<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>tver-techblog</author_name>
  <author_url>https://blog.hatena.ne.jp/tver-techblog/</author_url>
  <blog_title>TVer Tech Blog</blog_title>
  <blog_url>https://techblog.tver.co.jp/</blog_url>
  <categories>
    <anon>データ分析</anon>
    <anon>広告</anon>
    <anon>機械学習</anon>
    <anon>分析</anon>
  </categories>
  <description>こんにちは。TVerで広告周りのデータサイエンティストをしている土田です。 テレビCMやストリーミング広告の効果を予測する際、「グロスリーチ（延べ接触人数）」と「ユニークリーチ（実接触人数）」の関係を理解することは非常に重要です。今回は、書籍「ビジネス課題を解決する技術 〜 数理モデルの力を引き出す3ステップフレームワーク」で紹介されている負の二項分布モデルによるリーチカーブ予測を実際のTVer広告データに適用してうまくいかなかった話と、理論通りにいかなかった原因を突き止め、劇的な改善に至った経緯をご紹介します。 背景：リーチカーブとは？ 広告配信において、「何人のユーザーに広告を届けられるか…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftechblog.tver.co.jp%2Fentry%2Ftsuchida%2Freach-curve&quot; title=&quot;負の二項分布でストリーミング広告のリーチを予測してみた - 書籍の理論が通用しなかった原因とその解決 - TVer Tech Blog&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/t/tver-techblog/20251110/20251110015241.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2025-11-20 10:00:00</published>
  <title>負の二項分布でストリーミング広告のリーチを予測してみた - 書籍の理論が通用しなかった原因とその解決</title>
  <type>rich</type>
  <url>https://techblog.tver.co.jp/entry/tsuchida/reach-curve</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
