SlideShare a Scribd company logo
1 of 38
Growth Hack - SIROK, Inc. 2
SED勉強会 第5回 ソーシャルゲームの行動解析
アジェンダ
•自己紹介(5分)
•サンキーダイヤグラム(10分)
•ロジスティック回帰(10分)
•まとめ(5分)
Growth Hack - SIROK, Inc. 3
Out line
アジェンダ
•自己紹介(5分)
• サンキーダイヤグラム(10分)
• ロジスティック回帰(10分)
• まとめ(5分)
Growth Hack - SIROK, Inc. 4
Growth Hack - SIROK, Inc. 5
自己紹介
・名前 村松 祐希
・出身大学 長岡技術科学大学、大学院
・専攻 電気電子情報工学
・趣味 読書、博物館、美術館、LOL
Growth Hack - SIROK, Inc. 6
データサイエンティストまでの道のり
・2002 – 2007年 東京都立工業高等専門学校
・2007 – 2009年 長岡技術科学大学
・2009 – 2011年 長岡技術科学大学大学院(修士)
・2011 – 2014年 人生瞑想
・2014年 株式会社サイバーエージェント 内定
・2015年 7月 株式会社シロク 配属
Growth Hack - SIROK, Inc. 7
データサイエンティストの仕事
・
http://www.liber.co.jp/knowhow/careerlab/ds/index.html
図1 データを活用するためのデータの流れ
Growth Hack - SIROK, Inc. 8
データサイエンティストのスキルセット
・
図2 データサイエンティストに必要な3分野のスキルセット
http://www.liber.co.jp/knowhow/careerlab/ds/index.html
Growth Hack - SIROK, Inc. 9
「ソーシャルゲームの行動解析」の前に
・コンサルチームにJoin
・分析方法調査
・ゲームアプリの試遊
・データ分析
・分析レポート作成
・改善案の提示
7月の業務 8月の業務
アウトプットインプット
アジェンダ
• 自己紹介(5分) done!
•サンキーダイヤグラム(10分)
• ロジスティック回帰(10分)
• まとめ(5分)
Growth Hack - SIROK, Inc. 10
Growth Hack - SIROK, Inc. 11
ソーシャルゲームのデータ例(ログ)
ユーザ番号 行動1 行動2 行動3
1 ガチャ クエスト イベント特効
2 アイテム購入 ガチャ クエスト
3 カード合成 クエスト ガチャ
・・・ ・・・ ・・・ ・・・
表1 ゲームデータの行動ログ例
上記のデータから最終的に売上げupの施策を考えたい
Growth Hack - SIROK, Inc. 12
ゲームにログインしたユーザ行動に対する仮説
多くのユーザが同じような行動する大きな導線が存在?
RPGの例
町で情報を集める → 装備 GET → ボス!
Growth Hack - SIROK, Inc. 13
ユーザ行動をサンキーダイヤグラムで描画
・工程間の流量を表現する図表
・矢印の太さで流れの量を表現
図4 大阪ガスのSOFCのサンキーダイヤグラム
[http://www.ed.jrl.eng.osaka-
u.ac.jp/taiken_sofc.html
]
Growth Hack - SIROK, Inc. 14
ゲームにログインしたユーザ行動の検証
[行動1_ガチャ → 行動2_クエスト]が1回発生
[行動2_クエスト → 行動3_イベント特効]が1回発生
ユーザ番号 行動1 行動2 行動3
1 ガチャ クエスト イベント特効
1回 1回
表2 ゲームログからのイベント抽出例
Growth Hack - SIROK, Inc. 15
DEMO(翌日ログインなし)
図5 サンキーダイヤグラム 翌日ログインなし
Growth Hack - SIROK, Inc. 16
DEMO(翌日ログインあり)
図6 サンキーダイヤグラム 翌日ログインあり
Growth Hack - SIROK, Inc. 17
サンキーダイヤグラムによるユーザ行動の考察
・多くのユーザは ガチャ → 他のイベントへの導線
・翌日ログインするユーザは行動が多様
・上記の流れを理解した、イベントや画面遷移を意識する
ことが大切
Growth Hack - SIROK, Inc. 18
サンキーダイヤグラムのまとめ
・サンキーダイヤグラムは直感的に理解可
・ユーザの行動を俯瞰的に観察可
・複数の導線を比べることで重要な行動を特定化
アジェンダ
• 自己紹介(5分) done
• サンキーダイヤグラム(10分) done
•ロジスティック回帰(10分)
• まとめ(5分)
Growth Hack - SIROK, Inc. 19
Growth Hack - SIROK, Inc. 20
・各行動がどの程度課金に貢献か不明
・課金しそうなユーザを洗い出せない
サンキーダイヤグラムの問題点
データマイニングよる定量化が必要
Growth Hack - SIROK, Inc. 21
・SVM
・回帰分析
・決定木
・EMアルゴリズム
・ナイーブベイズ
・K-means
・KNN
