『Pythonで体験してわかるアルゴリズムとデータ構造』メモその2/選択ソートで値の交換をイメージする
『Pythonで体験してわかるアルゴリズムとデータ構造』を読みながらアルゴリズムについて勉強する。
- 作者: 西澤弘毅,森田光
- 出版社/メーカー: 近代科学社
- 発売日: 2018/06/30
- メディア: 単行本
- この商品を含むブログを見る
※第2章はループの話だったので割愛。
第3章 アルゴリズムを比べる方法
書籍中では選択ソートをベースに説明されている。
この章のゴールは 入力の内容によって計算回数の大小が変化する場合の数値の比較について説明できるようになる
選択ソートについて
配列された要素から、最大値やまたは最小値を探索し配列最後の要素と入れ替えをおこなうこと。最悪計算時間がO(n2)と遅いが、アルゴリズムが単純で実装が容易なため、しばしば用いられる。内部ソート。後述するように、安定ソートではない。
「比較回数」は、n(n-1)/2回。「交換回数」は、各ループで最大1回なので、全体では多くともn-1回。バブルソートと比較すると、「比較回数」は同じだが「交換回数」が少ないので、選択ソートの方が高速である。
選択ソートのイメージは以下。
比較回数がなぜn(n-1)/2回なのか
何回比較したのかをn(n-1)/2で算出するのだが、なぜそうしているのか。
1からNまでの和を算出するときと同様に解いていく。
今回は配列数10なので、10マス×10マスを用意する。
選択ソートのイメージと同じように色付けしていく。
(黄色：処理対象値・橙色：処理対象と比較するデータ・青色：確定値)
そのうえでこの図を見たときに、橙色と青色が同じマス数であることが分かる（当たり前だけど）
なので、単純に「縦×横÷2」の三角形を求める公式で出せば、回答が導き出せる。
わけじゃない。
その場合 10×10÷2=50 となるのだが、マスを数えてみると45なので、結果が違う。
その5の差が黄色の考慮になる。
値が合わないのは、50の中には処理対象のデータが存在するため。
そいつらは交換元のデータなので、省いてやる必要がある。
上の図で見た通り、1行に黄色ハイライトされているマスはひとつ。
今回10マスなので、実際に考えなければいけないのは9マス。
そのため、n(n-1)/2で算出する。
交換回数がなぜn-1回なのか
上の図の通り、10処理目は交換する対象が存在しないので、交換をする必要なく確定するので、nではなく、n-1となる。
実装
def selection_sort(array): n = len(array) for i in range(0, n-1): print("{}回目処理".format(str(i+1))) min = i print("処理対象：", array[min]) print("比較対象：", array[min+1:]) for j in range(i+1, n): if array[min] > array[j]: min = j tmp = array[min] print("移動する値：", tmp) # 処理対象値を入れ替える配列要素に移動 array[min], array[i] = array[i], tmp print("{}を{}番目に移動：{}".format(array[i], min+1, array)) print("{}を{}番目に移動し確定：{}".format(tmp, i, array)) print("") array = [1,2,3,4,5,3,2,1,3,0] print("処理前：", array) print("") selection_sort(array) print("処理後 ", array)
処理前： [1, 2, 3, 4, 5, 3, 2, 1, 3, 0] 1回目処理 処理対象： 1 比較対象： [2, 3, 4, 5, 3, 2, 1, 3, 0] 移動する値： 0 0を10番目に移動：[0, 2, 3, 4, 5, 3, 2, 1, 3, 1] 0を0番目に移動し確定：[0, 2, 3, 4, 5, 3, 2, 1, 3, 1] 2回目処理 処理対象： 2 比較対象： [3, 4, 5, 3, 2, 1, 3, 1] 移動する値： 1 1を8番目に移動：[0, 1, 3, 4, 5, 3, 2, 2, 3, 1] 1を1番目に移動し確定：[0, 1, 3, 4, 5, 3, 2, 2, 3, 1] 3回目処理 処理対象： 3 比較対象： [4, 5, 3, 2, 