ストラテジーの探し方

バイナリチームという手法で稼ぐ方法とは

バイナリチームという手法で稼ぐ方法とは
MLOps は、機械学習、アプリケーション開発、IT 運用を組み合わせます。出典: Neal Analytics

インプレッションとは何か?意味や増やし方、マーケティングでの評価方法まで解説!

ただし、メディアによっては定義が異なります。
たとえば、世界で最もユーザー数が多いSNSのFacebook は、タイムラインに広告全体が表示されてはじめて1インプレッションとなります。一方、検索エンジンのYahoo! では、ページを開いたときに広告が一部でも表示されれば1インプレッションとなります。Yahoo! は独自の指標も設けており、広告の面積の50%以上が1秒以上画面に表示された場合のインプレッションを「ビューインプレッション」と表現しています。

CTAバナー_広告に関する言葉の違い、今こそすっきり整理しましょう!.jpg

インプレッションの増やし方

1.広告予算の増額

広告宣伝費/インプレッション単価=インプレッション数

  1. 既に広告を掲載しているメディアの広告予算を増やす
  2. 新たなメディアに広告を掲載する

2.検索ワードを絞る

たとえば、東京都でスポーツ自転車を専門に販売を行っているA社がリスティング広告を掲載する際、どのような検索ワードを広告に設定すべきでしょうか。
もし閲覧者が「自転車」というワードだけで検索したときにA社の広告が掲示されるように設定した場合、「自転車」の広告を掲載する会社は他にもたくさんあるため、高額な広告費用を払わないとインプレッション数の増加は期待できません。また、「自転車」と検索してその広告を見た人が、実は北海道在住で家庭用自転車を買いたいとしたら、都内にあるA社の 掲示された バイナリチームという手法で稼ぐ方法とは バイナリチームという手法で稼ぐ方法とは 広告の効果も高くないでしょう。

では、「自転車 スポーツ車 都内」というように複数の検索ワードを広告に設定するとどうなるでしょうか。さきほどの「自転車」だけの設定よりも複雑な検索ワード設定ですので、競合する会社は少なく、同じ広告費でより多くのインプレッション数を稼ぐことができます。また、A社の広告製品により興味をもちそうな人にターゲットを絞って広告が発信されるため、広告効果も高いと言えます。

imp-3.png

3.入札単価を調整する

〈クリック単価と広告掲載率の例〉

imp-4.png

A自転車販売会社の例で考えていきましょう。A社は広告の検索ワードとして「自転車 スポーツ車 都内」、「自転車 都内 店舗」、「スポーツ車 専門店 都内」の3つ(3組)を設定したとします。1カ月後に「自転車 スポーツ車 都内」という検索ワードが3組のうちでインプレッション数を一番稼いでいた場合、今後もその検索ワードが一番インプレッション数を稼ぐことが期待できます。この場合には、他の検索ワードに支払うクリック単価を下げ、人気のある(インプレッション数を一番稼ぐ)検索ワードにより高いクリック単価を設定した方が効率的ですよね。

インプレッションの評価方法

1インプレッションがもたらす効果は、広告が掲載されるメディアによって左右されます。
たとえば、若年層の利用者が多い Instagram(インスタグラム)に 広告を 掲載してインプレッション数を稼ぐことができたとしても、その広告が中高年をターゲットにした商材の広告である場合には、ターゲットと広告を見たユーザー層がずれているため期待する効果は得にくいです。中高年の利用が想定される日本経済新聞の電子版に掲載した広告のインプレッションの方が効果は高いといえそうです。

・クリック率(CTR)とコンバージョン率(CVR)

クリック率(CTR:Click Through Rate)はインプレッション数に対してどれくらいの割合のクリック数があるか、コンバージョン率(CVR:Conversion Rate)はインプレッション数に対してどれくらいの割合でコンバージョン(購入や申し込みなど、ウェブサイトで得られる最終成果)を獲得しているかを示す指標です。

imp-5.png

・フリークエンシー

フリークエンシー(frequency)は直訳すると「頻度」。ここでは広告が1ユーザー画面に何回表示されるかを意味します。
フリークエンシーが高い=広告の表示頻度が高いことは、ユーザーは何度もその広告を見ることで商品を記憶、認識していくため、高い広告期待効果を示します。
ただし実は、フリークエンシーは高すぎても問題があるのです。
テレビを見ているとき、1つの番組で何度も同じCMが流れて、「またこのCMか……」と感じた経験ありませんか? インターネット広告でも同様で、ユーザーは何度も同じ広告を見るとその広告に飽き、むしろ印象が悪くなる傾向があります。いくらインプレッション数が高くても、フリークエンシーが高すぎることでイメージダウンにつながっていたらインプレッションの評価は低いといえるでしょう。

