Marketing Technology
tel

   

MT BLOG

MT BLOG

2019.11.06

[MTレター030] AI画像診断 初体験しました!

当メールは以前弊社スタッフと名刺及びメール交換させて頂いた方に送らせて頂いております。
配信停止をご希望の方は本メールの末尾のご案内をご確認下さい。

▼今月のコンテンツ

ご挨拶:アマゾンフォトでAI画像診断初体験しました!
タレマ!:旅といえば・・・?
コンジョイントQ&A:シェア予測はどんなもの?
スタッフコラム:野球と統計



▼ご挨拶
「アマゾンフォトでAI画像診断初体験しました!」


マーケティングテクノロジー藤井でございます。

かなり秋めいてきた今日この頃ですがみなさまいかがお過ごしでしょうか。

最近台風や大雨などで広範囲にわたり様々な被害が出ていますが、被害に遭われた方には心からお見舞いを申し上げたいと思います。

自然災害についてのニュースが報道される際に思い出の写真の大切さがクローズアップされます。

私も東日本大震災の頃から写真の保存について気になってはいましたが、今までは自宅のPCやハードディスクに保存していました。

でもこれだけ災害が多いと自宅もいつどうなるかわかりませんし、スマホを買い替えようと考えているところなのでいい機会だと思い写真をクラウドサービスに保存することにしました。

画像データが自宅だけにしかないと自宅に何かあった時はすべて消滅してしまいますが、クラウドサービスに保存しておけばなくなることはありません。

写真を保存するクラウドサービスはGoogleフォト、マイクロソフトのOneDrive、アマゾンのアマゾンフォトなどいくつかありますが、アマゾンプライム会員であれば追加費用なく容量無制限で使用できるという理由でアマゾンフォトを選びました。

アマゾンフォトにはAmazon Backupというソフトを使ってPCからアップロードし、クラウドに保存された画像データはブラウザでアマゾンフォトのサイトにアクセスして見るのですが、見てみてとても驚きました!

ちゃんと写真がクラウドにアップロードされてるかな?くらいでアクセスしてみたのですが、なんとそこにはAI画像診断の世界が待っていました。

私がアップロードした画像をAIが自動で画像診断し、写真にタグ付けがされていたのです。

人物は顔認証がされて人ごとに分類されていて、顔写真を選択するとその人が写っている写真が表示されます。

検索窓もあり、文字検索すると該当する写真を表示してくれます。


「オペラ劇場」と検索してみました。


「氷河」ではこんな感じです。

「馬」で検索してみたところ、ちゃんと馬の画像が出てきます。

馬が小さく写っていてもちゃんと認識されています。


その他にもいろいろな馬が認識されていました。
雑誌の表紙に写っている馬まで!

残念ながら馬ではないものもありましたが・・・惜しいですね!


まだ認識の精度は100%とは言えず、人物などは間違えて他の人を認定してしまったり、鹿を馬とご認識したりなどもしていますが、すでにかなりの精度で認識していますので、精度100%になる日も近いと思います。

AIのすごさを体感し感動しました。アマゾンプライム会員は年会費約5000円ですが、そんな値段でもAI画像認識の恩恵が受けられます。時代はここまできているのですね!


アマゾンフォト
https://www.amazon.co.jp/b?ie=UTF8&node=5262648051


(記:藤井 )

▼タレマ!

旅といえば・・・?

担当の遠藤です。

タレマ!とはタレントマーケティングの略で、毎回テーマを定め、テーマからどんな有名人を想像するかという調査を行い発表させていただきます。

また、他にも定例の質問といたしまして、最近CM等で目にした有名人を調査しており、そちらもまとめております。

今月は旅といえば・・・?ということでどんな有名人を想像するかを全国の15歳以上の男女5004人を対象に調査を行いました。

結果は下記の通り!です。

旅番組に出演しているタレントがTOP3を占める! 
 
旅でイメージされる有名人について調査したところ、芸人の「出川哲朗」と答えた人が486人で1位でした。2位には「蛭子能収」(375人)、3位には「太川陽介」(365人)がランクインしました。

参考までに昨年の調査時は1位「太川陽介」、2位「出川哲朗」、3位「嵐」でした。

嵐が5回連続で首位!


