Thinking Notes: インターネット

ラベル インターネット の投稿を表示しています。すべての投稿を表示

2026年9月15日火曜日

Google Cloud

Google Cloud（GCP）は、個人でも完全無料～実質無料で試すことができる。

無料試用枠（初回アカウント登録特典）
- 特典内容: 90日間有効な$300分の無料クレジットがもらえる。
- 条件: 初めてGoogle Cloudのアカウントを開設する場合。
- ポイント: 登録時にクレジットカードの入力が必要だけど、勝手に有料プランへ自動移行されて課金されることはない。有料アカウントへ手動でアップグレードしない限り、無料枠を使い切ったら停止する仕組み。
常時無料枠（Always Free）無料試用期間が終わった後も、規定の範囲内ならずーっと無料で使い続けられるリソースがたくさんある。

サービス名	常時無料の範囲（毎月）	主な使い道
Compute Engine (VM)	e2-micro インスタンス 1台 (米国リージョン)	小さなWebサーバーやBotの稼働
Cloud Run	200万リクエスト/月	Dockerコンテナを使ったAPIやWebアプリ
Cloud Functions	200万回の呼び出し/月	イベント駆動型の軽いプログラム実行
Cloud Storage (GCS)	5GBの標準ストレージ	画像やデータの保存
BigQuery	1TB分のクエリ処理、10GBのストレージ	SQLを使ったデータ分析の練習

Cloud Storage（データレイク役割）

CSV、JSON、画像、ログファイルなど、あらゆる生のデータを「とりあえずそのまま貯めておく」場所。
料金がすごく安くて容量を気にせず置けるのが強み。

BigQuery（データウェアハウス役割）

Cloud Storage にあるCSVやParquetファイルを読み込んでテーブル化したり、直接取り込んで（ロードして）標準的なSQLで爆速分析・抽出する場所。
テラバイト級の巨大データでも数秒で抽出できるのが強み。

（GCSへの）データの読み込み方法

CSVからの読み込み

特に自社の業務システムから出力した顧客データや、外部のサービスからダウンロードした売上データなどはCSV形式が多いから、GCSにCSVをアップロードして分析するケースは一般的。

ただ、実務で膨大なデータ（何千万行・何億行）を扱う場合は、CSVよりも圧縮率が高くて高速に読み込めるParquet（パルケ）やJSONという形式に変換してGCSに置くことも多い。

Google Analytics（GA4）や AdSense との連携

GA4やAdSenseのデータをBigQueryに送ってSQLで分析するのは、マーケティング分析やWebメディア運営の現場で超定番の使われ方。

Google Analytics (GA4) の場合
- GCSを挟まずに「GA4 ➔ BigQuery」へ直接連携（エクスポート）する標準機能が用意されている。
- ボタンひとつで設定できて、毎日自動でWebサイトの閲覧ログ（生のイベントデータ）がBigQueryに転送される。しかも標準の枠内なら転送自体は無料。
AdSense や Google 広告の場合
- 「BigQuery Data Transfer Service」というGoogle Cloud内の定期転送機能を使ったり、APIを経由してBigQueryやGCSにデータを送る。
- 広告のインプレッション数や収益データを自動で取得して、BigQuery上でGA4のアクセスデータと「JOIN（結合）」させることで、「どのページ・どの検索ワードから来たユーザーが一番収益を生んでいるか」をSQLで一発分析できるようになる。

データ元	連携ルート	よく使われる形式
業務データ / CSV等	CSVデータ ➔ GCS ➔ BigQuery	CSV / Parquet
Google Analytics (GA4)	GA4 ➔ 直接 BigQuery	自動テーブル化
AdSense / Google Ads	API / 転送機能 ➔ BigQuery (またはGCS)	JSON / 自動テーブル化

お試しでやってみた内容

まずは無料登録: $300分のクレジットをもらってアカウントを作る。
予算アラートを設定する: 万が一の請求を防ぐために、「10,000円を超えたら通知する」みたいな予算アラート（Budget Alert）を最初に設定しておく。
AdSenseのレポートをcsv形式でダウンロードしてくる。
Cloud Storage (GCS) にアップロードする。
BigQueryからGCS上の外部テーブルを参照して、BigQuery Console上でSQLを叩いて集計
Google Colabからの認証、BigQuery接続、Pythonでの集計とグラフ可視化

GCSの準備

Cloud Storage（GCS）にバケットを作ってCSVをアップロード
1. Google Cloud コンソールの左上メニュー（☰）から「Cloud Storage」➔「バケット」を選択。
2. 上部にある「＋作成」をクリック。
3. バケット名を入力（世界で一意の任意名、例: my-first-bucket-hoge-1234）。
4. ロケーションタイプは「Region」、ロケーションは「asia-northeast1 (東京)」を選択して、下部にある「作成」を押す。
5. 作成されたバケット画面が開くので、「ファイルをアップロード」を押して用意したCSVファイルをアップロード。
6. アップロード完了後、CSVのファイル名をクリックして「GCS URI」（gs://バケット名/ファイル名.csv のような文字列）をコピーしておく。
BigQueryにデータセットを作成
1. 左上メニューから「BigQuery」を選択。
2. エクスプローラ欄にある自分のプロジェクト名（project-id）の右横にある「︙（3つの点）」をクリック ➔ 「データセットを作成」を選択。
3. データセット ID を入力（例: sample_dataset）。
4. ロケーションタイプを「asia-northeast1 (東京)」に合わせたら、一番下の「データセットを作成」を押す。
GCSのCSVからBigQueryテーブルを作成
1. 今作成したデータセット名（sample_dataset）の右横にある「︙」をクリック ➔ 「テーブルを作成」を選択。
2. 以下の通りに設定入力：
  - ソース: 「ソース」で Google Cloud Storage を選択。
  - GCS バケットからファイルを選択: 先ほどコピーした GCS URI（gs://...）を貼り付け。
  - ファイル形式: CSV を選択。
  - テーブル: 作成するテーブル名を入力（例: test_table）。
  - スキーマ: 「自動検出（Auto detect）」にチェックを入れる（列名やデータ型を自動で判断してくれる）。
  - だがAdSenseレポートの場合は、半角スペースやカッコがあってデフォルトの自動検出のままだとうまくいかないので、
    1. 下の方にある「詳細オプション（Advanced options）」をクリックして展開する。
    2. 「文字マップ（Character map）」という項目を探して、初期値から「V2」に変更する。
    3. V2にすると、BigQueryが自動的に使える記号に置換してくれる。
    4. csvの側で列名を変更するならv2にせずともよい。
3. 画面下部の「テーブルを作成」をクリックすれば完了！

バケット（Bucket）とは？

データをしまっておくための、最上位のフォルダのようなもの。Cloud Storage（GCS）では、ファイル（CSVや画像など）を直接クラウド上にぽんと置くことはできなくて、「必ずバケットという箱の中に保存する」というルールがある。

バケット名の特徴と決め方

世界中でたったひとつ（ユニーク）の名前にする必要がある
- Google Cloudを使っている世界中の誰とも被らない名前にする必要がある。
- 例えば my-bucket や test みたいな名前はすでに誰かが使っているからエラーになっちゃう。
おすすめの命名パターン
- 自分の名前や日付、ランダムな数字を組み合わせると被りにくくて作りやすい。
- 例：hoge-data-202609 や my-sample-bucket-hoge-99

パソコンで例えると、

GCS全体 ➔ パソコンのハードディスク
バケット ➔ Cドライブ直下のメインフォルダ
ファイル ➔ その中に入れるCSVデータや画像

バケット名さえ決まれば、その中にCSVファイルをどんどん放り込めるようになる。

データセットIDとは？

BigQueryのなかで「複数のテーブルをまとめておくためのグループ名（フォルダ名）」のこと。「バケット」がCloud Storage側の道具箱だとしたら、「データセット」はBigQuery側の道具箱（データベース）みたいなイメージ。

プロジェクト ID: クラウド全体の契約単位
データセット ID: 関連するテーブルを束ねるフォルダ（スキーマ）
テーブル名: 実際のCSVデータが入った表

データセットIDの決め方ルール

バケット名とは違って世界中で被らないようにする必要はなくて、自分のプロジェクトの中で被らなければよい。
使える文字: 半角の英数字とアンダースコア（_）
おすすめの名前: sample_dataset や test_db など、分かりやすい小文字の英数字で作れば大丈夫。
SQLを書くときも、プロジェクトID.データセットID.テーブル名という形で指定してデータを呼び出すことになる。

BigQueryでSQLを使ってデータ抽出・集計

SQLの実行手順
- 作成したテーブル名（test_table）をクリック。
- 画面上部にある「クエリ」➔「新しいタブ」をクリック。
- エディタ領域（黒い画面）にSQLが入力できるようになる。
まずは試してほしい基本のSQL
- まずは全件取得して中身を確認するSQL（プロジェクトID.データセットID.テーブル名の部分は適宜書き換える）

SELECT * 
FROM `プロジェクトID.sample_dataset.test_table` 
LIMIT 10;

-- DATE型（日付型）のdate（yyyymmdd）カラムをyyyymmにする 
FORMAT_DATE('%Y%m', date) AS yyyymm,  -- 例: 202609
-- もしハイフンを入れたいなら FORMAT_DATE('%Y-%m', date)