データマイニンングの手法例
Growth Hack - SIROK, Inc. 22
ユーザ行動の課金行動に対する仮説
① 課金と非課金ユーザはゲーム中の行動が異なる
② ①の違いから課金しやすい行動を導出可
ロジスティック回帰で可能では?
Growth Hack - SIROK, Inc.
ロジスティック回帰とは
・
gloopsの登壇記事より http://gamebiz.jp/?p=131227
Growth Hack - SIROK, Inc. 24
オープンデータを使用したロジスティック回帰の例(準備)
・表3 タイタニック号乗船の生存データ
Class Sex Age Survived
1 1st Male Child No
2 2nd Make Child No
3 3rd Female Adult Yes
4 Crew Female Adult Yes
Growth Hack - SIROK, Inc. 25
オープンデータを使用したロジスティック回帰の例(結果)
図7 「ロジスティック回帰で結果をもたらした要因」より
http://qiita.com/HirofumiYashima/items/69bc79e72cb85e24fd0e
Growth Hack - SIROK, Inc. 26
ソーシャルゲームのログを使用したロジスティック回帰(準備)
表3 ゲームログからのイベント抽出と課金者例
ログイン
アイテム
取得
ガチャ クエスト カード合成 課金者
1 70 0 51 60 1 No
2 32 1 150 19 1 Yes
3 120 1 249 65 8 Yes
4 221 2 442 212 3 Yes
Growth Hack - SIROK, Inc. 27
使用データ
・7月でログインしたユーザ 2万人
・上の中で課金者は 2000人
・ゲームのプラットフォームはAndroid, iOS
Growth Hack - SIROK, Inc. 28
ソーシャルゲームのログを使用したロジスティック回帰の結果
0 5 10 15 20 25
アイテム獲得
カード進化
レアガチャ
クエスト
無料ガチャ
ログイン
イベント消化時の課金率の向上率[%]
イベントの種類
イベントと課金率向上の関係図
図8 イベントと課金率向上の関係図
Growth Hack - SIROK, Inc. 29
ロジスティック回帰の結果見方(オッズ比)
・アイテム獲得1回 e(0.1837 ×1) = 1.202
・アイテム獲得2回 e(0.1837 × 2) = 1.444
・ガチャ1回 e(0.0084 × 1) =1.008
・ガチャ10回 e(0.0084 × 10) =1.088
全体の課金率が10%と仮定
アイテム獲得1回は課金率10 × 1.202 = 約12%
Growth Hack - SIROK, Inc. 30
ロジスティック回帰に対するユーザ行動解析の考察
・表4 アイテム取得とガチャの比較
中央値[回] 分散値
アイテム取得 0 5
ガチャ 10 100
アイテム取得による課金はごく一部で発生!
Growth Hack - SIROK, Inc. 31
多くのユーザの声の場所
図9 累積課金割合25%ごとのピラミッド図
1000人
3000人
12000人
120000人
×3
×12
×120
Growth Hack - SIROK, Inc. 32
ロジスティック回帰を用いたユーザ行動解析のまとめ
・ユーザの行動を説明変数
・ロジスティック回帰からオッズ比を計算
多数のユーザの声を拾えた!
アジェンダ
• 自己紹介(5分) done
• サンキーダイヤグラム(10分) done
• ロジスティック回帰(10分) done
•まとめ(5分)
Growth Hack - SIROK, Inc. 33
Growth Hack - SIROK, Inc. 34
サンキーダイヤグラムのまとめ
・サンキーダイヤグラムは直感的に理解可
・ユーザの行動を俯瞰的に観察可
・複数の導線を比べることで重要な行動を特定化
Growth Hack - SIROK, Inc. 35
ロジスティック回帰を用いたユーザ行動解析のまとめ
・ユーザの行動を説明変数
・ロジスティック回帰からオッズ比を計算
多数のユーザの声を拾えた!
Growth Hack - SIROK, Inc. 36
参考サイト
HirofumiYashima, ロジスティック回帰で結果
をもたらした要因
http://qiita.com/HirofumiYashima/items/69b
c79e72cb85e24fd0e
坂本 登史文,データサイエンティストとは?
http://www.liber.co.jp/knowhow/careerlab/ds/
index.html
Growth Hack - SIROK, Inc. 37
参考サイト
【セミナーレポート】gloops山本氏がソーシャル
ゲームにおける大規模データの分析手法と活
用手法を紹介
http://gamebiz.jp/?p=131227
大阪大学,エネルギー評価尺度を
エクセルギーに!
http://www.ed.jrl.eng.osaka-
u.ac.jp/taiken_sofc.html
Growth Hack - SIROK, Inc. 38
#6

