将来どうなるかを予测しながら作るマーケティングモデル
?
20 likes?5,680 views
This ppt delivers a general description of marketing using agent-based model
将来どうなるかを予测しながら作るマーケティングモデル
- 1. 将来どうなるかを予測しながら 作るマーケティングモデル Agent Based Model (ABM) Presented by Taka Kobayashi on 2015/03/21
- 2. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineの特徴は？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 6. 活用例: 口頭ですいません アジェンダ
- 3. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineの特徴は？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 6. 活用例 アジェンダ
- 5. ① 高度な分析を行なっても技術者や分析者だけに 属人化し、マーケターが直に使えない ② マーケティングデータを一元管理して施策への 落とし込む際の時間ロスを無くしたい ③ 施策とその反応を迅速に評価し、「顧客行動 DB」という「資産」を有効活用したい マーケティングマネージャーの悩み
- 6. ① 分析データが集まるまで予測モデルの評価がで きない ② データを待つ間に市場に変化が起きれば分析自 体が無駄になる ③ 競合の動きや市場動向を先に見越したシナリオ 分析が難しい 最高(マーケティング)責任者の悩み
- 7. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineとは？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 6. 活用例 アジェンダ
- 9. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineの特徴は？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 6. 活用例 アジェンダ
- 10. 10 現実空間 現実の意思決定や行動パターンから仮想空間を作成 仮想空間 (縮図) ※ 30代?男性?配偶有 平均3回コーヒーを飲む @ スタバ 50% ドトール 50% @ 昼 30% 15時 50% 夜 20% @ 一人で 80% 複数で 20% 意思決定 振る舞い 避難経路 交通渋滞 レコメンド ABMと仮想空間
- 12. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineの特徴は？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 6. 活用例 アジェンダ
- 13. 年代 生活者属性 性別 家族 収入 地域 等 メディア チャネル TV 雑誌 新聞 検索 DSP 等 量販 激安 コンビ に 等 オンラ イン 実際の施策の粒度に合わせた効果検証が可能 色々な施策の組み合わせの検証が可能
- 14. 例えばこんなことができちゃいます 様々な投資シナリオを迅速かつ柔軟に作成できます ? 最適なマーケティング投資額は? ? 新メディアを使った????????施策 の効果？ ? どのメディアにどれだけ投資すれ ば？ ? ブランド別 ? メディア?ビークル別 ? ターゲティングとチャネル選定 （組合わせ）の効果 ? 新ターゲットに向けたマーケティ ング施策とその効果検証 ? 広告出稿の時期を変更するとどう なるか？ ? キャンペーン時期をずらすと？ ? いつまで広告を継続？ 投資額 投資配分 ターゲット×チャネル タイミング
- 15. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineの特徴は？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 6. 活用例 アジェンダ
- 16. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineの特徴は？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 1. 刺激 – 動態 – 結果、のモデルを描く 2. エージェント（消費者や商品）の混合分布を作る 3. メディアへの接触や店舗来訪を使った混合分布を作る 4. 外部要因や市場の変化を反映させる アジェンダ
- 17. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineの特徴は？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 1. 刺激 – 動態 – 結果、のモデルを描く 2. エージェント（消費者や商品）の混合分布を作る 3. メディアへの接触や店舗来訪を使った混合分布を作る 4. 外部要因や市場の変化を反映させる アジェンダ
- 19. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineの特徴は？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 1. 刺激 – 動態 – 結果、のモデルを描く 2. エージェント（消費者や商品）の混合分布を作る 3. 外部要因や市場の変化を反映させる アジェンダ
- 20. 2 150 300200 30代女 性 50代女 性 視 聴 時 間 20代男 性 30代男 性 テレビ視聴時間をチャート化 女性の平均視聴時間 は220分 男性の平均視聴時間 は180分 年齢が上がると視聴時 間も上げる傾向がある Table of Contents 例 例えば、全国のテレビ視聴時間が240分だとすると、因数分解の要領で、生活者セグメ ント毎の平均視聴時間だけでなくグループの視聴時間の傾向を調査から読み取ります 変数間の相関関係を反映させながら 混合分布を作っていきます
- 23. 23 エージェント 性別 年齢 所得 A1 男 36 650 A2 女 27 370 A3 女 42 720 A50,000 男 56 830 ??? ??? ??? ??? 市場を再現するために、国勢調査やその他データから、現実の分布に沿って各エー ジェントに属性を付与します ※ここで付与された属性に基づいて、この後、メディア接触度パラメータ、ブランド 認知度パラメータ、ブランド選好率、平均カテゴリー購入頻度を各エージェントに付 与します エージェント属性 エージェント作成：①属性
- 24. 24 エージェント テレビ ラジオ 新聞 雑誌 デジタル ??? A1 4 hrs 2 hrs 2 hrs A2 12 hrs 1 hr 0.5 hrs A3 14 hrs 0.5 hr 1.5 hrs A50,000 8 hrs 4 hrs 2 hrs ??? ??? ??? ??? メディア接触データから、現実の分布に沿って各エージェントにメディア接触パラ メータを付与します（週当たり視聴時間など） ※データ粒度が細かいほど、より現実に近いパラメータを付与することが可能 メディア接触 エージェント作成：②メディア接触
- 26. 1. ポジションによって異なるマーケティング課題は？ 2. ThinkVineの特徴は？ 3. エージェントベースモデル(ABM)の基本的考え方は？ 4. 例えばどんなことができるのか？ 5. ABMをマーケティングに適用したらどんな感じ？ 1. 刺激 – 動態 – 結果、のモデルを描く 2. エージェント（消費者や商品）の混合分布を作る 3. 外部要因や市場の変化を反映させる アジェンダ