Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
番組宣伝に関するAbemaTV
分析事例の紹介
CA Data Engineering and Data Analysis (CADEDA) #6
2018.10.05
サイバーエージェント 秋葉原ラボ
Trivittayasil Vipave...
自己紹介
● トリヴィッタヤシル ウィパウィ(チェン)
– データマイニングエンジニア
– 2017年1月入社、以降秋葉原ラボでAbemaTV分析担当
– 好きなもの:七宝麻辣湯、博多通りもん、味ぽん
2
本日発表内容
1. AbemaTVと番組宣伝について
2. 番宣配信システムが使える配信枠候補リスト推薦に関する分析
3
2016年4月11日本開局
無料で楽しめるインターネットテレビ局 4
AbemaTVを視聴できるデバイス
● スマホ+タブレット(iOS、Android)
● PC browser
● テレビ
– Amazon Fire TV
– Chromecast
– Apple TV
– Android TV
■ Sony...
※2018年7月6日時点  ※ 3Q FY2018 IR資料から 6
用語
● 番宣
– 番組宣伝動画。この発表ではリアルタイム放送のコマーシャル時間に
流す番宣に限る
● スロット
– 「番組」のこと
7
番宣
予約ボタン
15~60秒ぐらい
の宣伝動画
通知を設定した【番組】が
まもなく始まります。
8
番宣の役割
● 番組情報を伝える
– 次のエピソードの紹介
– 新しいシリーズや特番の紹介
● リマインド効果
– 放送時間のリマインド
– 予約機能
● ユーザが視聴したいコンテンツと出会えるように
9
● 番宣はCM枠に流れる
● 番宣×配信スロット枠
– 手動で設定
– 手動で設定されていない枠があっ
たら自動で番宣を埋める
システム
番宣配信
一スロット
番組本編
CM
番組本編
CM
CM
10
配信枠推薦について(自動の場合)
(例)
火曜日22時放送予定
「恋する・週末ホーム
ステイ」の番宣
どのスロット枠に配
信すればいい?
● 相性が良いコンテンツに?
○ 他の恋愛リアリティショー
のスロット。
○ ただ、都合が良くない時間帯
...
検証計画:オフラインテスティング
ある番宣
に対して
スロットF
スロットBスロットC
スロットD
スロットE
一日に実際に配信した
スロット
コンバージョン率降順(k
個まで)
※コンバージョン=番宣を
見た人が番組を視聴する
12
スロット...
コンバージョン率降順(k
個まで)
このリストは正解データとし、これと一番
似ているリスト・順番を並べる指標を探
す
13
スロットB
スロットE
スロットF
スロットC
スロットD
k=3の場合
このリストは正解データとし、これと一番
似ているリスト・順番を並べる指標を探
す
スロットB
スロットD
スロットE
ある指標で作った
推薦リスト
(k個まで)
比較
コンバージョン率降順(k
個まで)
14
スロットB
スロットE
スロットF...
● 指標① コンテンツの相性
– 予約ログによるシリーズ間類似度
● 指標② 時間とチャンネルの相性
– 視聴ログによる「チャンネル×曜日×時間」間類似度
※ 類似度はコサイン類似度を利用している
指標(slot-to-slot similar...
類似度の計算 - Rでやろうとした話
● Rで計算しました。。
● base Rは大きいマトリックスの計算はとても苦手(メモリ問題にぶつかるので)
● ループ化することでメモリ問題を解決できるが、計算時間がかかる
● Rcpp + Armadi...
検証用データ
● 2017年10月のある一週間に実際に配信された番宣
● 一日5回以上配信した番宣のみ採用
● 当日放送される番宣を除外(コンバージョンされやすいため)
● 対象番宣×配信日の組み合わせ数=370通り
17
● 指標
– Precision(k)
■ How many selected items are relevant
– Average precision @k
■
■ Similar to precision but consider ra...
- k値が大きくなると「チャ
ンネル×曜日×時間」間類
似度の効果が「シリーズ
間類似度」よりよくなった
傾向
エラーバー = 標準偏差
19
番宣 →
配信スロット枠↓
放送の一週間前の日(2018.10.17)に配信されたスロット枠
コンバージョン率降
順
20
放送の一週間前の日(2018.10.17)に配信されたスロット枠
同シリーズ、同時間
番宣 →
配信スロット枠↓
21
同チャンネルと時
間の効果
放送の一週間前の日(2018.10.17)に配信されたスロット枠
番宣 →
配信スロット枠↓
22
同じく恋愛リアリ
ティ
放送の一週間前の日(2018.10.17)に配信されたスロット枠
23
番宣 →
配信スロット枠↓
同じく恋愛リアリ
ティ
放送の一週間前の日(2018.10.17)に配信されたスロット枠
24
どれかを使うよりも組み合わせ利用
のほうがよさそう?
番宣 →
配信スロット枠↓
組み合わせの検討
スロット間類似度i,j
= α(シリーズ間類似度i,j
) + (1-α)(「チャンネル×曜日×時間」間類似度i,j
)
α = 0.15~0.25
がよさそう 100%シリーズ
間類似度
100%「チャンネル
×曜日×時間」...
まとめ
● 番宣配信に関する分析事例を紹介した。
● 今回検討した指標を単独に使うよりも組み合わせで使ったほうが効果があ
りそう。
26
ご清聴ありがとうございました
27
Prochain SlideShare
Chargement dans…5
×

