青木まりこ現象の理解
収録終わり。今日の学びは、青木まりこ現象でいいですか?
初めて知りましたよ。
ねえ、俺結構好きだから、いろんなところで言ってるけどね、青木まりこ現象。
本当、明日使ってそう。
そういうね、データ以外の知識も提供していきたい、この雑学的なものを。
今これ、青木まりこ現象ピンときてる人はね、たぶん本好きだね。
あー、確かに。
答えは、ちょっと本編から探してくださいということで、今回は出版社のデータ利活用。
あ、ていうのも、私の初短著、短著初の出版が1月8日に控えてるっていうので、
いろんななんか、ここがちょっと良かったらこんな感じになるんですよみたいな、出版社の人と話してるところから想像したデータ活用と、
実際になんかGoogleとかが紹介している、こう、講談社のデータ活用の事例とかっていうのを踏まえて見てみると、
なんか、出版社ドメインに特化したデータの利活用おもろいなってめっちゃ思ったね。
うん、面白いし、いろんなデータ取れるし。
ね、なんか久しぶりにさ、こう、なんかの事例紹介みたいな感じの回だったけど、
やっぱこういうのもおもろいっちゃおもろいね。実体験が。
業界の知識が増えるっていう意味で、データ分析屋さんとしてはかなり勉強になる。
ちょっとそんな感じで、結構2人的には満足した収録だったんで、ぜひ最後まで楽しんでいただけたらと思います。
出版社のデータ活用
ちょっとトイレ行きたくなっちゃった。
見てらっしゃい。
隣のデータ分析屋さん。
この番組は、隣の席に知らないことを気軽に聞けるデータ分析屋さんがいたらいいなぁ、
を叶えるポッドキャストチャンネルです。
データアナリストのりょっちゅうです。
データサイエンディストのたっちゃんです。
出版社のデータ活用がすごいらしい。
ほう。
いやもうね、とうとう出るんです、本が。
とうとう1ヶ月切ったぐらい?
このエピソードが95でしょ?
95は。
95で、今これ流れてるのが12月の中旬?
中旬ぐらいですね。
ですよね。
で、1月の8日発売だから。
もうすぐだ、土砂が開けたら。
そうなのよ。
きっとこのリスナー予約してくれてると信じてるんだけど。
きっと。
そう、でもね、あの、でもマジで予約してくれてる人がめっちゃいて。
うんうん。
で、それのおかげで、なんか、アマゾンの初版部数がまだ未定だったの。
その何冊するかみたいなやつね。
で、初版部数はアマゾンとか楽天とかの予約の部数に合わせて、最終決定決めますみたいな。
で、もともとこれぐらいだろうなっていうのは多分あって、
まあ俺も別に一人で書くのは初めてだし、
うん、だからこんぐらいだよなっていうのよりは多かったわけよ。
書き始めた時からPodcastでずっと喋ってるから、
うん。
それで、まあもうこんだけ言ってんだったら買ってやるかみたいな感じで、
まあ予約してくれた人がたくさんいたおかげで、
初版部数は、あの初めて本を書くパンピーにしては、まあ多めに。
素晴らしいですね。
それで思ったのは、データめっちゃ見てんだっていう。
ああ、そっか。初版部数を、初版の数をグッと上げたってことはそうか。
何かしらの根拠がなきゃね。
多分、いろんな相関があるんだよ、向こうが持ってる。
で、これなんか、いろんなこう他の出版社の人とか、出版経験したことある人も言ってたから、
多分結構各社似たような関係性のは握ってるっぽいんだけど、
多分1ヶ月ぐらい予約期間を設けた時の初速がどれぐらい出るかで、
あの最初の1週間とか1ヶ月の売り上げと、きっとあるんでしょう、相関みたいなのが。
ああ、なるほどね。
そんなのさ、あると思うんですけど、ほとんどの人が、まだ予約の段階って売れないんじゃないの?