最近CM等で目にした有名人について調査したところ、「嵐」が全体で807人で弊社の調査では5回連続首位となり、パズドラのCMで目にした方が最も多く107人となっています。2位には「マツコ・デラックス」が255人で、3位には「イチロー」が249人でランクインしました。

どちらの詳細も下記リンクよりご覧ください。
https://www.qnri.net/kt/MarketingT/tm/admin/dataH_201910.php

以上タレマ!でした。

(記:遠藤)



▼コンジョイントQ&A 
「シェア予測はどんなもの?」

再びマーケティングテクノロジー藤井でございます。

「そもそもコンジョイントって何?」シリーズ5回目の今回は、「シェア予測はどんなもの?」というお話をさせて頂きます。

コンジョイントならではの強み、醍醐味としてシェア予測があります。


コンジョイントの目的の一つはシェア予測(シミュレーション)とも言え、新製品を市場に投入した時のシェアはどれ位になるか?を予測することができます。


前回のメルマガではコンジョイント調査を実施すると「効用値」が算出されるというお話をさせて頂きました。「効用値」を簡単に言うと商品スペック(水準)の「好ましさ」の値になります。


その「効用値」を使い、「この性能だったら価格がいくらまでなら妥当か」、「このデザインであれば、性能はどこまで悪くても平気か」等の最適な商品仕様を知ることや、さらに商品仕様を変化させた場合のシェア予測などに応用することができます。


例えば弊社が実施した機能性チョコレートのコンジョイント調査では、最も好まれる(効用が高い)商品コンセプトは以下であることがわかりました。

—————————————
形状:箱入り
カカオ含有量:70%
苦味:苦味弱め
機能:脂肪吸収しにくい
価格:100円
—————————————

チョコレートメーカーは上記の要素で商品を製造・販売するのがベストなのですが、社内事情によりこの商品を製造・販売してきたとは限りません。


そこで自社製品のシェアアップを狙って新製品を市場に投入することを検討しているのですが、いきなり実際に市場に新製品を投入する前に、どれ位シェアアップできるか予測してから新製品を製造・販売したいものです。


そのような場合にコンジョイントのシェア予測が有効です。

例えばこれまでは原価の関係で「カカオ含有量30%」を製造・販売してきたところ、思い切って「カカオ含有量70%」にした場合、シェアはどれくらいになるかを予測してみました。


市場にA~Fまで6製品あると仮定して、これまでの既存製品「カカオ含有量30%」では自社製品Dのシェアは7.0%だったところ、新製品「カカオ含有量70%」を販売した場合のシェアは13.5%になることが予測できました。

つまり、コンジョイントのシェア予測では『もしも・・・・してみたら・・・』の世界を作り出すことができるわけです。


自社商品の機能を変えてみたり、値段を下げてみたりしたときにどのような影響やシェア変化、カニバリ(自銘柄同士のシェアの共食い)が起こったりするのかを予測し、対策を打つことができるようになります。


また、コンジョイントは価格分析、価格の決定の際にも非常に強力なツールとなります。

ということで、次回は価格決定とコンジョイントのお話しになりそうです。

弊社コンジョイントサイト
https://m-te.com/conjoint-analysis-2/


(記:藤井 )


▼スタッフコラム
「野球と統計

担当の田村です。

今年の日本のプロ野球シーズンもソフトバンクホークスの日本シリーズ三連覇で終わりましたね。


ところで「野球は確率のスポーツ」等と言われます。要するに野球は統計と親和性が高いということです。

実際に、統計データを非常に重視するなんていうプロ野球チームの監督もいたりします。


我々も普段から統計を扱うことが多いので、野球にどのように統計が使われているのか確認してみました。


▼競技のタイプ

まず、野球と統計の親和性がなぜ高いのかを考えてみると、野球というスポーツが若干特殊なジャンルに入っているということがわかります。

いわゆる試合を「ゲーム」と呼ぶようなスポーツは概ね以下の3つに分けられると言います。


1)サッカータイプ
2)テニスタイプ
3)クリケットタイプ

1)のサッカータイプはボールをゴールエリアに入れることで得点となります。バスケットや今話題のラグビー等もこのタイプです。

2)のテニスタイプは相手が失敗することにより点が入ります。バレーボールやバドミントン等が属します。


野球は、野球の元祖である3)のクリケットタイプに属します。このタイプでは実際にはボールの位置はあまり得点には関係なく、プレーヤーがホームベースを踏む等、プレーヤーの位置で得点が決まります。だからホームランを打ってもホームベースを踏み忘れると点が入らない訳です。


