View
4.270
Download
0
Embed Size (px)
DESCRIPTION
デブサミ 2012 16-E-1 講演資料 2015年のアーキテクチャ マーケティングシステムを題材にして
Citation preview
Developers Summit 2012
熊澤公平
16-E-1
1 Developers Summit 2012
2015年のアーキテクチャ
マーケティングシステムを題材にして
Developers Summit 2012 (16-E-1)
Profile
2
http://www.facebook.com/kohei.kumazawa
職種: ITアーキテクト
名前: 熊澤公平
1987年 東北大学工学研究科機械工学専攻博士前期課程修了
同年 株式会社リクルートに入社
2003年 株式会社シーエーシーに転職
(ネット業界におけるビジネスおよびシステムコンサル)
2003年 東京大学工学部システム創成学科 非常勤講師
~2009年 (Javaプログラミング基礎演習)
2008年 横浜国立大学院工学府 非常勤講師
~2010年 (システムマネージメント)
スパコンの アーキテクチャ
大規模WEBインフラの アーキテクチャ
ビジネスとシステムのアーキテクチャ
Developers Summit 2012 (16-E-1)
Agenda
1. Now, marketing is exciting!
2. Past: Passive Marketing
3. Now: Pro Active Marketing
4. Future: Active Marketing
3
Developers Summit 2012 (16-E-1)
1. Now, marketing is exciting!
4
Developers Summit 2012 (16-E-1)
最近、マーケティングが面白い
http://www.shopkick.com/
http://www.scvngr.com/
http://9metis.com/2011/08/too-busy-to-shop/
http://www.mini.jp/mini_coupe/campaign/index.html
Developers Summit 2012 (16-E-1)
Developers Summit 2012 (16-E-1)
ゲームの効果: SEGA社 “トイレッツ”
男子トイレの空間をゲームセンターに!
的を狙って、ゲームができる。
居酒屋チェーン「養老乃瀧」を展開する養老乃瀧は,セガが開発した電子POP「トイレッツ」の先行導入を,グループチェーン40店舗で開始すると発表した(2011
年10月19日)。
音センサー
(流す音との区別が難しい)
軽量化に成功!
(3kg以下でないとタイル面につけられない)
開発の涙ぐましい努力が…..。
(製作者は国内の男子小便器の形状をすべて覚えてしまったそうな。)
Developers Summit 2012 (16-E-1)
ゲームの効果: SEGA社 “トイレッツ”
1.まわりがきれいになった!
酔っ払うといけませんね~~
Developers Summit 2012 (16-E-1)
ゲームの効果: SEGA社 “トイレッツ”
さらに、10円硬貨を投入することでランキングに参加できる,有料コンテンツも搭載!
2. ちゃんと収入が得られた!
Developers Summit 2012 (16-E-1)
ゲームの効果: SEGA社 “トイレッツ”
3. ビールの売上が増えた!?
どうも悔しいらしい~~
Developers Summit 2012 (16-E-1)
ネットやモバイルデバイスなどの進化により、マーケティング手段が大きく変化しています。
ここではネットマーケティングを振り返りながら、今後のマーケティングシステムのアーキテクチャを考察してみたいと思います。
11
Developers Summit 2012 (16-E-1)
Past: Passive Marketing
12
Developers Summit 2012 (16-E-1)
マーケティングとは
Marketing is the activity, set of institutions, and processes
for creating, communicating, delivering, and exchanging
offerings that have value for customers, clients, partners,
and society at large. (AMA, 2007)
顧客が真に求める製品、サービスをつくり、
その情報を的確なタイミングに顧客に届け、
顧客がその商品を効果的に利用できるようにする活動である
→ “余分なセリング(単純なる販売活動)を失くすこと”
The aim of marketing is to make selling superfluous.
