人工知能は研究者のものであるだけでなく、ビジネスに応用される期待が高まっています。
弊社のIffat Maabさんは2020年11月にパキスタンから来日され、東京大学大学院工学系研究科技術経営戦略学専攻（TMI）博士課程で研究をしています。主な研究内容としては、ウェブサイト上のレビューをスクレイピングし、自然言語処理技術であるBERTを使ってマーケターにインサイトを提供するシステムについての研究です。そこで今回、Iffatさんに今後ディープラーニングがどのようにマーケティングと関わっていくのかについてお聞きしました。英語でインタビューをさせていただき、以下は日本語の翻訳となっています。原文は日本語に続いています。
Iffat Maab
東京大学大学院工学系研究科技術経営戦略学専攻（TMI）博士課程在学中。
パキスタン、イスラマバード市出身。
はじめに、ディープラーニングの仕組みについてです。ディープラーニングとは脳内の情報伝達の仕方を参考に作られた学習方法です。人間の脳が神経細胞同士で複雑なネットワークを作って構成されているように、ディープラーニングはデータの層(Layer)を作り、お互いをつなぎます(Neural Network) [1]。ディープラーニングは、機械学習の中でも特殊なものです。それぞれのデータにどのような特徴があるかの指標を入力して、データ間の接続強度である重みを入力し、データを出力します。
図１は１つの層の”Simple Neural Network” (SNN)と2層以上からなる”Deep Learning Neural Network “(DLNN)の違いを示したものです[2]。Simple Neural Network でさえもニューロンの複雑なネットワークを築いていますが、DLNNは完全に接続された複数の層を持つ、より複雑なネットワークになっています。
［Figure 1］引用: An illustration of deep neural network
そこで、DLNNは「トレーニング」という学習過程を踏みます。子供がたくさんの教材から学習させられて試験で教材からテストされるのと同じように、膨大なデータセットから学習させられます。この過程で最も大切なことは、より多くのデータを与えることです。
そして、「テスト」という段階に移ります。DLNNがトレーニングで学習したデータがどのように出力できるのかの精度をこの段階で確認していきます。トレーニングのデータが多様であればあるほど、DLNNの性能は正確になります。この段階で精度を見て、活性化関数と重みの調整を行っていくのです。
この２つの過程を繰り返していくことでDLNNの出力の精度を高めていくのです。
以上が、ディープラーニングの基本的な仕組みとなります。それでは、いったいどのようにマーケティングの分野に活用できるのか説明しましょう。
マーケティングに活かせる点
ECサイトのカスタマーレビューをスクレイピングしてデータを抽出します。そして、自然言語処理技術であるBERTにレビューのデータを与えます。
そこでディープラーニングを用いてBERTがデータを処理し、そこからマーケターにインサイトを提供します。
BERTは多くの用途がありますが、マーケティングにおいて最も重要なのはウェブサイト上の文章の感情を分析するセンチメント分析です。BERTは、言葉の意味だけでなく、その文脈情報を把握するのに役立ちます。カスタマーレビューの文脈的洞察は、将来の消費者が購入したいと思うものを予測するのに役立ちます。
このインサイトによって、将来の消費者がどう買うかを予測することが出来ます。さらに、このインサイトはカスタマーレビューに基づいているため製品やサービスの改善提案をすることも可能になります。
課題
この技術を実現するために東京大学院TMIで研究をしていますが、この研究には様々な課題はあります。そこで、特に困難になっている４つの点を紹介させていただきます。
- 個人情報保護の観点からユーザーからパーソナライズされたデータを収集することが困難である。
- コンピュータの処理速度やメモリに限界がある。
- 既存のDLNNで言語翻訳を行う場合、言語に依存する。
- 非公式なデータ環境は、データ収集プロセスに問題をもたらす。
課題解決のための研究アプローチ
この課題を解決するために、
- 顧客への匿名でのデータ提供による秘匿性の向上。
- コア数、GPU数を増やして処理速度とメモリを増やす。
- 並列処理アルゴリズムや分割統治技術を用いて処理速度を向上させること。
- フォーマルなデータ収集環境の構築と、インフォーマルなデータ環境での既存DLNNの活用。
という対策を行っています。今後はこれらの課題に取り組み、目的のモデルの精度を高めていきたいと考えています。また、マーケティング分野でのディープラーニングの普及に向けて、今後も研究を続けていきたいと考えています。
既存のソーシャル・ビッグデータの解析プラットフォームについて
Hotto Linkのようなオンラインプラットフォームは、ソーシャルデータ分析、ビッグデータソリューション、収益性向上のための企業へのコンサルティングサービスなど、様々なサービスを提供しています。
しかし、オンライン企業、倉庫、マーケティングなど、さまざまな組織から日々生み出されるデータは膨大で、処理するのは困難です。また、データの種類や作成方法も様々で、目的のトレンドを生み出し、関連する情報を掘り起こすことが困難になっています。並列処理演算子や高度なデータ前処理手法を用いることで、このような複雑なデータにも対応できるようになると考えています。
ビッグデータは、インフォーマルなデータ環境が複雑化したことによる問題であり、高度な深層学習の社会分析モデルは、データや計算の変化の傾向を取り入れることができなければなりません。
サービスを開発したいのか、提供したいのか
どちらかというとサービスを開発したいです。近年、自然言語処理の領域では、セマンティック分析やオピニオンマイニングに対応する高度な技術の開発に力を入れています。
私は、ソーシャルメディアの分析を利用して、投資を生むトレンドを見つけてビジネスの収益性や責任を高めるモデルに取り組みたいと考えています。文献調査によると、センチメント分析のためのマルチモーダルな手法は、企業が製品やサービスを改善して顧客満足度を高めるのに役立つ能力があるそうです。