競技時間で見ると1)は決まった時間内での勝負、2)は決まった得点までの勝負、そして野球の3)は決まった回数での勝負となります。


プレーの連続性では1)サッカータイプはボールがフィールド外に出るまで。2)テニスタイ
プでは得点するまで。3)野球では打席単位となります。


攻守の分離性では、1)サッカータイプは連続しており判然と別れません。2)テニスタイプは開始は交互ですがやはり完全には分離されません。3)野球は攻撃守備が完全に分離されます。


こうしてみると野球はデータ単位として、各打席<各イニング<各試合<各シーズンときれいに分離され、圧倒的にデータとして把握しやすく、またサンプルデータの数が非常に多くなることがわかります。これが統計との親和性の良さに繋がっていると言えます。


▼セイバー・メトリクス

野球ではこうした膨大なデータを活用した統計的アプローチの1つとして有名な「セイバー・メトリクス」というデータ指標があります。

アメリカ野球学会の略称SABR (Society for American Baseball Research) と測定基準 (metrics) を組み合わせた造語です。


活用の有名な例では、マイケル・ルイスという米国作家のノンフィクション書籍を元にした『マネー・ボール』という映画があります。セイバー・メトリクスを利用してMLB球団のオークランド・アスレチックスのGMがチームを再建していくという話です。

セイバー・メトリクスを活用し、あまり有名ではない隠れた優良選手を発掘しチームを再編していきます。


セイバー・メトリクスをご紹介すると、その1つに得点価値をベースに選手を評価するLinear Weights (LWTS)が広く使われています。


野球では、試合の状況はアウトカウントとランナーの出塁状況の組み合わせだけで分別でき、その組み合わせはたった24通りしかありません。


アウトカウントは、ノーアウト、1アウト、2アウトの3つだけ。
ランナーの状況は、「走者無」「1塁」「2塁」「3塁」「1、2塁」「1、3塁」「2、3塁」「満塁」の8通りです。3 x 8 = 24通りの状況が考えられるわけです。


この状況ごとに「得点期待値(Run Expectancy)」という基本データが算出されています。

この得点期待値は直近数年の全球団の上記状況における平均的な値となるデータです。

例えば、WikipediaにNPBの得点期待値の例があります。この場合、以下のような感じです。


1) 0アウト x 走者無 = 0.48
2) 0アウト x 一塁 = 0.851
3) 0アウト x 二塁 = 1.075
4) 0アウト x 三塁 = 1.392
5) 0アウト x 一二塁 = 1.459
6) 0アウト x 一三塁 = 1.757
7) 0アウト x 二三塁 = 2.009
8) 0アウト x 満塁 = 2.253
9) 1アウト x 走者無 = 0.258
10) 1アウト x 一塁 = 0.523
11) 1アウト x 二塁 = 0.711
….省略….

https://ja.wikipedia.org/wiki/Linear_Weights


これは上記の各状況のときに何点が期待されるかという数値です。

1)のノーアウト、ランナーなしの時は、0.48点が期待されているということになります。

例えば、0アウト走者無しの状況からシングルヒットが発生した場合、得点期待値は1)の0.480から2)の0.851に変わります。この差の0.851-0.480=0.371がこの状況で発生したシングルヒットの得点価値となります。このようにして選手の価値を見極める公正な一つの指標となるのです。


面白い例としては、バントをする場合です。ノーアウト1塁のとき、『ふつうはバントして先の塁へ送るだろ?』となりますが、セイバー・メトリクス的にはどうも違うようです。

上記の例でも、2) 0アウト x 一塁 = 0.851から11) 1アウト x 二塁 = 0.711の状況になると価値は-0.14と確かに価値がマイナスになってしまいます。


さらに東京学芸大学の及川先生等の資料によると、この状況では、

・バントをすると1塁ランナーの進塁率は81.6%、生還率は37.6%、そのイニングの得点期待値は0.73点となります。
・バントをせずヒッティング強硬すると、1塁ランナーの進塁率は40.7%に下がります。生還率は36.5%とあまり変わらず。そして、そのイニングの得点期待値はなんと0.86点に上がります。


1点を取るという意味の生還率ではバントしても1%しか変わりません。

さらに最終的に勝利するかどうかの確率で見ると、ノーアウト1塁からバントにより、1アウト2塁にした場合、どのイニングでのバントにおいても勝利確率の低下が見られるそうです。

