3つ★を目指すグランメゾン東京に学ぶプロダクト開発

GMOアドマーケティングのmaykeartです。

2019年末までのドラマはヒット作が多かったですね。

美味しい料理(商品)を全員で研究開発して、3つ星レストランを目指すドラマですが、
材料を揃えて、一人一人のお客様へ良い物を提供する事は、
「最適な広告をサイトでユーザに届ける」三方良しを目指す所に似ています。

①広告主:美味しい食材の生産者
②サイト:美味しい料理を提供する場所(店舗)
③ユーザ:美味しい食材の料理を対価を払って食べる人
*ネット広告業界では、サイトでユーザに直接人が会わない事が大きな違いです。

広告配信事業者で働く人

・B to B 営業:ユーザが集まる料理(広告)を提供できる店舗(サイト)をどう仕入れるか、最適な食材をどう仕入れるかを考える人。
・コンサル:店舗をどのように改善することでユーザの居心地が良くなるか、
美味しい食材をどの店舗に卸し、どういう料理(広告)がその店舗に来るユーザの満足度が得られやすいかデータから読み取り考えを提案する人。
・ディレクタ:外部・内部のシステムを駆使して、どんな料理(広告)の提供がベストか考える。
・エンジニア:外部・内部のシステムを駆使して、最適な料理(広告)の提供を実現する。
・ユーザ接点:店舗のウエイターのようにユーザと人が接する事は出来ない為、媒体社のWebサイトや広告表示(めるも、GMOSSP、TAXEL)がお店の顔でありユーザ接点になります。

料理提供(ドラマ)のお話で特に印象的だった事

1.「研究した料理のレシピを見られても同じ物は他店には作れない」
→上っ面の調理法を見られても、完成させるに到るまでのプロセスで他社に真似出来ない仕組みを持っているから問題ないという意味です。
チームや組織作り、ドメイン知識、データを収集して ➡ 常に改善し続ける仕組みなど

2.「完璧だと思う料理を出したのに不味いと言われる」
→病気で舌が塩気を感じにくくなっていたユーザに対し、ユーザ接点を担うウエイターが感じ取れず、そのまま通常の料理(広告)を出し続けてしまった。

広告配信も、ユーザの行動を感じ取り提供する料理(広告)を柔軟に変更すべき

行動から好み(ユーザ属性)を予測し、気に入りそうなカテゴリの広告を配信した反応を検証する。
★状態を感じ取るセンサー(接触態様やその時のアクションをキャッチアップ)を設置し、臨機応変に提供する料理(広告)を変更
★提供する料理(広告)を間違えたら他店にユーザを奪われてしまうという危機感をもって、最適かつ最高の料理(クリエイティブ広告)を提供し、伝える事が出来たか、提供している料理(広告)に飽きていないか、をリアクションから分析する。

上の3つの要素から得られた結果を元に日々学習し、どう機械を使って料理して、
★★★
レストランを取りに行くかを少しご紹介します。

★機械学習

教師あり学習と教師なし学習 (Vol.9):https://products.sint.co.jp/aisia/blog/vol1-9
学習を行った結果が、最適かつ最高の料理(広告)提供に繋がります。

まずは、教師あり学習ですが、弊社でも一部採用しておりますが、学習(正解)データって不足しますよね。人が集めたり、分類して登録するのもコストがかかリますし、必要な分のデータが得られない場合もあります。

1.学習データの水増し:https://products.sint.co.jp/aisia/blog/vol1-7
→現実にあり得るデータか見極めて水増する事は可能です。ただ、ある程度ドメイン知識は必要になります。
→転移学習の流用や、転移学習に使えるモデルを作成すると良いでしょう。
→東大さんの不正解データを与え、不正解からの誤差を最小化し、正解を学習する方法もあります。

2.因果関係へのプロセスについて
→何を機械に学習させ質問し相関関係を検証するか、相関関係がわかったら因果関係に関する仮説を作ることが最も重要です。
ここも、ドメイン知識は必要になるので、今後もドメイン知識を活かして参りたいと思います。

「正しい質問に対してのだいたいの答えのほうが、
間違った質問に対する正確な答えよりもよっぽどいい。」

で検索してみてください。

それでは、次回は、教師なし学習について書きたいと思います。