Column

コラム

  • 【統計・AI・機械学習】逃げるは恥だが役に立つ PV数への影...

【統計・AI・機械学習】逃げるは恥だが役に立つ PV数への影響度を機械学習アシストツール「viz」で分析してみた

● はじめに


本ツール「viz」を使えば機械学習を用いた新たな視点でのマーケティングが出来るかも!と、データ分析に興味をもっていただければと思います。

機械学習アシストツール「viz」を活用し、
特定のWikipediaページと、関連しそうなWikipediaページで、PV数に相関があるか検証した事例についてご紹介いたします。

● 今回の目的


  • 機械学習アシストツール「viz」を活用し、Wikipediaで「逃げるは恥だが役に立つ」のページと関連性のありそうなページを探る

●目的に対して、機械学習アシストツール「viz」で出来ること


・今回の事例では、vizの機能の一つ「貢献度分析」を使います。
⇒貢献度分析とは、目的と変数の相関や目的に対する変数の影響度を算出してくれる機能

実際のviz「貢献度分析」機能を使って出力される結果は3つあります。

  • 相関度
    数値が高い方が、Wikipedia「逃げるは恥だが役に立つ」ページのPV数への影響度が高いことを表しています。
  • 施策ボリューム対効果:
    数値が高い方が、各変数ボリュームに対するWikipedia「逃げるは恥だが役に立つ」ページのPV数への影響度が高かったという結果を表しています。
  • 施策ごとの貢献度:数値が高い方が、Wikipedia「逃げるは恥だが役に立つ」ページのPV数への影響度が高かったという結果を表しています。

⇒色んな視点で影響度を確認することが可能ですが、今回は相関度を用いて、早速vizで分析を開始し、みていきましょう!

● 「逃げるは恥だが役に立つ」のWikipediaページと関連しそうなWikipediaページを探る


データ用意

  • まず分析に必要なデータを作成します。今回分析に必要なデータ要素は下記になります。
    • 日付
    • 目的変数(予測したい情報 )
    • 説明変数(予測の材料となる情報 )

今回の分析ではWikipediaのPV数をドラマ放送開始月の2016年10月から2022年10月までを日単位で集計。
目的変数には「逃げるは恥だが役に立つ」のWikipedia PV数、
説明変数には「星野源」「恋(星野源の曲)」のWikipedia PV数をセットしました。

データセット

vizでデータをセット

上記データ用意が完了したら、vizに早速アクセスして貢献度分析を選択し、予測対象のデータにcsvファイルをアップロードします。予測したい項目と日付を選択します。

vizデータアップロード
vizデータアップ確認

出力結果

1分程度で、貢献度分析結果が出力されます。
※一般的に50%以上で「相関がある」といえます。

相関度

viz相関度

分析した結果

今回の目的は、Wikipediaで「逃げるは恥だが役に立つ」のページと関連のあるページを知りたい!
ということだったので、出力結果の「相関度」を確認しました。

  • 「逃げるは恥だが役に立つ」と関連の高いページは、「星野源」という結果になりました。
  • 「恋(星野源の曲)」も「逃げるは恥だが役に立つ」と強い相関がみられました。

ドラマ放映から約6年経過して尚、相関が強くでているという意外な結果に!
「逃げるは恥だが役に立つ」といえば「星野源」、「恋」の印象が残っているのか、再放送期間でもドラマページと同じように閲覧数が伸びていいますね。
星野源が「逃げ恥」で共演し結婚した「新垣結衣」のページも、「逃げ恥」「星野源」のページと強い相関がありそうですね!

その他にも、下記コラム記事でvizを使った分析事例をご紹介しているので是非ご覧ください。

▼vizの同機能「ターゲット抽出」についてのコラムはこちら
機械学習|「viz」×「DataCurrentセグメント」にて、性別を予測してみた
機械学習 | 「viz」×購買データを活用してアルコール購買しやすい人を分析してみた!
機械学習 | 「viz」×購買データを活用してコカ・コーラ爆買いする人推察してみた

▼vizの貢献度分析についてのコラムはこちら
機械学習|「viz」× 広告施策の売上貢献度を分析する
【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!
機械学習 | 「viz」×アイス購入しやすい天気要因を分析してみた
機械学習 | 「viz」×袋麺と併売されている食材予測してみた

▼vizの「施策シミュレーション」についてのコラムはこちら
機械学習|「viz」× 広告施策の最適化と広告効果シミュレーション
機械学習 | 「viz」×焼肉のたれの売上を肉の売上でシミュレーションしてみた

● viz発展編

BIツールであわせて確認

vizの結果をBIツールと連携することでダッシュボード上で、時系列の変化も確認することが可能です。
※今回はTableauを使用

下記は逃げるは恥だが役に立つのPV数とその他ページのPV数をグラフ化したものです。

逃げるは恥だが役に立つのPV数推移と同じように「星野源」「恋」も推移していることから、    逃げるは恥だが役に立つのページと同じ時期に他ページを見ていることがわかります。       また、「星野源」と「恋」も同じような推移のため、この2つの相関も高そうです。

①逃げるは恥だが役に立つ(グレー棒グラフ)②星野源(青色)③恋(ピンク色)

グラフ

※他にもデータ連携により可視化出来るパターンがございますので、ご興味がある方は下記フォームにてお問合せいただければと思います。

● さいごに:機械学習アシストツールvizについて


vizでは本件のように、機械学習を活用した予測をスピーディーに実行することが可能です。
また、エクセル等で分析用データを用意しておけば、直感的な操作のみで実行できるため、プログラミング等の専門的な知識がなくても手軽に予測を行うことができます。

弊社では、新規データソースの連携方法の整理や実際の連携作業、開発や既に連携しているデータのトラブル、ご相談まで幅広くサポートしています。
お困りごとがございましたらお気軽にご相談ください。

またvizについてもっと知りたい方は、詳細資料を公開しております。
デモを用いてご説明することも可能ですので是非お問い合わせください。

》vizサービスサイトはこちら
》詳細資料・お問い合わせはこちら

vizバナー

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

人気のコラムランキング

PICK UP

【データプライバシーコラム】電気通信事業法改正の解説(2022年7月時点)

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

CMP導入時の注意点

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

Treasure Data CDPを活用したOneID(統合ID)構築4 日付の落とし穴

CDPCDP活用ID統合PICK UP コラム

今、CMPは導入するべきか?

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

TOPへ
戻る