ああ、そうだと思う、そうだと思う。それこそ、自分の媒体持ってなければ、予約で公開されたとて、別に誰も待ってないし、
っていう風になるから、基本予約じゃやっぱ出ないよね。なんか、地のファンがいないと。
ですよね。
そうそうそう。
だから、大学の偉い先生とかが書くってなって、いかに面白い本を作り上げたとしても、予約の時点ではやっぱ伸びない。
けど、たぶん、今回はインフルエンサー本に絶対しないっていうテーマのもとやってるから、
なんか、本当に元NASAの人が書いたっぽい宇宙の本になってんだよ。
ポッドキャストの色なんて、本当、前書きと後書きぐらいにしか出してない。
うんうん。
っていうので、作っているから、後々こう伸び、後々伸び方もインフルエンサー的な伸び方にならないようにはしてるんだけど、
けど、まあ、じゃあインフルエンス力がある程度あるとか、自分のコミュニティを持ってるみたいな人が見せる初速、予約時点で。
と、たぶんそれによってリリースされた時にどれぐらい伸びるかっていう内容も含めて、
向こうが考える売り上げの予測みたいなのが、たぶん相関もあるし、ある程度の幅もあるから、その中から部内、チーム内の会議で決めてるんだろうなみたいな。
ああ、なるほどね。気になるのはどんなデータを見てるのかとか。
書店での書籍販売戦略
そうね。俺も全然だから、言われるだけだからさ。
そうだよね。
わかんないけど、たぶんその予約数と最初1週間の店頭での売れ行きみたいなのに性の相関があって、
で、なんか本ってほら、俺の場合は今回新書だから結構サイクル早い場所だけど、
そうじゃない、ちょっと分厚めの本とかだったら、なんとなく各社3ヶ月に1回とか出したりするから、
その1ヶ月とか3ヶ月とか、その間に売れる冊数が、たぶんまたその最初の1週間と比例するじゃん。
で、たぶんそれぐらいで見えてる傾向っていうのが、1年間で売れる冊数とも相関があるんだよね、きっと。
いやだなー、やだなーって言ってるのは、もしそれが、自分がデータ分析屋さんとして、
そこの中、データから何かインサイトを引っ張ってくださいみたいな仕事に依頼されたら嫌だなーと思った。
はいはいはい、わかるよわかるよ。
言ったんですけど、一番難しいじゃないですか、まだ売り始めてないデータを他の類似したものから類推するというか、
まず似てるものを寄せていくっていう作業があるのと、
そこからいくつか仮説を持って将来を予測するっていう、一番難しいこのコールドスタート問題的な話をやってるって聞くと、
嫌だなーって思いましたね。
本なんてマジでコールドスタートだよね。
でもコールドスタートとはいえ、やっぱジャンルがあるから、俺の場合だと今回宇宙の本になってるから、
宇宙の本でこれぐらいの初速でとか、これぐらいの完成度だったら、平均これぐらいは売れるからっていうバフが乗ってる可能性もあるし。
ジャンルっていうところで一定のなんかベースで売れる数っていうのは見えると言えば見えるよね、それは。
そうそうそう。で、ただなんかそれをね、今回出版社ってどんぐらいデータ活用してんだろうっていう、
今回の話、その話ぐらいしか俺には降りてきてないから、本当にどんぐらい使ってるかマジでわかんないんだけど、
売るためにはいろんなステップを最適化していかなきゃいけないっていう話が出てくるわけよ。
で、その今のまさにこうどんぐらい売れるかっていう総量の話しかしてなかったけど、実際は本のタイプによって売れやすい書店とか売れやすいエリアとかも分かれるよね。
あー確かにね、それはありそうだ。ビジネス書が売れるところ、小説が売れるところ、雑誌が売れるところは全然違う。
そう、絶対あの丸の内のマルゼンとかってビジネス書めちゃめちゃ売れるじゃん。
絶対そうっすね。あんなとこなんてあそこでビジネス書売ったらめちゃめちゃ売れるぐらいの感じだろうから、
とかね、じゃあ宇宙系の方はどこで売れるんだみたいな、坂見原なんですかみたいな、筑波なんですかみたいな、そういう
エリアとかの話もあるけど、これがなんかさらに本の売れ方を
予測するのを難しくさせて売上を最大化するっていうところの課題をなかなか解決し づらい
問題点になってるみたいなデータ活用の事例が出てて。 へーそうなんだ。どういうことかっていうと本ってさ、そのオンデマンドに
需要に応えられる、特に物理の本だけで考えてもらって、 書店にある本を
