titaniumワークショップ@慶應sfc 第一回
DESCRIPTION
TRANSCRIPT
Titanium ワークショップ @ 慶應SFC
第一回山田 育矢
株式会社 Studio Ousia慶應義塾大学政策・メディア研究科
自己紹介
中学の頃からプログラマー・オンラインソフトウェア作者として活動。Windows 環境改善ツールなどを開発し、 NIFTY Serve や Vector 等を通じて、シェアウエアとして公開。
高校在籍時に、当時、世界最大規模の Web サイトコンテスト「 ThinkQuest（現： Oracle ThinkQuest) 」に参加。国内大会で最優秀賞、国際大会では日本人チームとして唯一銀賞を受賞。
慶應 SFC 入学と同時に、学生ベンチャー企業である株式会社ニューロンを起業。IPA 未踏ソフトウェア創造事業、次世代ソフトウェア開発事業に３カ年連続で採択、 P ２ P 通信のミドルウェア「 NAT Traversal SDK 」を開発、製品化。
株式会社フラクタリストにニューロンを売却し、取締役就任。ニューロンでの開発成果を家電メーカー等を中心に事業展開し、導入。同社の上場を前に退社。
株式会社 Studio Ousia を創業。慶應義塾大学 政策・メディア研究科後期博士課程入学。現在に至る。
分かりやすくて面白い、ヒットしそうなアプリの企画を一つ考えて作る！
第一回目：環境のセットアップ / キーワードなうの話
第二回目： Titanium 基礎 / アプリの企画発表・ディスカッション - 1
第三回目：アプリの企画・ PR の話 / アプリの企画発表・ディスカッション - 2
第四回目：アプリ開発成果の発表
ワークショップのスケジュール（仮）
Titanium Mobile で開発するiPhone/Android アプリ 開発の本
iPhone & iPad Apps Marketing マーケティングの本
参考にする本
環境のセットアップ
Titanium Studio のインストール
http://www.appcelerator.com/products/titanium-studio/
XCode インストール（ iPhone ）
Xcode を Mac App Store からインストール。
JDK のインストール（ Android ）
キーワードなうの話
ネットで話題のキーワードをランキングする iPhone/iPad アプリ。 ネットで話題になっている芸能人や政治家、映画、テレビ等、あ
らゆるニュースのキーワードをリアルタイムに知ることができる。
キーワードなう
コンセプト
新聞を時間をかけて読まなくても、短時間に、リアルタイムな話題・ニュースをスマートフォンで収集できるようにする。
話題やニュースに関する詳しい情報を簡単に調べられる。
iPhone アプリサイドは、 Titanium で３日で実装し、公開。 サーバサイドは Python/MySQL で Linode 上に実装。
ランキング単体のページビューは７０〜８０万 PV/月程度、広告（ Admob ）の PV は１５００万 PV/月程度（１２秒ローテション）。
約４万件程度のダウンロード。 公開当初はニュースカテゴリ内で上位をキープ。
先週、英語・中国語・ロシア語・フランス語・ドイツ語・イタリア語にローカライズし、公開。
アプリの概要
iPhone アプリを試しに作ってみたかった。 会社の正規プロダクトの前に練習の意味合いも兼ね
て開発した。
精度のよさそうなデータ集計方法を見つけた。
開発のモチベーション
仕組み
毎時間、サーバサイドで Wikipedia に登録されているキーワードを対象として、 Web 上に公開されているデータのクローリング処理を行い、ランキングを生成。
検索エンジン等が公開している既存の集計済みデータではなく、 Wikipedia アクセスデータ等を独自に集計し、ランキング生成を行っている。
サーバ側でランキングの JSON データを生成し、アプリ側に配信。
ランキング生成のコードは、現状、一週間に数回程度、目視で確認を行いながら、生成ルールの調整を行っている。
マニアックな単語や知らない単語、初出の単語が顕著にクリックされる
ミートアイや AppFun! 、 iPhone女史、 FreeAppNowなど、いくつかのメディアがかなり好意的に取り上げてくれたこと。
iTunes の人気作品に公開以来、ほぼずっと掲載いただいていること。
アプリへの導線が比較的、常に確保されていたため、カテゴリのランキングで上位になり、 DL が伸びやすかった。
運が良かったこと
メディア掲載・ランキング
CNET Japan
Internet Watch ニュースカテゴリランキング２位
Learning to Rank(SVM Ranking を予定）を用いて、機械学習ベースのランキングにすることで精度を飛躍的に向上させる。 SVM Ranking:
http://www.cs.cornell.edu/people/tj/svm_light/svm_rank.html
ユーザのクリックデータを使って、新しいアプリを作る。
今後やりたいこと