狙うべきマーケットとは
狙うべきマーケットは日本と捉えています。
[2]の調査によると、海外の企業と比較して日本企業のビジネス活動におけるソーシャルメディアの利用は著しく少ないことがわかっています。私は、人々の信頼を高め、企業が顧客のニーズに気づくことができるような手法を考案することで、ソーシャルメディアの企業活動への活用を促進したいと考えています。また、日本のヤフーは10年前から、企業がネット上で簡単かつ効果的に商品を宣伝できるように進歩していることを知りました。
デジマールについて
デジマールに入社した初日のことを今でも覚えています。とても優れた職場環境のおかげで、会社がどのように機能し、そのリソースがデジマールのコミュニティにどのように統合されているかを徹底的に教えていただきました。
デジマールは常にクライアントや仲間に対して大きな敬意を払っています。多くのチームでのプロジェクトに取り組むことで、他者と明確にコミュニケーションする能力を身につけることができます。私は将来、自分のスタートアップを持ちたいと思っているので、デジマールでの経験を自分のキャリアに生かすことができると思い、デジマールでの一員であることを嬉しく思います。自分の学習量が増える可能性があり、メンバーと積極的に関わることで、日々の問題に解決策を提供する上で顕著な成果が得られると信じています。
さらに、私は今、日本語を学んでいる段階ではありますがデジマールのメンバーはとてもフレンドリーに、英語と日本語の両方で私と一緒になって解決策を考えてくれます。現在私が携わっているプロジェクトは、私の大学院での研究キャリアにもつながっています。このデジマールがAIのソリューションをマーケティングに提供できる日が近いと私は信じています。
［原文］
First, I would like to explain how deep learning works. Deep learning is a learning method that is based on the way information is transmitted in the brain. Just as the human body is composed of a complex network of neurons, deep learning creates layers of data (neurons) and connects them to each other. Building and training deep neural networks, implement vectorized responses and prepare solutions for leading AI technologies. Deep learning is a specialized form of machine learning. The features of the data are represented in the form of an input and tasks like classification is performed to make the model learn automatically. The weights and biases of neurons are adjusted at each layer of the deep neural network model to achieve the desired performance. Fig. 1 shows the difference between Simple Neural Network (SNN) having one layer and Deep Neural Network “DNN” with more than one layer [1]. Even the SNN is a complex network of neurons, while the DLNN is a more complex network with fully connected multiple layers.
DNN goes through a learning process called “Training”. In this process, the DNN model is made to learn from huge dataset just like a child is made to learn from so much available educational material, and then tested with the new material in exams. DNN is also tested on the new dataset to check its performance. The most important thing in this process is the creation of training data. The more diverse the training data is, the more accurate the performance of DNN is. In the testing phase, the accuracy of DNN is checked and its weights, biasness, activation functions etc. are adjusted. The process of training with the different dataset is sometimes repeated to enhance the accuracy of DNN output.
This is the basic mechanism of deep learning. So, how can it be used in the field of marketing?
How data science works in marketing?
