BtoBマーケティングにおけるML/NLPの活用
•
3 likes•3,371 views
「第34回 Machine Learning 15minutes!」の発表資料です。 https://machine-learning15minutes.connpass.com/event/119520/
Recommended
More Related Content
What's hot
What's hot (20)
Similar to BtoBマーケティングにおけるML/NLPの活用
Similar to BtoBマーケティングにおけるML/NLPの活用 (20)
BtoBマーケティングにおけるML/NLPの活用
- 1. BtoBマーケティングにおける ML/NLPの活用 2019/03/30 北内 啓 第34回Machine Learning 15 minutes!
- 2. 自己紹介 北内 啓（きたうち あきら） ● 株式会社 ○ 機械学習、自然言語処理等による新規機能開発、機能改善を担当 ● 経歴 ○ 奈良先端科学技術大学院大学 日本語形態素解析システム「茶筌」の開発に参加 ○ 株式会社 データ ○ スタートアップ ○ 株式会社ユーザベース ○ 株式会社 （ユーザベースグループ）
- 4. ABM (Account Based Marketing)
- 9. 地 域規 模 従業員200人以上 売上高10億円以上 業 界 製造業 + IT首都圏 + 大阪 よくあるターゲティング 個人のデモグラフィックデータに対して 企業の場合ファーモグラフィック（firmographic）データと呼ぶ
- 10. よくあるターゲティング 地 域規 模 従業員200人以上 売上高10億円以上 業 界 製造業 + IT首都圏 + 大阪 企業の課題やニーズを必ずしも表さない 候補企業が大量となり、ムダが多い
- 19. FORCAS x Marketo x SFDC 連携イメージ図 FORCAS Marketo Salesforce リード リード 取引先 責任者 取引先 商談
- 23. ナイーブベイズの拡張による潜在企業の予測スコア算出 ● 要件1: 特徴量の重要度が解釈しやすい ○ 特徴量の重要度を予測スコアの根拠として提示したい ● 要件2: 推定時に各特徴量が相互に影響を与えないこと ○ ユーザが特徴量の重要度を変更して現場の感覚を反映できるようにしたい ○ その際、その特徴量だけが予測スコアに影響するようにしたい ● 従来 ○ GDBTを利用 ○ 要件1, 2とも満たさない
- 24. ナイーブベイズの拡張による潜在企業の予測スコア算出 ● ナイーブベイズにおけるクラスyの条件付き事後確率 ● 既存顧客企業のクラスy1, 潜在顧客企業のクラスy2の比R(x)を予測スコアとする ● 特徴xiの重要度S(xi) ● 尤度P(xi|yi) ※αはスムージングのための値 ※ 精度（AUC）はGBDTとほぼ同じだった 要件1: 特徴量の重要度がリフトに 似た値で解釈しやすい 要件2: 特徴量の重要度を変更 した場合、その特徴量だけが予 測スコアに影響する
- 25. 非上場企業の業界推定 企業名 特色 業界 トヨタ自動車 日本最大手の自動車メーカー、世界 でもトップクラス 自動車 本田技研工業 国内大手自動車メーカー。創業は二 輪車でアジア太平洋を中心に 自動車 エンジン 自動二輪車 【訓練データ】 ・弊社アナリストが約560の業種に 紐付けたデータ ・複数の業界が紐づく企業もある （マルチラベル） モデル 企業名 特色 業界 ヤマハ発動 機 ヤマハのオートバイ部門か ら独立、売上高の約 割を 占める自動二輪車 企業名 特色 業界 ヤマハ発動 機 ヤマハのオートバイ部門か ら独立、売上高の約 割を 占める自動二輪車 自動二輪車 エンジン 学習 【テストデータ】 ・新しく格納される 企業の情報 ・企業名、特色などの特徴を利用して学習 ・SVMを利用 (sklearn.linear_model.SGDClassifier) ・予測スコアが閾値以上の場合にその業界に分類する ・一定以上の精度になるような閾値を交差検証で決定
- 26. 今後の予定、課題 ● 潜在顧客企業の予測スコア算出 ○ 予測スコアの根拠の可視化 ● 業界推定 ○ 特徴抽出の改善（SCDV、Sentencepieceなど） ○ 能動学習による効率的な人手のラベル付け ● その他全般 ○ 企業データの抽出やデータ更新処理の自動化 ○ ルールベースのアルゴリズムを機械学習に置き換え
- 27. Thank you!