縦持ちを横持ちにするならPIVOT

-- Max(CASE WHEN..としなくてもいい）
SELECT *
FROM (
  -- ① 元となる集計データを用意（前処理）
  SELECT 
    site,
    FORMAT_DATE('%Y%m', date) AS yyyymm,
    `Estimated earnings _JPY_` AS revenue
  FROM `プロジェクトID.sample_dataset.test_table`
)
-- ② PIVOTで yyyymm の値を横軸の列に展開する
PIVOT(
  SUM(revenue) FOR yyyymm IN ('202607', '202608', '202609')
)
ORDER BY site;

「毎月新しい年月が増えるたびに IN ('202601', '202602'...) のコードすら書き換えたくない」っていう場合は、BigQueryの動的SQL（Dynamic SQL）を使う

ただし、BigQueryでDECLAREやSETを使った手続き型スクリプト（複数行の処理）を実行すると、ステップごとの処理結果が別々のタブ（ステートメント）として出力される仕様になっている。なのでこれの実行結果を見るときは、一番最後のステートメントを選択する必要がある。

-- 存在する yyyymm をカンマ区切りの文字列として動的に生成して変数に入れる
DECLARE dynamic_months STRING;

SET dynamic_months = (
  SELECT STRING_AGG(DISTINCT CONCAT("'", FORMAT_DATE('%Y%m', date), "'"), ',' ORDER BY CONCAT("'", FORMAT_DATE('%Y%m', date), "'"))
  FROM `プロジェクトID.sample_dataset.test_table`
);

-- 動的にPIVOTクエリを作成して実行
EXECUTE IMMEDIATE FORMAT("""
  SELECT *
  FROM (
    SELECT site, FORMAT_DATE('%%Y%%m', date) AS yyyymm, `Estimated earnings _JPY_` AS revenue
    FROM `プロジェクトID.sample_dataset.test_table`
  )
  PIVOT(
    SUM(revenue) FOR yyyymm IN (%s)
  )
  ORDER BY site;
""", dynamic_months);

Google Colabからの認証、BigQuery接続

from google.colab import auth
from google.cloud import bigquery
import pandas as pd

# 1. Googleアカウントの認証（ポップアップが出るので許可するだけ）
auth.authenticate_user()

# 2. BigQueryクライアントの作成
project_id = '適宜指定'
client = bigquery.Client(project=project_id)

# 3. SQLの実行とPandas DataFrameへの格納
sql = """
SELECT site, SUM(`Estimated earnings _JPY_`) AS total_revenue
FROM `プロジェクトID.sample_dataset.test_table`
GROUP BY site
"""

# 結果を直接PandasのDataFrameとして取得
df = client.query(sql).to_dataframe()

# データ表示
print(df.head())

実務の運用で難しくなる3つのポイント

データパイプラインの自動化（ETL / ELT）
- 個人でお試し: 手動でCSVをGCSにアップロードしてBigQuery画面から取り込み。
- 実務での運用: 毎日・毎時間にバッチ処理やストリーミングで自動転送させる（Cloud Composer/AirflowやCloud Pub/Subなどのツールを活用）。
データクレンジングと例外処理
- 個人でお試し: キレイなCSVを1回読み込ませる。
- 実務での運用: 「途中でデータ型が変わった」「日付形式が崩れている」「欠損値がある」「二重送信された」といったエラーへの自動検知とリカバリ設計が必要。
大規模データでのコスト・パフォーマンス管理
- 個人でお試し: 数千〜数万行のデータ（クエリ実行も数MB〜数GBでほぼ無料）。
- 実務での運用: 数十億行（数TB〜数PB）のデータ。適当に SELECT * を叩くと1回のクエリで数千円〜数万円吹っ飛ぶリスクがあるため、パーティショニングやクラスタリングの設計が必須になる。

BigQueryとBigtable

BigQuery（データウェアハウス）: 大量の過去データをまとめて集計・分析する（SQLでOLAP処理）。
Bigtable（NoSQLデータベース）: ミリ秒単位の超高速な読み書きが必要なリアルタイム処理（IoTのセンサーデータ受信やソーシャルメディアのログなど）。

2018年10月13日土曜日

AWSとGoogle CloudとHadoop

AWSとGoogle CloudとHadoop（やその元になったGoogleサービス）を対比。

Amazon S3 ≒ Google Cloud Storage ≒ オンプレ（HDFS / GFS）

巨大なデータを、安価に、壊れないように保存するための仕組み。

安価な構成: 特別な高級ハードウェアではなく、普通のハードウェア（サーバーやハードディスク）を大量に並べて巨大な保存スペースを作る。

自動バックアップ: どこかのハードディスクが1台や2台壊れてもデータが消えないよう、自動的にデータを3つ以上の場所にコピーして保存する仕組み（レプリケーション）を持っている。

特徴	Amazon S3（AWS）	Storage（Google Cloud）	オンプレ（GFS / HDFS）
実体	AWSが管理する、インターネット経由の「純粋なデータ保存スペース」。	Googleが管理する、インターネット経由の「純粋なデータ保存スペース」。仕組みはS3とほぼ同じ立ち位置。	自分たちで用意した「サーバー（CPU＋ハードディスク）」の集まり。
拡張方法	ユーザーは何もしなくてよい。データを入れれば入れるだけ、容量が無限に自動拡張される。	同様にユーザー側での容量管理は不要。データを入れれば入れるだけ自動拡張される。	容量が足りなくなると、サーバーを丸ごと1台買い足してネットワークに繋ぐ作業が必要。
計算方法との関係	保存に特化している。計算するときは、別の計算用サーバー（EC2やEMRなど）を必要な時にだけ起動してS3に接続する。	同様に保存に特化。計算するときは、Dataprocなど別の計算用サービスを必要な時にだけ起動してGCSに接続する。	データを保存しているサーバーそのものに計算（MapReduceなど）をさせる。

Amazon EMR / AWS Glue ≒ Google Cloud Dataproc ≒ オンプレ（Hadoop MapReduce）

大量のデータを並列で処理・加工する役割

大量データの並列処理: 1台のコンピューターでは処理できないテラバイト・ペタバイト級のデータを、数百〜数千台のマシンに分散して同時に計算する。

データの変換（ETL）: 散らばった生データ（ログやCSVなど）を読み込み、きれいに整えて、分析しやすい形に変換して別の場所（S3など）に書き出す。

特徴	Amazon EMR / Glue（AWS）	Dataproc（Google Cloud）	オンプレ（Hadoop MapReduce）
処理のスピードと仕組み	EMRやGlueの主流である「Apache Spark」は、データをメモリ（RAM）上で処理するため、MapReduceより最大100倍高速。	DataprocもSpark/Hadoopを動かせるマネージドサービスで、同じくメモリ処理のSparkが主流。ストレージはHDFSではなくGCSを使う設計。	データを処理する際、一工程ごとにハードディスク（ストレージ）への書き込みが発生するため、処理が遅い。
サーバーの管理	EMR：処理するときだけ自動で数百台のサーバーを起動し、終わったら消せる（使った分だけ課金）。Glue：サーバーの存在すら意識しない（サーバーレス）。	処理するときだけクラスターを起動し、終わったら消せる（使った分だけ課金）。さらに「Dataproc Serverless」を使えば、クラスターの管理自体が不要になる。	処理をするために、常に数千台のサーバーを自前で起動・維持しておく必要がある（使っていなくても電気代や管理費がかかる）。

Amazon DynamoDB ≒ Google Cloud Bigtable ≒ オンプレ（Apache HBase）

大量のデータから特定のデータを一瞬で読み書きするデータベース

超高速レスポンス（低レイテンシー）: データ量がペタバイト級に増えても、アクセスが1秒間に数百件〜数百万件に激増しても、常に「1桁ミリ秒（1000分の数秒）」という超高速でデータを返す。

NoSQL（キー・バリュー型 / ワイドカラム型）: 行と列でガチガチに固められた従来のRDB(SQL)とは違い、特定のキー（鍵）を指定して一直線にデータを取り出す仕組み。データの構造（項目）を後から自由に追加・変更できる柔軟性を持っている。

特徴	Amazon DynamoDB（AWS）	Bigtable（Google Cloud）	オンプレ（Apache HBase）
データの管理単位（アーキテクチャ）	進化型KVS（ドキュメント/ワイドカラム対応）：基本の骨組みは、列を後からいくらでも横に広げられるワイドカラム型（KVS）。その中にJSONのような複雑なデータの塊（ドキュメント）をそのまま丸ごと放り込める柔軟な構造に進化。	ワイドカラム型の元祖サービス。巨大な1つのスプレッドシートのような構造で、データは「行（Row Key）」ごとにアルファベット順で並べられて管理される。	Google BigtableをモデルにHadoopエコシステム向けに作られたOSS実装。データの並び方や設計思想はBigtableとほぼ同じ。
運用のハードル	完全サーバーレス：データの読み書きの回数や、保存したデータ量だけで課金される。小さな個人アプリから、Amazonのプライムデーのような超巨大イベントまで自動で伸縮する。	フルマネージドではあるが、DynamoDBほどの完全サーバーレスではなく、クラスター（ノード）を明示的に確保して動かす方式。オートスケーリング設定はできるが、自前HBase運用に比べると圧倒的に楽、という立ち位置。	安定して高速に動かすためには、最低でも数台（できれば数十台）のサーバー（ノード）をクラスターとして維持する必要があり、初期コストが高い。