・ビュースルーCV

ビュースルーCVとは、あるユーザーが広告を見たときにはクリックしなかったが、その後なんらかの形でその広告のコンバージョン(たとえば、クリック後のページを閲覧)に至った回数を表します。
広告のインプレッションは、その広告を見てクリックしたかしないかだけでは判断できません。その広告がユーザーに強い印象を与えていたとしたら、その時点でクリックしていなくてもインプレッションの評価は高いはずです。
ビュースルーCVは広告がユーザーに与えた間接的な効果を測ることができ、広告の1インプレッションの価値を評価する指標の一つです。

さらに、 イノーバでは、 クライアント様の「集客」から「リード創出」「リード育成」のプロセスをサポートする、 伴走型マーケティング支援サービス を提供しております。 BtoBマーケティングに本格的に取り組みたいとお考えの方、 よろしければご覧ください。

NFTゲームとは何か?既存ゲームとの違いとおすすめ4選

“CRYPTOSPELLS(クリプトスペルズ)”


出典:CRYPTO バイナリチームという手法で稼ぐ方法とは SPELLS(クリプトスペルズ)公式サイト

ゲーム名:CRYPTO SPELLS(クリプトスペルズ)
開発会社:クリプトゲームス株式会社
公式サイトhttps://cryptospells.jp/

『CryptoSpells』はCoincheck NFT(β版)の取扱商品!

The Sandbox(ザ・サンドボックス)

“サンドボックス”


出典:The Sandbox

『The Sandbox』はCoincheck NFT(β版)の取扱商品!

My Crypto Heroes(マイクリプトヒーローズ)

“MyCryptoHeroes”


出典:『My Crypto Heroes(マイクリプトヒーローズ)』公式サイト

『My Crypto Heroes(マイクリプトヒーローズ)』は、NFTゲームの代表的な存在で、日本の会社が提供している人気のゲームです。

ゲーム名:My Crypto Heroes(マイクリプトヒーローズ)
開発会社:double jump.tokyo株式会社
公式サイト:https://www.mycryptoheroes.net/ja

CryptoKitties(クリプトキティーズ)

“CryptoKitties”


出典:CryptoKitties(クリプトキティーズ)公式サイト

KGI・KPIとは?具体的な設定方法と運用のポイント

このように、KGIもKPIも「目標の達成度合いを評価する指標」であるといえますが、評価する対象が異なるのです。KGIは最終目標の達成度合いを示すもの、KPIは目標達成のために行う活動の達成度合いを示すもので、構図としては「KGIの配下にKPIが連なる」という形になります。最上位に 最終ゴール 目標としてのKGIがあり、その目標の下位にいくつかのKPIが連なるような図をイメージしてもらうと分かりやすいでしょう。KGIの下に連なるKPIにも下位のKPIが繋がることがあり、この様子が木の枝のように見えることから「KPIツリー」とも呼ばれます。

図1.png

なぜKPIが重視されるのか?

図1.png

KGIやKPIを設定する意義

CTAバナー_Webマーケティングで必要なKPIの考え方.png

KGIからKPIへ落とし込む

では、KGIとKPIは具体的にどのように活用するのでしょう?KGIやKPIは、ツリーの上位から下位に向かって掘り下げるような形で設定していくのが一般的です。 また、 KPI を活用して進捗管理する運営手法を「 KPI マネジメント」といいます。

たとえば、今年の年間売上が5000万円、既存顧客数が5000人であったとすると、一顧客あたりの顧客単価は1万円という計算になります。最終目標は「売上高20%アップ」ですから、5000万円を6000万円に上げる必要がありますね。これを「新規顧客を増やす」という施策だけで達成する場合、「増額分:1000万円÷顧客単価:1万円=1000人」で、1000人の新規顧客を新たに獲得する必要があることがわかります。これが最終目標の「年間売上20%アップ」を達成するために行うべき施策の最上位に位置する目標となります。このような、最終目標を達成するためのキーとなる要因を「KFS(Key Factor for Success):主要成功要因」と呼びます。