2, 3, 1] 移動する値： 1 1を10番目に移動：[0, 1, 1, 4, 5, 3, 2, 2, 3, 3] 1を2番目に移動し確定：[0, 1, 1, 4, 5, 3, 2, 2, 3, 3] 4回目処理 処理対象： 4 比較対象： [5, 3, 2, 2, 3, 3] 移動する値： 2 2を7番目に移動：[0, 1, 1, 2, 5, 3, 4, 2, 3, 3] 2を3番目に移動し確定：[0, 1, 1, 2, 5, 3, 4, 2, 3, 3] 5回目処理 処理対象： 5 比較対象： [3, 4, 2, 3, 3] 移動する値： 2 2を8番目に移動：[0, 1, 1, 2, 2, 3, 4, 5, 3, 3] 2を4番目に移動し確定：[0, 1, 1, 2, 2, 3, 4, 5, 3, 3] 6回目処理 処理対象： 3 比較対象： [4, 5, 3, 3] 移動する値： 3 3を6番目に移動：[0, 1, 1, 2, 2, 3, 4, 5, 3, 3] 3を5番目に移動し確定：[0, 1, 1, 2, 2, 3, 4, 5, 3, 3] 7回目処理 処理対象： 4 比較対象： [5, 3, 3] 移動する値： 3 3を9番目に移動：[0, 1, 1, 2, 2, 3, 3, 5, 4, 3] 3を6番目に移動し確定：[0, 1, 1, 2, 2, 3, 3, 5, 4, 3] 8回目処理 処理対象： 5 比較対象： [4, 3] 移動する値： 3 3を10番目に移動：[0, 1, 1, 2, 2, 3, 3, 3, 4, 5] 3を7番目に移動し確定：[0, 1, 1, 2, 2, 3, 3, 3, 4, 5] 9回目処理 処理対象： 4 比較対象： [5] 移動する値： 4 4を9番目に移動：[0, 1, 1, 2, 2, 3, 3, 3, 4, 5] 4を8番目に移動し確定：[0, 1, 1, 2, 2, 3, 3, 3, 4, 5] 処理後 [0, 1, 1, 2, 2, 3, 3, 3, 4, 5]
参考
『Pythonで体験してわかるアルゴリズムとデータ構造』メモその１/アルゴリズムはなぜ重要？
『Pythonで体験してわかるアルゴリズムとデータ構造』を読みながらアルゴリズムについて勉強する。
- 作者: 西澤弘毅,森田光
- 出版社/メーカー: 近代科学社
- 発売日: 2018/06/30
- メディア: 単行本
- この商品を含むブログを見る
第1章アルゴリズムはなぜ重要か
１．アルゴリズムとデータ構造とは
２．アルゴリズムを学ぶことはなぜ重要か
アルゴリズムとデータ構造とは
アルゴリズムとは
問題を解くための詳細な手順。詳細な手順とはあいまいさがないことでつまりはコンピュータが間違えないということ。
データ構造とは
データの格納方法とデータの操作方法
以下の条件を満たすプログラムを実装するとした場合、どのように実装するのか。
1 + 2 + …… + Nを出力する
パターン1
1からNまでを順番に足していく。
シンプルだが順番に足していく（ビッグオー記法だとO(n)になる）ため、Nの数が大きければ大きいほど時間がかかる。
パターン2
1からNまでの和を求める公式で計算する。
N(N+1)/2 で解くため、理論を知っていれば早く解ける可能性がある。
アルゴリズムを学ぶ重要性
パターン1とパターン2どちらが計算効率が高いのか。
ぱっと見る限り公式を使うパターン2のほうが速いように見えるが、パターン2は掛け算と割り算を使用している。
足し算と掛け算、割り算すべて処理時間が同じであればパターン2が速いと言えるが、足し算のほうが速い場合はパターン1のほうが速いと言える。
計算効率が高い＝単純に計算速度が高いだけではなく、計算速度よりも使用するメモリ容量が少ないのを優先されることもある。
使用していい命令が制限されている中でどのように効率よくアルゴリズムを設計するかが重要。
データ構造の重要性
データをどう格納するのか、データをどう操作するのかによってデータをどう格納するのかが異なる。
データをどう格納するのか
第3正規形までデータの形を整理すると、重複なしでデータが整頓されるのでデータ格納に使われるメモリ量が少なく済む可能性がある。
データをどう操作するのか
第3正規形まで整理すると、ぱっと見でデータ同士の結合を行って一つのデータにすることは難しい。
操作性を優先するのであれば、第3正規形までデータベースを分解する必要があるのか。
適切なデータ構造を決定できない場合、アルゴリズムが遅くなる＋メモリ領域が無駄になってしまう。