Peter F. Drucker 13
Developers Summit 2012 (16-E-1)
ネットマーケティング
マスマーケティング
↓
ネットマーケティング ターゲティングが可能に
0
5,000
10,000
15,000
20,000
25,000
30,000
2005 2006 2007 2008 2009 2010
億円
Newspaper
Magazine
Radio
TV
Internet
PR
日本の広告費推移
(電通「日本の広告費」)より
14
Developers Summit 2012 (16-E-1)
セグメント http://www.audiencetargeting.com/
15
ユーザーの行動(どのサイト、どのような検索、滞在時間など)で分類
届けたいユーザーに対してのみ情報を提供する
↓
行動データの収集と集計
Developers Summit 2012 (16-E-1)
Audience Targeting
顧客属性で分類し、効果的なセグメントを選んで、情報を提供する
反応率
(ex. CTR, CVR)
Segment Volume
該当者が多く、反応率のよい(情報を欲しがっている)セグメントから順に、情報提供
16
Developers Summit 2012 (16-E-1)
DWHは、Hive+Hadoop
複数台の異なるデータセンターでクラスターを運用
最大規模のクラスターで3000台程度のマシン
累計300人の社員がこのデータに対してアドホックにクエリーを発行
Facebookは、データセンター間にまたがるHadoop
クラスター(HDFS across
data centers: HighTide)をApacheと共同開発
+
Facebook Datacenter http://opencompute.org/
17
Developers Summit 2012 (16-E-1)
Electronic Arts
EA Legend Campaign Insights
Suiteは、nParioのBig Data解析技術を使用。
nParioはPalo Altoに拠点を置くベンチャー企業で、キャンペーン・データを解析し顧客の意図を把握しターゲッティング広告を可能とする。
ゲーマーをEntertainment(音楽・ゲーム愛好家など)、Financial(バーゲンハンター・慈善家など)、Lifestyle(ペット・料理愛好家など)のカテゴリーに区分けし、電子メールなどでターゲッティング広告を発信。
18
http://investor.ea.com/releasedetail.cfm?ReleaseID=609593
http://www.npario.com/
Developers Summit 2012 (16-E-1)
Big Data と Big Processing
企業システム
19
Sources ETL
Data Cleaning
(Stored procedure) DWH
Site logs Hadoop
Data Cleaning
(MapReduce) DWH
Data Mart
Data Mart
Data Mart 様々な種類
大量データ
様々な分析
標準の指標で集計
ネットサービス
Developers Summit 2012 (16-E-1)
Big Data と Big Processing
20
Big Data
Big Processing
Small Data
Small Analytics
CRM
Log Analytics
Deep
Insight
EXA Flops G Flops
• Unsupervised learning
• Social graph analytics
• Natural Language analysis
• Sentiment analysis
• Predictive modeling
• Image Processing
GB
EXA B
TB
PB
Zetta B
企業システム
ネットサービス
Developers Summit 2012 (16-E-1)
Big Data と Big Processing
21
BigData(データ並列) BigProcessing(処理並列)
Hadoop
Vertica
MapReduce
Esper
Greenplum
ETL Neteeza
Hive
SciPy
Mahout
MATLAB
Revolution R
SPSS AMPL
Teradata ECL SAS
S4
DEDUCE
Developers Summit 2012 (16-E-1)
BigProcessing: Rの並列化
Hadoop/MapReduceにまかせる
RHIPE
R and Hadoop Integrated Processing
Environment
Amazon Elastic MapReduce
Revolution Analytics社
Revolution R Enterprise for Apache Hadoop
→ インフラの機能に依存する
22
Developers Summit 2012 (16-E-1)
BigProcessing: Rの並列化
Rで頑張る
PVM
rpvm
MPI
Rmpi(http://www.stats.uwo.ca/faculty/yu/Rmpi/)
snow, snowfall
(http://www.sfu.ca/~sblay/R/snow.html)
Revolution Analytics社
foreach
23
Developers Summit 2012 (16-E-1)
BigProcessing : Rmpi/snow
問題
差分化
24
𝜋 = 4.0
1 + 𝑥2
1
0
ⅆ𝑥
𝜋 = 4.0
1 +𝑘𝑛
2
1.0
𝑛=
4.0 𝑛
𝑛2 + 𝑘2
𝑛
𝑘=0
𝑛
𝑘=0
𝑥 = 𝑘
𝑛, ∆𝑥 =
1
𝑛
Developers Summit 2012 (16-E-1)
BigProcessing : Rmpi/snow
start <- proc.time()
