【レポート】CUS-30:「新聞・出版」からソーシャル配信とマネタイズ、2 つの事例をリレー形式でご紹介! #AWSSummit

2020.10.15

こんにちは、CX事業本部の夏目です。

今回はAWS Summit Onlineのオンデマンドセッション 「CUS-30:「新聞・出版」からソーシャル配信とマネタイズ、2 つの事例をリレー形式でご紹介!」 についてのセッションレポート(文字起こし)になります。

タイトル

  • 本セッションでは、株式会社毎日新聞社 森様、株式会社日本経済新聞社 高松様より、新聞出版からソーシャル配信とマネタイズ、二つの事例をリレー形式でご紹介いただきます。

毎日新聞社の事例

導入

  • 株式会社毎日新聞社デジタルメディア局の森と申します。

タイトル

  • 「ニュースサイトの写真加工をAIで自動化 - Amazon Rekognitionを使ったリサイズ・切り抜き画像の作り方 -」ということを、今日は話そうと思います。

アジェンダ

  • まずアジェンダです。
  • まず新聞社、毎日新聞社のデジタルメディア局というところではどのような仕事をしているかというところをお話させていただきます。
  • 続きまして、ニュースと写真、非常に大きな関係がありますんでそこをご説明できればなと思います。
  • その後に、これまでの写真のリサイズ、切り抜き方法。
  • その後に Amazon Rekognitionを導入した後の写真のリサイズ、切り抜き方法、最後に導入効果というところでお話をさせていただければと思います。

自己紹介

  • 簡単に自己紹介です。
  • 株式会社毎日新聞社のデジタルメディア局というところでチーフエンジニアをさせていただいてます森雄司と申します。
  • 担当はですね、開発のマネジメントからプログラムの開発まで、さらにはシステムの運用まで一連の動作をさせていただいてます。
  • 好きな AWS サービスがですね、 SQSとLambdaですとか、サーバーですとか、 マネージドサービス全般となってます。

  • 毎日新聞社のデジタルメディア局の仕事について、まずはご説明させていただきます。
  • まずメインとしては、ニュースサイトの運営、デジタル毎日というところでWEBサイト、スマートフォン向けにニュースを提供してます。
  • その中で、サブスクリプションビジネスや広告ビジネスで収益を得たり、ソーシャルネットワークとの連携、ニュースメールの配信に集客をしております。
  • もう一つ、法人向けニュースの提供というのも行っております。
  • 大手ポータルサイトですとか、キュレーションアプリ、通信キャリアの有料サービス、街頭の大型ビジョンですとか電光掲示板、こういったものにもニュースを提供してます。
  • 様々なところに様々な形でニュースをデジタルで提供しているのが、デジタルメディア局の仕事となります。

ニュースと写真

  • そんな中で、ニュースと写真、非常にこれ重要な、といいますか、密接な関係があります。

  • ちょっとそこを説明させていただければと思います。
  • ニュース提供における写真のニーズというところで、まず先ほどのニュースサイトにおいてはですね、ニュースは写真がついてる方がよく読まれます。
  • ニュースの一覧ページでも、サムネイルは非常に重要になってきます。
  • さらにSNS投稿でも写真付きの記事の方がよく読まれます。
  • さらに写真特集というコンテンツがあるんですけど、非常に人気のコンテンツで PV も多く稼ぐようなコンテンツになってます。
  • 法人向けニュースに関しては、写真の付いてる記事だけが欲しいとか、ポータルサイトでは写真付きの記事の方がピックアップされやすいですとか、非常に写真というのはニュースにとって重要なファクターとなっているのが現状です。

  • ただし、写真の提供における懸案事項というのが非常に多くあります。
  • ここには三つほど挙げてますけれども、新聞社の中ではですね、1日にですね、2000枚から3000枚の写真素材がやりとりされてます。
  • 提供の速報性を重視しなければいけないという大きな使命もありますんで、この2000枚3000枚をすぐにでも提供しようとすると、手作業では到底対処ができない。
  • ウェブサイトやスマホアプリ、SNS 投稿では、特定のサイズで写真を表示する必要があります。
  • リサイズ/切り抜きという処理は必須になってくる。
  • さらにですね法人向けの提供においてはお客様が画像を加工することがですね、契約上できないんですね。
  • てことは、我々から弊社から適切な内容の写真を、内容と写真のサイズを提供する必要があると。
  • こうなってきますと、どうしてもシステムによるリサイズ、切り抜き、自動処理は必須になってきます。