sur

番組宣伝に関するAbemaTV分析事例の紹介 Slide 1 番組宣伝に関するAbemaTV分析事例の紹介 Slide 2 番組宣伝に関するAbemaTV分析事例の紹介 Slide 3 番組宣伝に関するAbemaTV分析事例の紹介 Slide 4 番組宣伝に関するAbemaTV分析事例の紹介 Slide 5 番組宣伝に関するAbemaTV分析事例の紹介 Slide 6 番組宣伝に関するAbemaTV分析事例の紹介 Slide 7 番組宣伝に関するAbemaTV分析事例の紹介 Slide 8 番組宣伝に関するAbemaTV分析事例の紹介 Slide 9 番組宣伝に関するAbemaTV分析事例の紹介 Slide 10 番組宣伝に関するAbemaTV分析事例の紹介 Slide 11 番組宣伝に関するAbemaTV分析事例の紹介 Slide 12 番組宣伝に関するAbemaTV分析事例の紹介 Slide 13 番組宣伝に関するAbemaTV分析事例の紹介 Slide 14 番組宣伝に関するAbemaTV分析事例の紹介 Slide 15 番組宣伝に関するAbemaTV分析事例の紹介 Slide 16 番組宣伝に関するAbemaTV分析事例の紹介 Slide 17 番組宣伝に関するAbemaTV分析事例の紹介 Slide 18 番組宣伝に関するAbemaTV分析事例の紹介 Slide 19 番組宣伝に関するAbemaTV分析事例の紹介 Slide 20 番組宣伝に関するAbemaTV分析事例の紹介 Slide 21 番組宣伝に関するAbemaTV分析事例の紹介 Slide 22 番組宣伝に関するAbemaTV分析事例の紹介 Slide 23 番組宣伝に関するAbemaTV分析事例の紹介 Slide 24 番組宣伝に関するAbemaTV分析事例の紹介 Slide 25 番組宣伝に関するAbemaTV分析事例の紹介 Slide 26 番組宣伝に関するAbemaTV分析事例の紹介 Slide 27
Prochain SlideShare
What to Upload to SlideShare
Suivant
Télécharger pour lire hors ligne et voir en mode plein écran

3 j’aime

Partager

Télécharger pour lire hors ligne

番組宣伝に関するAbemaTV分析事例の紹介

Télécharger pour lire hors ligne

2018年10月5日に開催されたData Engineering & Data Analysis WS#6での登壇資料です。

無料で楽しめるインターネットテレビ局AbemaTVでは、ユーザが視聴したいコンテンツと出会えるように番組宣伝手法として番組告知動画を利用しています。本発表は番組告知動画配信に関する分析事例について紹介しています。