ネットショップ製品の集客メディアのソースとしては広告、 SNS 、既存顧客からの紹介などが考えられ、こうした集客ソースからの来店者数を増やすことによって新規顧客を増やせる可能性があります。そこで、各集客ソースからの来店者数増加を下位の目標として定め、そのために必要な施策を更に検討します。たとえば広告経由での来店者数を増やすには、広告出稿の量を増やすか広告の質を高めるかのいずれかの施策が必要となるでしょう。

このように段階ごとの目標達成に必要な課題・要素を掘り下げて、前述の KPI ツリーを作成していきます。

図2.png

KPIの評価と軌道修正

また、前出の例では新規顧客獲得す卯増加のための施策として集客数の増加を挙げましたが、実際にはネットショップの売上高アップを支える要因は一つではありません。ネットショップの場合、サイトへの集客数と新規顧客獲得数の関係はイコールとはなりません。サイトを訪問した人のうち実際に購入に至った人だけが顧客となるためです。訪問者の総数中、購入に至った人が占める割合を転換率と呼びますが、この転換率も顧客数増加のための重要な要因となります。従って、「新規顧客を 1000 人増やす」という目標の配下には、「集客数増加」と「転換率向上」の二つの施策が並ぶ場合もあるわけです(というより、むしろそのようなケースの方が多いと言えるでしょう)。そのどちらにより力を入れていくべきかは、その時々のデータ状況を見て柔軟に判断していく必要があります。

MLOps とは何か?

機械学習オペレーション「MLOps」は、拡大を続ける種々のソフトウェア製品やクラウド サービスを活用して企業が AI 運用を成功させるためのベスト プラクティス

MLOps と聞くと毛むくじゃらの一つ目モンスターの名前のように思われるかもしれませんが、実はエンタープライズ AI の成功を意味する頭字語です。

機械学習オペレーション (machine learning operations) の短縮表現である MLOps は、企業が AI 運用を成功させるのに使える一連のベスト プラクティスです。

MLOps は比較的新しい分野ですが、それは AI の商用利用自体がかなり新しいからであると言えます。

MLOps: エンタープライズ AI を主流に押し上げる

AI のビッグバン が鳴り響いたのは 2012 年、ある研究者がディープラーニングを使って画像認識のコンテストで優勝したときでした。その波紋は急速に広がりました。

現在、AI は Web ページを翻訳し、カスタマー バイナリチームという手法で稼ぐ方法とは サービスへの電話を自動的に転送します。また、病院が X 線を読み取り、銀行が信用リスクを計算し、小売業者が在庫を補充して販売を最適化する支援をしています。

つまり、AI という幅広い分野の一部である機械学習は、ソフトウェア アプリケーションと同じくらい主流になろうとしているのです。だからこそ、機械学習の運用プロセスは、IT システムの運用業務と同じくらい定型的なものにならなければなりません。

DevOps の上に重なる機械学習

MLOps は既存の規範である DevOps の上にモデル化されています。DevOps は、エンタープライズ バイナリチームという手法で稼ぐ方法とは アプリケーションを効率的に書き、展開し、運用するための最新プラクティスで、対立の絶えないソフトウェア開発者 (Devs) と IT 運用チーム (Ops) の共同作業を可能にする方法として 10 年前に始まりました。

MLOps ではそのチームに、データセットをキュレートし、それを分析する バイナリチームという手法で稼ぐ方法とは AI モデルを構築するデータ サイエンティストが加わります。また、これらのモデルによるデータセット運用を、統制が取れ自動化された手法で行う機械学習エンジニアも含まれます。

MLOps は、機械学習、アプリケーション開発、IT 運用を組み合わせます。出典: Neal Analytics

そのため MLOps には、企業の成長とともに規模を変えられる強力な AI インフラストラクチャが必要です。その基盤として、多くの企業が NVIDIA DGX システムや、NVIDIA のソフトウェア ハブである NGC で入手できるCUDA-X、その他のソフトウェア コンポーネントを使用しています。