More Related Content

What's hot

[Dl輪読会]introduction of reinforcement learning
[Dl輪読会]introduction of reinforcement learning[Dl輪読会]introduction of reinforcement learning
[Dl輪読会]introduction of reinforcement learningDeep Learning JP
 
画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイcvpaper. challenge
 
強化学習その3
強化学習その3強化学習その3
強化学習その3nishio
 
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)Shohei Taniguchi
 
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...yukihiro domae
 
最適輸送の解き方
最適輸送の解き方最適輸送の解き方
最適輸送の解き方joisino
 
[DL輪読会]近年のエネルギーベースモデルの進展
[DL輪読会]近年のエネルギーベースモデルの進展[DL輪読会]近年のエネルギーベースモデルの進展
[DL輪読会]近年のエネルギーベースモデルの進展Deep Learning JP
 
[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論Deep Learning JP
 
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-Shiga University, RIKEN
 
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京Koichi Hamada
 
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向ohken
 
強化学習 DQNからPPOまで
強化学習 DQNからPPOまで強化学習 DQNからPPOまで
強化学習 DQNからPPOまでharmonylab
 
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知Yuya Takashina
 
レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法Takeshi Mikami
 
[DL輪読会]Transframer: Arbitrary Frame Prediction with Generative Models
[DL輪読会]Transframer: Arbitrary Frame Prediction with Generative Models[DL輪読会]Transframer: Arbitrary Frame Prediction with Generative Models
[DL輪読会]Transframer: Arbitrary Frame Prediction with Generative ModelsDeep Learning JP
 
GAN(と強化学習との関係)
GAN(と強化学習との関係)GAN(と強化学習との関係)
GAN(と強化学習との関係)Masahiro Suzuki
 
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learningゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement LearningPreferred Networks
 
強化学習その2
強化学習その2強化学習その2
強化学習その2nishio
 
強化学習における好奇心
強化学習における好奇心強化学習における好奇心
強化学習における好奇心Shota Imai
 
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnetNagi Teramo
 

What's hot (20)

[Dl輪読会]introduction of reinforcement learning
[Dl輪読会]introduction of reinforcement learning[Dl輪読会]introduction of reinforcement learning
[Dl輪読会]introduction of reinforcement learning
 
画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ
 
強化学習その3
強化学習その3強化学習その3
強化学習その3
 
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
 
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recog...
 
最適輸送の解き方
最適輸送の解き方最適輸送の解き方
最適輸送の解き方
 
[DL輪読会]近年のエネルギーベースモデルの進展
[DL輪読会]近年のエネルギーベースモデルの進展[DL輪読会]近年のエネルギーベースモデルの進展
[DL輪読会]近年のエネルギーベースモデルの進展
 
[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論
 
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
 
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
 
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
 
強化学習 DQNからPPOまで
強化学習 DQNからPPOまで強化学習 DQNからPPOまで
強化学習 DQNからPPOまで
 
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知
 
レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法
 
[DL輪読会]Transframer: Arbitrary Frame Prediction with Generative Models
[DL輪読会]Transframer: Arbitrary Frame Prediction with Generative Models[DL輪読会]Transframer: Arbitrary Frame Prediction with Generative Models
[DL輪読会]Transframer: Arbitrary Frame Prediction with Generative Models
 
GAN(と強化学習との関係)
GAN(と強化学習との関係)GAN(と強化学習との関係)
GAN(と強化学習との関係)
 
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learningゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
 
強化学習その2
強化学習その2強化学習その2
強化学習その2
 
強化学習における好奇心
強化学習における好奇心強化学習における好奇心
強化学習における好奇心
 
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
 

Viewers also liked

月商数千万のソーシャルゲームを作る方法
月商数千万のソーシャルゲームを作る方法月商数千万のソーシャルゲームを作る方法
月商数千万のソーシャルゲームを作る方法Ryo Akabane
 
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法Daisuke Nogami
 
スマホマーケットの概要と、 マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、 マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)Tokoroten Nakayama
 
Amebaソーシャルゲームにおけるr活用の体制と事例のご紹介
Amebaソーシャルゲームにおけるr活用の体制と事例のご紹介Amebaソーシャルゲームにおけるr活用の体制と事例のご紹介
Amebaソーシャルゲームにおけるr活用の体制と事例のご紹介Masanori Takano
 
スマートフォン向けゲームにおける ユーザーの動向分析
スマートフォン向けゲームにおけるユーザーの動向分析スマートフォン向けゲームにおけるユーザーの動向分析
スマートフォン向けゲームにおける ユーザーの動向分析Shibaura Institute of Technology
 
ソシャゲと家庭用のユーザーの違いと重なり_小山友介
ソシャゲと家庭用のユーザーの違いと重なり_小山友介ソシャゲと家庭用のユーザーの違いと重なり_小山友介
ソシャゲと家庭用のユーザーの違いと重なり_小山友介IGDA Japan
 
GCS2013 itowponde 0622
GCS2013 itowponde 0622GCS2013 itowponde 0622
GCS2013 itowponde 0622英明 伊藤
 
モバクソゲーの歴史
モバクソゲーの歴史モバクソゲーの歴史
モバクソゲーの歴史Rinjin Ayashii
 
第4回関西ソーシャルゲーム勉強会 ソーシャルゲームのビジネスインテリジェンス
第4回関西ソーシャルゲーム勉強会 ソーシャルゲームのビジネスインテリジェンス第4回関西ソーシャルゲーム勉強会 ソーシャルゲームのビジネスインテリジェンス
第4回関西ソーシャルゲーム勉強会 ソーシャルゲームのビジネスインテリジェンスOCHI Shuji
 