Before answering your question I would like to tell you about what data science is. In view of that, a difference between a data scientist and data analyst could help understand the concept. Data science actually works for the future prediction while data analysis involves summing up the past.Data science in marketing is transforming the old trends of product discovery and product logistics. Marketing data scientists are producing reliable and effective strategies to improve customer satisfaction as well as provide advise on the modifications of working models of companies. One of the interesting case study is of Amazon and Nike that would help you understand the role of data science in transforming market trends when Nike split from Amazon to reflect its amazing retail strategy.
Scraping customer reviews from e-commerce sites, social feeds, online form feeds etc. can help explore customer preferences and what to offer them to increase their satisfaction of products and services. One of the advance techniques used in Natural Language Processing (NLP) is the use of BERT. Then, using deep learning, BERT processes the data and provides insights to marketers. BERT is a bidirectional transformer used in language modeling. It has many applications but the most significant one in marketing is sentiment analysis. It helps in capturing the word meaning as wells as its contextual information. The contextual insights of a customer review can help predict what future consumers would like to buy. In addition, this insight can be useful to suggest product or service improvements.
To realize this line of work, my research is being conducted at Technology Management for Innovation (TMI), School of Engineering, University of Tokyo, Japan.
Challenges
There are various challenges to the research problem. The few are:
- It is difficult to collect personalized data from the users due to the access privacy restrictions.
- Limited processing speed and memory of computers.
- Language dependency for using existing DNNs for language translation.
- Informal data environments pose problems to data collection process.
Available solutions
To solve this problem, the current solutions include:
→Anonymous data provision to customers with increased secrecy.
→Increasing the number of cores, GPUs to increase the processing speed and memory.
→Use of parallel processing algorithms and divide-and-conquer techniques to enhance processing speed.
→Constructing a formal data collection environment and making use of existing DNN for informal data environments.
I will try to address these issues in my line of work to enhance the accuracy of desired model. I would also like to continue my research to spread the use of deep learning methodologies in marketing.
What do you think about social media analysis platforms?
Online platforms like Hotto Link works on the similar line of work providing number of services like social data analysis, big data solutions and consultation services to businesses to increase profitability. However, data produced daily by different organizations like online firms, warehouses, marketing etc. is so massive that it is difficult to process. Similarly, the data type and data production methods vary so it become a problem to generate the desired trends or mine the relevant information. Use of parallel processing operators and advanced data preprocessing methods in my view can help deal with such data complexities. Big data pose problems due to the increased complexity of informal data environments and the advanced deep learning social analytic models should be able to incorporate the changing trends in data and computations.
Do you want to develop or provide a service?
I want to develop a service. In recent years, the NLP community has been focusing on developing advanced techniques to deal with semantic analysis and opinion mining. I want to work on a model that uses social media analytics to increase business profitability and liability by finding trends that generate investment. Based on the literature review, a multi-modal approach for sentiment analysis has the ability to help companies improve the product or service that can result in increased customer satisfaction.
Where do you see the market?
A study by [2] shows that compared to firms abroad, Japanese firms use of social media for business activities is significantly less common. I intend to help promote the usage of social media in business activities by devising a technique that can help increase people trust and business awareness of customer needs. Also, I have learnt that Yahoo in Japan from the last decade is making progress in making companies promote their products online easily and more effectively.
What are your views about our company?
I still remember the first day of my work at digimarl because of its genuine and exceptional work environment. I was given a thorough demonstration of how the company works and how its resources are integrated in a workplace community. It is a good place for entrepreneurs who want to learn from basics about startups. Digimarl has a huge respect for its clients and fellow workers. Working on a number of team projects allow me to develop my ability to communicate clearly with others. I am glad to be a part of digimarl because I will be able to use the learning experience in my career goals as I am excited to have my own startup later in the future. I believe my learning would potentially increase and the active involvement with my group members would lead to noticeable results in providing solutions in day to day problems.
I am in a phase of learning Japanese and my teammates are having a very friendly attitude to sit down with me and come up with a solution that get translated in both English and Japanese for me. The projects that I am currently involved in is also supporting my research career at the university and I believe that digimarl will soon be able to provide AI solutions to its customers.
[2]Idota H., Bunno T., Tsuji M., “The Effectiveness of Social Media Use in Japanese Firms”, MISNC, SI, DS 2016: Proceedings of the The 3rd Multidisciplinary International Social Networks Conference on SocialInformatics 2016, No. 21 Pages 1–8, Data Science 2016m