キー・バリュー型（ドキュメント型）とは？

鍵（Key）と中身（Value）がペアになって保存されている、非常にシンプルなデータ構造のこと。コインロッカーのようなイメージ。

キー（Key）：ロッカーの番号。世界に一つだけで絶対に重複しない
バリュー（Value）：ロッカーの中に放り込まれている荷物（データ）そのもの

なぜ超高速なの？

従来の一般的なデータベース（SQL）は、Excelのように列と行が複雑に組まれており、データを検索するときは「A列が〇〇で、かつB列が××のデータを上から順番に探す…」という複雑な探索（計算）をする。そのためデータが増えると重くなる。

一方、DynamoDBのようなキー・バリュー型は、「105番のロッカーを開けて」と指示するだけ。データが100万件あろうが1億件あろうが、目的のロッカーへ一直線に向かうため、常に一瞬（1桁ミリ秒）でデータを取り出すことができるのが最大の強み。

DynamoDBは、ロッカーの中に入れる「バリュー（荷物）」の形として、JSONという書類（ドキュメント）のような複雑な階層構造のテキスト形式をそのまま丸ごと放り込める柔軟性（ドキュメント型としての特徴）を、ワイドカラムな骨組みの上に持たせている。

ワイドカラム型は、ロッカーの中にさらに細かく仕切られた小さな引き出し（カラム）が大量に並んでいるイメージ。鍵（行キー）でロッカーを開けたあと、3番目の引き出し（列）のデータだけを読み込むことができる。そして引き出しは10個だったり100個だったり、後からいくらでも横に広げる、ワイドにできるためワイドカラム型と呼ばれる。

AWSタイムライン

2006年3月：Amazon S3誕生。巨大なデータ保存庫。AWSというクラウドサービスのほぼ最初のサービスとして誕生。クラウドの歴史が始まる。

2009年4月：Amazon EMR誕生。Hadoopをクラウドで動かす基盤として登場（当時はまだMapReduce処理が全盛期）。

2012年1月：Amazon DynamoDB誕生。リアルタイムを支える超高速NoSQLデータベース。

2012年11月： Amazon Redshift誕生。大量のデータを高速で集計・分析（SQLクエリ）するための超巨大なデータベース。普通のビジネスマンやアナリストが、使い慣れたSQLでペタバイト級のデータを一瞬で集計できる。企業のデータ分析が一気に大衆化。

2016年11月： Amazon Athena誕生。S3のデータに直接SQLを投げるサーバーレス・クエリの決定版。S3に置いてあるデータ（CSVやログなど）に対して、データベースに移し替えることなく、S3にある状態のまま、直接SQLを投げて一瞬で集計できるサービス。データはあるけどわざわざデータベース（Redshift）を起動してインポートするのは面倒という常識を破壊。現在のデータレイク（S3に全部貯める）という設計思想を決定づけた主役。

2017年8月：AWS Glue誕生。サーバーの管理を不要にし、Apache Sparkなどを使ったモダンなデータ加工を自動化する、サーバーレスETLとして登場。

2017年11月： Amazon SageMaker誕生。貯まったビッグデータを使って、AI（機械学習・ディープラーニング・生成AI・LLM）のモデルを開発・学習・デプロイするためのオールインワン環境。ビッグデータの最終ゴールを、集計からAIによる予測や生成へとシフト。Glueなどできれいに加工したビッグデータを、そのままAIの学習に流し込むための心臓部。

AWSの進化

貯める（S3）から始まり、
処理する（EMR）
分析する（Redshift/Athena/Glue）
AIで活用する（SageMaker）へと発展してきた

AWSでビッグデータシステムを組む場合、S3 + Glue + Redshift/Athena + SageMakerの組み合わせが王道

Amazon S3が革命的だった理由

以下の条件を、世界で初めて同時に満たしたから。

初期費用ゼロ、使った分だけの従量課金：数億円の初期投資をせずとも、クレジットカード1枚で使い始められる。
API（ネット経由）での全自動操作：人間がサーバーをセットアップするのではなく、プログラム（HTTPリクエスト）から一瞬でデータを保存・取得できる。
容量が最初から「実質無限」：ユーザー側で「来年はデータが何ギガ増えるか」を予測してハードディスクを買い足す必要がなくなった。

AWS誕生の経緯

IT革命があって、ビッグデータが溢れるようになって、GoogleとYahoo!が頑張って、Hadoopが生まれたから。

詳しくはこれ → 書籍『AI 70年：思考する機械からChatGPTへの道のり』

2011年5月30日月曜日

IT革命

✅ これらのコストが劇的に安くなったことでIT革命となった

記憶容量
情報処理能力
伝送容量

詳しくはこれ → 書籍『AI 70年：思考する機械からChatGPTへの道のり』

おかげで、

大半のユーザーは無料、一部ユーザーのみ課金というモデルでもビジネスができるわけだが、
このビジネスが成り立つためには、莫大なオーディエンスが集められることが大前提になっている
しかも課金って、供給者側の論理である。オーディエンスからすればコストでしかない。

メーター方式・・・一定のPV以上のユーザーに課金

90年代のテクノロジー

ヒストリーチャンネル

amazon.com

1995年7月17日ジェフ・ベゾスがamazon.com開店
100万種類以上の書籍、45カ国以上に販売
初年度売上1500万$
99年ネバダ州の物流センターオープン　全長29kmのベルトコンベアー　毎秒24品目が出荷
アメリカ国内の物流センター現在27カ所

インターネット

1969年　4台のマシンを56kで接続
1990年　31万3千台

ティム・バーナーズ・リー（CERNで働いてた）

original web server
original web browser called World Wide Web
first web page
1991年8月6日wwwを一般公開
URL Uniform Resource Locator

現在のルーター 1秒に92テラバイトの情報伝送が可能（1969年の20億倍）

World Internet Usage

Asia 37%
Europe 27%
North America 19%（United States 70%）

2007年2月までにインターネットを使った人は10億人を突破

first search engine was Archie in 1990

1998年のGoogle（9月設立）2500万ページが登録（現在は数十億ページ）
1googol=10^100
1998年暮れのGoogle検索数 1日1万件、2年後には1億件に

1996年

アメリカではEメールがコミュニケーションの手段として電話や郵便を上回る

ノートパソコンからスマホへ

原型
- Osborne1 1981 $1800
- ブラウン管12.7cm　50字×24行表示　画像表示不可
- 重さ11kg以上
PowerBook170 1991 $4600
スマホ IBM Simon 1993 $900
BlackBerry first available January 1999

AIBO

Artificial Intelligence Bot　相棒（pal）$2500

8MB（=72 color digital photos）
1999年6月　発売開始20分で3000匹が売り切れ
年末までに6万匹を製造、販売
20通りの動き方ができる

Tamagotchi

1997年アメリカで爆発的人気
ピーク時には世界で4000万個販売

Furby

1998年発売 35$
よく聞こえる言葉を真似するという誤解が生まれた
1999年1月13日、National Security Agencyはファービー持ち込みを禁止
90年終わりまでに1500万個売れた
電動モーター1個で動く設計
MPUはアポロ計画の宇宙船の4倍

George Foreman GRILL

1995年発売　$39
Salton社
12年で9000万個販売　売上50億$

DVD

1995年12月発売
Spiral track of data=7.5miles（12km）

TiVo

Digital Video Recorder -1999年3月
2000年末までにアメリカの15万世帯に普及
現在100万世帯以上
初期14GB　1つの番組だけで14時間保存
現在　2つの番組300時間保存

デジカメ

Dycam Model 1
- 1990 $995
- 白黒32枚分の写真　9万画素　保存カードなし
Apple QuickTake 100
- 1994 $749
- カラー　30万画素　フラッシュメモリー（最大解像で8枚）
Casio QV-10
- 1995 $1000

衛星放送

DBS 1994年衛星放送がデジタル化
契約者100万人
90年代終わりで800万人、現在1600万人

GPS

1972年国防総省がGPS開発に着手
1991年1月17日砂漠の嵐作戦
- GPSの軍事的実用性が確認
1995年7月17日 140億$かけたGPSすべて運用が可能
- 常に最低でも24機の衛星が上空2万kmで同じ軌道を回る
- 個々の衛星は1日に地球を2周
- 少なくとも6機が地球上のほぼどこからでも見られるように6つの軌道に等しく分布

最低3機までの距離を測定（三点測量）

90年代、一般向けのGPSには故意に誤差データを加えていた
- 位置は100m範囲でしかわからなかった
2000年5月クリントンがその誤差を解除することを決定
- GPSの表示は3m以内に

HUMMER

H1 1992 $70,000
H2 2003 $55,000
H3 2006 $31,000

video game

1992年5月5日id社Wolfenstein 3D
- 一人称視点シュートゲーム
1993年発売DOOM
- 初期使用を無償
- 2年のうちに世界中で1000万人以上がダウンロード
1994年12月3日Play Station発売　$299
- 25% of U.S. householed have a PlayStation.
2007年9月25日 HALO3発売
- アメリカだけで初日売上1億7千万$