つまり、「バントは1点取るのにたった1%ほど確率が上がるが、結局負けてしまう確率が高い。」ということになります。


2番打者に限ってみると、得点期待値はバント時は0.8点なのに、ヒッティング強硬の場合は1.1点。2番打者にバントをさせることは得点に結びつきにくいということが分かっています。


何かと先進的なアメリカMLBでは、バントの回数も日本のNPBに比べ1/4。また、2番打者には強打者を置く等が最近の流れとなっているのはこのあたりに理由がある訳ですね。


▼その他の指標

このようなデータ指標は、ゲームの局面だけでなく、野手ごと、投手ごと等色々なものがあります。

例えば、野手の指標ではOPS(On-base plus slugging)というのがあります。長打出塁率とでも言いましょうか。「長打率+出塁率」で求められます。数値が高いほど強打者であると言えます。


ランクA:.9000以上   素晴らしい
ランクB:.8334 – .8999 非常に良い
ランクC:.7667 – .8333 良い
ランクD:.7000 – .7666 並
ランクE:.6334 – .6999 平均以下
ランクF:.5667 – .6333 悪い
ランクG:.5666以下   非常に悪い


本年度のNPBセリーグですと、1位は広島カープの鈴木誠也選手が1.018。2位がジャイアンツの坂本選手で0.971、3位がヤクルトスワローズの山田哲人選手で0.961という感じです。皆日本代表クラスですね。


他にはWAR(Wins Above Replacement)というのもあります。セイバーメトリクスによる打撃、走塁、守備、投球を総合的に評価して選手の貢献度を表す指標です。そのポジションの代替え水準の控え選手(Replacement)に比べてどれだけ勝利数を増やしたか。つまり、選手の貢献度を表した指標です。


MVP 6.0以上
オールスター4.0以上
レギュラークラス2.0以上
先発1.0-2.0
控え1.0以下
リプレイスメント0未満


ちなみに巨人の坂本勇人選手の2018年のWARは6.3

WARは投手野手問わずに全ての選手を同じ視点で評価できるものです。
※WARは算出方法が複数存在していますので上記数値は参考です。


投手にはWHIP(Walks plus Hits per Inning Pitched、「投球回あたり与四球・被安打数合計」)等もあります。1投球回あたり何人の走者を出したかを表す数値です。


一般に先発投手であれば1.00未満なら球界を代表するエースとされ、1.20未満ならエース級という感じです。1.4を上回ると問題だと言われます。


今年の場合、チーム単位で1位は中日ドラゴンズが1.27。次いで阪神タイガースが1.28、最下位となってしまったヤクルトは1.45でした。

個人成績ではドラゴンズの大野雄大投手が0.98、ベイスターズ今永投手が1.08、タイガースの西投手が1.13、最多勝利・奪三振・勝率で三冠のジャイアンツ山口俊投手は1.16で続きます。


野球にはこのような色々な統計指標があります。各球団とも来年に向けて選手の年棒査定や次期編成に向けてこうした数値も参考にしながら進めていくことになるのでしょう。


野球はスポーツですので無論こうしたデータ以外の要素も無尽蔵にありますので、あくまでも参考ということだとは思いますが、色々な指標も参考にしながらスポーツを見ると、なぜこの監督や選手はこうした状況で、そのように動くのか等が若干わかったりして別の楽しさが湧くかもしれません。


※参考文献:『野球の無死一塁で用いられる送りバント作戦の効果について』

(文責:田村)




●弊社サイト 
https://m-te.com/

●弊社でラインスタンプ作りました!

ご希望の方にプレゼントさせて頂きます。  
https://line.me/S/sticker/1100513 

●弊社へのお問い合わせやご希望がありましたら 
各担当、または info@m-te.com までお気軽に!

●コンジョイント無料セミナーやってます! 
内容: http://goo.gl/vjmrPo 
無料セミナーお申込みは: http://goo.gl/1QMkJw 

いつでも御社にお伺いします。 
ご用命はお気軽にどうぞ。
==================================== 
マーケティングテクノロジー株式会社 
〒162-0842 
東京都新宿区市谷砂土原町3-4-2-011 
03-3260-2648 
0120-88-2648 
info@m-te.com 
====================================

© 2018 Marketing Technology Inc.

上に戻る