携帯電話のキャリア選択における 広告の効果分析と …...携帯電話のキャリア選択における 広告の効果分析と広告出稿戦の 提案 形学学部
GAによる広告出稿最適化
-
Upload
brainpad-inc -
Category
Documents
-
view
3.150 -
download
0
description
Transcript of GAによる広告出稿最適化
ST3ST3 . . 「遺伝的アルゴリズム(G「遺伝的アルゴリズム(GA:A: Genetic AlgorithmGenetic Algorithm )による広告)による広告
出稿準最適化」出稿準最適化」
2010年6月20日(日)橋本武彦
ID : takenotabi(Twitter:@takenotabi)
第5回 データマイニング +WEB 勉強会@東京 (Tokyo.Webmining#5)
自己紹介
2
国分寺在住の35歳、既婚(無事、結婚4年目突入)
キャリア・エンジニア、研究員、リサーチャーを経て、五反田のベンチャーでアナリ
ストとして勤務 (無事、3年目突入)
・業務領域は、データ分析( Mining ) /最適化 /システム構築( Web )(データマイニング+WEB勉強会 @ 東京の趣旨と、とても近い気
が・・・)
興味があること構造方程式モデリング、シミュレーション、プロジェクトマネジメント /
コーチング、 ライフログ、クラウド(分散処理)、 etc
本日のテーマ
3
遺伝的アルゴリズム(GA: Genetic Algorithm )による広告出稿準最適化
~メディアプランニング業務支援オプティマイザー(※)への
適用事例
※オプティマイザー(最適出稿予算配分システム)電通 “DiaLog”博報堂 “HAAP”
~クロスメディア、マス4媒体、交通、ネット、 etcブレインパッド “ L2Mixer”
~リスティングの ROI 最大化(数理計画法( 0-1 整数計画法))ロックオン “アドエビス AutoBid”
~リスティングの T&D 組合せ最適化(GA)
メディアプランニング業務について
4
広告のお仕事を考えてみると。。。何らかの伝えたい”メッセージがあり、いつ、どこで、だれに、どうやって
伝えるか?
何を(メッセー
ジ)クリエイティブ
だれに ターゲット
いつ
どこで
どうやって
出稿日、出稿時間帯
出稿エリア
メディア、ビークル
メディアプランニン
グの
業務領域
メディアプランナーの悩み
5
1,000万円の予算(制約)のキャンペーンを考える際に、どの雑誌に何回出稿する組合せが、一番、 GRP (閲読率の累積)が高くなるかを考える。(ナップザック問題)
雑誌名 間隔 出稿金額 閲読率an an・ 月刊 \ 300,000 10%ViVi 週刊 \ 500,000 20%J J 月刊 \ 400,000 15%Cancam 季刊 \ 600,000 25%
■ 雑誌情報(500誌)
・・
・
予算内に収まるすべての雑誌の組合せを考えれば良いのだが・・・
組合せ①: an ・ an3 回+ JJ2 回 ⇒ GRP 〇〇%組合せ②: JJ 2回+ViV i8 回 ⇒ GRP 〇〇%組合せ③: JJ 9回+ViV i1 回 ⇒ GRP 〇〇%・・・
各雑誌の出稿有無に限っても、2 ^500・・・。さらに、出稿回数も入るので、現実的にはほぼ計算不能!(組合せの爆発)
⇒何らかの解探索手法が必要
遺伝的アルゴリズム(GA)とは?
6
1975 年にミシガン大学のジョン・ H ・ホランド( John Henry Holland )によって提案された 近似解を探索するメタヒューリスティックアルゴリズム
ダーウィンの進化論がベース~環境に適応する優秀な個体が生き残り、進化
“選択” > “交叉” > “突然変異”を繰り返すことで、解を探索
最大の特徴は、”解空間構造が不明であり、決定的な優れた解法が発見されておらず、また、全探索が不可能と考えられるほど広大な解空間を持つ問題に有効”であること
ちなみに、タレント 菊川怜の卒論でも利用 ( 1999, 遺伝的アルゴリズムを適用したコンクリートの要求性能型の調合設計に関する
研究 , 菊川 怜)
GAのコーディングイメージ
7
■染色体コーディングと、評価イメージ
個体1an an・ ViVi J J Cancam 出稿金額 GRP
出稿対象有無 0 1 1 0出稿回数 0 2 3 0
2個体an an・ ViVi J J Cancam 出稿金額 GRP
出稿対象有無 0 0 0 1出稿回数 0 0 0 6
3個体an an・ ViVi J J Cancam 出稿金額 GRP
出稿対象有無 1 1 1 0出稿回数 5 4 3 0
\ 4,000,000 600%
\ 1,000,000 250%
\ 2,000,000 300%
問題設定を、遺伝子イメージで事前にコーディング。この場合、出稿有無( 0/1 )と、出稿回数でコーディング。
GAの処理の流れ
8
■ 処理フロー・・・いずれも乱数処理
(突然変異)・・・局所解への陥りを防ぐ(交叉)・・・解探索
(選択)・・・適応度の高い個体を残す適応度比例戦略、トーナメント戦略、 etc
(初期)・・・乱数を用いて、ランダムに生成
(評価)・・・評価関数による適応度算出~予算内: GRP の高い順~予算外:予算との乖離が小さい順
GAのまとめ(長所 /短所)
9
○:長所・幅広い応用範囲を持っており、さまざまな問題に適応できる。・実用時間内に比較的優れた解を求めることができる。
~”解空間構造が不明であり、決定的な優れた解法が発見されておらず、また、
全探索が不可能と考えられるほど広大な解空間を持つ問題に有効”
× :短所・パラメータやコーディングに対する一般的な規範がない。
~要チューニング(大変)
※ 適用領域・配送計画( TSP 問題) ・・・コンビニなど・スケジューリング ・・・学校の時間割、ナースのスケジューリング、
etcetc
参考文献
10
■wikipediahttp://ja.wikipedia.org/wiki/%E9%81%BA%E4%BC%9D%E7%9A%84%E3%82%A2%E3%83%AB%E3%82%B4%E3%83%AA%E3%82%BA%E3%83%A0#SGA
■村上・泉田研究室http://ipr20.cs.ehime-u.ac.jp/column/ga/index.html
■簡単そうで難しい組合せ最適化http://www-or.amp.i.kyoto-u.ac.jp/members/yagiura/open-campus-2004/happyo-shiryo.pdf