2022.03.15 コラム
【アドテクコラム】CV数を機械学習アシストツール「viz」で予測分析してみた！
●サマリー
- サイト来訪ユーザーのCV予測が可能
- サイト来訪ユーザーをCVする可能性に応じて10段階でスコア化（≒クラスタ分け）することが可能
- CVに影響を与える特徴量（要素）は何かあたりをつけることができる
●機械学習アシストツール「viz」の特徴3つ
- csvアップロードで簡単機械学習（csvアップロードで簡単分析）
- データもよるが、１分程度で結果を出力 ※縦 約5300レコード、横50列 容量500KBの場合
- 「簡単×早い」からこそいろんな粒度で何度でも分析/深掘りすることができる
詳細はこちら 》
●検証方法
■予測したいもの
ECでの商品購買数（＝CV数）
■予測につかうデータ
ECサイトのアクセスログ
∟予測したい項目：ECサイトでのCV数
∟予測に使う情報（特徴量）：コンテンツ毎のPV数
■予測方法
機械学習アシストツール「viz」ターゲット抽出機能 連続値予測
■検証手順
＜ステップ1＞
- 予測につかうデータを手配
下記のようなデータを手配します。（今回のファイル：レコード数 縦 約5300行、横50列、ファイル容量500KB）
一番左にユーザーを識別するID（user_id）、その隣に予測したい項目（今回はECサイトでのCV数）、以降予測に使う情報（特徴量）を並べます
＜ステップ2＞
- csvをディスクトップから参照
＜ステップ3＞
- 予測したい項目/分析のタイプ/顧客を識別する項目をプルダウンやラジオボタンで簡単選択
∟予測したい項目＝購入数
∟分析のタイプ＝連続値予測
∟顧客を識別する項目＝ユーザーID
＜ステップ4＞
- 分析中
今回はこの画面は1分で結果がでました。
＜ステップ5＞
- 分析結果を出力
■検証結果
今回大きな特徴として飛びぬけているユーザー（はずれ値といったりもします）が1ユーザーいたので、このユーザーを除外して もう一度分析をしてみたいと思います。
■検証結果
先ほどとは違う結果がでました。
スコアの出現頻度は１にプロットされているユーザーが多いが、３～４のプロットされるユーザーが出現しました。
特徴量においては28は前回と同じく上位に表示されました。
今回の一連のながれですが、5分程度で深掘りできました。
●さいごに
これまでは弊社内でも機械学習での分析に取り組む場合、エンジニアをアサインし、プロジェクトを組んで実行、エンジニアをアサインするための起案、プロジェクトのキックオフ、分析の実行とかなりの時間を要しておりました。
こちらのvizをつかうことで、分析までの工数を大幅に削減でき、スピーディーに分析と深掘りができました。
機械学習アシストツールvizに興味ある方は是非お声がけくださいませ。
■関連記事/資料
本件に関するお問い合わせは下記にて承ります。
株式会社DataCurrent
info@datacurrent.co.jp