直近のインターネット年表

97年　Googleサービス開始　02年には世界一
99年　iモード
00年　カメラ付き携帯発売、01年夏に「写メール」のサービス名称
00年　Craigslist拡大
00-01年　ITバブル
01年　Yahoo!BBパラソル部隊
01年　Wikipedia
02-03年　ブログ
04年　mixi、GREE
05年12月　YouTube
06年　モバゲー、Facebook、Twitter
07年　iPhone
07年5月　Yahoo!JAPANがPVで世界一

（2009年9月、2010年7月メモ）

2011年5月20日金曜日

レコメンドとセレンディピティ

心地よいレコメンド

デモグラがあっている
さりげない提案
適度な情報量
発見、気づき、「へえ」がある
配慮されてる、排除してある
オススメの理由がわかる、気づきやすい

不快なレコメンド

デモグラ属性を無視している
押し付けがましい
過剰な情報量（同じ商品が何度も表示されるなど）
目新しさがない
お悩み、デリケートな商材が配慮なく表示される
オススメの理由が見えない

レコメンドが

潜在需要を掘り起こす
セレンディピティーを生む

情報提供の仕方

一見不要と思える情報でも
ちゃんとあなたの益になることがありますよと情報を届けること、
そして転化させることが媒体社の責務なのだろう

ただし、ホントに不要な情報では気に入ってもらえない、気が利かないと思われる。のでレコメンドという形を取る（裏側ではデータ解析やモデリングをしている）

セレンディピティは作れる

Googleエリック・シュミットいわく

新聞の魅力に、おもしろい情報を思いがけず得られるセレンディピティがあるが、
今はそうした情報を計画的に提供することが可能
実際、電子的に実現可能

セレンディピティは完全に偶然の副産物ではなく、本人が無自覚的に温まっていないと発生しない。なので、技術的にできちゃう、ということであろう

serendipity

セレンディップの三人の王子たち、というおとぎ話に感動した18世紀のイギリスの作家、ホレス・ウォルポールによって発案された造語

（2009年10月、2010年5月6月メモ）

2010年3月25日木曜日

インターネット

ケータイネットワーク

インターネット
- ネットワークの相互接続によるオープンなネットワーク
ケータイネットワーク
- 通信事業者が末端に至るまで品質に責任を持って管理する閉じたネットワーク→安心感

モバイル端末の世界的普及状況

2007年1月時点

モバイル　27億台
クルマ　8億
パソコン　8.5億
有線固定電話　13億
クレジットカード　14億枚
テレビ　15億台

（2007年12月、2010年8月メモ）

アンディ・ウォーホルの予言

1968年

「未来には、誰でも15分間は世界的な有名人になれるだろう」

ソーシャルメディアとペイドメディア

SNSと動機づけ

ユーザー参加型のコンテンツはヒキはいいが、参加者の動機づけをどうするかが論点、ポイント

こちらの意図通りに動いてくれないと企画が始まらないという不安定感、
動いても違う方向やマイナス方向に動いて逆効果ということもあるし、
無理に正すのも限度がある、
司会のいない討論みたいなもの

（2012年6月メモ）

ありがち世代論

2020年の若者

ネットワークに常時接続されている環境が10代の若者やGeneration Yの20代にどんな影響を及ぼすか？

2020年には若者は

気が散りやすく
物事を熟慮する能力に欠け
すぐに得られる満足感ばかりを求めるようになっている

Pew Research Center（米非営利調査機関）がIT関係者、批評家、学生など6,021人に聴取、回答者の42％が上記のように回答

2020年の若者に必要な能力

協力して問題を解決する能力
オンラインで効率的に情報を検索する能力
情報の質を見極める能力

何かを読み、それについて何時間も熟慮する能力は大半の人にとって重要性が大きく低下するかも

ただし自分の考えなのか、利用しているツールのせいでそう感じたり考えたりするのかを見極めないといけない

いまどきワード

みんな
ちょい
〜しよう

嫌われるもの

ただし、あえてそう言ってることが明確であればセーフ

上から目線
過剰に盛る
ひとりよがり

いまどきのフツウ

ふつう＝最高、非常に、の意味

上昇志向はない
下降することへの不安感は常時ある（下がりたくない）
ふつうを維持するだけでもすごい
益若つばさがオピニオンリーダー足り得る
一発屋はしっくりこない

いまどきの人

嫉妬を受けたくない
負けたくない
嫌われたくないただし、いずれも自分の身近な人に対して。世間一般に対しては気にしてない

いまどきの若者1

白黒をはっきりさせすぎる（二元論に走りやすいかも）
自分に自信が持てない
すぐに結果を求める
自分の考えや感情を言葉にするのが弱い
キレやすく落ち込みやすい

いまどきの若者2

ほぼ日より

自己承認欲求だけでなく、負けたくない欲求
やたら褒め合う、かっこいい／カワイイ、先に褒めておけば自分も褒めてもらえる
そしたら少なくとも負けない

いまどきの若者3

失敗を恐れるキモチ
基本的に言われたことだけしていればよい
言われないからやらない 0 余計なことをやって失敗するぐらいなら、やらない方がいい

GenerationY

GenerationXの次の世代

他人がいいと思うものを買いたい（＝他人に後ろ指を指されるようなものは買いたくない）
他人の嫉妬を受けたくない？
環境に気を使っている、というよりは環境にやさしくないと思われたくないから、環境にやさしい商品を買う、環境のことを気にする（のかもしれない）
嫉妬を向けられにくいように、言い訳（環境もそう）を用意してある商品の方が買いやすい、売れやすいのでは？訳あり商品が売れるのもそういうことかも？

打たれ弱い若者

周囲にチヤホヤされ挫折することも傷つく経験もあまり積んでこなかった
自分が中心で周りが自分に合わせてくれる
自己万能感を持ったまま大人になってしまった

といった人たちが

社会に出てからは自分の思い通りにいかない
傷つき折り合いをつけていかないといけない
そうやって社会に適応していく

どうしてそうなった？

地域、家庭、会社といった共同体の崩壊
子どもの頃から自己万能感を傷つける体験をしていない、環境がない
現実世界の豊潤化→人間の幼稚化、動物化　by東浩紀
中国の小皇帝、一人っ子政策
非常に自意識の強い若者→集団で行動できない

若者の志向、思考

モバイル志向、思考
検索志向、思考
PCリテラシーの低さ

マスメディアがなくなる

万人共通の話題、テーマがなくなる
ワールドカップ、オリンピックくらいのビッグイベント、
マクドナルド、スタバなどのビッグブランドじゃないと共通話題になりにくい

万人共通の話題がなくなるというのは恐怖かもしれない、たいていの現代人はマスメディア以前を知らないので。とはいえ、もともと世の中はそういう社会だった

昔と違うのは、

イエ（家族）、ムラ（地域）、学校・職場だけでなく
ひいきの役者、好みの芸人、タレント、スポーツチームについて
ネット上の面識のない人ともつながりやすい、コミュニティを形成しやすい
セミブランドつながり、セミイベントつながり

知ってる人と知らない人の格差、温度感の違いが大きくなってくる

へえ、そういうことあったんだー
なんであんなに盛り上がったのに知らないの？
ドラえもん最終回が10年遅れでtwitter上で話題になる感じ

伝える力がないと

この温度感はうまく伝播しきれない
ホントに理解、共通認識はできない

ただし、

ホントに理解することを大事なことと思わない人も多い
自分の身の回りだけで通じる言語、文化、慣習があればいい

何も全然知らない人、共通認識のない人（社会、世間）とがんばって、無理してコミュニケーションをとる必要性がない、疲れるだけ。低燃費でエコでクールな人々。

世界が狭いと思わないのか？気づいていないのか？大事と思えないのか？

海外への関心が薄いのはそういうことかも？

ところが一方でGoogle音声翻訳みたいに、テクノロジーがそのうち解決してくれるんだから
なにもがんばって英語習得する必要はない、
今がんばったって疲れるだけじゃん、と思ってるかもしれない

さらに、世代間での主要メディアが異なる

新聞（老人）
PC、ケータイ（若者）

ますます共通理解が難しくなる

ネットが共通理解の促進にも役立つし、検索バカによる理解力の不足が阻害してるようにも思える。。。

島宇宙

宮台真司

消費者は、大衆というひとかたまりでなく、複数の島宇宙化している
で、それぞれの島宇宙には小リーダーがいて、口コミの発信元になっている
で、ひとつの島宇宙だけ、1クラスターだけを狙うマーケティングが必要になってくる

なぜなら

複数の島宇宙を串刺しで切る価値観は、社会貢献ぐらいしかない
あるいは「正しさ」とか。なのでマイケル・サンデルがちやほやされる
島宇宙では、連帯を壊さない「空気」が大事
狭い意味での世間にあたる

レレバンシー

マッキャンいうところの、自分にとっての関連性、重要性

自分事かどうか

自分の生活の身近なところに入り込んだ、自分達に関心のあるメッセージでないと（今のor若い）消費者は関心を持たない
逆に言うと、他人事と思われると無視される（ネガ印象持たれるよりも性質が悪いかも）
ご近所さんはみんな買いましたよという説得は効きにくいかも
空気（自分の周り）しか見てない、世間（社会）は自分に無関係と思ってるから
だからこそ、見えている相手としか話をしない
後ろにいる普遍的な「人」という概念がない、そういう発想がない