常識を疑え ゲームの企画書に望まれるものと期待されるもの (HDIfes#3 2014-6-21)
常識を疑え ゲームの企画書に望まれるものと期待されるもの (HDIfes#3 2014-6-21)常識を疑え ゲームの企画書に望まれるものと期待されるもの (HDIfes#3 2014-6-21)
常識を疑え ゲームの企画書に望まれるものと期待されるもの (HDIfes#3 2014-6-21)uehara1974
 
顧客感動創造スマホアプリ制作ツール「iPost」機能説明資料
顧客感動創造スマホアプリ制作ツール「iPost」機能説明資料顧客感動創造スマホアプリ制作ツール「iPost」機能説明資料
顧客感動創造スマホアプリ制作ツール「iPost」機能説明資料寿展 米澤
 
[Service worker] プッシュ通知の使い方
[Service worker] プッシュ通知の使い方[Service worker] プッシュ通知の使い方
[Service worker] プッシュ通知の使い方Van Trung Phan
 
Cedec2015_「消滅都市」運用の一年
Cedec2015_「消滅都市」運用の一年Cedec2015_「消滅都市」運用の一年
Cedec2015_「消滅都市」運用の一年gree_tech
 
Growth Push 運用マニュアル
Growth Push 運用マニュアルGrowth Push 運用マニュアル
Growth Push 運用マニュアルsirokinc
 
グロースハッカーになろう
グロースハッカーになろうグロースハッカーになろう
グロースハッカーになろうDaisuke Masuhara
 
AARRRで始めるグロースハック
AARRRで始めるグロースハックAARRRで始めるグロースハック
AARRRで始めるグロースハックpLucky
 
Cognito、Mobile SDK、SNSでサーバいらずのプッシュ通知
Cognito、Mobile SDK、SNSでサーバいらずのプッシュ通知Cognito、Mobile SDK、SNSでサーバいらずのプッシュ通知
Cognito、Mobile SDK、SNSでサーバいらずのプッシュ通知Sunao Komuro
 
Cedec2015 お客様に驚きを提供する運営 消滅都市の事例から-
Cedec2015 お客様に驚きを提供する運営  消滅都市の事例から-Cedec2015 お客様に驚きを提供する運営  消滅都市の事例から-
Cedec2015 お客様に驚きを提供する運営 消滅都市の事例から-gree_tech
 
Groovy, Transforming Language
Groovy, Transforming LanguageGroovy, Transforming Language
Groovy, Transforming LanguageUehara Junji
 

Viewers also liked (20)

月商数千万のソーシャルゲームを作る方法
月商数千万のソーシャルゲームを作る方法月商数千万のソーシャルゲームを作る方法
月商数千万のソーシャルゲームを作る方法
 
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
 
スマホマーケットの概要と、 マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、 マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
 
進化経済学会2013春ポスターセッション
進化経済学会2013春ポスターセッション進化経済学会2013春ポスターセッション
進化経済学会2013春ポスターセッション
 
Amebaソーシャルゲームにおけるr活用の体制と事例のご紹介
Amebaソーシャルゲームにおけるr活用の体制と事例のご紹介Amebaソーシャルゲームにおけるr活用の体制と事例のご紹介
Amebaソーシャルゲームにおけるr活用の体制と事例のご紹介
 
スマートフォン向けゲームにおける ユーザーの動向分析
スマートフォン向けゲームにおけるユーザーの動向分析スマートフォン向けゲームにおけるユーザーの動向分析
スマートフォン向けゲームにおける ユーザーの動向分析
 
ソシャゲと家庭用のユーザーの違いと重なり_小山友介
ソシャゲと家庭用のユーザーの違いと重なり_小山友介ソシャゲと家庭用のユーザーの違いと重なり_小山友介
ソシャゲと家庭用のユーザーの違いと重なり_小山友介
 
GCS2013 itowponde 0622
GCS2013 itowponde 0622GCS2013 itowponde 0622
GCS2013 itowponde 0622
 
モバクソゲーの歴史
モバクソゲーの歴史モバクソゲーの歴史
モバクソゲーの歴史
 
第4回関西ソーシャルゲーム勉強会 ソーシャルゲームのビジネスインテリジェンス
第4回関西ソーシャルゲーム勉強会 ソーシャルゲームのビジネスインテリジェンス第4回関西ソーシャルゲーム勉強会 ソーシャルゲームのビジネスインテリジェンス
第4回関西ソーシャルゲーム勉強会 ソーシャルゲームのビジネスインテリジェンス
 
常識を疑え ゲームの企画書に望まれるものと期待されるもの (HDIfes#3 2014-6-21)
常識を疑え ゲームの企画書に望まれるものと期待されるもの (HDIfes#3 2014-6-21)常識を疑え ゲームの企画書に望まれるものと期待されるもの (HDIfes#3 2014-6-21)
常識を疑え ゲームの企画書に望まれるものと期待されるもの (HDIfes#3 2014-6-21)
 
