あなたはフォロワーのことをどの程度把握していますか? ~AIとLINEの連携が実現する、パーソナライズされたメッセージの配信~

執筆者:Appier ジャパン ESSチーム

Appierは、2018年4月、AI搭載のデータインテリジェンスプラットフォーム「AIXON(以下、アイソン)」とLINEビジネスコネクトとの連携を発表しました。これによりLINEビジネスコネクトの導入企業は、公式アカウントのフォロワー(友だち)に対して、趣味嗜好をユーザーレベルで把握することができるようになりました。また、趣味嗜好情報を活用したフォロワーのセグメント機能と、シームレスなメッセージ配信機能もあわせて提供します。

「LINE ビジネスコネクト」の導入企業が、「アイソン」を使って抽出したオーディエンスにメッセージを送信する操作画面

LINEビジネスコネクトとは

LINE ビジネスコネクトとは、LINEが提供するAPIと企業のシステムを連携させることで、パーソナライズされたメッセージの送信や企業とユーザーの双方向のコミュニケーション、LINE上で企業サービスの提供を実現することができるサービスです。

マーケティング上の課題

LINEは全世界で2億1,700万人以上(2018年3月実績)に登る人々に利用されている人気のメッセージングアプリであり、LINEアプリに直接メッセージ配信出来ることは非常に効率の良いマーケティングソリューションといえます。しかし、スタンプ配布等で獲得したフォロワーへのメッセージ配信の配信先や内容、頻度、タイミングによっては、多くのフォロワーにブロックされてしまうケースがあります。結果、想定ほどそのプロモーションの成果を得ることができない企業も出てきます。

Appierの提案

Appierではメッセージがブロックされる理由について、フォロワーの関心に合致していないメッセージの配信に一因があると考えています。この状況を打破するための一つの方法として、企業はフォロワーの行動特性や嗜好を理解し、それらに基づくパーソナライズされたメッセージを配信することが求められています。

アイソンは、企業が自社のサービスを通じて収集したモバイルの識別データやCookieをLINEオフィシャルアカウントのフォロワーデータと統合します。さらにこのデータセットをAppierが独自に構築したCrossX AIデータベースと連携させることで、フォロワーの趣味嗜好をユーザー個人のレベルで、把握することができます。例えば旅行先としてどこを検討しているのか、サッカーファンがどのチームをサポートしているのかといった、具体的な情報です。

このデータを元に「友だち」をセグメント化し、パーソナライズされたメッセージをタイミングよく配信することで、これまでよりも高いメッセージ開封率とリンクのクリック率を実現し、効率的なサイト誘導などが期待できます。たとえば、海外ツアーを販売する旅行代理店では、この連携機能を使い、ヤンキースとニューヨーク旅行に関心をもつ50歳代のフォロワーを見つけ、メジャーリーグ観戦ツアーのDMを配信する、キャンペーンに誘導するといったことが可能になります。

アイソンならマーケター自身がターゲットオーディエンスデータの抽出、セグメントから、メッセージ配信が可能に

Appierは、アイソンにマーケターがオーディエンスの予測・抽出の必要条件である「コンバージョン予測ブレイン」の他、7種類の分析軸(ブレイン)を搭載しています。

マーケターは、自社の施策、保有するデータセットの状況に応じて、単一もしくは複数のブレインを選択すれば、容易に施策に適したオーディエンスを抽出することができます。アイソンは、オーディエンス分析、抽出における理由を提示する機能があるため、マーケターは、データサイエンティストやエンジニアといったデータの専門家の助けがなくても、利用するデータセットやブレインの組み合わせを通して施策の「勝ちパターン」を見つけることができます。一方でアイソンのAIはデータを学習し、データベースを更新し続けるため、分析・抽出の精度が上がります。セグメントの精度が向上すれば、一人当たりにかけるマーケテイング費用対効果が上がるため、効率的にマーケティング施策が回せるようになります。

Appierは、LINEビジネスコネクトの導入企業には、アイソンによる精度の高いオーディエンスセグメンテーションの利用し、高いユーザーエンゲージメントを体験していただきたいと考えています。

*アイソンの機能や導入に関してご質問がありましたら、ページ右上の「お問い合わせ」をクリックし、問い合わせフォームにご記入下さい。

Technical Insights: Basic C++ 11/14 for Python Programmers

Python のプログラマーがC++をどのように使えばいいか、いくつかのPython のプログラミング・パターンを使って説明しています。スライドの中では、プログラミング・パターンの短いリストを共有しており、Python の知識のある プログラマーがC++を効率的に学習するためのヒントになると考えました。

█ 過去のTechnical Insights: ”Introduction to GraphQL”

英語:goo.gl/d7PyXH、日本語:http://bit.ly/2hsQ0Ot

AIでアドフラウドを撃退

ジョー・スー、最高技術責任者(CTO)、Appier

アドフラウド、つまり広告詐欺は、デジタル広告業界にとって大きな脅威となっています。全米広告主協会によると、アドフラウドによる企業の損失額は、2017年に65億ドルになると予測されています。また、Juniper Researchによる最新の報告書は、2018年にはアドフラウドによって広告主が190億ドルの損失を受けると予測し、その深刻な実態を明らかにしています。これは、オンラインおよびモバイル機器上の広告を対象にしたものであり、その損失は今後も拡大を続け、2022年には440億ドルに達する恐れがあります。

