kuroplan備忘録

このブログは、東京で働いているデジタル系起業家・元戦略コンサルが、調べてみてわかったことなどを30分で記事としてアウトプットしてる備忘録です。

MENU

Web解析における機械学習のはじめの一歩?

スポンサーリンク

まず、私見として、Webサイトのアクセス解析に機械学習や人工知能は、あまり役に立たないのではないかと考えている。

理由としては、

僕がSEOやSEMなどのWebプロモーションなどの会社ではなく、サイト改善を主としたソリューションを提供している会社に属しているからだと思う。

もちろんWebプロモーションをしている会社であれば、サイトにどんな属性の人を集客してきたかということが重要になりますが、サイト解析側だとある程度、ユーザー動向を想定して、サイトを構築しているので、ユーザーに動いてほしいルートというものが存在している。

それでも、まぁ、あくまでも程度の問題なので、まったく機械学習が役に立たないと考えているわけでもない。

そんなこんなですが、Web業界でも機械学習を利用するツールが増えている。

その最たるものが、フロムスクラッチの記事だと思う。

jp.techcrunch.com

最近はWebアクセスだけでなく、顧客DBや商品DBなど企業の基幹データと連携して、次のステップを施策立案し、実行しようとしている試みが多くなっていると思います。

今日の注目記事!

japan.zdnet.com

データを限りなく多く集めて、解析し、知見をなんとか出そうとしている風潮があるように感じているが、この『スパースモデリング』という考え方は新鮮だった。

ざっくり説明すると、少ないデータから有用な知見を抽出することをスパースモデリングというようだ。

Webアクセス解析に用いられる数字としては、PVやUU、設定しているCV(コンバージョン)の数や割合などを、ユーザーやアクセスしてきたデバイスごとにある一定の切り口で分析して、なんとか示唆や知見を出している。

もう少し説明変数となりうるデータ、例えば、ユーザーがいる地域やその天気など定量的なデータを補完することで、かなり有用な知見を抽出することができるのではないかと妄想している笑

スパース性に基づく機械学習 (機械学習プロフェッショナルシリーズ)

スパース性に基づく機械学習 (機械学習プロフェッショナルシリーズ)

 

 昨日、たまたま機械学習プロフェッショナルシリーズの本を見ていたら、やはり抑えられていた。お正月の課題図書として、読み解きをしながら、Webアクセス解析に有用な機械学習の知見を手に入れたいと思う。

国の研究動向

スパースモデリングの深化と高次元データ駆動科学の創成

さくっと調べてみたら、2017年まで文部科学省から研究費が出て、研究をしているようだ。参加メンバーが報告するであろう論文を追いかけていこう。

ではでは。

スポンサーリンク