これまでの写真のリサイズ・切り抜き方法

  • これまでの写真のリサイズ、切り抜き方法というところで、

  • これまでの写真のリサイズ方法っていうのはですね、一般的かもしれないんですけれども、長辺長い辺をですね、指定サイズにし、縮小してですね、短辺も同率で縮小していく。
  • これが基本的な縮小の方法じゃないかなというふうに思います。

  • もう一つですね、サイズをですね、固定しなければいけないっていう場合もあるんですね。
  • 縦横サイズ固定して提供しなければいけないという場合もあるんですけれども、こういった場合、報道写真にもよるんですけれども、上辺からやや下、真ん中からやや上、だいたいここにですね、重要な主人公となる人ですとか、物が写っていることが多いんで、こういったところを決め口で切り抜く。
  • そうなると、適当な位置を固定して切り抜くには若干限界が出てくるというのがこれまでの問題点です。

  • さらにですね、SNS側で写真を提供するとですね、SNS側での仕様でですね、勝手に切られるっていうことも結構あるんですね。
  • SNS はサイト誘導に非常に効果的なため、多くの情報をより迅速に発信してですね、サイトへの誘導を多くしたいんですけれども、フォロワーも多く、多くてですね、影響力が大きいので適切なサイズの画像生成っていうのがどうしても必要になってくるっていうような感じです。

  • で、そこで自動でこの切り抜きをやるにはどうしたらいいのかというところで、 Amazon Rekognitionの利用を検討しました。
  • 画像ごとに適切な切り抜き位置を算出したいんですね。
  • 開発リソースが足りないんで軽微の対応で解決したい。
  • 機能リリースの後も、運用のコストを抑えたい。
  • さらにですね金額的な面での低コストで運用したい、こういったところを何とかできないかということでAmazon Rekognitionの利用を検討し、検証したところこれでいけるんじゃないかということで、導入の方を行いました。

Amazon Rekognitionを利用した写真のリサイズ・切り抜き方法


  • Rekognitionを導入した後のシステム構成図なんですけれども、こんな形になります。
  • 編集者が CMS で画像を投稿したりですとか、新聞制作システムからくる、ここから大量のデータが来るんですけど、そういったデータを、まずデータベース Aurora、内はAuroraを使ってるんですけども、 Auroraの方に投入します。
  • 投入後にSQSを使って投入しましたよっていう情報を発信することで、 Lambda ファンクションがそれを検知しまして処理を行います。
  • ここでRekognitionができます。
  • Rekognitionに通して画像の情報解析してリサイズを行い、切り抜きを行い静的ファイルを S3に配置して、CloudFront経由でユーザー様に届けるというようなシステム構成図になってます。

  • 実際この Lambda ファンクションでどのようなロジックが動いてるかといいますと、大きく分けてこの三つ下の処理になります。
  • まずはRekognitionに通して解析をします。
  • ここがポイントなんですけども、なるべく大きな画像ですねRekognitionに通すのが非常に重要になってきます。
  • 大きい画像ほどより良い精度の高い解析をしてくれるというような感じになります。
  • その後に縮小して、最後に重要なものの切り抜きということを行います。
  • 切り抜きを行うんですけれども、だいたいこの三つのパターンで報道写真というのは成り立つというふうに思ってます。
  • 顔が写っていない場合、これをRekognitionで写っていないっていう情報も取れるんですね逆に言うと。
  • あとは一つ写っている複数人が写っているこの三つの場合で処理を分けることによって、だいたい切り抜きが出来上がると綺麗に切り抜けると、いうような感じになります。

  • その一つ一つ実際どのように軸を決めて切り抜いてるかといいますと、人が写っていない場合っていうのはだいたい真ん中にですね、主人公といいますか、大切なものが写ってますんで、写ってないというデータを取りに取れましたら、だいたい真ん中に焦点を当てて、真ん中を切り抜くというのが一つの処理です。

  • 次にですね、1つ写っている場合、これ1人なんで、写ってる人がだいたい主人公ですんで。
  • これはRekognitionで解析して、どこに映ってるかというわかったところを中心に切り抜いていく、というのが、これ王道の切り方といいますか、すごく我々としてもこれができることによって、いろいろ変な画像切り抜き画像を作るつくるられなくて作れないようになったのね非常に便利だなというふうに思っています。