その書店にある状態にするって、 その出版社からしたらものすごいリスキーなことで
なんでかっていうと、あの本って 売れ残ったやつって返品されるんだよね、書店から。あれ買い取りじゃないんだよ。
え? そうなの? そう。
えー。 ええじゃん。知らなかった。 だから本屋さんってあの陳列の棚を提供している場で
で出版社は、もちろん若干のコスターかかっているのかもしれないけど、 あのあれって本屋に下ろしたら出版社の売り上げじゃないらしいんだよね。
へーそうなんだ。 本屋で売れて初めて上がりが上がってくるみたいな状態。 つまり
全国の書店に対して配下の割合が最適化されていないと売り上げって最大化しないの。
出版社目線でね、考えると。 そうそう。 へーあ、そうなんだ。それは知らなかったな。
そうだから絶対に、世の中から完全に売り切れるみたいなことって多分ほぼなくて、作り的に。
うんうん。 でなんか、こう例えばもうちょっと具体的にイメージしやすくすると、
初版3000冊とか、っていうのが結構なんか3000から5000とかって一般的なラインみたいなのがあるらしいんだけど。
で、それってどうやって決まってるかみたいなのって言うと、単純に世の中の本屋さんの数とかがそのぐらいらしい。 そうだね、そんな気がするわ。
確かに。 だから、全書店に1冊ずつ売ってもらうために配る、みたいなのの最低ラインで3000みたいな。
なるほど。 そうそうそう。けどめちゃめちゃ売れるところにも寄せるから、もちろんだってさ、全種類の本屋さん、全本屋さんに全種類の本ってないじゃん。
うんそうだね、キャパもあるし。 そう。だからまあ寄せて10冊送るところもあれば、5冊送るところもあってっていうなんかその入荷のバランスはあるけど、
まあだから最低限3000置いとけばそう回せるよねみたいな話になって。 で、そこの配下だったりとか、どこの本屋に売ってもらうかみたいなところは営業の人が握るらしいんだよね。
販売担当とかセールスの人が。 うーん、うちの本置いてくださいっていうのを出版側から本屋に、
まあ売り込む。 営業すると。 本屋さんでやっぱ平積みされるのが大事とかっていうのがあって、販売の人たちはその、じゃあ
出版業界のデータ活用
何千とかっていうふうに刷られた本を 一番吐きる状態に売り込んでいく
ようにする仕事なわけだよね。 ただ一方でそういうのを宣伝する人もいる。
あの中摺広告に載ってるとかっていう、なんかまあ超売れっ子のとかそうだし、電車の壁とかにも載ってたりするし、ウェブの広告に載ってたりもするしみたいな宣伝担当もいて。
で、本を作るのに一番、あの俺みたいな書き手が相対するのは編集担当の人なんだよ。
だから編集目線ではこれぐらい売れるよねっていうふうに決ま、見込めるけど、宣伝側と販売側がそれに合意できないとやっぱその発行部数は決められないわけだよね。
うんそうだね。 そう、でそれであの最後合意が取れて何部って多分決まるのよ。
で、だから販売側はこういうふうに売れるだろうっていうのが見て取れると。ただ本当にどこでどれぐらい売れてるかを把握するのはなかなか難かったりする。
だから昔よくあったのとかは、なんかこう編集部に直接問い合わせが例えば本屋さんとかからあって、
他の店ではめちゃめちゃ余ってるのに、ある人気店ではめちゃめちゃとか、なんか複数の店舗で売り切れがめちゃめちゃ出てますみたいな言われたら、
すれすれってなるんだけど、他の店に余ってるのがあるから最終いっぱい吸って増殺させて10販かかってってなって、最後戻ってきたら実はめちゃめちゃあって売り上げ結構売れたのに最大化してないみたいな。
あー最悪なケースだね。
そうそうそうそう。だから、例えば出版業界のDXとしてBIツールを提供してるDNPっていう会社のところだと、まず販売と編集と宣伝の人が全員同じ数字を追えるようにするダッシュボードが作れるBIツールを提供して、
まずそれぞれが、いやこうやって売れてるじゃんっていうのを数字で実感できるように鳴らすというか、っていう取り組みを実際に出版の流通データを活用するサービスとして提供していたりするらしい。
それでそうするとどこでどれぐらい売れてるかっていうのを定量的に把握できる。
はいはい。DNPってあれだよね。文教区にあったDNPだよね。
え、文教区にあった?