顧客感動創造スマホアプリ制作ツール「iPost」機能説明資料
顧客感動創造スマホアプリ制作ツール「iPost」機能説明資料顧客感動創造スマホアプリ制作ツール「iPost」機能説明資料
顧客感動創造スマホアプリ制作ツール「iPost」機能説明資料
 
[Service worker] プッシュ通知の使い方
[Service worker] プッシュ通知の使い方[Service worker] プッシュ通知の使い方
[Service worker] プッシュ通知の使い方
 
Cedec2015_「消滅都市」運用の一年
Cedec2015_「消滅都市」運用の一年Cedec2015_「消滅都市」運用の一年
Cedec2015_「消滅都市」運用の一年
 
Growth Push 運用マニュアル
Growth Push 運用マニュアルGrowth Push 運用マニュアル
Growth Push 運用マニュアル
 
グロースハッカーになろう
グロースハッカーになろうグロースハッカーになろう
グロースハッカーになろう
 
AARRRで始めるグロースハック
AARRRで始めるグロースハックAARRRで始めるグロースハック
AARRRで始めるグロースハック
 
Cognito、Mobile SDK、SNSでサーバいらずのプッシュ通知
Cognito、Mobile SDK、SNSでサーバいらずのプッシュ通知Cognito、Mobile SDK、SNSでサーバいらずのプッシュ通知
Cognito、Mobile SDK、SNSでサーバいらずのプッシュ通知
 
Cedec2015 お客様に驚きを提供する運営 消滅都市の事例から-
Cedec2015 お客様に驚きを提供する運営  消滅都市の事例から-Cedec2015 お客様に驚きを提供する運営  消滅都市の事例から-
Cedec2015 お客様に驚きを提供する運営 消滅都市の事例から-
 
Groovy, Transforming Language
Groovy, Transforming LanguageGroovy, Transforming Language
Groovy, Transforming Language
 

Similar to 【SED】勉強会 第5回ソーシャルゲームの行動解析

東京大学 経済学部講義 後半
東京大学 経済学部講義 後半東京大学 経済学部講義 後半
東京大学 経済学部講義 後半Youichiro Miyake
 
ゲームAIとマルチエージェント(下)
ゲームAIとマルチエージェント(下)ゲームAIとマルチエージェント(下)
ゲームAIとマルチエージェント(下)Youichiro Miyake
 
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介Kamonohashi
 
人工知能とゲーム(前篇)
人工知能とゲーム(前篇)人工知能とゲーム(前篇)
人工知能とゲーム(前篇)Youichiro Miyake
 
Data scientist casual talk in 白金台
Data scientist casual talk in 白金台Data scientist casual talk in 白金台
Data scientist casual talk in 白金台Hiroko Onari
 
Inside CyberAgent's Game Development
Inside CyberAgent's Game DevelopmentInside CyberAgent's Game Development
Inside CyberAgent's Game DevelopmentSuguru Shirai
 
ゲーム業界から見たアジャイル開発
ゲーム業界から見たアジャイル開発ゲーム業界から見たアジャイル開発
ゲーム業界から見たアジャイル開発Masaru Nagaku
 
BCL WhiteSalon "Convergence of Bio X Silicon X Robotics may bring us to the C...
BCL WhiteSalon "Convergence of Bio X Silicon X Robotics may bring us to the C...BCL WhiteSalon "Convergence of Bio X Silicon X Robotics may bring us to the C...
BCL WhiteSalon "Convergence of Bio X Silicon X Robotics may bring us to the C...Gohsuke Takama
 
ゲームAI入門(前半)
ゲームAI入門(前半)ゲームAI入門(前半)
ゲームAI入門(前半)Youichiro Miyake
 
次世代QAとAI 〜ゲーム開発におけるAI活用に正しく向き合うために〜
次世代QAとAI 〜ゲーム開発におけるAI活用に正しく向き合うために〜次世代QAとAI 〜ゲーム開発におけるAI活用に正しく向き合うために〜
次世代QAとAI 〜ゲーム開発におけるAI活用に正しく向き合うために〜dena_genom
 
SORACOM Technology Camp 2018 アドバンストラック4 | スモールスタートの次の一手は?成長できるIoTシステムの実例と回避した...
SORACOM Technology Camp 2018 アドバンストラック4 | スモールスタートの次の一手は?成長できるIoTシステムの実例と回避した...SORACOM Technology Camp 2018 アドバンストラック4 | スモールスタートの次の一手は?成長できるIoTシステムの実例と回避した...
SORACOM Technology Camp 2018 アドバンストラック4 | スモールスタートの次の一手は?成長できるIoTシステムの実例と回避した...SORACOM,INC
 
ゲームAIの中の数学(上)
ゲームAIの中の数学(上)ゲームAIの中の数学(上)
ゲームAIの中の数学(上)Youichiro Miyake
 
デジタルゲームにおける 人工知能のワークフローと導入フロー
デジタルゲームにおける人工知能のワークフローと導入フローデジタルゲームにおける人工知能のワークフローと導入フロー
デジタルゲームにおける 人工知能のワークフローと導入フローYouichiro Miyake
 
