1. ドリコムの
データマイニング活⽤用事例例
-‐‑‒ リアルタイムギルドバトルのマッチング最適化 -‐‑‒
@yokkuns
2014.01.17
CROSS 2014 データマイニングCROSS
Copyright
Drecom
Co.,
Ltd
All
Rights
Reserved.
14年1月21日火曜日

2. ⾃自⼰己紹介
@yokkuns
■略略歴
◆ヤフー
◆DeNA
◆ドリコム
■やってること
◆個別タイトルの分析
◆全社横断の分析
◆分析環境の整備
Copyright
Drecom
Co.,
Ltd
All
Rights
Reserved.
14年1月21日火曜日
2

3. バックグラウンド
Copyright
Drecom
Co.,
Ltd
All
Rights
Reserved.
14年1月21日火曜日
3

4. 活動例例
コミュニティの主催や執筆活動もやってます！
Tokyo.Rの主催
Copyright
Drecom
Co.,
Ltd
All
Rights
Reserved.
14年1月21日火曜日
執筆活動
4

5. 会社紹介
Copyright
Drecom
Co.,
Ltd
All
Rights
Reserved.
14年1月21日火曜日
5

6. ドリコムのデータ分析環境
各サービスのDB及び⾏行行動ログをHadoopに集約
R⾔言語を徹底活⽤用して分析/レポーティングを実施
DB
Ac8on
Log
Hadoop
Access
Log
BI
Tools
Copyright
Drecom
Co.,
Ltd
All
Rights
Reserved.
14年1月21日火曜日
Drecom
R
Libraries
hive
Mail
Viwer
Analy8cs
API
Base
API
6

7. データマイニング活⽤用事例例
⾏行行動ログを活⽤用した
リアルタイム・ギルドバトルの
マッチング最適化エンジン
担当者
Copyright
Drecom
Co.,
Ltd
All
Rights
Reserved.
14年1月21日火曜日
7

8. 背景
リアルタイム・ギルドバトルを盛り上げたい！
アクティブな人数がバラバラ
アクティブな人数が同じ
非アクティブ
VS
VS
アクティブ人数が多いギルドが
少ないギルドをボコルだけの構造
アクティブ人数が近いので
白熱したバトルを繰り広げる構造
楽しくない
楽しい！
Copyright
Drecom
Co.,
Ltd
All
Rights
Reserved.
14年1月21日火曜日
8

9. 実現するためのアプローチ
データマイニングを活⽤用してユーザーの⾏行行動を予測し
アクティブ⼈人数が近いギルド同⼠士でマッチングする
Action
Data Mining
Action
ユーザーごとに
未来の行動を予測
↓
アクティブ人数が
近いギルドをマッチング
Action
9
※実際には、さらに勝率なども考慮してマッチングしている
14年1月21日火曜日

10. リアルタイム・ギルドバトルのマッチング最適化エンジン
ゲーム内の⾏行行動ログを活⽤用して
リアルタイム・ギルドバトルのマッチングを最適化する
Action
Action
Hadoop
HDFS
3_7
3_6
3_8
3_5
3_9
3_10
3_11
3_4
3_13
3_12
3_14
4_21
4_24
4_25
4_26
3_15
4_20
4_19
4_22
4_23
3_2
4_27
3_1
4_18
3_3
4_30
4_29
4_28
4_31
recall
precision
0.710
0.404
0.715
0.403
0.705
0.406
0.720
0.401
0.700
0.407
0.694
0.409
0.688
0.411
0.726
0.398
0.677
0.415
0.682
0.413
0.672
0.416
0.709
0.403
0.695
0.408
0.690
0.409
0.686
0.411
0.666
0.418
0.713
0.401
0.718
0.400
0.704
0.404
0.699
0.406
0.737
0.394
0.681
0.412
0.742
0.393
0.723
0.398
0.732
0.395
0.668
0.417
0.672
0.415
0.676
0.414
0.664
0.419
F
0.515
0.515
0.515
0.515
0.515
0.515
0.515
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.514
0.513
0.513
0.513
0.513
閾値モデル
予測モデル
Action
API Server
図参考: http://www.slideshare.net/hamadakoichi/mobage-prmu-2011-mahout-hadoop
14年1月21日火曜日
10

11. マッチング最適化エンジンの導⼊入結果(抜粋)
マッチング最適化エンジンの結果を⽤用いて実施
ユーザーの熱量量を測る指標が約2倍に上昇！
350000.0#
Before
非アクティブ
VS
300000.0#
250000.0#
200000.0#
150000.0#
After
100000.0#
VS
50000.0#
0.0#
Copyright
Drecom
Co.,
Ltd
All
Rights
Reserved.
14年1月21日火曜日
Heavy
A#
Middle
B#
Light
C#
11
D#