  • もう一つ、複数人写ってる場合、これ結構難しかったりするんですけれども、Rekognitionって顔を撮ってきたときに解析をしたときに顔が大きい人ですとか、はっきり映ってる人ですとか、そういったこれは人物の顔ですよってわかったもの、顔っぽいものから順にですね、データを返してくれるというのがRekognitionの中にあります。
  • なんで、一番上に一番最初に返してくれたデータが大きな顔、真ん中に写ってるはっきり写っているっていう顔になりますんで、報道写真の場合はだいたいその方が主人公です。
  • その方の目の高さだと思ってるんですけれども、その高さの目のその方の目の高さが顔の位置をやはり検出して、そこから必要な大きさを切り抜いて切り抜くというような形で各処理を行っています。

導入効果

  • 最後にまとめとして、導入効果なんですけれども、

  • Rekognitionを使ったことによって先ほど言った問題となる画像、変な切り方をされる画像っていうのはほぼなくなりました。
  • 次にですね、 SMS のサムネイルも、意図通りの構図で表示されるような画像を作れることができるようになりました。
  • システムの開発はだいたい1週間程度です。
  • テストを1週間程度行いまして、計2週間程度で本番リリースをしたぐらいです。
  • 運用においてはマネージドサービスでほぼトラブルレスで運用が出来ております。
  • またですね、学習モデルもですね、AWSさんにお任せしてますんで、マネージドサービスですんでAWSさんの方で、日々進化さしていただいている。
  • だんだんあの、我々も使ってるうちに精度が高くなってきたなっていう感覚があったりします。

  • 最後に大きなのがコスト面です。
  • 日3000枚として、だいたい月9万枚の画像がやりとりされるんですけれども、そっから3サイズの画像を作ってます。
  • 約27万枚を生成してるんですけれども、Rekognitionは1枚に対して、先ほど言ったように処理をすればデータが返ってきますんで、そうしますと、27万枚作ったとしても、9万枚の値段で済むと。
  • 画像解析1枚あたり約0.1円ですので、細かい計算を皆さんにしていただくとして、月数万円で、我々はこういったものを導入できるようになっていると、非常にRekognitionを入れたことによって大きな効果を我々も受けることができております。
  • 以上です。
  • ご清聴ありがとうございました。

日本経済新聞社の事例

  • 初めまして、日本経済新聞社デジタル事業情報サービスユニットの高松と申します。
  • 本日は AWS Data Exchange を活用したメディア企業のデータビジネスと題打ちまして、弊社で Amazon Cloud を利用したデータビジネスの展開についてご紹介させていただければと思っております。
  • では早速ですが内容に入っていきたいと思います。

タイトル

  • 本日は「AWS Data Exchangeを活用したメディア企業のデータビジネス」と銘打ちまして、

アジェンダ

  • 三つに分けて説明をさせていただきたいと思っております。
  • まず簡単に、日経がその新聞社でありながらデータビジネスを行ってきたというお話と、今後 Amazon のData Exchangeを使ってどういうことをしていきたいと思っているか、またコンテンツをですね、どういったコンテンツを展開していきたいと思っているかという三つに分けてお話をさせていただければと思っております。

1. 日経のデータビジネス

  • 早速ですが日経のデータビジネスへ社名の通りですね、

  • 弊社は新聞を発行して利益を得るのが主業となっておりますが、50年以上前からですね、新聞だけではやはり限界があると、野球団も不動産を持っていない会社ですので、それではなくやはり新聞記事や新聞に掲載されるデータをどうやって販売していこうかと、新聞以外のチャネルで販売する事業をやってまいりました。
  • これから50年以上さかのぼるさかのぼる1970年にはですね、日系NEEDSといった経済データの配信サービス、あとはクイック端末でおなじみのQUICKの設立であったりとか、2010年に日経電子版を創刊いたしまして、多くのお客様にご利用いただいておりますが、これもですね、一つの新聞以外の新しいメディア新しいチャネルとしてのデータビジネスの一つでございました。