パターン1とパターン2どちらが速いのか
実際にパターン1とパターン2を10,000回実行した場合の実行時間を計測して、どちらが速いのか調査してみる。
# パターン1 import time start = time.time() n=0 for i in range(1,10001): n=n+i print(time.time() - start)
#パターン2 import time start = time.time() n=0 for i in range(1,10001): n=i*(i+1)/2 print(time.time() - start)
5回実行したが、俺の環境の問題か処理速度は実行するたびに違っていたので、正直どちらでもいいのかなーと。
不遇キャラこそ目立つときだ！アイカツ！アイドル総選挙中間発表から傾向を見る
『アイカツオンパレード！』開始を記念して、現在稼働中の「データカードダス アイカツフレンズ！かがやきのドレス」3弾でアイドル総選挙が開催中！
投票は1プレイごとに1回与えられていて、投票は筐体からではなくマイページにログインして行う形になる。
投票数1位のキャラクターは新しいプレミアムドレスのカードが収録される。
投票できるのは、以下の56人。
*1
その結果は10月上旬に発表されるんだけど
先週、中間発表でトップ20が公開。
この結果から、どういうキャラクターを投票する傾向があるのかを考えてみる。
人気キャラvsプレミアムドレス欲しいキャラ
このランキングを見る限り、「人気が高いキャラクター」と「アニメの登場回数のわりにプレミアムレアドレスに恵まれなかったキャラクター」というのが言えるのでは？
人気が高いキャラをどう確認するのかというので、『一番くじ アイカツ！』のアイドル総選挙結果と、アイカツオンパレード！宣伝動画の各キャラクター再生数ランキングの結果から推測する。
プレミアムレアドレスに恵まれなかったのかというのは、公式のカードリストのコーデ数から推測する。
なお『アイカツフレンズ！』のキャラクターは両方のランキングに含まれていないので、コーデ数だけで推測。
これを見ると、藤堂ユリカ様や星宮いちご、夏樹みくるなど、総選挙系上位陣、つまり人気の高いキャラクターが想定通りランクインされていることが分かる。
これらのキャラクターは、今後の総選挙でも安定して上位にいると思う。
ある程度の固定客が見込めるキャラクターだと言えるため、今後のグッズ展開などは見込めるのかなと思える。
このランキングではそれに混じるように、プレミアムレア欲しい枠として、トップ陣にいるキャラクターがいる。
ココや七倉小春、早乙女あこなどがそれにあたり、総選挙順位も高くないので、順位だけで見るとなぜいるのかわからないようなキャラクターになる。
キャラクターの作中の立場を考えると、欲しいと思うファンの気持ちが分かる。
ココは、作中での立場上そもそもアイカツカード自体が存在しない。
早乙女あこは『アイカツスターズ！』で第26代S4という四ツ星学園のトップ4におり、アニメ中でも出番が多いキャラクターにもかかわらず、「データカードダス アイカツスターズ！」ではプレミアムドレス・スタープレミアムドレス数が0。
「データカードダス アイカツフレンズ！」でようやく収録という、なかなかにかわいそうなキャラクターだったりする。
七倉小春も『アイカツスターズ！』の中盤以降のストーリーでは重要な役回りではあったが、物語上虹野ゆめのフォローに回っていることも多く、「データカードダス アイカツスターズ！」ではプレミアムドレス・スタープレミアムドレス数が0。
ただ、このランキングが難しいのは、藤堂ユリカ様や夏樹みくるのような、人気は高いけど実はプレミアムレア数も少ないのもいるということだと思う。
必ずしも人気キャラクターはプレミアムレアドレスも優遇されているわけではないということになるのと同時に、人気かつプレミアムレア不遇枠に、プレミアムレア不遇枠がランキング上で勝っていくのは非常に難しいということになる。
ただ、このプレミアムレア不遇枠が次のコンテンツの売上に貢献するひとつの材料になる可能性も十分あるのでは？と判断される可能性がある。
勝ち目ないとは思いつつも投票をしたほうが良いのかなーって思う。
次にランキングされた20人の属性の割合を見てみる。
最初に今回投票可能な56人の属性別キャラクター数は以下となっている。
これを見る限り、「アイカツ！あかりジェネレーション」のキュートとクールの数が少ないが、それ以外はシリーズ大体同じくらい人数いるということが分かる。
