読者です 読者をやめる 読者になる 読者になる

Platinum Data Blog by BrainPad

株式会社ブレインパッド(BrainPad Inc.)が、データ分析に関するさまざまな取り組みや最新情報、業界動向などについてお伝えしていきます。

2016年東京都知事選の行方をTwitterから分析!主要3候補者に対するソーシャルメディア上の反応は?

ソーシャルリスニング Crimson Heagon Forsight

 こんにちは、ブレインパッド Crimson Hexagonチームの福江です。

 先日ご紹介しました「2016年参議院議員選挙」に関するソーシャルメディア分析のブログ記事では、多くの方からの反響をいただき、ありがとうございました。テレビ東京「NEWSアンサー」や、東京新聞中日新聞ハフィントンポスト日本版など、多くのメディアにて取り上げていただきました。

 今回は、今月31日(日)に投開票を迎える、舛添前知事の辞職に伴う「2016年東京都知事選挙(告示:2016年7月14日)」について、Twitterの全量データ(*1)を対象に分析できる、当社提供のソーシャルリスニング・プラットフォーム「Crimson Hexagon ForSight™ Platform(クリムゾンヘキサゴン・フォーサイト・プラットフォーム)」を使って、Twitter上の反応を分析・比較してみました。

続きを読む

アジア初の開催となった「Advertising Week Asia 2016」登壇レポート

イベントレポート 広報 デジタルマーケティング

欧米を中心とした広告業界最大のイベントとして有名な「Advertising Week」が、2016年5月30日(月)~2016年6月2日(木)の4日間にわたり、東京で開催されました。同イベントがアジアで開催されるのは今回が初となり、光栄なことに、当社からもパネルセッショに登壇させていただきました。

本ブログでは、6月1日(水)14:30より六本木ミッドタウンのカンファレンスにて開催されたパネルセッションに、当社のアナリティクスサービス本部 アナリティクスサービス3部 部長の西本が登壇した模様をお伝えします。

<スピーカー>
写真左より
ヤフー株式会社 マーケティングソリューションズカンパニー リサーチアナリシス部 マネージャー 堀江氏
株式会社ブレインパッド アナリティクスサービス本部 アナリティクスサービス3部 部長 西本
株式会社マクロミル デジタルマーケティング事業部 部長 後藤氏
f:id:brainpad-inc:20160627154801p:plain

■セッション紹介ページ
http://www.advertisingweek.asia/calendar/-yahoo-workshop-2016-06-01-1430

■Advertising Week Asia 2016公式サイト
http://www.advertisingweek.asia/

続きを読む

2016年参院選目前!Twitterのつぶやきと投票率の関係は?

ソーシャルリスニング Crimson Heagon Forsight

 こんにちは、ブレインパッド Crimson Hexagonチームの福江です。

 今月10日(日)に投開票を迎える、第24回参議院議員通常選挙(2016年6月22日公示)。今回、選挙権年齢が18歳以上へ引き下げられたことなどから、若者の日常ツールとも言えるソーシャルメディアを利用した選挙活動が本格化しています。

 今回の参院選では、ソーシャルメディア上において、どのくらいの数がつぶやかれ、どういった話題が注目を集めているのでしょうか?

 そこで、Twitterの全量データ(*1)を対象に分析できる、当社提供のソーシャルリスニング・プラットフォーム「Crimson Hexagon ForSight™ Platform(クリムゾンヘキサゴン・フォーサイト・プラットフォーム)」を使って、今回の参院選と前回の参院選(2013年7月)における、Twitter上での反応を分析・比較してみました。

 「Crimson Hexagon ForSight™ Platform」は、「センチメント分析」「時系列推移の分析」「インフルエンサー分析」「頻出ワード分析」「トピック分析」「ライブストリーミング分析」「アフィニティ分析」といった多種多様な分析機能を搭載しています。今回は、その中でも最も簡単に利用できる「関連性分析」の機能を利用して、参院選目前(2016年7月3日まで)のデータを対象に簡易的な分析を行いました。

続きを読む

PrestoとHyperLogLogで、大量ログからユニークユーザー数を高速に推定する(実践編)

技術エントリー

皆さん、こんにちは。マーケティングプラットフォーム本部で広告系製品の開発を担当している田頭です。

前回の理論編ブログでは、大量のログから高速にユニークユーザー(以下、UU)数を推定するための背景やアルゴリズム、およびその実装部分について、「理論編」として解説させていただきました。
今回は「実践編」として、実際に当社内で行ったapprox_distinct関数のパフォーマンス検証について、以下の内容を皆さんにご紹介したいと思います。

  1. 検証環境
  2. 検証データ
  3. 検証項目
  4. 検証結果
    1. 小規模検証結果
    2. 中規模検証結果
    3. 大規模検証結果
    4. 検証結果考察
  5. まとめ

続きを読む