  • そういったデータビジネスという形で販売しているデータには、今ご覧いただいているように新聞記事、また数値データ以外にもですね、いろいろなデータがございます。
  • ただですねこれまでデータ、人が読むためのしてた新聞ですので当たり前なんですけれども、そういった知見を得るためのデータとして販売していたものなんですけれども、例えばですね弊社のデータ、データサービスとしてご利用いただいております日経テレコンでは1本の記事を見るのに、例えば新聞と同じ価値ですので、100円あたり200円だったり、チャージをいただくことになっております。
  • だいたい日経全体で年間20万本以上の記事が発行されておりますので、1年間分の記事をくださいとお客様にお問い合わせいただいてもですね平気で4億円とかいう値がついてしまうと、それですとやはり機械が読むデータとしては購入できない。
  • これを例えば活用できないというのが2018年から私共から自発的にというお客様からの問い合わせとして非常に事例が出てくるようになってまいりました。
  • それに伴いまして2018年から2017年にかけてデータの販売、データのその単独の販売ですね、機械が読むためのデータを購入しやすい価格で販売するというビジネスを細々と続けてまいりました。
  • この度ですね、それを一つのデータのチャンネルとしてAWS Data Exchangeを活用させていただくこととなってないとなった次第でございます。

2. AWS Data Exchangeの活用

  • AWS Data Exchangeの活用ということで、日経がどういう形で法人ビジネスを考えているかということをちょっとお話させてください。

  • そもそも私どもが目指しているデータビジネスというのは、社内にある各種のデータです、テレコンの中にある記事データもちろん株価である数値データとか、あとPOSデータなどいろいろなデータを外部から購入したり、共同で収集したりいろんな形でのデータベースを持っております。
  • それらのデータベースをですね真ん中にある日経 API というもので、ワンストップで取り出せるようにすると、それをですね、左側に並んでいる日経テレコンであったりとか、リスク&コンプライアンス、Vakye Search、POSEYESといった弊社の自社アプリケーションで、もちろん提供させていただいております。
  • それ以外にもですね、弊社との弊社の協力会社であるNOWCASTさんに対してデータをご提供したりとか、アスタミューゼさんと共同でレポートを執筆して、データとして販売したりとか、そういった直接データサービスとして提供することを将来像として目指しております。

  • 先ほど2018年ぐらいからですね、データの販売を生データの販売を続けてまいりましたとお伝えしましたけれども、これまでの課題としてですね、大きく分けて三つの課題がありました。
  • 例えばですね、10年分の株価を欲しいですとかそういったビジネスはもちろんあるんですけれども、10年分の記事Dataくださいとか言うと問い合わせはですね、実は今、海外がほぼ案件として先行しておりまして、だいたいお問い合わせで、それぐらいの規模のデータをご購入いただくっていうのは、海外のお客様です。
  • となってまいりますと、日本経済新聞社頭に2本ついてますし日本語の新聞社、やはり海外チャネルのですね、営業力というのが非常に不足しておりましてそれ大きな課題でした。
  • またですね皆様多分ご存知の通りこういったその海外での契約書類というものはですね一発で押印まで行くところってほとんどなくてですね、非常に煩雑な法的手続きであったりサンプルデータのご提供だけでもとてもとても時間がかかると、そういったコミュニケーションコストのですね増加というのは非常に大きな課題でございました。
  • この度ですね、私どもが AWS Data Exchangeを介してデータを販売することに対しての非常に大きなメリットと感じておりますのは、皆様ご存知の通りAWSのData ExchangeというのはAWSのクラウド上でですね、私共のようなそのデータ提供者とお客様データを利用した人たちをクラウド上で繋げてくれるサービスとなっております。
  • そうなってまいりますと、やはり今までチャネルとして非常に厳しい私どもの力不足として営業力がないというところに対して、 Amazon のクラウドの利用者に対して、リーチができる、世界中のお客様に販売チャネルを獲得できるというのは非常に大きな魅力でございました。
  • それ以外にもですね、下に三つ書かせていただきましたように、ProviderとBuyerの契約手続きがほぼ画面上で完結するやったりとか、あとセキュリティが担保されている、なんせクラウド経由でデータをやりとりすることができますので、請求代行もData Exchange上で実施することができるということで、非常に今回魅力的に映りました。
  • こういった経緯もございまして、実は私どものデータをこういったマーケットプレース的なところに出すのは初めてなんですけれども、社内的にも合意が取れましてこの度Data Exchang上でのサービス展開となった次第でございます。

3. AWS Data Exchangeでの提供コンテンツ

  • 次にですね、では何がData Exchange上で私どもが提供するのはどういったコンテンツを提供するのかというお話を二つさせてください。いくつかのコンテンツをご提供する予定しておりますがその中でやはり一番私どもとして自信をもっておすすめできるのが、新聞記事のデータでございます。