鴻上尚史

世間との対話
- バックグラウンドを共有
- 意思疎通・理解がしやすい
社会との対話
- 何の前知識も共有バックグラウンドもない
- 大変

新聞を読まない

書いてあることが理解できない
そもそも自分の外界（近しい人）以外に関心がない？持たない？持てない？

世間と社会

世間には関心があるが、社会には関心がない？
- 空気は読まないといけない
世間（自分と関係のある人、こと）　社会（無関係な人、こと）
社会、は自分に関係あることと思っていない
- 身近（世間）なことととらえていない。
- 無力感、あきらめ、90年代的世相観、not高度経済成長の申し子
- （あの1995年にものごころついてたかどうかが分岐点になりそうだが）

興味関心が薄い分野については、無難、定番なものに落ち着くのでは？

定型・定番＝興味関心の薄さかも？
逆に、興味関心のある分野へのこだわりは異常に強い？
情報化社会、IT化、ネット発達、みんな理系化している？

60〜80年代に突飛なものがいろいろ生まれたのは、バブルだから、高度経済成長だからでなく、IT化が進んでいなかったから？

世代変化

若者の○○離れ→○○の若者離れ
世代的変化、時代環境のせいと位置づけてしまうと思考停止してしまう

例えば若者の海外旅行離れ

海外旅行の有意義さが伝わっていない
現地の情報だけならネットで事足りる

実物に触れること、自ら体験することのすばらしさ・意義を説得したうえでないと喰い付きが悪いのでは

あるいは単に単価が高いから国内でいいやなのかもしれない（だったら国内旅行を売ればいい）

あるいは現世利益的な考えなのかも、先が見えにくい時代だからこそ目先のベネフィットを求めやすいとか

ロスジェネ世代

35歳前後（2010年時点）の特徴、超氷河期世代
個人主義的性向を持つ
新たな価値を創出、獲得することに貪欲
既存の権威には懐疑的ながらも
自己の権利は主張し
脱物質的でもあり自然志向的

デジタル世代の区分

デジタルネイティブ　〜20代　ネットはあって当たり前、空気のようなもの
デジタルイミグラント　30〜40代　大学社会人あたりでネットを黒船襲来のように受け止めた世代
デジタルシルバー　50代〜　好奇心旺盛な人たちかも

旧来型4マスとネット

3タイプのユーザ（2007年時点）

4マスが基本、ネットはほぼ到達していない
- （そもそも利用していない、利用する必然性を感じていない）
- 年配、超高年層に多いが、他の年代にも微量存在。
- そもそもネットの利便性が伝わっていない。従来メディアでないとリーチできない。
4マスは減り、ネットへシフト
- 20〜30代に多い。ネット人口が多い層の人たち。
もともと4マスとネットがフラットな関係
- 10代に多い
- ネットはあって当たり前の世代
- 「4マス」という表現自体が理解しがたい

ライフステージとネット

子どもがいないとネットから、
子どもができるとテレビや新聞（受動的に情報入手しやすいメディア）が主体になるか、むしろ情報入手しなくなる。
逆に言えば、有職子どもいない層や主婦でも子どもいない層にはネットが効きやすそう。

新聞を取っていないので、とわざわざ記述する心理

新聞代をケチっていると思われたくないのか？
新聞を取っていないことが恥ずかしい、後ろめたい、民度が低い、教養に欠けると思われるかもしれないのが嫌だから？

ライフステージの変化がネット利用時間帯の変化をもたらすらしい。

未婚→既婚
子どもなし→子どもあり
子どもなし
- ネットにどっぷり浸かる
- 昼間も時間あるからたっぷり見る
- 働いてないとさらに顕著。
子どもあり
- ややネット依存度が控えめに
- ただし、寝付いた子どもを起こさないようにひっそりと楽しむメディア
- 自分だけのメディアとして使い勝手がよい。
- その時間帯は、子どもの寝た夜か、幼稚園に行ってる昼間か、そこは家庭により（子どもの学齢により）様々。

（2006年9月、2007年7月8月、2008年6月11月、2009年6月10月、2010年2月3月7月8月9月10月、2011年5月、2012年3月メモ）

ソーシャルメディア活用度

ADK横山さん理論 7つのグループ

創造　11.7
批評　5.8
会話　11.5　発信の積極度高い
収集　4.7
加入　10.5
観察　17.6　受信の積極度高い
不参加　38.1

Paid Mediaとしての生き方

誰もがくる、いるPaid Mediaになる、居続ける
Owned Mediaをとりこむ
Earned Mediaをとりこむ

消費者にとってどのサイト（ドメイン）かはあまりたいした問題でない気がする

ネットは独立的

昔　テレビや新聞　1メディア＝1サイト　みんなに届けられる
今　ネット　各サイトが独立的プロモーションを展開していないサイト（知らない人、まだ届いていない人）へいかに流布させられるか、しやすくするか

（2011年4月10月メモ）

イノベーションのジレンマ

フランス病

ミニテル
- 日本のキャプテンシステムのようなもの
- テキストによるサービスの仕組みを国家事業として普及、成功・普及
- 初期のプリミティブなインターネットが遅れて見えて、ネットへの移行が遅れた

技術の馬跳び

アメリカ

90年代にアナログ回線が田舎の隅まで普及
デジタルへの移行が遅れる
結果、2Gガラケーをスキップし、3Gスマホへジャンプ

端末ID

International Mobile Equipment Identity
UDID
Android ID

（2011年11月メモ）

アメリカとネット

Gartner Predicts 2010

米ITリサーチ大手ガートナーが毎年発表

2014年までに、30億を超える世界の成人人口がモバイルテクノロジーやインターネットテクノロジーを通じて電子商取引を実行できるようになる
2013年末までに、全世界を通じ携帯電話がパソコンに代わって、インターネットアクセスのもっとも一般的なデバイスになる
- ケータイ（スマホ込み）18億2000万台
- PC17億8000万台
2015年までに、web環境における検索エンジンの役割と同様に、モバイル環境のコンシューマーサービスと関係性にとって、コンテキスト（文脈）が重要な役割を果たすようになる。位置情報だったり、検索ワード「だけ」では足りない
2012年までに、facebookがソーシャルネットワークの統合と、webのソーシャル化（社会化）のハブとしての役割を担う。様々なソーシャルネットワークが連携する。みんながfacebookである必要はない
2015年までに、インターネットマーケティングの規制が進み、2500億ドルに上る全世界のインターネットマーケティング支出が抑制される
2012年までに、IT資産を自社で保有しない企業の割合は20％に達する
2012年までに、市場をリードするクラウドアグリゲーターの中で、インドを中心とするITサービス企業の占める割合は20％に達する
2014年までに、ほとんどのITビジネスケースにCO2対策コストが含まれるようになる
2012年、新しいパソコンの有効寿命全体を通じた温室効果ガス排出の60％は、ユーザーが初めて電源を入れる前の段階で発生する

Hulu

テレビ局が認める公式映像配信サイト 2009年度売上1億ドル

カイラーCEOが2008年NABショーにて、「待っていても人は集まってこない。インターネットの無限のコンテンツを使って、我々の方から視聴者にインパルスを与えるべきだ」

リール会長、全米局の元親玉（？）　「もうすでに世の中は変わってしまった。後ろのドアは閉まった。しかし我々にはもう一つのドアが開いている」

Boxee

2009年CES米国家電見本市で賞を取った

パソコンにインストールすると、パソコンがケーブルテレビやIPTVのSTBに早変わり
ケーブル会社と契約しないですむ
インターネット回線でケーブルテレビが見られる

HuluはBoxeeへの配信を拒絶。でも、各局（4大ネット局、専門局）がBoxeeに供給することは止められない

2010年4月のNABショー（全米放送協会の年次集会）ブロードキャスティングからブローダーキャスティングへ。今以上に、多重で放送していくことを念頭に置いてビジネスを考える

メジャーリーグ

ネットとテレビの両方でスポーツ中継を視聴できるユーザーは高品質映像のテレビを選択する（アメリカの場合）→スポーツ中継ではネットとテレビはカニバライズしない

ブラックアウトルール

ローカルテレビで視聴可能なエリアではネット中継を遮断している。
ボストンでレッドソックスの試合をネットで見ようとすると画面が黒く塗りつぶされる

（2007年12月、2010年7月10月メモ）

雑誌とネット

IT革命により

記憶容量
情報処理能力
伝送容量にかかるコストが安くなった

結果、コミュニケーションにかかるコストが安くなった

ネットの場合、
- （雑誌のように）まとまった長い文章を（月刊誌的に）低頻度で接するよりは、短い文章を高頻度、のほうがスピード感はある。
- アーカイブ的には効率は悪いが、検索技術の発達、タグ設定などでそこはクリアできるからOK
雑誌的発想だと、
- マル（句点）を打つたびに、読者はそこでいなくなるかもしれない。
- そこで恐怖感を持て。
共通点
- 雑誌からの転載の対談は、ネットでも受けがいい。複数キャラの短文インタラクションになっているので。