Data Science Workshop 「クリエイティブAI」で新たな価値を創造する
Data Science Workshop  「クリエイティブAI」で新たな価値を創造するData Science Workshop  「クリエイティブAI」で新たな価値を創造する
Data Science Workshop 「クリエイティブAI」で新たな価値を創造するMasaya Mori
 
社会シミュレーションとデジタルゲーム
社会シミュレーションとデジタルゲーム社会シミュレーションとデジタルゲーム
社会シミュレーションとデジタルゲームYouichiro Miyake
 
【STR2 ポケラボ プレゼンテーション】
【STR2 ポケラボ プレゼンテーション】【STR2 ポケラボ プレゼンテーション】
【STR2 ポケラボ プレゼンテーション】Up Hatch
 
ITWeekモバイル活用展登壇資料
ITWeekモバイル活用展登壇資料ITWeekモバイル活用展登壇資料
ITWeekモバイル活用展登壇資料altplus-lab
 
IGDA日本 2017年 新年会ライトニングトーク
IGDA日本 2017年 新年会ライトニングトークIGDA日本 2017年 新年会ライトニングトーク
IGDA日本 2017年 新年会ライトニングトークYouichiro Miyake
 

Similar to 【SED】勉強会 第5回ソーシャルゲームの行動解析 (20)

人工知能とアート
人工知能とアート人工知能とアート
人工知能とアート
 
東京大学 経済学部講義 後半
東京大学 経済学部講義 後半東京大学 経済学部講義 後半
東京大学 経済学部講義 後半
 
ゲームAIとマルチエージェント(下)
ゲームAIとマルチエージェント(下)ゲームAIとマルチエージェント(下)
ゲームAIとマルチエージェント(下)
 
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
 
人工知能とゲーム(前篇)
人工知能とゲーム(前篇)人工知能とゲーム(前篇)
人工知能とゲーム(前篇)
 
Data scientist casual talk in 白金台
Data scientist casual talk in 白金台Data scientist casual talk in 白金台
Data scientist casual talk in 白金台
 
IkaLog Presentation v1.3
IkaLog Presentation v1.3IkaLog Presentation v1.3
IkaLog Presentation v1.3
 
Inside CyberAgent's Game Development
Inside CyberAgent's Game DevelopmentInside CyberAgent's Game Development
Inside CyberAgent's Game Development
 
ゲーム業界から見たアジャイル開発
ゲーム業界から見たアジャイル開発ゲーム業界から見たアジャイル開発
ゲーム業界から見たアジャイル開発
 
BCL WhiteSalon "Convergence of Bio X Silicon X Robotics may bring us to the C...
BCL WhiteSalon "Convergence of Bio X Silicon X Robotics may bring us to the C...BCL WhiteSalon "Convergence of Bio X Silicon X Robotics may bring us to the C...
BCL WhiteSalon "Convergence of Bio X Silicon X Robotics may bring us to the C...
 
ゲームAI入門(前半)
ゲームAI入門(前半)ゲームAI入門(前半)
ゲームAI入門(前半)
 
次世代QAとAI 〜ゲーム開発におけるAI活用に正しく向き合うために〜
次世代QAとAI 〜ゲーム開発におけるAI活用に正しく向き合うために〜次世代QAとAI 〜ゲーム開発におけるAI活用に正しく向き合うために〜
次世代QAとAI 〜ゲーム開発におけるAI活用に正しく向き合うために〜
 
SORACOM Technology Camp 2018 アドバンストラック4 | スモールスタートの次の一手は?成長できるIoTシステムの実例と回避した...
SORACOM Technology Camp 2018 アドバンストラック4 | スモールスタートの次の一手は?成長できるIoTシステムの実例と回避した...SORACOM Technology Camp 2018 アドバンストラック4 | スモールスタートの次の一手は?成長できるIoTシステムの実例と回避した...
SORACOM Technology Camp 2018 アドバンストラック4 | スモールスタートの次の一手は?成長できるIoTシステムの実例と回避した...
 
ゲームAIの中の数学(上)
ゲームAIの中の数学(上)ゲームAIの中の数学(上)
ゲームAIの中の数学(上)
 
デジタルゲームにおける 人工知能のワークフローと導入フロー
デジタルゲームにおける人工知能のワークフローと導入フローデジタルゲームにおける人工知能のワークフローと導入フロー
デジタルゲームにおける 人工知能のワークフローと導入フロー
 
Data Science Workshop 「クリエイティブAI」で新たな価値を創造する
Data Science Workshop  「クリエイティブAI」で新たな価値を創造するData Science Workshop  「クリエイティブAI」で新たな価値を創造する
Data Science Workshop 「クリエイティブAI」で新たな価値を創造する
 
社会シミュレーションとデジタルゲーム
社会シミュレーションとデジタルゲーム社会シミュレーションとデジタルゲーム
社会シミュレーションとデジタルゲーム
 
【STR2 ポケラボ プレゼンテーション】
【STR2 ポケラボ プレゼンテーション】【STR2 ポケラボ プレゼンテーション】
【STR2 ポケラボ プレゼンテーション】
 