  • もともと新聞記事ですので、人が読むために人が誰が読んでも理解ができるように、非常にクリーンな形で整理されて書かれているというのは新聞記事として、当然のことだと思っております。
  • そういった大量のテキストデータを AI の学習用であったりとか、マイニングの分析用に活用するような需要が先ほどお伝えしましたように、2017年頃から、やはりその技術の発達とともにですね、発生してきておりました。
  • その度にやはりその2億円とか何か桁が違うような見積もりを出して非常に心苦しくてですね、そういった形のニーズに応えるべく、適切な価格でお出しできるようなラインナップ価格帯を準備させていただいております。

  • 具体的にどういったデータがあるんですかというお話あると思うんですけれども、今見ていただいておりますのは、記事という1本のデータに対してメタデータがだいたい300以上ついているんですけれども、これはもともと1980年頃から日経テレコンようにデータベースの使いやすいデータベースにするためにいろいろのメタデータを付与してきたんですけれども、それを近年ですね、データベースから生データとして提供するためにいくつかのデータを整備しております。
  • その中でお客様のご利用が多い代表的なものになります。
  • 上からはざっとお話させていただきますとユニーク ID がございまして、それが新聞のいつどの面に載ったのかと、何文字段落数がなん段落あってとか、もちろん見出しですね。
  • もちろん本文がございます。
  • 特筆すべきは下の三つのメタデータにご注目ください。
  • キーワードをですね、主題語として切り出しております。
  • これはただ単に単語を切り出しているのではなく、このテーマの主題を切り出すような形でちゃんと解析をした結果としてつけております。
  • それ以外にも日経が設定している分類語。
  • 例えばですねテーマは何なのかと統合なのか、合併なのか M & A なのかといった独自のですね、分類を準備しております。
  • 最後に東証コード、この記事の中で触れられた企業の東証コードなども一緒にご提供することができております。

  • 実際の事例についてですね、あの詳細にお話したいのは山々なんですけれども、あのデータをご購入いただきましたお客様の情報ですので、簡単に概略だけお話をさせていただければと思います。
  • 例えば保険会社様は時々記事データをご購入いただけます、チャンネルのお客様でございます。
  • 例えばですね、災害が起こったときに報道が幾つも集中して行われますけれども、その報道がですねどういった内容であったのかというのを、例えばその災害における工場の罹災状況とそこからの復活情報を出荷データと絡ませて分析なさったりとか、単純に報道の数の増減から災害とその復旧の速度を測定したりとか、そういった事例にお使いいただいているものが出ております。
  • IoT のですね、IoT 社会の実現に関するレポートというのを社内で作らなければいけないというお客様もいらっしゃいまして、例えばスクレイピングで得られた情報との比較のために、日経のデータをご購入いただいたという事例も出ております。
  • やはり一番多くですね古くから、ある例としましては株価の予測、これはかなり株価と記事の相関というのはやり尽くされたようにも私ども思っておりましたが、やはりFinTech技術のですね進化に伴い、必ず一定の期間で一定の問い合わせがあるような事例となっております。

  • ちょっと細かいお話をですね、できないのももったいないなと思いましたので、弊社社内の事例ではございますが一つちょっと細かいお話をさせていただきます。
  • 日経社内ではですね、記事のデータベースを構築しまして、例えばその報道の変調の可視化であったりとか、取り上げられるべき分野が取り上げられていないのではないかといったコミュニケーションを編集局取るために、こういったデータベース化を進めております。
  • 簡単にですねオープンソースのグラフDB であるNeo4jにですね、知能構造を構築し、知能構造がどういうものかといいますと、例えばその記事の階層ですね。

  • 取り上げられたのがどういった面のどういう記事で、どういう文章の中に取り上げられたのかみたいなものを保存したままですね、データベース化します。
  • 例えばこの DB で同じ記事の中で SDGs と課題という単語が協議しているというのがわかったとします。
  • これを時系列で追っていくことでですね、 SDGs の課題がどのように報道で変遷していったかというのを追ったりします。
  • こういった形をですねやはり編集局の方にご理解いただくために、ありふれた形でございますけども右下のようなグラフにですね、分析をした結果を見ていただいて、一緒にコミュニケーションを取りながらこういったお話をするなどの事例が出ております。

  • もう一つデータとしてご紹介させていただきたいのが、日経の独自データとしての POS データ、日経 POS 情報がございます。
  • 日経は1985年から新聞のために取材の一環として POS データを収集してまいりました。
  • マクロ経済的な視点でですね、一般消費から景気を語るための材料として収集をしておりました。
  • どのメーカーの商品どれだけ売れたかという実数値をですね、計算式をちゃんと公開の上公開しておりまして、ご提供しておりまして、2日ディレイという非常に早いスピードでご提供いたしております。