奪われる時間への期待値という考え方も

全体の長さ　短い方がいい場合も
インタラクション　小気味よく
読後感　味わう間もなく次のコンテンツへいきやすい
どれも刹那的

SUUMO

雑誌でレポート記事を書いている人がバナーのコピーを考えている
抽象度の高い言葉を外す
具体性を持たせる
雑誌のライティング技術をネット広告に反映させる

レオンの岸田さん

総覧性　雑誌（クルマの横に、たまたまサングラス）
指名性　ウェブ（1コをとことん追求できる。万年筆でもいける。ウォンツを喚起するビジネスに向いていそう）

脳とコンピュータ

左脳→右脳の補完
記憶・計算の補完としてコンピュータが誕生。今のPC（インターネット、オンラインメディア）もその延長上にある。なので、高価なもの、高性能なものを買う時は、PCがその威力を発揮する（いろんな情報を集めて、整理検討すればいいので）
購買の動機付けをする動画広告の効果測定を、左脳的なCTRで判定することに無理がある。
食品のような右脳的判断で買いそうなものに今のPCがあまり向いていないのもこの齟齬のため。

（2007年6月、2009年3月、2010年9月メモ）

メディアの特性

マスとネットワーク

マスがマスじゃなくなる
共通話題が減る
共有できる場、共感しやすい場がとても大切なものになってくる
つながる場の提供

one to oneのメールやメッセではカバーしきれない
one to oneが重い、負担であると感じる場合もある
summer warsのozやTwitterくらいのつながり感が居心地がいいのかも

twitterのジャーナリズム・マーケティング的使われ方

協調型ジャーナリズム　みんなで作っていく
リンクジャーナリズム　あちこちに飛ぶ、張り巡らす
オープンジャーナリズム　公開してやっていく
プロセスジャーナリズム　やりながら進めていく

共有感

劇的体験を共有しよう、連帯の共有
自分も参加した、自分が当事者だったとプチ体験したい、人に語りたい

不特定多数に網をかけるには

byグレンラガン関係者

テレビやネットは不特定多数が見るメディア
どんな層がどんなシーンをおもしろいと思うのかポイントが分かりにくい
お客は多様である
提供側が想像もしないところに引っかかる可能性もある
引っかかるポイントは多くしておくに超したことはない

Unique Selling Positionがあるかないか

割引、無料
今だけ、○○（時間、季節、エリア）限定
年中無休、24時間

ソーシャルなつながり

by FacebookのCEO談だっけ？

ソーシャルなつながりを持つTwitter、iPhoneアプリ
ネットワークのプラットフォームをビジネスとする企業の方が、ネットワーク効果を持たない、検索広告のビジネスモデルのGoogleを凌駕するのかも？（ディスプレイ広告はオマケのビジネスモデル）

FacebookでLIKEボタンを押す=企業サイトでユーザー登録するのと同じようなもの

Googleのハイパーリンクでは

広告主のファンがどこに何人いるか、誰がファンなのか
広告主も参加（登録）ユーザーも知ることができない
顔が見えない

ハイパーリンクは、

情報と情報の単純な関係に基づくもの
単純過ぎるが故に、見えないものも多い

surprise effect

コンテンツと一致しない広告が出てくる

ネットがふだんの生活にどう関わっているのか

自分から情報を取りに行くタイプ？
- だからメルマガとかいらないというタイプ？
- ふだんチェックするページがだいたい決まっていて、定期的にアクセスしている？
- わりといきあたりばったり？
- 興味あることがあったら、自分で検索してあれこれいろんなページを見てみる？
- めんどくさがりやか、自分の興味・関心分野であれば積極的に動くのかもしれない
情報は基本、待ちの姿勢でいる？
- だからメルマガは購読しているとか？
- 一方で、RSSとか使いまくって、定期巡回ソフトとかも使ってたりするとか？

インターネットはどんな存在か

ないと困る
なくても生きていける
あると楽しい
仕事には便利
情報収集に便利
最新の情報が得られる
知りたい・調べたい時にすぐアクセスできる

ネットユーザーのクラスター例

NTTアドのクラスター

アクティブネット志向
ライブ・オーディエンス志向
予約プラン志向
参加ショッピング志向
せいぜいダウンロード型
ノンネット志向

菱食＆ネットレの生活者像

子育て科省力属
単身科自己投資属
ゆとり科ペット属
アラ還科アクティブ属

（2006年1月8月、2009年7月、2010年3月5月メモ）

誰のレビューを参考にするのか

情報があふれる、取捨選択が面倒になると

定番に落ち着く
近しい人のレコメンドに従ってみる
- ※近しい人〜親しみのある人、サイト

親近感を感じられれば良し

直接の知り合いでなくてもいい
amazonでも、フォローしてる人でもいい
過去に共感した相手であること、

なんらかのコミュニケーションが発生すると親近感、愛着がわいてくるのでは？

一方で、直接会って話せると、

言語の外側の情報を伝え合うことができる
対面の強さ、情にほだされるとも

アンケートの選択肢的に考えると

人から勧められたら買ってみたくなる
人が飲んでるのを見たら買ってみたくなる
CMや広告をいっぱい見かけたら買ってみたくなる、売れてるんだと思う
新商品はとりあえず買ってみる、飲んでみる
迷った時は、一番お気に入りのを買う
値段も大事な要素だ

口コミ

インフルエンサー
マニア
エバンジェリスト　キリスト教における福音伝達者（伝道師）
- 新製品に関する熱狂的な信奉者で他人にもののよさを伝えようとする人
オタク　熱狂的な愛好家

アーリーアダプターもレガードも、極端にユーザ属性が違うわけではなく、ただ、アクションを起こすのが早いか遅いかだけの違いでしかないのかも

満足できる　満足した顧客の口コミが有効
感動できる
泣ける口コミの全てが有効なわけではない

カスタマーボンディング　顧客　密着・接着

（2006年9月、2010年6月メモ）

マーシャル・マクルーハン

We shape our tools and thereafter our tools shape us.

人は道具をつくり、今度は道具が人をつくる

メディア論

文章チェックをするときに、パソコン画面だと間違いに気づきにくいのに、紙に印刷すると気づきやすいのはなぜ？

紙媒体など反射光でものを見る場合、人の脳は左脳を働かせ、批評モードとなり、理性的に解釈する
テレビのような発光型デバイスの場合、右脳が働き、パターン認識モードとなり、情緒的受動的に情報を受け取る
透過光と反射光の情報を視認するさい、脳のどの部位が反応するか

テレビ番組のニュース化

検索がコンテンツになり
テレビコンテンツがニュースになり
ニュースが広告になる

ヤフーニュースに取り上げられやすいテレビ番組

広告の情報化、ニュース化
検索だけだと能動的な行動者のみ、狭い
検索トレンドからコンテンツ生成することで
受動的なmajorityにリーチしやすくなる

であれば。

買う理由を提供する（自分用お中元）季節行事にしてしまう
買いたい感情をかきたてる
欲しい気持ちをくすぐる（行動経済学ヴェブレン効果スノッブ効果バンドワゴン効果）
ストーリーを紡ぐ（プロジェクトX）
地域貢献（上勝町、熊本）

こういうのが情報広告（コンテンツマーケ）かもね

（2017年1月メモ）

紙媒体

五感を刺激できる
視覚、聴覚、触覚
嗅覚、味覚にも訴えられる（紙質で）
紙のテクノロジーは地球にやさしい土に還る、自然分解
触覚「ぬくもり」という表現で人の手を介する（労働市場を作る）

ネット

視覚と聴覚はOK
テクノロジーの進歩で嗅覚もいけるかも
味覚は無理かも？（そうでもなさそうになってきた）
触覚もすぐには無理

だから、マルチタッチスクリーン、スライドタッチ、タッチスクリーンは、ネットリテラシーの低い人、操作慣れしていない人でも扱いやすいのかも。ボタンも少ないし、ってUIの問題なの？

坂本龍一と早川大地が言ってたのは

鍵盤で強弱をつけられる
シンセのベロシティー
こういうことでもある↓

デバイスとメディア

ハーバート・マーシャル・マクルーハングーテンベルクの銀河系1962 ステファヌ・マラルメ1842-1898

メディアはメッセージである
伝える内容は、伝える方法で規定される
伝える内容は、伝える方法で変化してしまう
伝える内容と伝える方法は不可分で分離して考えることはできない

当然、

手書き、活字、墨文字でも違う
鉛筆、ボールペン、チラ裏
レコード、iPod

各メディアの優れているところ

テレビ　告知力
雑誌　嗜好性、専門性、特化性
新聞　信用力、権威
ラジオ　親近感、密室感、秘匿感
インターネット（PC）　視覚力（注視力）、情報量、深度、爆発力
店頭　現実感、実物
イベント、会場　衝動力、対人力、一体感、限定感
モバイル　パーソナル性、秘匿性、瞬発力、空間的制限なし
- 全項目で全メディアに劣るかもだが、全メディアと連携がとれる

五感を刺激する

ストーリー（物語）仕立てで五感を刺激すると、人は

「勝手に」いいように解釈して
「勝手に」いい感情を付け加えて
「勝手に」記憶の深層にとどめてくれる

ラジオのよさ

リスナーとパーソナリティの絆の強さ（テレビの比でない）
ショッピングの返品率が極めて低い
一声掛ければ大ホールいっぱいのリスナーが駆けつける
ラジオの生声＞テレビの映像という場合もある
- 映像がない分、妄想が膨らみやすい？
- 結果、快感情が生まれやすく、記憶に残りやすい？