全体を見ても、クールのキャラクターが多いくらいで極端に多い少ないはないように思える。
じゃあ今回のトップ20にランキングしたキャラクターの属性別のキャラクター数も確認し見てみる。
56人に比べて、セクシー属性のキャラクター数が少し少ないか？と思える程度で大差ないように見える。
それぞれを円グラフ上でチェックしてみる。
ここを見てもトップ20はセクシー属性少ないかな？って思えるくらいでそんなに全体から大きくずれるような割合になっていない。
最後に
アイドル総選挙は9月17日(火)23:59まで開催しているので、是非データカードダス アイカツフレンズ！をプレイして、プレイした後は総選挙に1票をお願いします！投票するためのマイページはこちらになります。
俺も霧矢あおいを1位に持っていきたいので、できる範囲で投票頑張っていきます！
*1:ココは属性がいまいちわからないのでその他とした
分析結果に騙されないために『マーケティングリサーチとデータ分析の基本』を読んだ
マーケティング手法を知ってアイカツ！分析の幅を広げようということで、マーケティング関連書籍を読んでいる。
この本はマーケティングでも『デジタルマーケティングの教科書―５つの進化とフレームワーク』とはちょっと違い、マーケティング手法について詳細に記載されているわけではない。
どちらかというと、その前段の「分析の目的は何か」「どのように調査するのか」「調査手法を決めるときに気を付けること」など、手法よりも前段の話がメインとなる。
マーケティング手法を勉強したいというのではれば不向きだけど、この本を読むことで分析結果を見定めるためのヒントが書いてあると思う。
これを読むとサンプル数など統計の基礎的な考えと、数字でだまされないようにするにはという観点が身に着けられるのかなと。
よくネットに上がってくるような円グラフのパーセンテージとグラフ描画とか、本当に正しいのか判断するには乏しい情報をいかに見定めるかは知っておいて損はない。
- 作者: 中野崇
- 出版社/メーカー: すばる舎
- 発売日: 2018/04/08
- メディア: 単行本
- この商品を含むブログを見る
以下読んだ時のメモ。
目次
第１章 なぜ今、ビジネスにおけるデータ活用が必要なのか
第２章 リサーチ・データ分析の始めかた
第３章 よく活用されるインターネットリサーチとインタビュー調査
第４章 仮説思考の重要性
第５章 データを分析し、アクションにつなげる
第６章 マーケティングリサーチの最前線
データドリブンマーケティング
睡眠時間も図れるし自分の集中度合いすら計測できる今は、自分たちの生活すべてライフログとして習得可能になっているといって差し支えない。それらを自分たちが望む/望まないにかかわらず収集されて、分析、マーケティング施策の情報として使われている。
これがデータドリブンマーケティング。
これをやるためにはデータを蓄えていかないといけないし、データがあっても信頼性や妥当性が必要。
分析するために抑えるべき5つの観点
分析するには何を調査するのかを決めなければならない。俺がやっている分析であれば、「アイカツ！」シリーズのCD売上だったり。
それにあたって必ずやらなければならないのは、「仮説を考えること」。
仮説のない調査は失敗する。というかそもそもこれがないと、何を集めないといけないのかすらわからない。
分析するために抑えるべき5つの観点
①分析目的
②比較
③構造・構成
④関係性
⑤分布
分析目的を見据えたの上でどう調査項目を考え、AIDAMA,AISASなどの構造で仮説を落とし込み、関係性や分布から分析を行っていく。
分析目的を達成するために何を調査するか
調査は課題解決のインパクトの大きいものから着手するのが鉄則。
分析しやすいものから着手すると、調査結果から得られるものも小さい。
調査項目を作成する視点
①調査目的に合致した目的を設定する
②「分析の視点」に用いる項目を組み入れる
③消費者の購買行動に関するメンタルモデルを参考にする
④調査仮説を項目に落とし込む
①調査目的に合致した目的を設定するについて、考えると考えるだけ項目がでてくるので、その中に不必要な項目がも紛れ込んでいるので、目的に不必要なものは弾く。
俺の場合、何かしらの分析をひとしきりした後、ブログに書く場合に、そういう状況に遭遇する。
書いていて、軸がずれているなと思える状況。
それを無理やり入れると後から見返したときに、前段の内容と論点がずれていないか？って思うことがある。
そういうものは弾いてやらないと目的をぼやかせてしまうので、別のエントリで書いてしまったほうが良い。