大日本印刷のDNPですよね。
え、DNPって大日本印刷なの?
大日本プリントだったの?
あ、ほんとだほんとだほんとだ。
あ、分かった。文教区にあるわ。
ありますよね。あのでかいビルというか特徴的なビルね。
うん。
あれや。
あーはいはいはい。そうそうそうそう。
いやさすがだなと思いましたね。そこまでやってるってことは相当でかい会社なんだろうなと思って。
で、そこがだから提供してるのが、何冊すってどこに流して、
で、どこに流したかっていうデータは出版社が持ってて、そっからどこの書店でどれだけ売れたかっていう書店レベルのデータも一箇所に蓄積することで、
どこでショートしてるかとか、どこでアンバランサーが生まれてるかみたいなのが見れるようにするとかっていうデータ活用。
それ全書籍でやるべきですよ。
そうそうそうそう。で、そうするとだんだんこう、どこでどのジャンルがどれぐらい売れてとか、売れ行きのスピードとかがだんだん確立できるようになっていって、
そのデータを使って、販売の人たちの戦略がちょっとずつ改善されていったりとか、っていう風になるツールが入っていたりする。
これに、このドメインに合わせたDIツールだから強いよね。
そうっすよね。全出版社が使えるっていう意味だと、なんかいいところに市場を見つけたなっていう風に見せるんだと思っちゃいますね。
そう、いやすげーと思って。いやなんかそもそも、その紙の本屋さんとの関係性ちょっとすげーなっていう話もあるけど。
あ、そうですね。変品可能っていう。
業界のヒエラルキューみたいなのがあるんでしょうね。本業界だとね。
結局お客さんに近いところ、お客さんっていうのはエンドユーザーに近いところがパワーを持つっていうのはあって。
リテールとかだとそうなの?
そうです。飲食小売とかだと、結局エンドユーザー、我々消費者が神様がいて、そこに一番接点のあるスーパーとかコンビニが強くて、その前の卸とかトン屋はもう弱いからとりあえず安く安く買い叩かれて小売店に持ってかれるっていう、そういうヒエラルキューがあるけどね。
そうなんだ。
なんで多分、この出版業界というか、も同じ神様はエンドユーザーで本屋さんがいて、その後ろの出版社がいて、印刷会社がいてとかそういうのがあるのかなと思いましたね。
なるほどね。じゃあ、なんか出版社だけいびつなのかと思ったけど、意外と。
でも、まさか書店は本を買い取ってなくて置いてるだけっていうか、ノーリスクでやってるっていうのは意外でしたね。
そう、だからコンビニとかで結構そのコンビニのバイトとかしてると、返品作業っていうのが一定あるって聞いたけどね。
あ、そうなんだ。
週刊誌とかああいうのはそれに合わせて返す。
なるほど。そっか、腐るものでもないしね。
そうそうそう。
食品とかだったらまあ難しいけど。
そうなんだよね。
えーじゃあ、洋服とかももしかしたらそういう返品とかも全然あるかもしれないですよね。
あーどうなんだろうね。まあ確かにね、そういう構造の、なんかそういうスキームにしてるところとかありそうだよね。
ありそうですよね。でもなんか面白いな。その業界ドメインの知識を持った上で、その市場を見てみると結構いびつな構造があって、実は市場としてビジネスチャンスがあるみたいな。
いやそうだよね。いやこれはね、いいデータの使い方だなと思ったね。
えーなんか、そのデータさえあるとどんな本を書けば売れるのかとか、そういうマーケティングにも使えるし、
もちろんどこの書店に置くことで売り上げ最大化できるっていうことにも使えるし。
まあそうだろうね。だから売れる本と、とはいえそれだけだと届かない層に届ける本とっていうので、たぶん3000部っていうとかっていう最低限のところからもう最初から何万部とかっていうふうにすっちゃうところもあるしみたいな感じなんじゃないかな。
えーすごい最低化されていくんですね、本。まあでも、あーそれもそれで寂しいな、本って結構一期一会的な出会いもいいっていう人もいるじゃないですか。
まあそうね、だからやっぱこう広く書店に置かれてるとかっていうので、書店でこうパーって見たときに目につくように、まずはそこに置かれるようなやっぱ状態にしないといけないっていうのは大前提だよね。
そうですよね。あそっか、じゃあもう一定数売り切れは許容されるというか、当たり前みたいな。そうね、本屋さん行ったら意外と売り切れあるしね。うんうん。売り切れもあるし、まあ売れ残りも絶対あるし。うん、そう、面白いんだよね結構。面白いですね。
本屋さん、本屋さんって行く?俺割と好きなんだけど。たまーに行きますね、ほんとにたまーに。本屋好きなんだよな。用途もなく行きます?割と、それこそなんか一期一会みたいな感じで、あの眺めるのが、眺める回数がめちゃめちゃ多い時期とかは定期的にある。どこのジャンル見に行くんですか?
