狠狠撸

セグメンテーションの
考え方?使い方
TokyoR #44
2014/11/1
@horihorio

自己紹介
Twitter ID @horihorio
お仕事分析コンサルタント
興味統計色々/DB/R/Finance/金融/会計
過去の発表ここ
最近の出来事
金融以外も色々分析してます
分析設計がしんどいです…
2歳児な子どもに大絶賛嫌われ中です…
2014/11/1 セグメンテーションの考え方?使い方 1 / 36

テキストの紹介
買いましょう!!!
※右画像Clickからの購入で、筆者にお金が！
著者解説Blog その1 その2
私の思う本書の特色
活かせる：データ分析で出来る事の実践例
使える：ビジネスでの問題解決には？の視点
見える：データ分析の仕事でのあるあるネタ
親切：内容や手法、Rコードでの解説の姿勢

本発表でしたいこと
第8章ケース6 – クラスタリング
どんな顧客群をターゲットとすべきか?
内容は… STPアプローチ(※1)の展開例ですが、
こう説明すれば、見通しが良くなる？(※2)
な、通勤電車での読書の妄想を話してみます。
(※1) 解説は最後に。STP: Segmentation, Targeting, and Positioning
(※2) ただお堅いですが…

目次
1. テキストのサマリ
2. セグメンテーションの理屈
3. セグメンテーションの手法
4. まとめ
5. セグメンテーションのRコード

1. テキストのサマリ
まずは、テキストの流れを振り返ります

テキスト第8章の内容 (1)
現状
マス広告や施策で新規ユーザーを
獲得してきたが、最近頭打ちに
既存ユーザー施策も打ちたい
あるべき姿
既存ユーザーの理解を図りたい
問題発見
年齢性別で分類しても、施策に繋
げにくい
よって、ゲーム上の行動パターン
でセグメンテーションをする

テキスト第8章の内容(2)
データ収集と加工
省略w
データ分析
1. データに主成分を追加
2. セグメント数の範囲kを決定
→ 担当者：3～6が望ましい
3. 希望を考慮の上、第1主成分の
分散が最小になる3つと決定
4. 各セグメントの特徴を考える
→ レーザーチャートを使用
5. 各セグメント毎のKPIを調べる

テキスト第8章の内容(3)
アクション
1. 分かったこと
ランキング上位層は、5つのセグ
メントに分類される
「協力しあいたいユーザー」の
KPIが高い
→ 協力を促す施策を検討
2. 今回の分析を自動化し、レポート送
信する仕組みを作り、施策のPDCA
フローを構築

2. セグメンテーションの理屈
当然のことを、当然に確認してゆきます

マーケターの理想って？
理想1. あらゆる人の欲望が完璧に分かる
理想2. 欲望を刺激する、無限の資源や手段が
ある（予算、人手、IT技術、などなど）
この2点が揃えば
完璧なOne to Oneの施策が可能！

でもそんなことって
あり得ない！
理由は次節で
理想2. 欲望を刺激する、無限の資源や手段が
ある（予算、時間、IT技術、などなど）
そら、そうだ…
認識すべきこと
1. 顧客は理解し切れないまま
2. 限られた資源と手段で
施策は行わざるを得ない

セグメンテーションのそもそも
「分かれている」状態とは
1. 同一セグメント中の顧客は同質
2. 違うセグメントの顧客とは異なる
規模規模
何かの
基準
何かの
基準

横軸の「基準」とは？
そもそも、目指している成果：売れること
「需要が無いものは売れない」
よって、基準は「需要」とすべき
規模
需要
何かの
基準

重要な事
話のどこにも「年齢性別」等の属性系が出る
必然がない。よって、属性系でセグメンテー
ションする意味はまずない。
一応…
属性系のセグメンテーションが良さげな商材もある。
が、偶然「需要≒属性」なだけ
【例：ひげそり】確かに男性の需要が高い。ただし男性で
も、ひげを伸ばす男性は欲しがらない。よって、セグメン
テーションには、?男性」との属性より、「ひげを剃りた
い」との需要の方がマシ

3. セグメンテーションの手法
なぜ人の欲望は分からない？を考えます
※なお、煩悩は3～約84,000らしい
(By Wikipedia)

一旦抽象的に考える
有限次元の
線型空間の設定
まず、以下の設定をおきます
1. 世界の根源的な需要は、高々有限の
種類で構成される
2. 需要のみ1単位発生した際の
ベクトルを、次のように定義する
3. 我々が観測できる需要は、の
線型結合で表現される

理想1. が無理な理由
を、言いかえてみる
需要への個人のウエイトをとすると、
理想1. の言いかえ
個人の需要が、の線型和で書ける
※あ、切片をとしてます…

理想1. が無理な理由
なぜ「理想1.」は無理なのか？
1
2
3
1. 種類数は、把握不可能な膨大な数
2. （原理的にに分解可能と知っていても）
データで測ってないものは分からない
3. （測っていても）人間は、同時に3～4つ程
度しか理解不能
20 14/11/1 セグメンテーションの考え方?使い方 18 / 36

現実との折り合いの付け方
1. 種類数は、把握不可能な膨大な数
→ あきらめる（発想は使えるのでキープ）
2. データで測ってないものは分からない
→ 手元のデータを精査、データを集める
（データ量ではない。データ項目が重要。4章参照）
3. 人間は、同時に3～4つ程度しか理解不能
→ データを主成分ベクトルに縮約し、
3～4つ程度で把握できるように変換
→ 本テキストでのアプローチ

【脱線】ファイナンスな方へ
ここでの発想は、以下のパクリです…
需要に対応する基底ベクトル
→ Arrow-Debreu 証券
観測できる需要
→ 各証券のこと。Arrow-Debreu証券の
線型和で表現される
少数の主成分に縮約
→ Factorモデル。CAPM, Fama-French、等々
※CAPM導出の発想は示唆深い…