（2008年4月、2010年1月2月4月メモ）

shazamを使って思ったこと

モバイル端末や単機能アプリは、小さな関心事や気づきを捨てなくていい。忘れなくていい。その場で昇華できるor気軽にメモとして残しておける。

超関心層はほっといても自分でたどり着いてくれるが、薄い層はそこまで努力しない。
薄い層が努力しないですむように支援してくれるツールと思えばよい。
そして薄い層をとりこぼさないようにしましょうってことだ

Googleいわく

クリシュナ・バラット（Googleニュースの基礎プログラム開発）

興味のない情報を、がんばって見つけようとする人は少ない
自分を教育して知的レベルをあげるには、かなりの時間が必要だ

ウェブではニュースは一瞬で消費される

一方で、週1、月1でまとめ読みしたいユーザーもいる、この要望にどう応えるか？
雑誌だとやりやすい
これから起きることを予見した特集を組むなど
iコンシェルみたいな感じで、あなたの好きそうなニュースをクリッピングしておきましたよ的なサービスがあってもいいかな。
- で、最初は自動で収集しておいて、あとはユーザーがカスタマイズできたりね。（ってもうそういうサービスあるやん）

Apple TV

Steve Jobsいわく

コンピュータ業界の人間はどうしても分からないようだが
ふつうの人々は、映画やテレビ番組をコンピュータ画面なんかで見たくないと思っている
ふつうの人々は、保存したファイルを管理したり、シンクロ作業したりすることなんかやりたくないと思っている

ネットでいうと、みんなが「検索」するわけではない

検索連動型広告は、

能動的に検索する人だけが母集団になる
受動的、めんどくさがり、あたたまっていない、自分でも気づいていない
こういう人たちには到達できない

（2008年3月、2010年3月9月メモ）

ネットの効用

ターゲティングの考え方

ターゲティングする、イコール、マス広告でなくなる、でもないだろう
母数が減り、対象者属性が明確になるだけ。それを大衆→小衆と表現してるだけ
大勢の意見というのはやはり存在するわけで、ターゲティングの場合は通常マス広告よりもそのブレが小さくなる、というだけのことか？

ネットはマスメディアか

マスメディアではなく、大量の（情報が送出できる）ニッチメディアの集合体である

ネットの効用

知的好奇心を満たす
承認欲求を満たす（コミュニケーションがとりやすい、つながりやすい。例えニッチな趣味だとしても）
時間つぶしになる（ただしこれを暇つぶしとみるかコミュニケーションの時間とみるか）

ネットのできること

知る調べる遊ぶ知らせる伝えるつながる話すデータダウンロードものを送る届ける売る買う

インターネットビフォーアフター

広告広報販促販売アフターサービスケアの垣根を取り払ってしまった、なんでもできる
既存顧客にも見込み顧客にも新規顧客にもアプローチできちゃう

BEET

Branded Entertainment Experience Team　by Microsoft

（時間や注目度の）コントロール

節度ある表現　侵略的→親しみやすく丁寧に
バリューエクスチェンジ（価値の交換）　1日24時間しかない貴重な時間をとられる
一方的な売り込み→広告を体験することによる犠牲（損）、報酬（得）ライブ中継するとか
個人消費を対象とした表現　ユーザーレビュー、意見交換、情報の共有
会ったことなくても友人→デジタルメディアを通じた人間関係の構築をしている→ブランドと消費者の間もデジタルメディアを通じて関係構築ができるはず

フリークエンシと注意配分資源

フリークエンシが増えすぎると認知率は横ばいではなく、下がるのでは？
同じ広告に何度も接触しているということは、メディア接触時間が多いということで、とすると他にもたくさんの広告に接触しているであろう。
人間の注意配分量には上限があることを考えると、1プロモーションに配分される注意量が減る。存在感が薄くなり、記憶にとどまりにくくなる。
同じプロモーションなんだけど、見せ方を変えて、別プロモーションと思わせられれば配分される注意量は増える。だからクロスメディア！なのかな？

各社の表現

電通　コンタクトポイント
博報堂　タッチポイント

欲求行動サイクルの中でネット広告がどう関わっているのか

欲求行動サイクル・・・おいしいものを食べたい、ステキなものを身につけたい、手に入れたい、どこに行きたい、味わいたい、感動してみたい

CPG系企業サイトのあり方

オモロイ情報、商品ができあがるまで、プロジェクトX的ウラ話、秘話を公開、開発者の声
商品にひっかけたレシピ情報、グルメ情報
自社のファンを作る、親和性、親近感を感じてもらう
ブランドロイヤリティをアップ、ロイヤルユーザをひきつける
あとはブランディングを販売量アップにどうつなげるか

（2006年8月9月、2007年4月11月、2010年2月メモ）

サブプライムと広告クリック

広告クリック数がアメリカで減少しているらしい。その原因はサブプライムだ！
こいつらがローンに追われてネットショッピングしないからだ！
って短絡的すぎないか？と思ったが
東日本大震災以降の日本でもアフィリエイト広告のクリックが減ったらしい

ネット広告のクリック

スターコムUSA、タコダ、コムストアが2/12に発表
広告のクリックの半分以上は、ネット利用者全体のわずか6％のヘビークリッカーによっていおこなわれている。
しかもこいつらはネット購買に寄与していない！

attribution

クリックをアシストすることも評価指標に。
どういう状態に持っていけばクリックや検索につながりやすくなるのか？
ユーザーをどう温めるか？どういう状態が温まった状態と言えるのか？

広告接触と購入

John Philip Jones

90年代の初め、食品・日用品78ブランドにおける購買前7日間の広告接触有無
Exposed > Control
さらにブランドの顧客内シェアは平均1.24倍高い！
シェア（％）で1.24倍なので、劇的に差があるわけでもないな

検索からオフライン購入へ

アメリカの調査会社comstore networksの2004/12/14リリース。Overtureの委託を受けて実施。2004年1〜3月の上位25の検索エンジンを利用。家電やコンピュータ製品の検索を行ったユーザーのショッピング動向を調べた

これら製品の検索を行ったユーザーのうち、
実際に製品を購入したのは25％。うち92％はオフラインで購入
特にDVDプレーヤー、テレビ、カメラといった家電製品はデスクトップやノートPCなどのコンピュータに比べ、検索した後にオフラインで購入される確率が高かった。
オンラインで購入した8％も、検索した直後に続けて製品を購入したのは15％のみで、残る85％はその後別のセッションで購入
検索してから5～12週間後に購入したという層が全体の約40％

comStore Networks副社長のジェームズ・ラムバーティ氏は「検索を単なる直接的な反応が得られるマーケティングツールと見なすことはできない。特に、熟考を要する製品では、実際に購入する60～90日も前に検索が行われることもある」と解説

検索100%(1,000,000)
うち25％実際に製品を購入(250,000)
- うち92％（元の23％）オフラインで購入(230,000)
- うち85％（1.7％）検索時とは別セッションで購入(17,000)　
- うち40％（0.7％）検索してから5～12週後に購入(6,800)
うち25％実際に製品を購入(250,000)
- うち8％（2％）オンライン購入(20,000)
- うち15％（0.3％）検索した直後に購入(3,000)

検索とブランディング

Google 2007年12月リリース

検索が単に誘導だけでなく、ブランディングにも効く
HONDAが検索連動広告出稿してて、
燃費のいいクルマと言えば？という純粋想起で、検索連動型広告に接触していたユーザーグループの方が、ブランド想起「HONDA」と答える率が高くなる

検索結果1ページ目の大事さ

検索結果の1ページ目から来た人がほとんどを占めるよ
2009年第2四半期〜4四半期米国における各サイトでの自然検索からのリンク元share
米アイクロッシング社調べ iCrossing "The importance of Page One Visibility" 2010/2/11

	Page1	Page2	Page3
Google	95.8	2.5	1.7
Yahoo!	95.2	2.8	1.9
Bing	95.0	3.4	1.6

ノンブランドキーワード検索の米国マーケットシェア

Google74％、Yahoo!13％、Bing13％つまりGはリンク元として優れている

コムストア発表によれば、2009年12月の米国検索クエリーの65.7％はGoogleでおこなわれた

（2005年10月、2008年1月3月9月12月、2010年3月メモ）

アフィリエイトと迷惑メール

アフィリエイト2：8の法則
アフィリエイト2：8の5乗の法則　クロスワーク笠井北斗

1万サイト掲載申し込み（10,000）
実際に広告を掲載してくれるのは内2割（2,000）
クリックが発生するのは内2割（400）
月に1回以上成果が上がるのが内2割（80）
自己購入や不正でないのが内2割（16）。これでアフィリエイト売上の8割になる

迷惑メール

それなりに効果を上げている

迷惑メールを3億4,759万389通送信
送信成功　8,270万通（23.8％）　76％は失敗、38.5％は宛先ダブり
サイト訪問　10,522（0.00303％）
購入手続き　28人（0.0000081％）　$9,500の売上