  • POS データあのもう、いわゆるそのポイントオブセールスの店頭で POS レジを通過したデータです。
  • これはサンプルとして今見ていただいておりますのは、例えば7月21日、グリコの朝食ヨーグルトが日経が収集している店舗の規模では3万9923件1日で売れましたと。
  • それの一番安い価格が50円、50円で売ってるところがあると、ある一方で、128円で売ってる店舗がありますねと言ったような情報をご提供することができます。
  • 特筆すべきはですね、こちらを経済データとして扱うために、江崎グリコ様の今回事例になりますが、いわゆるJANのGS1事業コード以外にも、東証コードを提供しているところがポイントかと思います。

  • 事例といたしましては、やはり自社のスーパーのですね、日経の市場 POS ということで、全国平均として自信を持っておお届けしている日本の平均的な消費を表すデータとしてご提供しておりますのでそういったギャップ分析、うちのスーパーは冷凍チャーハンの売り上げが非常に少ないんだけれど、どうなってるのかとか、そういったギャップ分析であるとか、食品メーカーさんの方では、その長期サイクルでフレーバーはですね、例えばイチゴ味が次流行るのかとか、今年は柑橘系が入るかもしれないみたいなことをおっしゃってましたけれども、柑橘系が流行るとか、そういったものは一定のサイクルがあるらしいんですけれどもそういったものを使っていただいたりとか、あとやはり近年増えているのがこちらFinTechの文脈での使われ方です。
  • 海外でですね日本株に投資している金融企業からの問い合わせがまたこのところ増えておりまして、日経もオルタナティブデータの一環として販売に力を入れている事例となっております。

  • こういった POS データのFinTech文脈、経済データとしての使われ方として事例のご紹介を二つ簡単にさせてください。
  • NOWCAST社と日経の共同事業として、日経 CPI NOWとFirm Sales Nowです。
  • 日経 CPI NOWは日本発の日時の物価指数ということで2013年に日経と東大が共同で開発したものです。
  • もとのデータとしてですね、日経の POS データを活用しております。
  • Firm Sales Nowはですね、スーパーの店頭での売り上げから、食品メーカーや日雑メーカーの業績を予測するようなサービスとなっております。

  • 日経CPINOWはおかげさまで、日銀総裁の会見であるとか日銀レポートにも取り上げていただいておりますが、こういった形でホームページ上で閲覧ができる有料のサービスとなっております。

  • 最後に、日経POS情報による企業業績の予測の話を簡単にさせていただきます。
  • こちら2018年の国内の食品会社の事例でございます。
  • こちらの食品会社のですね、売上予測、コンセンサスは+2.6%ということで発表がございました。
  • それ以降ですね、こちらの会社さんが発表なさった商品が非常にヒットしていることから、スーパー店頭での業績、売上が非常に好調であることが報告に上がっておりました、POS情報からわかってきましたと。
  • こちらのPOS情報の売上をもとにして算出しております、FirmSalesNowでは今季の売上は前年比+14.9%はかたいのではないか、と予測をしておりまして、そちらをお客様に提供しておりました。
  • 蓋を開けてみますと決算発表では前年比+16.6%、それによって株価が1000円以上上がるといった結果が出ておりますと。
  • こういった使い方がこのところ増えてきている事例になります。

  • 今お話ししましたような、データの情報であったりとかお問い合わせはこちらのホームページからも受け付けておりますし、ぜひAmazonのData Exchangeの方から日経をご検索いただいてお問い合わせいただけたらと思います。
  • nikkei-data@nex.nikkei.co.jpこちらからも私どもの方にお問い合わせいただければ、お問い合わせいただいた内容に対してご回答させていただけると思っております。

  • 本日は最後までご付き合いいただきまして、どうもありがとうございました。
  • 日本経済新聞社としての取り組みとして、なかなかこういったデータビジネスとというものは皆様のところのに情報なりインフォメーションがなかなか届かない中でですね、今回Amazonさまの方を活用させていただいきまして、データビジネスを国内外に広く宣伝するチャンスを頂いたと思いまして、今後このチャネルを使ってのデータ販売にも力をいれていきたいと思っております。
  • ぜひ今後ともご興味をもっていただけたようでしたら、アクセスいただけたらと思います。
  • 本日はご清聴ありがとうございました。