n <- 10000000
summ <- 0.0
for(k in 1:n-1){
x <- 1.0 / (n * n + k * k)
summ <- summ + x
}
pi <- 4.0 * n * summ
print(pi)
end <- proc.time()
print(end - start)
start <- proc.time()
n <- 10000000
k <- seq(0.0,n,1.0)
rectangle <- function(X){
Y <- 1.0 / (n * n + X * X)
return(Y)
}
pi <- 4.0 * n * sum(sapply(k,rectangle))
print(pi)
end <- proc.time()
print(end - start)
25
ベクトル変数
ベクトル要素に
同じ処理を実施
0 0.1 0.2 … 1
1
𝑛2 + 𝑥2
Developers Summit 2012 (16-E-1)
BigProcessing : Rmpi/snow
library("snow")
library(“Rmpi”)
cl <- makeCluster(4,"MPI")
n <- 10000000
clusterExport(cl,"n")
k <- seq(0.0,n,1.0)
pi <-0.0
rectangle <- function(X){
Y <- 1.0 / (n * n + X * X)
return(Y)
}
pi <- 4.0 * n * sum(parSapply(cl,k,rectangle))
print(pi)
stopCluster(cl)
end <- proc.time()
print(end - start) 26
ベクトル要素に クラスタ内の計算ノードを
並列に使い同じ処理を実施
計算クラスタの生成
計算ノード間で
共有の変数を指定
Developers Summit 2012 (16-E-1)
Passive Marketing
良好なセグメントを見つける
→ BigData + BigProcessing
→ Deep Insight
→ Send messages
立地を考え、店舗を置き、後は待つ
(静的、受動的)
27
Developers Summit 2012 (16-E-1) 28 Passive Marketing
1個100円です!
Developers Summit 2012 (16-E-1)
Passive Marketing
来店者の1割は購買するのに….
→ もっと効率の良い方法はないのか?
29
反応率
(ex. CTR, CVR)
Segment Volume
Mass marketing リーチは巨大だが
反応率は低い
最終アクション者は少ない?
Net marketing リーチはそれなり
反応率は微妙
数千万 x 0.01%桁
十万~数百万 x 0.01%~0.1%桁
?
いらぬ人にも情報が届く
Developers Summit 2012 (16-E-1)
Now: Pro Active Marketing
30
Developers Summit 2012 (16-E-1)
購買心理
綿密に計画しても、結構衝動買いをしてしまいますよね
31
Developers Summit 2012 (16-E-1)
購買心理
その時に得た情報で結構判断をしてしまう
32
事前情報
その場で得た情報
店舗内表示
店舗の雰囲気
店舗内の他の顧客
その場での値引きやオプション
店員のコメント
Developers Summit 2012 (16-E-1)
リアルタイムに
サイトに訪問しているその時の状況を見て情報を提供したらどうだろうか?
急いでいるのか?
迷っているのか?
商品を理解しようとしているのか?
誰の為のものを買うのか?
→ 貯めてから処理をするのでは間に合わない
33
Developers Summit 2012 (16-E-1)
データストリーム管理(DSMS,CEP)
データベースに蓄積したデータに対して都度クエリーを発行し検索結果を得る、という処理モデルでは対処することが難しい処理に対し、リアルタイムに流れ続ける一過性のデータ(イベント)を、データベースに格納、蓄積してからではなく、即時に処理するタイプのシステム
価格変化イベント
メッセージ受発信イベント
取引受発信イベント
イベント
ストリーム
DWH
Stream Data Management System
アプリケーション
アラーム
仕入管理
WEBシステム
会計システム
× ×
http://www.cac.co.jp/softechs/pdf/st3001_13.pdf
Developers Summit 2012 (16-E-1)
DSMS
DBMSとDSMSの違い
DATA
DATA
DATA
DATA
DATA
DATA
DATA
DATA Query
DATA
DATA
DATA
DATA
DATA
DBMS
Event
Query
Developers Summit 2012 (16-E-1)
CEP(複合イベント処理)
36
滞在時間が
15分以上
5種以上の商品カテゴリを閲覧
ある商品の閲覧時間が全体の半分以上
初めての来訪である
関心がありそうだ
迷っていそうだ
比較している
Yes Yes
Event Event Event
Event
CQL
CQL
CQL
Developers Summit 2012 (16-E-1)
最近の2つの流れ
37
C-MR http://cs.brown.edu/~backman/cmr.html
MapReduce Online http://www.usenix.org/event/nsdi10/tech/full_papers/condie.pdf
DEDUCE http://www.edbt.org/Proceedings/2010-Lausanne/edbt/papers/p0657-Kumar.pdf
Big Data
Small Data
Real time Stored
Legacy
MapReduce
DSMS,CEP
S4, C-MR, storm