えーっとね、その時にもよるけど、え、でもね、絶対宇宙の棚は見るから一旦。あ、そうなんだ。見る見る。で、データ系のは本屋であんま見たことないかも。データ系は俺ネットで完結する気がする。技術書とかっすよね。そう。技術書ってなんかさ、その、わかりやすさとかさ、あの、一番汎用的かどうかとかさ、なんかそういったところが大事だからさ。
ネットの評判でその見てネットで買うとかさ、事捨てで聞いてそのままネットで買うとかの方がさ、買い方としてはあるじゃん。けどなんかこう、あんま共通の話題として出ないものなら、まあ宇宙の本もそうだし、小説とかは?小説とかは別に口コミ見ずにペラペラ、最初の数ページ、10ページぐらい読んで、あ、いいなと思って買っちゃうかな。そうね。
自分あれだなぁ、本屋行くタイミングありますわ。絶対行くタイミング。なんかプロジェクト変わったりとか、やってる仕事変わったら、そこのドメイン知識を取るために、なんかその業界の本を読む。
あー、そう。でもなんか、本の役割ってそうだよねっていうふうに思ってて、あの、調べたら出てくんじゃん、基本的には。あ、そうですね。そう、けど、やっぱネットの情報だと、まゆつばなのも結構あるし、古びてたりもするし、断片的にこれの解決方法はこれだよっていうのが出るんだけど、
本になってることで、1分野とか1トピックが、体系だって書かれてる状態になるわけだよ。ですね。そう、だから、それって、たぶんネットの情報だと、今のところ、ちゃんと整理できない?
うんうん。から、そういう意味で、こう、全体像を捉えようとした時には、やっぱまだ本の需要ってあるよなって思いながら、体系だって何かを、こう、ストーリーとして伝えたいみたいな、もう超長尺ポッドキャストに近い感じ。
あー、でもわかるな。だからなんか、本、書籍ってオワコンだよねみたいな雰囲気が出てても、なんかそんな気もしないから書いたっていうのもあるし。
しないしない。業界に閉じた本というか、本当に一つのジャンルだけで完結する本は、めちゃめちゃこれからも需要があるだろうなって思いますね。
そうね。だからやっぱ、宇宙っていうところで天文とか、宇宙ビジネスとかっていうのでくくられた時に、書くのは、なんかいいなと思って。
うん、確かに。
いくつか声かけてもらってるやつは結構、いいっすねって言って話し進めちゃうね。
納得感ありますね。
青木まりこ現象の解説
本屋さん行ったらさ、うんちしたくなる時あるじゃん。
みんな、みんなはない?
いや、あんまマイナーなことでもないよ。これ、幻象の名前ついてるから。
嘘でしょ?
本当だよ。本屋さん行った時に弁儀をもよす幻象。青木マリ子幻象って言うんだけど。
あ、マジだからこれ。これマジマジマジ。ググってみ。マジだから。
何を言ってんすか?青木マリ子って誰?