データ サイエンティストのためのライフサイクル追跡

AI インフラストラクチャが整備されていれば、企業のデータ センターは MLOps ソフトウェア スタックの以下の要素を階層化できます。

  • データ ソースとそこから作られたデータセット
  • 履歴と属性がタグ付けされた AI モデルのリポジトリ
  • データセット、モデル、実験を、そのライフサイクルを通じて管理する、自動化された機械学習パイプライン
  • これらのジョブの実行を簡略化するためのソフトウェア コンテナー (通常は Kubernetes をベースとする)

データ サイエンティストには、外部ソースと内部のデータ レイクからのデータセットを切り貼りする自由が必要です。それでいて、その仕事とデータセットは注意深くラベル付けされ、追跡される必要があります。

現在、これらの機能はクラウドコンピューティング サービスの一部として利用できるようになってきました。機械学習を戦略的に重視する企業は、増え続けるベンダーが提供する MLOps サービスまたはツールを使って、独自の AI センター オブ エクセレンスを創設しています。

Gartner による機械学習パイプラインの考え方

大規模なプロダクションにおけるデータ サイエンス

NVIDIA の AI インフラストラクチャ ディレクターであるニコラス コムチャツキー (Nicolas Koumchatzky) は次のように述べています。「可能なかぎりオープンソース コードを使おうとしましたが、多くの場合、私たちが大規模にやりたいと思っていることを実現するソリューションはありませんでした。

初めて MLOps という言葉を聞いたとき、まさに私たちがいま作っているものであり、私が以前 Twitter で構築していたものであると気づきました」

コムチャツキーのチームは NVIDIA で、NVIDIA DRIVE (自動運転車の製作とテストのためのプラットフォーム) をホストする MLOps ソフトウェアである MagLev を開発しました。MLOps のための基盤の一部として、MagLev は NVIDIA Container バイナリチームという手法で稼ぐ方法とは バイナリチームという手法で稼ぐ方法とは Runtime と Apollo (大規模なクラスターで実行されている Kubernetes コンテナーを管理、監視するために NVIDIA が開発したコンポーネント群) を使用しています。

Kubernetes コンテナーを管理、監視するために NVIDIA が開発したコンポーネント群) を使用しています。

NVIDIA で MLOps のための基盤を築く

コムチャツキーのチームは、DGX POD という GPU クラスターをベースにした NVIDIA の社内 AI インフラストラクチャ上でジョブを実行しています。ジョブを開始する前に、インフラストラクチャの担当者は自分たちがベスト プラクティスを用いているかどうかを確認します。

NVIDIA のマイケル ヒューストン (バイナリチームという手法で稼ぐ方法とは Michael Houston) は次のように述べています。まず、「すべてをコンテナーの中で実行する必要があります。そうすることで、AI アプリケーションに必要なライブラリやランタイムを後になって探し回るという途方もない苦労をせずに済みます」。ヒューストンのチームは、米国でトップクラスの強力な産業コンピューターに最近ランクインした Selene (バイナリチームという手法で稼ぐ方法とは DGX SuperPOD のひとつ) を含む、NVIDIA の AI システムを構築しています。

  • コンテナーの起動は承認済みの手順で行う
  • ジョブが複数の GPU ノードにまたがって実行可能であることを確認する
  • 潜在的なボトルネックを特定するためにパフォーマンス データを確認する
  • ソフトウェアがデバッグ済みであることを確実にするためにプロファイル データを確認する

Neal Analytics で 1 年前に MLOps のコンサルティング業務を始め、MLOps の定義を述べる記事を書いたデータ サイエンティストのエドウィン ウェブスター (Edwin Webster) 氏によれば、今日のビジネスにおいて、MLOps プラクティスの成熟度は大きく異なるといいます。データ サイエンティストがいまだに個人のノート PC にモデルを保管している企業もあれば、全部入りのサービスを求めて大手のクラウドサービス プロバイダーに頼る企業もあるといいます。

MLOps の成功事例 2 つ

ウェブスター氏はクライアントの成功事例を 2 つ紹介してくれました。

1 つは大手の小売業者で、パブリック クラウド サービスの MLOps 機能を使って AI サービスを構築し、生鮮食料品をいつ在庫補充すべきかを毎日予測することによって、廃棄物を 8~9% 削減しました。小売業者の新進のデータ サイエンティスト チームがデータセットを作り、モデルを構築すると、クラウド サービスが主要な要素をコンテナーに詰め込み、AI ジョブを実行、管理しました。