MapReduce Online
DEDUCE
Esper
Streamdata
Oracle, WS
Distributed
Stream Management
Developers Summit 2012 (16-E-1)
• Everquest, Star Wars: Galaxies
• 電話問い合わせの50%削減
• 9割以上のユーザーの満足度向上
Pro Active Chat
Developers Summit 2012 (16-E-1)
Pro Active Chat
http://www.chat4support.com/live_chat.asp
接触候補のユーザー
コンタクト履歴
Developers Summit 2012 (16-E-1)
Pro Active Marketing
40
http://www.netmining.com/en/livemarketer-demo/
縦軸のAction見込み度合いに応じて適宜接触を図る
Thresholdを指定しておいて、定型の接触を定義する
購買見込み
資料請求見込みが高い
購買見込み
資料請求見込みが低い
Developers Summit 2012 (16-E-1)
Orbitz
Orbitzは航空券予約を中心に事業を展開。旅行予約サービスの中のOnline Travel Agencies分野ではExpediaが市場のトップで38%のシェアを占めているExpediaはHotels.comなどの子会社を通じて、ホテル予約サービスを強みとしている
Orbitzは、MITの研究プロジェクトAURORAの成果を商用にしたStreambase systemsのCEP製品を活用
顧客の行動、各システムの状況を、同社が開発したGraphiteというリアルタイム描画ツールでモニタリングし、Dynamic Pricing, Landing Pageの最適化、表示順の最適化など、最適な顧客対応を行う
41
Developers Summit 2012 (16-E-1)
Event Network
42
“COMPLEX EVENT PROCESSING AT ORBITZ WORLDWIDE” javaone 2008 TS6048
イベント発生条件を複雑に組み合わせて条件を表現
該当する都度イベントを上げ、対応する
Developers Summit 2012 (16-E-1)
CAC Corporation
高速なベイジアンネットワーク学習
2007 年から電気通信大学植野研究室と共同研究を推進中。
高速学習アルゴリズムの TPDA を数十倍高速化(2009)。特許申請済み。
高精度な学習アルゴリズム RAI のさらなる構築精度向上(2011)。特許申請準備中。
43
変数が多くても線形に近い形でしか計算量が増加しないアルゴリズム。複雑な因果関係の分析が可能。複雑なイベント設計の省力化などの応用を期待し研究中。
Developers Summit 2012 (16-E-1)
Causality Map
Dashboards Alert boards Data visualization Reporting
Search
Analytics
Discovery
and Integration
Query optimization
BAM
Data stores Data warehouses Data marts
Data ETL/CDC
DSS
Time series analysis OLAP
Predict analytics
Web analytics
Data/text mining
Adapters
Architecture for ProActive
44
Delivery
Widgets Desktop Mobile Portals Voice response ATM POS
ESB BPEL
Business Application Systems
EAI/SOA
Complex Event Processing Systems
Human Business Flow
Infrastructure
Business Application sub systems CEP
BAM/CEP integration
Business Process
Business Rule Engine
Business Process
Management
3 1
2 モデル構築
4
5
5
推論
Event
Adapters
Developers Summit 2012 (16-E-1)
Pro Active Marketing
その時の状況に合わせて情報が提供できる
一方、店にいかないとはじまらない
45
暇だなぁ。
Developers Summit 2012 (16-E-1)
3. Active Marketing
46
Developers Summit 2012 (16-E-1)
急速に進化するモバイルCPU
ムーアの法則
ゲート幅の微細化
2010年前に限界
Developers Summit 2012 (16-E-1)
急速に進化するモバイルCPU
ポラックの法則
消費電力問題
マルチコア化
CPU CPU 面積を2倍 処理能力は 2倍
(約1.4倍)
CPU CPU 面積を半分 処理能力は1/ 2倍
(約3割減にしからならない)
Developers Summit 2012 (16-E-1)
急速に進化するモバイルCPU
GP-GPU
消費電力は CPUの1/100
Hybrid化
Tegra2 Hetero Architecture
Developers Summit 2012 (16-E-1)
急速に進化するモバイルCPU
1つのダイの上でのHybrid化は、消費電力にゆとりのない携帯デバイスのCPUから始まる。
50GFlops/watts in 2018
数個のCPU
数千個のGPUが
1つのダイに
NIVIDA Roadmap
http://low-powerdesign.com/sleibson/
Developers Summit 2012 (16-E-1)
2018年 携帯デバイスの性能