その、本屋さんに行ったら弁儀をもよすっていうその幻象を解いた人。
お前は書店に行くたびに弁儀をもよすようになった。青木マリ子。
これ青木マリ子幻象ね。
科学的に意味があるんだこれ。
そうだよ。
えー、本のインクに含まれる化学物質が脳に作用する。
因果関係は定かではない。
本の匂いを嗅ぐたびにトイレットペーパーを連想させる。
ほんとかよ。
でも書店に行くと弁儀をもよしたことがある人は約3割。
いやそうよ。
俺結構その弁儀、他のアクションがさ弁儀に引っ張られるタイプなんだけど。
午前中コーヒー飲むとうんちしたくなる。
本屋とトイレの関係
朝飯食ったからかもしれなくないですか?
あーでも、飲まなかったら午前中には出ない時の方が多い。
あ、そうっすか。
で、3分の1ぐらい残ってる状態でトイレ行く。
これはもしかしたら俺が今見つけた可能性もあるから、
世界が世界だったらこれ今佐々木寮現象になってる。
科学的にもなんか意味はありそうっすもんね。
いやそうそうそう。
でもなんかだからそういうこと。だから俺結構、いつだろうな中学ぐらいの時とかは、
本屋行ったら毎回トイレしたくなってたから、
津田屋でめっちゃトイレしてた。
あのー本屋のトイレってちっちゃくないっすか?
いやそれは、そうだけどそれはもう北海道の田舎の本屋がちっちゃいだけ。
本屋ってトイレちっちゃいんだよなー。
いつも困るんだよなー。
あ、そういうの自分もトイレ行ってるな。
ほら、確かに。
サイレントアオキマリコ現象ね。
知らん、自分じゃ気づいてなかったけど。
アンコンシャスアオキマリコね。
Amazonで本探しててもうんちはしたくならないね。
なるほどね。
不思議とさ、Amazonでもあるじゃん、
おすすめ多くまたにかけていって面白そうな本探すときをさ、
人気の本のランキングとか見てても、
やっぱ行かないんだよね、トイレには。
うん。
やっぱ本屋じゃないよね。
講談社のデータ活用
だから紙の匂いとかインクの匂いなんじゃない?
いや多分そうだよ。
本当にそうなんかな?他にもいるのかな?
データ活用の話戻ると。
あともう一個、
宇宙の本はソフトバンクの書籍のSBクリエイティブっていうところから、
SB新書ってやつで出すんだけど、
AI化系マーケティングの本は高段社から出すのよ。
高段社のDXの取り組みがGoogleクラウドで今年2024年5月にピックアップされてて、
で、その高段社のは、
ほら、2回前のエピソードで、
データブリックスでどのクラウドのプラットフォームとかにあっても、
統合して分析できるよって話あったけど、
結局はやっぱ、1プラットフォームに集約できた方がいいじゃんっていう発想は、
多分ずっぱり続けるじゃん。
そうだね。
管理のしやすさとか、分析のしやすさとかも含め。
っていうので、高段社はいろんな、それこそ週刊誌とかもやってるし、
ウェブの媒体もやってるし、
で、もちろん書籍もどんどん出してるしみたいな、
っていう感じになってる、
このデータ、各社とか各事業部で分かれてたデータを、
Googleクラウドで一括管理できるような基盤っていうのを作り上げたらしい。
結構大掛かりな話ですよね、絶対。
出版から漫画からジャーナリズム、週刊誌まで幅広いコンテンツを有していて、
それを一元管理できる、なるべく一元管理できるように、
分散してたデータ管理を一括管理できる場を作ったみたいな。
以前はどうだったんだろう?紙管理とかもあったのかな?
いや、あったんじゃない?
