inFablic | Fablic, inc. Developer's Blog.

フリマアプリ フリル (FRIL) を運営する Fablic の公式開発者ブログです。Fablic のデザイナー・エンジニア・ディレクターが情報発信していきます。

CM放送期間のAppStoreランキング経由のインストール数を予測する

こんにちは。shobyです。

フリルでは定期的に全国でCMを放送しており、各CMについて分析を行っています。

今回は、CM放送期間のAppStoreランキング経由のインストール数を予測する方法をご紹介します。

概要

  • CMの効果予測とランキング
  • ランキング経由インストール数の予測
  • ランキング順位とランキング経由のインストール数のデータ
  • 線形回帰によるモデル化
  • フリルでの活用例

CMの効果予測とランキング

CMの効果予測においては、ランキングの影響が不確定要素として存在するため、ランキングの影響を分離して予測することが必要です。

今回は特に、AppStoreランキング経由のインストール数を予測することを考えます。

ランキング経由のインストール数の予測

CM放送期間にはAppStoreランキングが上昇し、ランキング経由のインストール数も増加します。

CM投下量、インストール数、ランキング順位、ランキング経由インストール数はそれぞれ関係があります。

  • CM投下量増 → インストール数増
  • インストール数増 → ランキング順位減*1
  • ランキング順位減 → ランキング経由インストール数増

そのため、これらの関係がモデル化できていれば、CM投下量からランキング経由インストール数を予測することができます。

今回はランキング順位から、ランキング経由インストール数を予測します。

CM投下量とインストール数、および、インストール数とランキング順位の関係に関しては、以下の記事をご参照ください。

in.fablic.co.jp

ランキング順位とランキング経由のインストール数のデータ

ランキング順位に関しては、App Annieというサービスを利用することで、過去の順位データを取得することができます。

https://www.appannie.com/jp/

また、ランキング経由のインストール数データに関しては、iTunes ConnectのAppアナリティクスを用いることで推定することができます。

詳細はこちらの記事をご参照ください。

in.fablic.co.jp

線形回帰によるモデル化

線形回帰により、ランキング順位と、ランキング経由のインストール数の関係をモデル化します。

図示すると、二つの変数間は反比例の関係であることがわかります。

f:id:shoby:20171010194804p:plain

そのため、インストール数とランキングの関係と同じ方法で、線形回帰を行うことができます。

線形回帰のコードは以下の記事をご参照ください。

in.fablic.co.jp

学習したモデルを元に、入力値に対して再度予測を行い、正解と共にプロットしたのが以下の図になります。

f:id:shoby:20171010195501p:plain

ランキング順位とランキング経由インストール数の関係を捉え、ほぼ正しく予測ができているのが確認できると思います。

フリルでの活用例

フリルでは、ランキング順位とランキング経由インストール数の関係をモデル化できたことにより、以下の予測を行えるようになりました。

  • CM投下量からのインストール数の予測
  • インストール数からのランキング順位の予測
  • ランキング順位からのランキング経由インストール数の予測

今後はこれらの予測を用いて、より精度の高いCM効果予測を行っていく予定です。

まとめ

CMの効果予測においては、ランキングの影響を分離して予測することが必要になります。

ランキング順位からランキング経由インストール数を予測することで、CM放送期間のAppStoreランキングのインストール数が予測できるようになります。

フリルではこれらを活用し、より精度の高いCM効果予測を行っていく予定です。

*1:ランキングの上昇を指します