ITWeekモバイル活用展登壇資料
ITWeekモバイル活用展登壇資料ITWeekモバイル活用展登壇資料
ITWeekモバイル活用展登壇資料
 
IGDA日本 2017年 新年会ライトニングトーク
IGDA日本 2017年 新年会ライトニングトークIGDA日本 2017年 新年会ライトニングトーク
IGDA日本 2017年 新年会ライトニングトーク
 

【SED】勉強会 第5回ソーシャルゲームの行動解析

  • 1.
  • 2. Growth Hack - SIROK, Inc. 2 SED勉強会 第5回 ソーシャルゲームの行動解析
  • 5. Growth Hack - SIROK, Inc. 5 自己紹介 ・名前 村松 祐希 ・出身大学 長岡技術科学大学、大学院 ・専攻 電気電子情報工学 ・趣味 読書、博物館、美術館、LOL
  • 6. Growth Hack - SIROK, Inc. 6 データサイエンティストまでの道のり ・2002 – 2007年 東京都立工業高等専門学校 ・2007 – 2009年 長岡技術科学大学 ・2009 – 2011年 長岡技術科学大学大学院(修士) ・2011 – 2014年 人生瞑想 ・2014年 株式会社サイバーエージェント 内定 ・2015年 7月 株式会社シロク 配属
  • 7. Growth Hack - SIROK, Inc. 7 データサイエンティストの仕事 ・ http://www.liber.co.jp/knowhow/careerlab/ds/index.html 図1 データを活用するためのデータの流れ
  • 8. Growth Hack - SIROK, Inc. 8 データサイエンティストのスキルセット ・ 図2 データサイエンティストに必要な3分野のスキルセット http://www.liber.co.jp/knowhow/careerlab/ds/index.html
  • 9. Growth Hack - SIROK, Inc. 9 「ソーシャルゲームの行動解析」の前に ・コンサルチームにJoin ・分析方法調査 ・ゲームアプリの試遊 ・データ分析 ・分析レポート作成 ・改善案の提示 7月の業務 8月の業務 アウトプットインプット
  • 10. アジェンダ • 自己紹介(5分) done! •サンキーダイヤグラム(10分) • ロジスティック回帰(10分) • まとめ(5分) Growth Hack - SIROK, Inc. 10
  • 11. Growth Hack - SIROK, Inc. 11 ソーシャルゲームのデータ例(ログ) ユーザ番号 行動1 行動2 行動3 1 ガチャ クエスト イベント特効 2 アイテム購入 ガチャ クエスト 3 カード合成 クエスト ガチャ ・・・ ・・・ ・・・ ・・・ 表1 ゲームデータの行動ログ例 上記のデータから最終的に売上げupの施策を考えたい
  • 12. Growth Hack - SIROK, Inc. 12 ゲームにログインしたユーザ行動に対する仮説 多くのユーザが同じような行動する大きな導線が存在? RPGの例 町で情報を集める → 装備 GET → ボス!
  • 13. Growth Hack - SIROK, Inc. 13 ユーザ行動をサンキーダイヤグラムで描画 ・工程間の流量を表現する図表 ・矢印の太さで流れの量を表現 図4 大阪ガスのSOFCのサンキーダイヤグラム [http://www.ed.jrl.eng.osaka- u.ac.jp/taiken_sofc.html ]
  • 14. Growth Hack - SIROK, Inc. 14 ゲームにログインしたユーザ行動の検証 [行動1_ガチャ → 行動2_クエスト]が1回発生 [行動2_クエスト → 行動3_イベント特効]が1回発生 ユーザ番号 行動1 行動2 行動3 1 ガチャ クエスト イベント特効 1回 1回 表2 ゲームログからのイベント抽出例
  • 15. Growth Hack - SIROK, Inc. 15 DEMO(翌日ログインなし) 図5 サンキーダイヤグラム 翌日ログインなし
  • 16. Growth Hack - SIROK, Inc. 16 DEMO(翌日ログインあり) 図6 サンキーダイヤグラム 翌日ログインあり
  • 17. Growth Hack - SIROK, Inc. 17 サンキーダイヤグラムによるユーザ行動の考察 ・多くのユーザは ガチャ → 他のイベントへの導線 ・翌日ログインするユーザは行動が多様 ・上記の流れを理解した、イベントや画面遷移を意識する ことが大切
  • 18. Growth Hack - SIROK, Inc. 18 サンキーダイヤグラムのまとめ ・サンキーダイヤグラムは直感的に理解可 ・ユーザの行動を俯瞰的に観察可 ・複数の導線を比べることで重要な行動を特定化
  • 19. アジェンダ • 自己紹介(5分) done • サンキーダイヤグラム(10分) done •ロジスティック回帰(10分) • まとめ(5分) Growth Hack - SIROK, Inc. 19
  • 20. Growth Hack - SIROK, Inc. 20 ・各行動がどの程度課金に貢献か不明 ・課金しそうなユーザを洗い出せない サンキーダイヤグラムの問題点 データマイニングよる定量化が必要
  • 21. Growth Hack - SIROK, Inc. 21 ・SVM ・回帰分析 ・決定木 ・EMアルゴリズム ・ナイーブベイズ ・K-means ・KNN データマイニンングの手法例