もう 1 つは PC メーカーで、AI を使ったソフトウェアを開発し、自社製ノート PC のメンテナンスが必要になる時期を予測して、自動的にソフトウェア更新プログラムをインストールできるようにしました。この OEM メーカーは、定評ある MLOps バイナリチームという手法で稼ぐ方法とは バイナリチームという手法で稼ぐ方法とは プラクティスと社内のスペシャリストを活用して、3,000 台のノート PC で AI モデルを作成し、テストしました。現在では、最大の顧客に対してこのソフトウェアを提供しています。

Gartner でこの分野の動向を追っているシニア プリンシパル アナリストのシュバンギ バシスト (Shubhangi Vashisth) 氏は、Fortune 100 に含まれる企業の多くが、すべてとは言わないまでも、MLOps を採用していると述べています。「この流れは勢いを増していますが、まだ主流ではありません」

バシスト氏は共同執筆したホワイト ペーパーで、MLOps を始めるための 3 ステップをわかりやすく説明しています。それらは、ステークホルダーを目標に合わせて方向づける、誰が何の責任を持つかを明確にする組織体制を作る、その上で責任と役割を定義するというもので、Gartner は 10 以上の責任や役割を挙げています。

Gartner は、MLOps 全体のプロセスを機械学習開発ライフサイクル (MLDLC: machine learning development lifecycle) バイナリチームという手法で稼ぐ方法とは と呼んでいます。

AIOps、DLOps、DataOps などのバズワードにご用心

それに対して AIOps は、IT 部門の自動化のために機械学習を使うという、もっと狭いプラクティスです。AIOps バイナリチームという手法で稼ぐ方法とは の一部に、IT 運用分析、または ITOA (IT operations analytics) があります。このジョブでは、AIOps が生成するデータを調べて、IT 業務を改善するにはどうすればよいかを導き出します。

同じように、データセットと AI モデルを作成し管理する人やプロセスを表すために、それぞれ DataOps と ModelOps という言葉が考案されました。この 2 つは、MLOps というパズル全体の一部を成す重要なピースです。

興味深いことに、毎月何千人もの人々が DLOps の意味を検索しています。DLOps はディープラーニングのための IT 運用であると思われているのかもしれません。しかし、ディープラーニングは機械学習というもっと幅広い分野の一部であるため、業界では DLOps ではなく MLOps という言葉が用いられています。

検索は多くても、オンラインで DLOps についての情報を見つけるのは難しいでしょう。それに対し、おなじみの Google や Microsoft、新進気鋭の Iguazio や Paperspace などの企業は、MLOps について詳細なホワイトペーパーを掲載しています。

MLOps: 拡大を続ける種々のソフトウェアとサービス

Alibaba、AWS、Oracle などの主要なクラウドサービス プロバイダーは、キーボードからアクセス可能なエンドツーエンドのサービスを提供しています。

作業を複数のクラウドに分散しているユーザーのために、DataBricks の MLFlow が、複数のプロバイダーと、Python、R、SQL などの複数のプログラミング言語で動作する MLOps サービスをサポートしています。他にも、クラウドにとらわれない選択肢として、Polyaxon や KubeFlow などのオープン ソース ソフトウェアがあります。

戦略的なリソースである AI をファイアウォールの後ろで利用したいと考える企業は、ますます増えているサード パーティー製の MLOps ソフトウェアから選ぶことができます。オープンソース コードと比べると、これらのツールには一般的に有益な機能が追加されており、より簡単に使い始められます。

NVIDIA はその中から 6 社の製品を DGX-Ready ソフトウェア プログラムの一部に認定しました。

ベンダー 6 社はデータセットとモデルの管理ソフトウェアを提供しており、そのすべてで バイナリチームという手法で稼ぐ方法とは Kubernetes や NGC との連携が可能です。

既製の MLOps ソフトウェアはまだ始まったばかりです。

アナリストのバシスト氏によれば、Gartner は、ModelOp や ParallelM (現在は DataRobot の一部) など 10 あまりのベンダーが MLOps ツールを提供していることを確認しています。プロセス全体が対象とはなっていない製品やサービスには注意が必要だと同氏は述べます。その場合、ユーザーがプログラム間でのデータのインポートとエクスポートを行い、自らつなぎ合わせなければならず、これらは面倒でエラーが発生しやすいプロセスです。