レスポンス速度は

送信10秒後からサイト訪問開始　クローラーによるアクセス
6時間以内に4割が来訪（20秒以内に全体の3割に達する）
24時間以内に6割が来訪（その後1週間は収集のために繰り返しアクセスする）
3日以内に8割が来訪
以降1ヶ月経つまでダラダラ来訪

（2008年11月、2009年4月メモ）

ライフハック心理学

心の外で起こっていることは、心の中で起こっていることの反映である

アイテム

自分がどういう人か、人となりをわかってもらう、伝えるためのアイテムとは？

自分に向いているアイテム
そう思っちゃうアイテム
自分で向いていると思うアイテム
世間的に向いていると思われる

ケータイ、ステーショナリー、ファッション、コスメブランド、住む場所、好きなタレント、読書、スポーツ、趣味、それの使用ブランド、飲食料品もいける？

そもそも「ファッション」とは？

自分をどう見せたいか？それを持ち物で表現、演出している
どんな自分になりたいか？どんな自分を演じたいか？ペルソナだな

衣料品

粗利が高い、が衣料品の場合「どこで」買ったかが重視されやすい（ユニクロは安さだけで売れているわけではない）

ウェブログの心理学

日本人は、自己顕示、自己開示が苦手。でも自己表現は好き。
ネットの匿名性は居心地がいい
年齢、年収、居住地は嫌がるが、自分の好きなもの、関心事は答えてくれやすい

ブログ

自分のことを分かってほしいブログ、
かたや情報「発信」型ブログもある

情報発信（エバンジェリスト）

（ブランドへの好意から）書きたいから書く
書いてと頼まれたわけでもないのに、なぜ人はブログで商品を取り上げたがるのか？
しかもなぜ賞賛しまくる？

Jカーブ効果とネット

ネットはその時々の感情の揺れ動きが激しそうで、その一瞬一瞬の感情をブログ等に残すと、あとで当時の記憶を振り返りやすい。

そうすると、通常（ネット以外）であれば、不快情報と商品情報の連合性は時間の経過とともに抜け落ちていくのがリマインドされることで、

不快感情が持続しやすくなりそうな？
あるいは逆に、当時の自分を冷静に振り返ることができそう、冷めて反省するという正の効果もありそうな？

（2006年12月、2007年11月、2008年1月3月、2009年10月メモ）

SLA

SLA Service Level Agreement 通信サービスの事業者が、利用者にサービスの品質を保証する制度。回線の最低通信速度やネットワーク内の平均遅延時間、利用不能時間の上限など、サービス品質の保証項目や、それらを実現できなかった場合の利用料金の減額に関する規定などをサービス契約に含めることを指す。 http://e-words.jp/w/SLA.html

サービス提供者（プロバイダ）とサービス委託者（顧客）との間で契約を行う際に、提供するサービスの内容と範囲、品質に対する要求（達成）水準を明確にして、それが達成できなかった場合のルールを含めて、あらかじめ合意しておくこと。あるいはそれを明文化した文書、契約書のこと。

サービスは物理的な実体のある製品に比べて内容が分かりづらく、提供者と委託者の間で何がどの程度行われるのかに関する認識の食い違いが生じる可能性が高い。特に中長期にわたって提供されるサービスの場合、「最初はよかったが、次第に品質が下がった」「いい場合もあれば、悪い場合もある」といったことが少なくない。そこで、サービスレベルを数値によって明示的・定量的に定義することで、役割と責任の所在について"あいまいさ"を排除し、ルールを定めておくのがSLAである。 http://www.atmarkit.co.jp/aig/04biz/sla.html

（2013年2月メモ）

直帰率

どこかのページから訪れて「1ページ目で」サイトから去った率
どっかから飛んできてそのページは見たけど、他は見なかった、つまりあまり興味をそそられなかったと考えられる
同じサイトの他のページから入ってきた分は集計対象外、となるとページへの直リンクや検索結果からの直リンク、ブクマも入るの？

離脱率

ページを閲覧中、「この該当ページで」サイトから去った率
ある程度満足した（次に見てみたかったページがなかったとも考えられるが）と考えられる
直帰数もコミらしい

例

ページ全体のアクセス40件（うちこのページを入口としたアクセス5件、そのまま5件が離脱）
全体の離脱数20件（上記の直帰5件含む）
この場合、直帰率: 5/5=100％離脱率: 20/40=50％

（2012年7月メモ）

CAP定理

Consistency　整合性
Availability　可用性
Partition　ネットワークの分断への対応

3つの特性のうち、だいたい2つぐらいまでしか満たせない（どれかを犠牲にすることになる）

グーグル検索のスピーディさは3つめをやや犠牲にしている（ホントに全部さらってのヒット数ではない、だいたい推定値）

ACID属性

Atomicity 原子性、不可分性
- transaction（一連の処理の固まり）がすべて実行されるか、まったく実行されないか、
- 処理中で障害が発生しても、処理が中途半端にならないようにする
Consistency 整合性
- いついかなる場合でもデータが正しい
- 不正なデータを読み込まない
Isolation 隔離性
- 同時並行的にデータベースの処理が行われていても各処理が互いに隔離され、
- 更新途中の中途半端なデータが見えないことを保証
Duration 永続性
- いったんデータベースに書き込まれたデータは、
- その後障害が発生しても喪失しないことを保証

DSP

Demand Side Platform 出稿側広告プラットフォーム

広告掲載面にとらわれず、オーディエンスベースのターゲティング広告配信が可能
生活者がサイトを訪れたタイミングで広告インプレッションを買い付けできる、リアルタイムな取引が可能
広告主がCRMやサイト解析等を通じて収集したデータを広告配信に生かすことが可能
サイトをまたがって閲覧行動をするオーディエンスに対し、その時点で最適なクリエイティブを判断し、配信可能

つまり広告主や代理店はこのようなプラットフォームを有することで場所や時間を買うことで生活者を待ち伏せするような従来の広告手法と比べ、格段にマーケティング効率を上げることが可能になる

SSP

Supply Side Platform

RTB

Real Time Bidding

JPEG

JPEGがCMYKで保存されていると、ブラウザで閲覧できない
IEは8でも見れない、Firefoxは3だと見れる

CMYK

減法混色　紙用

Cyan シアン　青というよりは青緑、碧、藍
Magenta マゼンタ　赤というよりは赤紫、紅、緋
Yellow イエロー　黄
Key plate(blacK) 黒　墨

CMYを混ぜると黒になる、ただし印刷時は鮮やかにならず、文字は読みにくいので、別途黒を使ったりする

インクを混ぜて暗くする→反射光を減らす→なので減法

RGB

加法混色

ディスプレイ用、光の三原色に近い
3色すべてを重ねると白になる

ビットレート

1秒間の映像に記録される映像や音声のデータの大きさ

フレームレート

単位時間あたり何度画面が更新されるかを表す指標
通常、1秒間あたりの数値で表し、fps（Frames Per Second）という単位で表す
コンピュータで使われるディスプレイにおいてはリフレッシュレート

cookie

ウェブサイトの提供者が、ウェブブラウザを通じて訪問者のコンピュータに一時的にデータを書き込んで保存させる仕組み
制限
- 1つのcookieには4,096バイトのデータを記録でき、最大で300のcookieを保存できる
- 1台のサーバが同じコンピュータに対して発行できるcookieの数は20個に制限されている
- cookieにはそれぞれ有効期限を設定することができ、有効期限を過ぎたcookieは消滅する

cookie churn問題

ユーザ自身によるcookie削除
セキュリティソフトウェアによるcookie削除
1ドメインで20コ以上のcookieを発行してしまって一番古いcookieが削除

flash

音声やベクターグラフィックスのアニメーションを組み合わせてwebコンテンツを作成するアプリ
GIFなどと違って、直線と曲線で画をデータ化した、ドロー系のグラフィックソフト
できあがったイラストに、○○（判別不可）のコマ数を割り当てて、様々な動きをかけてくれる
画はベクターデータなので、拡大縮小してもギザギザにならない。解像度という概念がない。もともとコンパクトだけどファイルサイズが変わらない
ストリーミング再生である。オーディオ再生も可能。

ベクター

曲線などの図形を数式で表す方式。illustlatorもこの方式。数値方式なので、より滑らか。←→ビットマップ方式

クリックアクションの考え方

広告認知→態度変容→アクション（クリックという行為）までを一気にいかせる威力があった。それだけ興味を持ってくれた。元々そのくらい興味を持ってるところに最後の一押しとなった。

逆にインプレッションの考え方

上記のように一気にアクションとはいかなくても、一段ずつ階段を上ってこさせるイメージ。フリークエンシを重ねることで、クリックアクションまでたどり着くかもしれないし、ターゲティング配信なのかもしれないし、コンテンツマッチなのかもしれないし。広告のインパクトや登場人物、プレゼント内容などなどもそれの一因ではあるだろう。

ネットの略語

UGC User Generated Contents
CGM Consumer Generated Media
UGD User Generated Device

ネットの略語2

CPA Cost Per Acquisition
CPC Cost Per Click
CPM Cost Per Mille
CTR Click Through Rate
CPL Cost Per Lead

似てる

バッチ　一括処理
パッチ　プログラムの一部修正

（2005年7月、2006年1月、2007年2月7月、2008年4月、2009年3月6月、2010年8月12月メモ）

登録: 投稿 (Atom)