  • 22. Growth Hack - SIROK, Inc. 22 ユーザ行動の課金行動に対する仮説 ① 課金と非課金ユーザはゲーム中の行動が異なる ② ①の違いから課金しやすい行動を導出可 ロジスティック回帰で可能では?
  • 23. Growth Hack - SIROK, Inc. ロジスティック回帰とは ・ gloopsの登壇記事より http://gamebiz.jp/?p=131227
  • 24. Growth Hack - SIROK, Inc. 24 オープンデータを使用したロジスティック回帰の例(準備) ・表3 タイタニック号乗船の生存データ Class Sex Age Survived 1 1st Male Child No 2 2nd Make Child No 3 3rd Female Adult Yes 4 Crew Female Adult Yes
  • 25. Growth Hack - SIROK, Inc. 25 オープンデータを使用したロジスティック回帰の例(結果) 図7 「ロジスティック回帰で結果をもたらした要因」より http://qiita.com/HirofumiYashima/items/69bc79e72cb85e24fd0e
  • 26. Growth Hack - SIROK, Inc. 26 ソーシャルゲームのログを使用したロジスティック回帰(準備) 表3 ゲームログからのイベント抽出と課金者例 ログイン アイテム 取得 ガチャ クエスト カード合成 課金者 1 70 0 51 60 1 No 2 32 1 150 19 1 Yes 3 120 1 249 65 8 Yes 4 221 2 442 212 3 Yes
  • 27. Growth Hack - SIROK, Inc. 27 使用データ ・7月でログインしたユーザ 2万人 ・上の中で課金者は 2000人 ・ゲームのプラットフォームはAndroid, iOS
  • 28. Growth Hack - SIROK, Inc. 28 ソーシャルゲームのログを使用したロジスティック回帰の結果 0 5 10 15 20 25 アイテム獲得 カード進化 レアガチャ クエスト 無料ガチャ ログイン イベント消化時の課金率の向上率[%] イベントの種類 イベントと課金率向上の関係図 図8 イベントと課金率向上の関係図
  • 29. Growth Hack - SIROK, Inc. 29 ロジスティック回帰の結果見方(オッズ比) ・アイテム獲得1回 e(0.1837 ×1) = 1.202 ・アイテム獲得2回 e(0.1837 × 2) = 1.444 ・ガチャ1回 e(0.0084 × 1) =1.008 ・ガチャ10回 e(0.0084 × 10) =1.088 全体の課金率が10%と仮定 アイテム獲得1回は課金率10 × 1.202 = 約12%
  • 30. Growth Hack - SIROK, Inc. 30 ロジスティック回帰に対するユーザ行動解析の考察 ・表4 アイテム取得とガチャの比較 中央値[回] 分散値 アイテム取得 0 5 ガチャ 10 100 アイテム取得による課金はごく一部で発生!
  • 31. Growth Hack - SIROK, Inc. 31 多くのユーザの声の場所 図9 累積課金割合25%ごとのピラミッド図 1000人 3000人 12000人 120000人 ×3 ×12 ×120
  • 32. Growth Hack - SIROK, Inc. 32 ロジスティック回帰を用いたユーザ行動解析のまとめ ・ユーザの行動を説明変数 ・ロジスティック回帰からオッズ比を計算 多数のユーザの声を拾えた!
  • 33. アジェンダ • 自己紹介(5分) done • サンキーダイヤグラム(10分) done • ロジスティック回帰(10分) done •まとめ(5分) Growth Hack - SIROK, Inc. 33
  • 34. Growth Hack - SIROK, Inc. 34 サンキーダイヤグラムのまとめ ・サンキーダイヤグラムは直感的に理解可 ・ユーザの行動を俯瞰的に観察可 ・複数の導線を比べることで重要な行動を特定化
  • 35. Growth Hack - SIROK, Inc. 35 ロジスティック回帰を用いたユーザ行動解析のまとめ ・ユーザの行動を説明変数 ・ロジスティック回帰からオッズ比を計算 多数のユーザの声を拾えた!
  • 36. Growth Hack - SIROK, Inc. 36 参考サイト HirofumiYashima, ロジスティック回帰で結果 をもたらした要因 http://qiita.com/HirofumiYashima/items/69b c79e72cb85e24fd0e 坂本 登史文,データサイエンティストとは? http://www.liber.co.jp/knowhow/careerlab/ds/ index.html
  • 37. Growth Hack - SIROK, Inc. 37 参考サイト 【セミナーレポート】gloops山本氏がソーシャル ゲームにおける大規模データの分析手法と活 用手法を紹介 http://gamebiz.jp/?p=131227 大阪大学,エネルギー評価尺度を エクセルギーに! http://www.ed.jrl.eng.osaka- u.ac.jp/taiken_sofc.html
  • 38. Growth Hack - SIROK, Inc. 38 #6

Editor's Notes

  1. 得られた知見
  2. 得られた知見