データ収集の罠
その情報が本当に信頼できるの？問題。「数字はうそをつかなくても、嘘つきは数字を使う」。
罠に陥らないために
①リサーチの目的が明確化されているか
②数値やグラフが引用されていたら5W1Hがあるかチェック
③信頼できる情報ソースであるか
サンプルサイズとサンプル数の違い
母集団と標本調査、サンプルサイズとサンプル数の違い。全体の回答者数（サンプルサイズ）の決めることを割り付け設定という。
よく使われる割り付け方法が「均等割り付け」と「母集団構成比にあわせた割付」
男性30、女性20だと回答者数が異なるので、数字の持つ信頼度が低下する。
信頼性：
同じ条件下で同じ調査を実施した場合に、同じような結果が得られるか
→調査会社が異なる、調査対象が異なる場合に信頼性を損なう可能性がある
安定性：
同じ対象者に同じ条件下で調査を実施した場合に同じ結果が出るか
→可能な限り誤差を少なくする回答数（サンプルサイズ）
一貫性：
同じ対象者が同じ質問に対して同じような答えをするか
妥当性：
自分が把握したい内容がその調査で明らかになるか。
→リサーチ結果が自分が把握したい内容に即しているのか。達成できる手法や調査設計になっていなければならない。
分析する場合、誰が回答していて、誰が回答していないのか、集計範囲はどうなっているのか、全体はどれになるのかを確認。
集計範囲が部分的だった場合、上記が満たされていない。
定量調査と定性調査
定量調査と定性調査は補完関係にある。どちらかが良いというのはなく効果的に使用できる場面がそれぞれある。定量調査：
傾向・割合・ボリュームなど調査結果が「数値」であらわされる調査
市場やターゲットの大まかな傾向を早く把握する際、仮説検証、広告の効果測定に利用
定性調査：
数値に現れない個人の気持ちや思いを言葉で把握する。
仮説の発見、構築に利用される。
インタビュー調査
回答者が回答しやすい雰囲気や聞き方に気を配ってインタビューフローを策定する。①アイスブレイク
②インタビュー項目を、回答者が答えやすい順番へ並べ替える
- 「過去→現在→未来」
- 「一般論→個別論・具体論」
- 「単純な質問→複雑な質問」
- 「事実に関する質問→意識に関する質問」
- デリケートな質問は中旬以降で設定
何を質問すればいいかわからない、どう考えればよいかわからない、その場合は大体能力不足ではなく、対象への知識・理解不足がボトルネック。
質問形式
オープンクエスチョン
利点：相手に自由な発想を促せるのでフラットで幅広い意見を集められる
欠点：相手の回答負荷が高い
クローズドクエスチョン
利点：こちらの仮説・意見を手早く確認できる
欠点：連発すると詰問された印象になる
チャンクダウン（掘り下げる）
利点：掘り下げることによって課題や意見の本質が明確になる
欠点：対象者が考え切れていない場合誘導につながりやすい
チャンクアップ（話の粒度を上げる）
利点：視点を上げることで課題の範囲が明確になる
欠点：まとめ方難しい
スライドアウト（話の変更）
利点：幅広い意見を柔軟に聞くことができる
欠点：連発するとインタビューが散漫になり相手が不快感を覚える。
Norm(ノルム)値
過去の結果の積み重ねによって策定された基準値。https://www.neo-m.jp/word/index_detail.php?word_no=464www.videor.co.jp
NPS（ネットプロモーションスコア）で推奨度を測定
企業ブランド商品サービスが顧客からどの程度愛着や信頼を得ているかを推奨度という考え方を用いて測定する指標。
複数の顧客に対して調査を行い、推奨者の割合から批判者の割合を引くことで得られる数値がNPS（ネット・プロモーター・スコア）と呼ばれ、-100％ 〜 100％ の間の数値で表される。
例えば、10人中6人が9点以上なら、推奨者は60％、6点以下が2人いれば批判者は20％なので、NPSは+40となる。平均的にはNPSが12ポイント増加すると、企業の>成長率が倍増すると言われ、問題解決のための施策を行った際に、前後調査で数値を見る場合には非常に有効である。
ネット・プロモーター・スコア - Wikipedia
アイカツオンパレード！宣伝動画の各キャラクター再生数ランキング(8/24(土)時点)
アイカツオンパレード！が歴代キャラクターも登場する新シリーズのため、『アイカツ！』『アイカツスターズ！』の各キャラクター別で宣伝動画がアップロードされている。*1
27人のアイドルたちの中で、いったい誰が再生されているのだろうかと気になったのでランキング形式で確認してみる。
