社内LINE公式アカウント メッセージ送りすぎ問題を データサイエンスで解決する

Transcript

1. 社内LINE公式アカウント メッセージ送りすぎ問題を データサイエンスで解決する 2021/03/31 Takahiro Yoshinaga, LINE Corporation 今期の私は凄かったぞ︕︕︕
2. Takahiro Yoshinaga @t_yoshinaga0106 所属 • LINE Corp. Data Science Center, ML Sol. teamの概念 課⾦対象 • ファッション, 息⼦（2歳）, Beer 将来実現したいこと • 息⼦が幼稚園までに陽⼦のシュワルツシルド半径を覚える • 息⼦が10歳までに⾼⽊貞治著「解析概論」を読破する
3. Outline 課題 • 社内LINE公式アカウントがユーザーに対してメッセージを送り すぎていた 解決⽅策 • 開封率予測に基づくターゲティング配信機能の提供 結果 • 仕様の範囲ではメッセージ配信の削減に成功 • 将来的には、より売上に直結した最適化機能の提供を⽬指す
4. 社内LINE公式アカウント メッセージ送りすぎ問題
5. 何のトピック︖
6. LINE公式アカウント（OA） LINEでユーザと企業が友だちのようにつながることができるサービス 特に、メッセージ配信によってユーザと密なコミュニケーションが⾏える
7. 50%
8. 社内/社外アカウントメッセージ⽐率 典型的なユーザーの50%が、LINEが運⽤しているアカウント（社内OA） から多くのメッセージを受け取っている ⽉に受け取ったメッセージ数 ユーザーの割合 100-200通
9. >10億円
10. 社内OAメッセージ通数ランキング 仮にメッセージ従量課⾦制を社内OAに適⽤したとすると ⽉に10億円程度コストを掛けているOAが複数存在する アカウント メッセージ送信数 従量課⾦した場合のコスト アカウントA > 10億通 / ⽉ > 10億円 / ⽉ アカウントB 5-10億通 / ⽉ 5-10億円 / ⽉ アカウントC 5-10億通 / ⽉ 5-10億円 / ⽉ … … …
11. 社内LINE公式アカウントが ユーザにメッセージを 送りすぎている
12. 社内LINE公式アカウント メッセージ送りすぎ問題 は何が問題なのか︖
13. 問題1 開封率が低下する
14. メッセージ受信数 vs 開封率 ⽉に受け取ったメッセージ数 開封率
15. 問題2 他のアカウントの開封を阻害する
16. OAの配信頻度 vs ユーザーの受信頻度 あるOAが配信頻度を下げても、 他のOAの配信が多いと開封がされにくい
17. ユーザーはLINE公式アカウント のメッセージをどう感じているのか
18. メッセージの質より量が問題 量に対して課題を感じるユーザーは75% 質に対して課題を感じるユーザーは22%
19. 解決⽅針 ユーザーにとって有⽤なものは届ける 有⽤でないものは減らす
21. AIで解決︕
22. Open Score Targeting
23. 基本⽅針 メッセージ開封率予測に基づく ターゲティング配信によって メッセージ送りすぎ問題を解決する
24. 開封率予測モデル（Open Score Model） 公式アカウントからユーザーに送った メッセージの反応の統計情報から 開封率予測モデルを作り 「Score」が⾼いユーザーに優先的に配信
25. System: Open Score Targeting OA管理画⾯からのメッセージ配信時にScoreに基づいてターゲティング Scoreは⽇次で⽣成してServiceへ送信
26. Results
27. Results OA管理画⾯からのメッセージ配信数はO(10)%減少︕
28. Results 売上の毀損を抑えつつ配信数を減らしたサービスもあった （どれくらい売上を保てるかはKPIとして設定はしていなかったが、効率的にメッセージ量が減らせた） YYYYMM 友だち数 メッセージ送信数 売上 202008 2200万 13億通 1.4億 202009 2200万 7億通 (46%↓) 1.2億 (15%↓) … … … ある主要サービスの⽉次の数字
29. すべてのサービスが そうではなかった
30. Results OA管理画⾯からのメッセージ配信数はO(10)%減少︕ 別⼝の配信⽅法利⽤が増えて全体では⼤きな減少にはならなかった
31. Why? 売上に直結する最適化ではなかった 結果、短期⽬標達成のため別⼝が増加
32. Challenge より売上に直結する最適化を⽬指す
33. OA Score (Ongoing) CTR予測モデルによるターゲティング配信機能の提供
34. Auto Recommendation (in Dev.) コンテンツ（メッセージ）単位でのターゲティング機能の提供
35. Summary
36. Summary 課題 • 社内LINE公式アカウントがユーザーに対してメッセージを送り すぎていた 解決⽅策 • 開封率予測に基づくターゲティング配信機能の提供 結果 • 仕様の範囲ではメッセージ配信の削減に成功 • 将来的には、より売上に直結した最適化機能の提供を⽬指す
37. 完
38. Machine Learning Dept. Data Science Center Data Science Dept. Machine Learning Dept. ML Planning ML Solution ML Development ML Infrastructure
39. We are Hiring! • 機械学習エンジニア ü https://linecorp.com/ja/career/position/589 • 機械学習プロダクト・プロジェクトマネージャ ü https://linecorp.com/ja/career/position/1598 ü https://linecorp.com/ja/career/position/1043 • サーバーサイドエンジニア・DevOpsエンジニア ü https://linecorp.com/ja/career/position/1408 ü https://linecorp.com/ja/career/position/2255 気軽に話を聞きたい⽅はそくめん君からでも是⾮︕ https://sokumenkun.com/2020/09/04/takahiro-yoshinaga/