モバイルデバイスの消費電力 = 25Watts
25 Watts x 50 G Flops = 1.25T Flops
http://www-
03.ibm.com/innovation/us
/watson/index.html
CPU: 80T Flops
2880 CPUs (IBM Power7)
Memory: 15TB
Space: 10 racks(IBM Systems 750)
IBM Watson
IBM Watsonの1桁落ち程度
Developers Summit 2012 (16-E-1)
急速に進化するモバイルCPU
52
8 Cores CPU
24 Cores GPU
2 Cores CPU
8 Cores GPU
2010年を1とした時の性能比
TEGRA2 KAL-EL
WAYNE
LOGAN
STRAK
0
10
20
30
40
50
60
70
80
90
100
2010 2011 2012 2013 2014
Moore'sの法則
Developers Summit 2012 (16-E-1)
2000年: CPU性能比
Mobile
PC
Vertical Portal
Portal
Developers Summit 2012 (16-E-1)
1m x 1m
2010年
Dual Core: 8GFlops
Mobile
PC
Vertical Portal
Public Cloud
1mm x 2mm
Developers Summit 2012 (16-E-1)
10m x 10m
2020年
Mobile
PC
Public Cloud
Vertical Portal
Mobileデバイスの方が性能が良くなる
Developers Summit 2012 (16-E-1)
2020年: 1人当たりの処理量で考えると
Mobile
PC
Public Cloud
Vertical Portal
Mobileデバイスは1人平均2台強を保有
数万人で共有
数億人で共有
Developers Summit 2012 (16-E-1)
Generated UX
動的な描画生成
事前に作られた動画ではなく、その場で生成した動画
57
Virtual Makeup Tool(modiface社) http://physbam.stanford.edu/
Developers Summit 2012 (16-E-1)
Context Awareness
Working
Memory
58
World Sensory Memory
Auditory
Visual
Tactile
Olfactory
Gustatory
Nine Ways to Reduce Cognitive Load in Multimedia Learning
http://www.elizabethoc.com/9ways/article.pdf
Verbal
Working
Memory
Visual
Working
Memory
Thinking:
Integrating
Organizing
Analyzing
Sense Making
Schema Making
Narration/
Sound
Text
Image
Attention/
Selection
Mobile Device
認識の支援
Developers Summit 2012 (16-E-1)
Personal Assistant
59
Spectacles Institut für Pervasive Computing
Johannes Kepler Universität Linz
Developers Summit 2012 (16-E-1)
Personal Assistant
60
http://www.pervasive.jku.at/Research/Projects/?key=468
Developers Summit 2012 (16-E-1)
Future Architecture
61
Working
Memory World
Sensory Memory
Auditory
Visual
Tactile
Olfactory
Gustatory
Verbal
Working
Memory
Visual
Working
Memory
Thinking:
Integrating
Organizing
Analyzing
Sense Making
Schema Making
Narration/
Sound
Text
Image
Attention/
Selection
Mobile Device
Long Term
Memory
Cloud
Semantic
Knowledge
Episodic
Knowledge
Storing
Inference
Model
Motivation
知識提供 動的なリコメン
デーション
↑
推論
モデル構築
リアルタイムなデータは、クラウドで処理するのではない!
モバイルデバイスは、クラウドの窓ではない!
Developers Summit 2012 (16-E-1)
Active Marketing
ユーザーは“もの”から“こと”を重視した購買を行うようになる
提供者は、ユーザーのコンテキストに合わせて、“こと”をデバイスから動的にリコメンドするようになる
62
“余分なセリング(単純なる販売活動)を失くすこと”
Peter F. Drucker
Developers Summit 2012 (16-E-1)
まとめ
1. パッシブなマーケティングを離れ、プロアクティブなマーケティングにチャレンジしていこう。
2. それを通し、ユーザーモデル構築をし、リアルタイムに推論ができるソフトウエアアーキテクチャを構築しよう。
3. そして、急速に進化するスマートデバイスを積極的に利用し、ハイブリッドなアーキテクチャに移行し、動的なマーケティングができるようにしていこう。
63
Developers Summit 2012 (16-E-1)
Thank you.
https://www.facebook.com/kohei.kumazawa
64 Developers Summit 2012 (16-E-1)