ネットワークのエッジ、特に部分的に接続されているノードや接続されていないノードは、現在の MLOps のサービスが十分に行き届いていない領域であると Neal Analytics のウェブスター氏は述べています。

「データセットのラベル付け、マージ、スライスや、部分的な閲覧は難しいかもしれませんが、それに取り組む MLOps のエコシステムは拡大しつつあります。NVIDIA はこれらを社内で開発してきましたが、業界ではまだ過小評価されていると思います」

長期的には、MLOps にも IDE バイナリチームという手法で稼ぐ方法とは に相当するもの、たとえばアプリ開発者が頼る Microsoft Visual Studio のような統合ソフトウェア開発環境にあたるものが必要となります。それまでの間、コムチャツキーとそのチームは、AI モデルを可視化しデバッグするツールを自分たちで作ります。

NVIDIA はパートナーのソフトウェアに加え、DGX システムをベースとした AI インフラストラクチャを管理するための、主にオープンソースのツール群を提供しています。そして、それが MLOps の基盤となっています。これらのソフトウェア ツールには以下のようなものがあります。

  • 個々のシステムをプロビジョニングするための Foreman と バイナリチームという手法で稼ぐ方法とは MAAS (Metal as a Service)
  • クラスターの構成管理のための Ansible と Git
  • 監視とレポート作成のための Data Center GPU Manager (DCGM) と NVIDIA System Management (NVSM)
  • GPU に応じたコンテナーを起動するための NVIDIA Container Runtime バイナリチームという手法で稼ぐ方法とは と、Kubernetes での GPU 管理を簡略化するための NVIDIA GPU Operator
  • AI モデルをプロダクションで展開するための Triton Inference Server と TensorRT
  • 上記の要素をすべて展開しオーケストレートする方法に関するスクリプトと指示のための DeepOps

これらの多くは バイナリチームという手法で稼ぐ方法とは NGC や他のオープンソース リポジトリから入手可能です。これらの材料を成功へのレシピに整えて、NVIDIA は DGX POD バイナリチームという手法で稼ぐ方法とは という GPU クラスターを作るためのリファレンス アーキテクチャを提供しています。

最終的には、それぞれのチームが自らのユースケースに最も適した MLOps 製品とプラクティスの組み合わせを見つける必要があります。企業がデジタル ライフの日常の一部として、スムーズに AI を運用するために自動化された手法を作るというゴールを、みなが共有しています。

みんな知ってるホワイトボックステスト、ブラックボックステスト。でもグレーボックステストとは…?

みんな知ってるホワイトボックステスト、ブラックボックステスト。でもグレーボックステストとは…?

ホワイトボックステストとは、システム内部の構造を理解した上で、それらが意図した通りに動作しているかを確認するテスト方法です。
内部構造を理解していることが必要なので、主に開発者が行います。また、作成したテストケースが十分なものか評価するために、コードのカバレッジ(網羅率)を計測する場合もあります。
(カバレッジについては、「カバレッジを始めよう!#1 ~カバレッジって何?~」などの記事を参考にしてください。)

ブラックボックステスト

ブラックボックステストとは、システム内部の構造を考慮することなく、外部から見た仕様を検証するテスト方法です。 バイナリチームという手法で稼ぐ方法とは
内部構造には着目しないので、開発者ではない第三者がテストを行えます。また、第三者がテストを行うことにより、機能面などに関して客観的なテストを行うことができます。
テストケースの作成方法として、代表的なものに「同値分割法」「限界値分析法」といった手法があります。

グレーボックテスト

グレーボックステストは、内部構造を把握したうえで、外部からの仕様に基づきテストを行います。
”ホワイト”ボックステストと、”ブラック”ボックステストの中間にあたるテスト技法なので、”グレー”ボックステストといいます。
外部からの仕様や機能の観点からテストを行う点で、ホワイトボックステストとは違います。また、基本的なコンポーネントがどう動作するかを考慮する点で、ブラックボックステストとも違います。
内部の動きを把握できれば、 外部からより適切に狙いをつけてテストができるという考えのテスト手法です。

関連記事

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

コメント

コメントする

目次
閉じる