やっぱちょっと古い体制だったりもするだろうからさ、出版社の。
特に出版の部門とかだったりすると。
とかだから、ようやくAmazonのデータとか出てきたけど、
そのAmazonのデータを知りたい他の部署の人とかもやっぱいるわけじゃん。
会社の中にあるのに使えねえなみたいな。
っていうのとかもだから、その不採みたいなのをどんどん解消していくのに、
Googleクラウドのストレージにどんどんデータを入れていく。
で、ビッグクエリーで管理するみたいな。
なるほどね。
っていうのをやってるらしい。
すごいボリュームなんだろうなって思いますよね。
結局、何だろう、数値化できるデータだけじゃなくて、
やっぱり文章のデータも大量にあるだろうし、
もしかしたら原稿とかのデータもあるんだったら、
それがテキストとして区分されてるって考えたら、
すごいデータ量だし、逆にそれをデジタルで持つことで、
いろんな用途というか、
この今、自然言語処理が盛り上がっているからこそ、
できるアプローチとかもあるんだろうなっていう。
確かにね。
今ね、本作るときって、
最初はね、結構何でもいいのよ。
ワードでもいいですよとか、
今だったら、
SBクリエイティブの1月8日に出る、
やっぱり宇宙はすごいの本は、
ワードで送ったかな。
けど、
年度末ぐらいに出す、
マーケティングAIの本は、
ノーションで全部書いてるし、
うんうん。
それは何でもよくって、
その電子データで入稿して、
その後は、
向こうが本の形に体裁整えて、
PDFの形でやり取りするみたいな感じなのね。
うんうん。
だから、データとしては、
今の本の作り方的には、
大体データで持ってる。
そっかそっか。
そのデータどこに置いとくかって話なのか。
そうそうそう。
確かにそっから、
自然言語処理が強まってきた世界で、
できることはめちゃめちゃあるよね。
だからわざわざ、
古い本とか、古い本というか、
本のデータを作りに行く、
OCRとかしなくても、
大体揃ってるはず。
だし、多分入れてんじゃない?
Googleのストレージに、
本のデータも。
ちょっと膨大すぎるけど。
入れてるだろうな。
ただまあ著作物っていうのもあるから、
そういう意味でセキュリティの、
管理のしやすさっていう意味でも、
クラウドで管理するは、
管理が楽。
誰がアクセスしていいかみたいな、
アクセスコントロールが楽だし、
セキュリティ的にも、
一定担保されてるっていう。
で、あれらしい。
講談社のこのデータベースにも、
販売実績、
POSデータは、
ちゃんと入ってるし、
で、もともとサービスで
分断されてたのが、例えば、
1個漫画っていうのをとっても、
実店舗の販売のPOSデータと、
コミックアプリの販売データは、
全く別のところで
管理されていて、
それを一緒に見るための、
横断分析がしづらい状況とか、
だったところも、
ちゃんと解消されてるみたいな。
それで、
プラス、
Lookerを使って、
Looker BIツールね、
ダッシュボードを作ることで、
さっきの
DNPと一緒で、
ダッシュボード一元管理して、
誰でも同じデータを見ながら、
戦略を考えれるようにしているっていう。
めちゃめちゃ進んでるじゃないですか。
データ活用が。
ちゃんとね、
AIマーケティングの進展
マシンラーニングのモデルも動いてるらしくて、
これだと、
オンラインのウェブ記事は、
例えば、
2億ビューとかあるサービスとかもあったりするんだって。
月間。
だから、
統計量がどんどん増えていく中で、
記事のタイトルと、
記事のジャンルと、
それに紐づける、
関連記事とかっていうのは、
AI活用して、
AIでレコメンドするとか、
編集支援ツールとかもあったりとか、
っていうので結構ね、
高段者の取り組み、
すげえなっていう。
書籍とかっていう、
著作物以外のメディアニュース、記事とかだったら、
自動で生成しても、
いいものってあるじゃないですか。
だから、
そういうところで、
機械学習とか、
AI系を使っていく、
しかもスピード感が求められるような、
ニュース媒体とかはなおさら、
実はこの記事、
書籍とかあるんじゃないかなって、
思いますね。
つかさ、やっぱ、
学習対象にできない、
LLMの学習対象として、
多分吸収できないじゃん、
書籍の内容って。
そうですね。
だから、
でかい出版社が作る、
ビジネス書とか、
解説本特化の、
LLMとかが、
むしろ、
こういう会社しかできないとかってあるとかね。
出版社が、例えばそう、
持ってる本全部を学習させられる、
みたいな状態だったら、
世の中のうぞうむぞうのデータよりも、
ちゃんと講演の入った、
文章として成り立っているものだけを、
大規模に学習するから、
実はめっちゃ精度高くなるとか。
確かにね、
できそうというか、
ありえそう。
日本の中に閉じた、
日本語特化の賢いAI、
作れそうですよね。
今、日本語一番すげえのはあれらしいね。
サイバーらしいね。
あ、そうなんですか。
サイバーの作ったLLMですね。
リリースされてましたね。
今のところ、
日本語特化で言ったら、
性能がトップらしい。
スピードも早かったですよね。
リリースした。
すごいよな。
意外と。
講談社から、
AIマーケの本出すの、
ちょっと安心するなって思いながら、
この記事見つけて。
確かにビッグな出版社ですもんね。
なんかチェックボックスとかあるんですか?