4. まとめ
ようやく、STPアプローチの紹介に

STPアプローチとは
Segmen
tation
? 市場を需要を示す変数で分割する
? 各市場に対し、どう応えるか、接するのか、消費者の
乗り換えコストとは？を考える
Targetin
g
? 各市場の魅力を評価（規模、成長率、コスト、等）
? 自社の戦略、強み、資源を基に、狙う市場を決定
? 狙う市場の消費者を見つけ、調査（性別、年齢、等）
Position
ing
? 自社の企業イメージを強化し、消費者を惹きつけるよ
うな、自社製品、サービスの位置付けを打ち出す

STPアプローチとは
Segmen
tation
Segmentation
? 市場を需要を示す変数で分割する
Basis
? 各市場に対し、どう応えるか、接するのか、消費者の
乗り換えコストとは？を考える
Targetin
g
? 各市場の魅力を評価（規模、成長率、コスト、等）
? 自社の戦略、強み、資源を基に、狙う市場を決定
? 狙う市場の消費者を見つけ、調査（性別、年齢、等）
Position
ing
Segmentation Descriptors
? 自社の企業イメージを強化し、消費者を惹きつけるよ
うな、自社製品、サービスの位置付けを打ち出す
※英語なのは、日本語の定訳を知らないからです…

考えたいことその1
マーケティングには、需要を直接捉える
Segmentation Basis の方が有用
Segmentation
Basis
マーケット全体
Segmentation
Descriptors
Segmentation
Descriptors

疑問：
消費者の需要を示すSegmentation Basis
はどこにあるの？
→ 一般論はない。
消費者の需要は？をとにかく考えるしかない。
ビックデータで何とかなる、とは限らない

STPアプローチでは、↓は素直でない気が…
→ 代替案はありますが、
時間切れにつきTo Be Continued…

5.セグメンテーションのRコード
完全に流れから外れたので、最後に…

補足コメント
テキストが丁寧なので、
本買って読んで
ですが…
3点コメントを
注意事項
私は、外部のデータ分析屋な事にご留意
以下x行目とは [著書コードDL元] に従います

テキストでのコードの勉強例
1. 読みながらコードを動かす
テキストの写経や [コードをDL]
2. 分からないコマンドは、
help([コマンド]) を読む
3. コードを改変し、研究や仕事
での実データで使ってみる
データが手元に用意できない場合は、R備え付
けのDatasetや、各種レポジトリから無料調達
可能。例えば[ここ]

コメント1/3
その１：
よく使う処理はfunctionでまとめる
(3～35行で仕込み、37～46行目で実行)
メリット
可読性、メンテナンス、他人との共有が楽
定常業務に組み込むとき、システム担当部署に別ファ
イルにして渡せる
同一処理を複数ファイルに繰り返す、が容易
例：f.list <- list.files(); for (i in 1:length(f.list)) {定義function}
のようにする。（実際は applyなどを使え、との声は無視）

コメント2/3
その２：
前処理は caret パッケージが何かと便利
(97～109行目で実行)
雰囲気は、本家HPの前処理で
過去Tokyo.Rでも発表あり
第11回 @dichika caretパッケージの紹介
第38回 @sfchaos 機械学習のモデル構築?評価について
第43回 @kashitan 前処理入門

コメント2/3
補足事項
機械的判断をそのまま鵜呑みにしない
（プログラムは、ビジネス要件まで理解してくれない）
私のcaretでの失敗例
Yes/Noの2値を持つ列を含むデータに
1. dummyVarsでダミー変数を作成
2. findLinearCombosで線型従属を検出し、機械的に列を削除
3. Yesのダミー変数を目的変数とするロジスティック回帰を実施
の予定が、上記2.でYes列が削除/No列が目的変数に
なっており、一晩の処理が無駄に…

コメント3/3
その３：
列名は分かりやすいものを(76, 154, 155行目)
ホントは、”A47”より“Ranking.Point” が良い
弊害1：変数加工や分析の際に想像が働かない
弊害2：本でのようにコード変換を手打ちすると、
大体ミスし、そのまま提出して悪印象が…
→ 人間は大体ミスります（私も何回も経験済）
とはいえ、変数が膨大だと、コード名でないと無理
※ 千を超えると、1つずつ列名を考えるのも無謀です

コメント3/3
その３ ‘（折衷案）：
列名をコード名にする場合、人間語に変換す
る手段は極力自動化する
例1：事前にコードマスターをDBに保存し、人間語へ
の変換は、必ずDBを参照して変換する
例2：まず、列名を「C34_A47」→「パズコレ_ラン
キングポイント」のように、機械的な変換が行いやす
い対応関係を設定する。次に、変換プログラムを作成
し、バージョン管理ソフトの管轄下に置く
自動化によるミス防止は、地味だけど超重要

参考文献

参考文献
※ 上司や同僚、お客様方々、を置いておくとすれば
1. 『ビジネス活用事例で学ぶデータサイエンス入門』酒巻
隆治、里洋平、SBクリエイティブ、2014年
2. 『マーケティング?サイエンス入門市場対応の科学的
マネジメント新版』古川一郎、守口剛、阿部誠、有斐
閣、2011年
3. “Marketing Engineering: Computer-Assisted
Marketing Analysis and Planning, 2nd Ed.,” G. L.
Lilien, A. Rangaswamy, Pearson Education, 2002

狠狠撸

セグメンテーションの考え方?使い方 - TokyoR #44

More Related Content

セグメンテーションの考え方?使い方 - TokyoR #44