ID:60838さん

プロジェクトの一部 ●年代別、利用歴別のアクティブ率推移を計測 アクセス数、CVを年代別で計測し、各ユーザーがサイトを利用開始月を１として何カ月でサイト全体の平均アクティブ率になるかを各年代ごとに集計して平均必要月数を計測。 それらのデータが全年代で、5年前、10年前よりも短期間で平均アクティブ率に到達していれば〇、遅くなっていれば×として可視化。 各年代で過去の同年代よりも上回っていれば〇、同等か下回っていれば×という基準で算出。 ある年代のみ向上していなかった事が判明してその年代向けの利用促進を提起。 ●メールマガジンの送信、開封、クリックのCTRを計測 メールマガジンの種類は100種類以上あるがそれらのopen_send、click_send、open_sendのCTRやメール配信時間帯別、曜日別の性別、年代別の傾向、CVまでの効果測定ツールをredashで構築 ●メールマガジンの配信回数を増やした場合の効果をABテストを交えて半年スパンで計測 　対象者の情報はSQLで集計して、TEST群とCTRL群との比較はpythonで算出 ●DM施策における対象者情報の抽出をpandasで自動化　etc ●SQLは年間で500個ほど作成し、redashでは200個ほどを社内公開・運用 　redash付属機能であるダッシュボードは15個以上を運用 ●基本の集計項目（PV,UU,CV,流入経路,購買数,購買件数,商品売上高,メルマガCTR,デバイス別、ユーザーセグメント別、各ランキング、各平均,前年比、etc） ●膨大な量のデータを扱う為、コストを抑える為に適宜中間データマートとして、加工したデータを専用のデータセットに保存、蓄積。

毎月一定数の会員が休眠状態になっており、サイト訪問を促す施策をしているが、それらの会員の行動パターンをいくつか特徴量としてピックアップして機械学習モデルを構築 通常は休眠期間が1ヶ月、3か月、1年といった基準の中で一度もアクセスが無かったユーザーを対象にサイト誘導施策を実施しているが、それらのユーザーが休眠となっている間のサイト売り上げの機会を喪失している事が前提となっている。 その機会損失をできる限り無くすために、休眠となる前の段階で休眠になりそうなユーザーを判定する機械学習モデルを構築。 そのモデルが次月から休眠になると判断した会員群を算出するが、実際に休眠となった会員の８０％程度が学習モデルが算出したメンバーリスト内に入っている事を確認できたため、学習モデルが休眠となる会員を予測した段階で、休眠会員に対するサイト利用促進施策を実施することにより、休眠期間を迎える前にサイト利用促進をすることで収益ＵＰに貢献 説明変数にはアクセス数や継続率向上につながるサービスの利用有無などを設定する以外にも、 1ヶ月のうちに特定の曜日にアクセスがあるかどうか？ 過去に通常だと休眠になりそうな利用状況なのに、休眠にならなかったかどうか？ 等も説明変数として採用して学習モデルの精度を上げる事ができました。

TDnet、EDinetにて公開されている上場企業のIRを定期的にスクレイピングする事によりリアルタイムで解析。 注目しているワードがタイトルに入っている場合はそれらを指定のメールアドレスやLINEに通知するシステムを作成 TDnet,EDinetにて公開されている決算資料についてはXBRL形式のファイルをzipでダウンロードしてpythonで解析。 EDinetとTDnetは一見同じようなサービス・仕様にも見えますが、実際は微妙にルールが異なっており、例えば TDnetはリアルタイムで配信されるのに対し、Edinetは数カ月遅れて配信されるといった違いや、 Edinetは過去5年分のデータがダウンロードできるが、TDnetは40日分しかダウンロードできないといった一長一短なところがあり、いいところを採用するために、それぞれのサービスに対応したコードを用意。 ZIPファイル内には各企業の社名、証券コード、所在地、従業員数、平均年収、平均年齢、業績に関する各数値など、会社四季報に掲載されている情報がほぼ網羅されており、それらをデータベース化するにはとても便利です。 それらの情報を素早く必要な時に、SQLとpandasで分析できるようデータベースで管理。 注目している勘定のみを収集しています。 指定した条件を満たしている場合にメールやLINEに通知するシステムを企画、制作、運用。