ウェブ×マス広告分析 ・動画広告の分析 今回の話しは、アトリビューション分析です。 今回は、特に理論的な面に焦点を絞っていますので、大学学部生含むアカデミック側の方々にも楽しんでいただければと思います。ですが、今回使っている数学は、線形代
レコメンドエンジンの全体像――ビジネスに使えるデータサイエンス
今回は、アクセンチュアで行われているデータサイエンスの具体的な例として、アクセンチュア・レコメンドサービスについて説明します。 データサイエンスを一般化させたレコメンドエンジン アクセンチュア・レコメンドサービス（以下、ARS）は、顧客情報、行動履歴から、お客様一人一人に対して最適な商品をおすすめ（レコメンド）するサービスです。レコメンドサービスは、ECサイトでのクロスセル、アップセル、メールマガジン中の商品広告、キャンペーン情報送信対象の選定、クーポンによる実店舗への誘導、ニュースサイトの関連記事への誘導といったシーンで近年多く使われるようになってきました。ビジネスに活用されるデータサイエンスの代表的な例としてピンとくる読者も多いでしょう。 レコメンドエンジンは一度システムを構築すれば終わりというものではなく、履歴情報に基づいて推奨モデルを随時刷新していくことが重要となります。ARSでは
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
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