番組宣伝に関するAbemaTV分析事例の紹介

  1. 1. 番組宣伝に関するAbemaTV 分析事例の紹介 CA Data Engineering and Data Analysis (CADEDA) #6 2018.10.05 サイバーエージェント 秋葉原ラボ Trivittayasil Vipavee 1
  2. 2. 自己紹介 ● トリヴィッタヤシル ウィパウィ(チェン) – データマイニングエンジニア – 2017年1月入社、以降秋葉原ラボでAbemaTV分析担当 – 好きなもの:七宝麻辣湯、博多通りもん、味ぽん 2
  3. 3. 本日発表内容 1. AbemaTVと番組宣伝について 2. 番宣配信システムが使える配信枠候補リスト推薦に関する分析 3
  4. 4. 2016年4月11日本開局 無料で楽しめるインターネットテレビ局 4
  5. 5. AbemaTVを視聴できるデバイス ● スマホ+タブレット(iOS、Android) ● PC browser ● テレビ – Amazon Fire TV – Chromecast – Apple TV – Android TV ■ Sony Bravia ■ Air Stick, Life Stick 2018年6月に発売されるソニー4Kブラビアに付属される新リモコン 5
  6. 6. ※2018年7月6日時点  ※ 3Q FY2018 IR資料から 6
  7. 7. 用語 ● 番宣 – 番組宣伝動画。この発表ではリアルタイム放送のコマーシャル時間に 流す番宣に限る ● スロット – 「番組」のこと 7
  8. 8. 番宣 予約ボタン 15~60秒ぐらい の宣伝動画 通知を設定した【番組】が まもなく始まります。 8
  9. 9. 番宣の役割 ● 番組情報を伝える – 次のエピソードの紹介 – 新しいシリーズや特番の紹介 ● リマインド効果 – 放送時間のリマインド – 予約機能 ● ユーザが視聴したいコンテンツと出会えるように 9
  10. 10. ● 番宣はCM枠に流れる ● 番宣×配信スロット枠 – 手動で設定 – 手動で設定されていない枠があっ たら自動で番宣を埋める システム 番宣配信 一スロット 番組本編 CM 番組本編 CM CM 10
  11. 11. 配信枠推薦について(自動の場合) (例) 火曜日22時放送予定 「恋する・週末ホーム ステイ」の番宣 どのスロット枠に配 信すればいい? ● 相性が良いコンテンツに? ○ 他の恋愛リアリティショー のスロット。 ○ ただ、都合が良くない時間帯 だと見てくれないかも ● 相性が良い時間帯に? ○ 例:平日22時 要検証 11
  12. 12. 検証計画:オフラインテスティング ある番宣 に対して スロットF スロットBスロットC スロットD スロットE 一日に実際に配信した スロット コンバージョン率降順(k 個まで) ※コンバージョン=番宣を 見た人が番組を視聴する 12 スロットB スロットE スロットF スロットC スロットD k=3の場合
  13. 13. コンバージョン率降順(k 個まで) このリストは正解データとし、これと一番 似ているリスト・順番を並べる指標を探 す 13 スロットB スロットE スロットF スロットC スロットD k=3の場合
  14. 14. このリストは正解データとし、これと一番 似ているリスト・順番を並べる指標を探 す スロットB スロットD スロットE ある指標で作った 推薦リスト (k個まで) 比較 コンバージョン率降順(k 個まで) 14 スロットB スロットE スロットF スロットC スロットD k=3の場合
  15. 15. ● 指標① コンテンツの相性 – 予約ログによるシリーズ間類似度 ● 指標② 時間とチャンネルの相性 – 視聴ログによる「チャンネル×曜日×時間」間類似度 ※ 類似度はコサイン類似度を利用している 指標(slot-to-slot similarity) 15
  16. 16. 類似度の計算 - Rでやろうとした話 ● Rで計算しました。。 ● base Rは大きいマトリックスの計算はとても苦手(メモリ問題にぶつかるので) ● ループ化することでメモリ問題を解決できるが、計算時間がかかる ● Rcpp + Armadillo libraryを使うと計算時間が早くなった メソッド 計算時間 base R for loop 3 hr 34 min Rcpp 38 min RcppArmadillo 3.5 min 60倍ぐらい早くなった 1,000,000x500の場合 16
  17. 17. 検証用データ ● 2017年10月のある一週間に実際に配信された番宣 ● 一日5回以上配信した番宣のみ採用 ● 当日放送される番宣を除外(コンバージョンされやすいため) ● 対象番宣×配信日の組み合わせ数=370通り 17
  18. 18. ● 指標 – Precision(k) ■ How many selected items are relevant – Average precision @k ■ ■ Similar to precision but consider ranking ● k値 – 今回一日に5回以上配信数があった番宣のみ絞ってきたため、 k値 = 1 ~ 4で評価する 正解データ (k個) 評価方法 推薦 リスト (k個) 18
  19. 19. - k値が大きくなると「チャ ンネル×曜日×時間」間類 似度の効果が「シリーズ 間類似度」よりよくなった 傾向 エラーバー = 標準偏差 19
  20. 20. 番宣 → 配信スロット枠↓ 放送の一週間前の日(2018.10.17)に配信されたスロット枠 コンバージョン率降 順 20
  21. 21. 放送の一週間前の日(2018.10.17)に配信されたスロット枠 同シリーズ、同時間 番宣 → 配信スロット枠↓ 21
  22. 22. 同チャンネルと時 間の効果 放送の一週間前の日(2018.10.17)に配信されたスロット枠 番宣 → 配信スロット枠↓ 22
  23. 23. 同じく恋愛リアリ ティ 放送の一週間前の日(2018.10.17)に配信されたスロット枠 23 番宣 → 配信スロット枠↓
  24. 24. 同じく恋愛リアリ ティ 放送の一週間前の日(2018.10.17)に配信されたスロット枠 24 どれかを使うよりも組み合わせ利用 のほうがよさそう? 番宣 → 配信スロット枠↓
  25. 25. 組み合わせの検討 スロット間類似度i,j = α(シリーズ間類似度i,j ) + (1-α)(「チャンネル×曜日×時間」間類似度i,j ) α = 0.15~0.25 がよさそう 100%シリーズ 間類似度 100%「チャンネル ×曜日×時間」間類 似度 25
  26. 26. まとめ ● 番宣配信に関する分析事例を紹介した。 ● 今回検討した指標を単独に使うよりも組み合わせで使ったほうが効果があ りそう。 26
  27. 27. ご清聴ありがとうございました 27
  • KenichiTakahashi1

    Nov. 15, 2018
  • ssuser3b5011

    Nov. 7, 2018
  • syuichitsuji

    Oct. 29, 2018

2018年10月5日に開催されたData Engineering & Data Analysis WS#6での登壇資料です。 無料で楽しめるインターネットテレビ局AbemaTVでは、ユーザが視聴したいコンテンツと出会えるように番組宣伝手法として番組告知動画を利用しています。本発表は番組告知動画配信に関する分析事例について紹介しています。

Vues

Nombre de vues

2 598

Sur Slideshare

0

À partir des intégrations

0

Nombre d'intégrations

1 535

Actions

Téléchargements

13

Partages

0

Commentaires

0

Mentions J'aime

3

×