Enviar pesquisa
Carregar
Cross2014 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 -‐‑‒
•
30 gostaram
•
6,104 visualizações
Yohei Sato
Seguir
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 11
Baixar agora
Baixar para ler offline
Recomendados
20131206 japan r
20131206 japan r
Yohei Sato
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
Tokyor35 人工データの発生
Tokyor35 人工データの発生
Yohei Sato
EasyHtmlReportの紹介
EasyHtmlReportの紹介
Yohei Sato
Rでレポートメール
Rでレポートメール
Yohei Sato
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
Recomendados
20131206 japan r
20131206 japan r
Yohei Sato
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
Tokyor35 人工データの発生
Tokyor35 人工データの発生
Yohei Sato
EasyHtmlReportの紹介
EasyHtmlReportの紹介
Yohei Sato
Rでレポートメール
Rでレポートメール
Yohei Sato
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
Tokyor60 opening
Tokyor60 opening
Yohei Sato
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例
Yohei Sato
Rでピボットテーブル
Rでピボットテーブル
Yohei Sato
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション
Yohei Sato
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
Complex network ws_percolation
Complex network ws_percolation
Yohei Sato
異常行動検出入門(改)
異常行動検出入門(改)
Yohei Sato
Tokyor22 selection bias
Tokyor22 selection bias
Yohei Sato
Uplift Modelling 入門(1)
Uplift Modelling 入門(1)
Yohei Sato
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
Yohei Sato
Japan r2 lt_yokkuns
Japan r2 lt_yokkuns
Yohei Sato
Japan r2 tokyor
Japan r2 tokyor
Yohei Sato
Japan r2 opening
Japan r2 opening
Yohei Sato
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Yohei Sato
Mais conteúdo relacionado
Mais de Yohei Sato
Tokyor60 opening
Tokyor60 opening
Yohei Sato
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例
Yohei Sato
Rでピボットテーブル
Rでピボットテーブル
Yohei Sato
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション
Yohei Sato
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
Complex network ws_percolation
Complex network ws_percolation
Yohei Sato
異常行動検出入門(改)
異常行動検出入門(改)
Yohei Sato
Tokyor22 selection bias
Tokyor22 selection bias
Yohei Sato
Uplift Modelling 入門(1)
Uplift Modelling 入門(1)
Yohei Sato
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
Yohei Sato
Japan r2 lt_yokkuns
Japan r2 lt_yokkuns
Yohei Sato
Japan r2 tokyor
Japan r2 tokyor
Yohei Sato
Japan r2 opening
Japan r2 opening
Yohei Sato
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Yohei Sato
Mais de Yohei Sato
(20)
Tokyor60 opening
Tokyor60 opening
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Tokyor42 ggplot2
Tokyor42 ggplot2
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例
Rでピボットテーブル
Rでピボットテーブル
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション
Tokyor26 data fusion
Tokyor26 data fusion
Tokyor24 yokkuns
Tokyor24 yokkuns
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Complex network ws_percolation
Complex network ws_percolation
異常行動検出入門(改)
異常行動検出入門(改)
Tokyor22 selection bias
Tokyor22 selection bias
Uplift Modelling 入門(1)
Uplift Modelling 入門(1)
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
Japan r2 lt_yokkuns
Japan r2 lt_yokkuns
Japan r2 tokyor
Japan r2 tokyor
Japan r2 opening
Japan r2 opening
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Cross2014 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 -‐‑‒
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#
Baixar agora