ブログパーツ解析レポート
そこにブログがある限り
ブログパーツって、どうですか？
私はブログなど、まったくかかない人間なので、ブログを書いて、写真をアップして・・・という皆さんには、非常に尊敬の念を抱いてしまいます。
が、しかし、現実には、ブロガーさんが街にあふれているわけです。
そんな中、ブログパーツってアクセサリ感覚なものが世に登場した訳です。
もちろん、Ｒ＆Ｄの中でもブログパーツをマーケティング活動に利用しちゃったりするんです。
あるクライアントさんでブログパーツを配布しています。
このブログパーツ配布が以外によく広まっていっているようです。
ブログパーツ配布から半年、毎月、リンク数も伸びて、しかもインプレッション数も伸びている！
これはよいですねーー。
ただ作るだけじゃ面白くないので、ブログパーツ分析レポートなるものを作成してみました。
Let’s 統計「標準誤差」〜結果に違いはある？
Let’s統計 第１回「標準誤差」
プロモーションからのCTR・CVR、ページの直帰率・離脱率いろいろとパーセンテージを使った指標はあります。
ある試みを試したときに実験前後でパーセンテージに違いが出てきます。
例えば、LPOのCTR・CVRを見てどちらのランディングページが優れているのか？といったことは日常的に行われていると思います。
でも、何パーセント違えば結果が良かった悪かったの判定ができますか？
0.1%?1%？それとも10%?
もう一度同じことをしたときに、果たして同じ結果になるでしょうか？
正しくは「イエスではない」はずです。
ではどうすれば結果の評価ができるでしょうか？答えは統計学にあります。
レコメンド解析 Part.1
レコメンドエンジン
最近、行動ターゲティングが盛んですね。
そういった行動ターゲティングを利用したサービスもいくつか出てきています。
行動ターゲティングサービスの中心といえば、
●行動ターゲティング広告
●レコメンドエンジン（レコメンドＡＳＰ）
の２つでしょうか・・・。
現在の動向をつかむためにも、Ｒ＆Ｄでは「レコメンドエンジン」のロジックを研究し始めました！
インターネットで提供をしているレコメンドエンジンの多くは、商品購買や閲覧などをデータにためて、購買や閲覧の多い組み合わせから商品をレコメンドするという方法です。協調フィルタリングという手法を使っています。
通常、ＷＥＢ担当者などがお勧め商品などを出しているものは、ルールベースレコメンデーションという方法で、その方法だと担当者の意思で商品を決定するということになります。担当者により偏りがでてくる可能性もあります。
セッションの考え方
アクセス解析を行う上で大事なポイントがあります。
それが「セッション」です。
アクセスログは１行１行をＩＰアドレスやＵＡ（ユーザーエージェント）を使って名寄せをして、同じ人の行動として読み取っています。
ですが、もちろんＩＰアドレスなどは、会社で一つなんてところも多いので、１回のつながりを間の設定した時間＝セッションが切れない限り、１回と数えるなど、一種のルールを適応して一人の動きを分析しています。
来訪者の延べ人数はこのセッションの数で決められています。
九州大学×ペンシルＲ＆Ｄコラボ
九州大学に訪問しました！
九州大学大学院システム情報科学研究院とペンシルとコラボを行いました。
１年がかりの計画だったのですが、ついに実現をしたのです。
ペンシルのポータルサイト「ケセラスタイル」のサーバーログを使用し、ユーザーの動向・ユーザーの傾向を解析しました。
行動ターゲティングの基礎研究とも言うべき分野です。
今回、ご協力をいただいた峯助教授は行動ターゲティングを中心に研究をされてらっしゃる先生で多くの研究をされていらっしゃいます。
今回、ケセラスタイルのような大量アクセスサイトにて、解析をやっていただくことができました。