公開されてから毎日20時くらいに集計しています。
ランキング結果
昨日と比べて比較的現状維持が多い日だった。
24時間再生数も伸びが鈍化している。動画公開して1週間が経過しているのが要因と思う。
トップは変わらず星宮いちごと霧矢あおいがトップ。
5位に藤堂ユリカ様がランクインして、音城セイラが2ランクダウン。
24時間の再生数も見るとこのまま5位は藤堂ユリカ様になるのかなと。
今日からついに24時間の再生数が０回のものがでてきた。
集計単位を千単位にしているから、厳密には再生数が０ではないんだけど、今まで最低でも千回は再生されていたので、『アイカツオンパレード！』の宣伝による影響自体が落ち着いてきたのかなーと勝手に思っている。
過去ランキング
アイカツオンパレード！宣伝動画の各キャラクター再生数ランキング(8/23(金)時点)
アイカツオンパレード！が歴代キャラクターも登場する新シリーズのため、『アイカツ！』『アイカツスターズ！』の各キャラクター別で宣伝動画がアップロードされている。*1
27人のアイドルたちの中で、いったい誰が再生されているのだろうかと気になったのでランキング形式で確認してみる。
公開されてから毎日20時くらいに集計しています。
ランキング結果
昨日のエントリでは星宮いちごは不動と書いたけど、まさかのここへきて霧矢あおいが2万3千再生でトップタイまで上がってきた！！！
正直全然想像つかなかった。
なにせ初日の再生数とそんなに変わらないという。
正直何が起こったんだ……。
ここまで来たら是非1位を取ってくれ！
8/23の再生回数を見る限り、8/24は大きくトップ5が変動するのではないかと思う。
理由は夏樹みくると、音城セイラの再生数が極端に減ったこと。
北大路さくらが3位に浮上するか。
藤堂ユリカ様が4位に浮上するか、それとも香澄真昼が4位になるのか。
8/24の集計が楽しみになってきた。
データカードダスのアイドル総選挙との違い
面白いのは、同時期にデータカードダス アイカツフレンズ！で開催されているアイドル総選挙と全然結果が違うことだったりする。【データカードダス アイドル総選挙】投票開始から3日間のランキング速報をお知らせ！第10位まで公開したよ✨まだ順位の投票数はかなりの僅差👀！
— アイカツ！データカードダス公式 (@aikatsu_dcd) August 22, 2019
プレミアムレアドレスを目指してアイカーツ！https://t.co/Hll1jj5OoB#アイカツオンパレード #aikatsu #aikatsuonparade pic.twitter.com/TSPLq3KQUX
1位が藤堂ユリカ様で星宮いちごよりも順位が高い。
動画ランキング上でも6位でトップとは言えないまでも上位陣のひとりなので、納得できる。
大きく違うのが、3位が七倉小春、4位が早乙女あこという点。
動画ランキング上だと、七倉小春が18位で、早乙女あこが最下位27位。
動画ランキング上だと下位に位置するこのふたりが、データカードダス上のランキングだと全56人中で上位に位置しているのは面白い。
このふたりから思うのは、アニメ『アイカツスターズ！』での活躍に対し、データカードダス アイカツスターズ！時点でプレミアムドレスに恵まれなかったキャラクターだからかなと。*2
きっと『アイカツオンステージ！』でプレミアムレアドレスを着て輝いてほしいというファンの気持ちなんだろうな。
過去ランキング
コンプティークで「アイカツ！」シリーズのアンケートやってます！
コンプティークで「アイカツ！」シリーズのアンケートやってます！
「アイカツ！」今でも見ている人、途中で見るのをやめてしまった人、皆さん是非アンケートにお答えください！
集計期間が8/25(日)17:59まで。
早めに終わってしまうので是非ともお早めにご回答をお願いします！
「アイカツオンパレード！」の巻頭特集に際して、みなさんの声をお聞かせください！ 画像の3つの質問への回答をハッシュタグ #コンプアイカツアンケート をつけてつぶやいてください！ たくさんのご回答お待ちしております!! #aikatsu #アイカツオンパレード pic.twitter.com/4sFlCxyQur
— コンプティーク＆コンプエース (@comptiq) August 23, 2019
ハッシュタグの内容を集計しようとも思ったけど、多分コンプティーク紙面で集計結果を載せるためだろうし、やめておきます。（個人で楽しむ範囲にします）
（ちなみに俺はこのアンケートに全然関係ないアイカツ！好きの一般市民です）