業界はこれまで、アドフラウドによる損失を軽減する効果的な方法を模索し、多大なリソースを費やしてきました。ここであえて「軽減」という言葉を使うのは、サイバーフラウドや金融フラウドと同様、アドフラウドの問題を完全に根絶する方法がないためです。つまり、悪事を働く者よりも、常に一歩先の対策を施すしかないのです。

これまでのアドフラウド対策は、そのほとんどが人間の定義するルールベースの手法に頼ってきました。単純な不正行為に対抗するには効果的な方法ですが、アドフラウドはより巧妙化しており、従来の対策では不十分となっているのが現状です。

AIベースのアプローチ

アドフラウドがより巧妙化し、その検出が困難になるに従い、不正検出メカニズムも並行して進化しないとなりません。これを実現する唯一の方法は、人工知能(AI)を利用することです。

AIベースのアドフラウド検出システムは、基本的にルールベースのアプローチから始まりますが、自己学習することで、検出された疑わしい各アクティビティを学習し、防止レイヤーを構築します。また、AIベースのモデルは、従来のモデルよりも、より多くの次元でパターンを判別できるという利点もあります。

通常、従来のルールベースのモデルは、1から3次元のアクティビティを分析しますが、AIベースのモデルは、80以上の次元を一度に分析できるため、非常に精巧な不正パターンを検出することが可能です。また、自己学習するAIベースのモデルは、従来のシステムを回避する新しい不正パターンに対応し、自ら進化することもできます。

AIベースのアプローチの優位性を実際のキャンペーンで検証

Appierは、AIベースのアプローチによる優位性を実証するため、2017年5月から8月の4か月間、アドクリックやアプリのインストールを含む、40億件以上のキャンペーンデータポイントを自社ネットワーク上で検証しました。その結果、AIベースのアドフラウド検出モデルは、従来のルールベースによる検出方法と比較して、2倍の不正行為を特定できることが明らかになりました。また、AIベースは、広告主にとってコスト効率も高く、従来のルールベースよりも、3.6%高い費用対効果(ROAS)を生むことも実証されました。

AIベースのアプローチの最大の優位性は、これまで報告されていなかった精巧なアドフラウドのパターンを検出できる能力です。AppierのAIシステムが検出した不正パターンの一つは、私たちが「カメレオン型」と呼んでいるものです。これは、不正なサイト運営者が、最初は正当なサイトとして装い、後から不正なインストールを実行させるものです。

当社のAIが検出したもう一つの疑わしいパターンは、私たちが「インベントリーバースト型」と呼んでいるものです。このパターンでは、不正なサイト運営者が、アプリ内で適切レベルのデータ通信が行われていないにもかかわらず、異常に高い広告表示回数を発生させるものです。

最後に

Appierによる同調査の詳細は、こちらからダウンロードできます。アドフラウドは現在、業界に何十億ドルもの損失を与えており、検出することが非常に困難になっています。従来のルールベースによる手法には、ますます巧妙化している新しいアドフラウドのパターンを検出する上で限界があります。そのため、アドフラウドを撃退するには、多次元データを分析する能力と自己学習能力を備えたAIベースのアプローチの方がより優れているのです。

ジョー・スーは、Appierの最高技術責任者(CTO)兼共同創業者です。スーは、高校時代からシステムのハッキングや開発を行っており、高校生で、台湾の国家機関である、高速コンピューティングプログラムが開催した第三回のコンテストにて優勝しました。その後もソーシャルゲーム、VoIP、分散コンピューティング、オンライン上の地理情報など、様々な分野でのシステム設計・開発に携わっていました。Appier 入社以前には、高機能モバイルソーシャルゲームの開発を行う独立系のゲーム会社、Plaxie社を共同で創業、経営した経験があります。それ以前は、Artdio Technology社でプログラマーを務め、台湾有数のハイテク研究開発機関であるITRIのコンピュータ&コミュニケーション研究所にて調査に従事しました。

 

Technical Insights: GraphQL による開発

ジョンソン・リャン, フロントエンドエンジニア, Appier

Appierでは、GraphQLを1年間使用してきました。GraphQLは、当社の主要AIプラットフォームの1つであるAixonのクライアント/サーバー間の通信に使われています。「オブジェクトフィールド」という概念やリゾルバなど、GraphQLのユニークな特性から多くのメリットを得ています。すべての入出力をホワイトリスト化する宣言型のアプローチは、プログラミングインターフェイスを構築するツールとして非常に役に立っています。

このプレゼンテーションは、GraphQLの入門的なものであり、もともとはAppier社内の他の製品チーム向けに作成されたものです。特に、これまでGraphQLを使ったことがないNode.jsおよび Python開発者を意識しています。独自のGraphQLスキーマを構築し、GraphQL APIサーバーを稼働させるために知っておくべき基本的なトピックをすべてカバーし、両プログラミング言語の簡潔なサンプルコードを紹介しています。

GraphQLの高度な概念を説明しているものは、すでにインターネット上に多くありますので、このプレゼンテーションでは、GraphQLを実行させるために必要な実際のソースコードに重点を置き、GraphQLを理解するための、より実用的な視点を紹介したいと思います。

このプレゼンテーションでは、次のようなトピックをカバーしています。
– GraphQLサーバーの基本
– APIシェイプの定義 – GraphQLスキーマ
– オブジェクトフィールドの設定
– 変異型API
– GraphQLサーバーへのリクエスト送信
– N + 1クエリ問題の解決:DataLoader

GraphQLに興味のある開発者の皆さんに役に立つ情報になれば幸いです。