大切なのは“精度検証”と“Beacon間の計測差”を整えること：iBeaconデータ活用指南書（５）

本記事は、株式会社ギックスの運営していた分析情報サイト graffe/グラーフより移設されました（2019/7/1）

1 人流分析でもデータクレンジングはとっても大切

人流分析でもデータクレンジングはとっても大切

企画からデータ取得までの一つの旅を前回までで終えたらすぐにでも分析に入りたいことだと思います。しかし、データ分析につきものの、データクレンジングを人流分析（iBeaconデータ分析）でもしっかり行わないと、分析そのものの信頼性も揺らぐことになってしまいます。

精度を確認して分析しない怖さ

例えば、ある商業施設の7月の一日の計測結果が下記の通りだったとします。
Beacon001：24人、Beacon002：56人、Beacon003：124人、Beacon004：16人
このままでは、なにも問題が無いように見えますが、次の場合はどうですか？
Beacon001（入口）：24人、Beacon002（エスカレータ前）：56人、Beacon003（トイレ前）：124人、Beacon004（出口）：16人
「店長！うちの店はトイレ前が最もお客様が来ます！」
・・とはならないですよね。

他にも、
Beacon001（入口）：280人、Beacon002（レジ）：270人
こちらもこのままでは、なにも問題が無いようですが、、
「POSでは客数が530人でした」という結果を知ったら、、
レジのBeacon002はレジに近い通路の人の行き来まで計測していたとしたら、、。
一つのデータだけ見て分析を進めることには危険が多く潜んでいます。

精度が悪い！だから使えないデータだ！と嘆く前に。

iBeaconはそもそもiPhoneユーザーかつアプリインストール者しか反応しないので、そもそもが「サンプルデータ」の分析と認識しておくことが重要です。つまり、iBeaconデータだけで店内人流全てと考えるのではなく、あくまでバイアスのかかったデータであると知っておくことが分析の前の思考の一歩目です。
しかし、その場合も、実際のBeaconに対する「感知精度」は確認しておくべきでしょう。例えば、

設置Beaconに何メートル近づいたらiPhoneを検知
混雑時にはBeaconが検知できる割合が80%程度検知
鞄の中にiPhoneを入れている場合は70%程度検知

など、どのような状況でどの程度の精度かさえ分かっていれば、それを前提にした分析結果の解釈が可能になります。

もう一つ、“Beacon間の計測差”を整えないと分析はミスリード

前述の通り、Beaconに対する「感知精度」の確認は重要とお伝えしておりますが、当然のことながら設置してあるBeacon毎にその「感知精度」は異なる為、これらを調整していかないとBeacon同士の計測結果に差がある状態となってしまいます。
この調整を行わないまま、それぞれのBeaconの計測数をそのまま、マップ上にプロットしてヒートマップとして可視化している例も耳にしますが、「それって本当に大丈夫なの？」と感じ得ない例もまだまだ多いのが現状です。