この著作物を、
AIの学習データにしていいですか?
今のところは聞かれてない。
それが出てきた瞬間に、
向こうの目論みがね、
見えてくる。
本は作った人のものですからね。
しかもさ、
そんな学習スタートしますってなったらさ、
クリエイターと一番、
相対する。
まあね。
まあ確かに。
みんな協力しなそうだよね。
難しいですね。
でもどうなんですか?
もしそれ聞かれたらOKします?
全然するでしょ。
そこはOKなんですね。
講談社のデータ活用は。
このパイプライン構築は、
Google Cloudだと
出版社のデータ活用
データフォームっていう、
構造化データの
どんどん拡張していくための
パイプラインみたいなのがあるんだけど、
そういうの入れるとか、
結構ね、いろいろ、
営業資料、マーケティング支援とか、
そういうのもAIにやらせるとかって、
結構ね、プランがね、
壮大に広がっていくらしいから、
講談社の取り組みは
まだまだ広がりそうだなっていう。
なるほど。
ちょっと注目してよ。
ここで講談社褒めといたから、
きっと講談社から出す本の
初版物数上がるから。
ここの部分はカットしないようにしておきますね。
大丈夫、もう
俺の担当の編集の人めちゃめちゃ優しいから。
そんな感じで、
出版社が持ってるデータって、
見えないけどなんかそういうところ、
いろいろやってんだなっていうのを
調べたり、実体験で見えたところ
あったから紹介しました。
次回また俺かな。
AIエージェントの紹介
最近話題のAIエージェント。
話題だね。
ほんと軽いやつとかは、
試しにやってみたことあったりするのよ。
ある系の中に、
ちゃんと自分で
状況を学習して、
次のどういう打ち手を取るかみたいな、
自立エージェント
みたいなのを
動かさせることで、
何かのプラットフォームの
シミュレーションができるとか、
社会的な人の動きのシミュレーションができる。
一人一人の行動が、
横の人がどう動いたから
俺はこう動くみたいなのが
反映できるのが、
どんどんAIの進化、
LLMの進化によって加速してきてるよね。
っていうので、
AIエージェントっていう、
何だ、概念というか、
ツールというか、
っていうのが注目されてきてるから、
ちょっと分かる範囲で、
AIエージェントの話をしていこうかなと思います。
新しいものに見えるけど、
自分視点で見ると、
あれ、強化学習の延長線上だよな、
っていう風に見えてて、
感覚的にはそうだよね。
そう。
今、自分も強化学習のモデルを作ってるから、
そんな話もしようかな。
はい。
ということで、
ポッドキャストの振り返り
皆さん、本買ってください。
予約受付中。
やっぱり宇宙はすごい。
Amazonで検索してもらえたら出るんで、
ぜひよろしくお願いします。
っていうのと、あれです。
もう、
我々のPodcast95回。
いやー、やってきた。
あと5回で大台っすよ。
やばくない?100だって。
っていうので、
ちょっと100、エピソード100に向けて、
最近なんか、
もう俺らで、
テッキーの話をした方がいいんだ、
っていうのを1年ぐらいから、
1年記念からずっとやって、
あんまりお便りとか紹介してなかったけど、
さすがに、
コメント読みたいね。
読みましょう。
こいつら読まないなって気づかれ始めてから、
お便りが来なくなった。
めちゃめちゃ募集してるから、
ぜひ皆さん、
コメントをお寄せください。
よろしくお願いします。
隣のデータ分析屋さん、
今回も面白いと思ったら、
フォロー・レビューよろしくお願いします。
番組の完成や質問は、
ハッシュタグ、隣の分析屋、
隣のがひろがなで、分析屋は漢字でお願いします。
また、概要欄に貼ってあるお手紙フォームから、
コメントをお寄せください。
ではまた。バイバイ。
