狠狠撸

狠狠撸Share a Scribd company logo
マーケティングの统计分析
               - 4.2 プロモーション -


                   @yokkuns: 里 洋平
                 yohei0511@gmail.com
               2012.07.07 第24回Tokyo.R


2012年7月7日土曜日
本日の内容




               4 基本マーケティング戦略
               4.1   価格決定
               4.2   プロモーション
               4.3   流通
               4.4   製品戦略




2012年7月7日土曜日
AGENDA

      ◆ 自己绍介

      ◆ プロモーションとは

      ◆ 広告

      ◆ セールスプロモーション

      ◆ まとめ

2012年7月7日土曜日
AGENDA

      ◆ 自己绍介

      ◆ プロモーションとは

      ◆ 広告

      ◆ セールスプロモーション

      ◆ まとめ

2012年7月7日土曜日
自己绍介

            時系列解析や異常検知などの方法論を
         実ビジネスに適用するデータマイニングエンジニア



    ◆ 名前: 里 洋平
    ◆ ID : yokkuns
    ◆ 職業:
    データマイニングエンジニア
    ◆     統計解析 パターン認識 機械学
    習 データマイニング NLP 金融工学
    などを勉強中

2012年7月7日土曜日
活動例: 勉強会の主催?執筆


                  Tokyo.R主催




               パッケージ本執筆しました!




2012年7月7日土曜日
活動例: 動画レコメンド

               閲覧されている動画の情報を用いておすすめ動画を表示する




2012年7月7日土曜日
活動例: 市場予測

               Web上の情報から市場予測




2012年7月7日土曜日
活動例: 異常検知
                              Anomaly detection

                    複数時系列から異常な振る舞いを検知する

                                                                            C
                                                                            A
        時系列のモデリング               複数時系列の異常検知                                  B

      時系列A                             時系列A

                                                                        異常な振る舞い
      時系列B


      時系列C                      時系列B          時系列C

                                 異常な振る舞いの時系列を検出




                例1:トラフィック異常検知                   例2:CM効果のノイズ除去

                    トラフィックA                          ケースA
                                                              CM効果
                    トラフィックB                          ケースB

                    トラフィックC      調査                  ケースC

                     異常な振る舞いをしている                    異常な振る舞いをしているケースを
                     トラフィックの原因を調査する                  除外して、CMの効果を算出する
                                                                                  85
2012年7月7日土曜日
活動例: 時系列解析と異常検知
                     Anomaly detection

               新しいデータと過去時系列モデルの乖離から異常検出


                         8000.0000
                                            異常スコア推移   3.0000
  モデル構築
                                      異常値
  ◇例 : ARIMAモデル                                       2.2500




                         5970.7500                    1.5000




                                                      0.7500




                         3941.5000                         0



  異常スコアの算出
                                                      -0.7500

   ◇例 : 対数損失

                         1912.2500                    -1.5000




                                                      -2.2500




                          -117.0000                   -3.0000


                                               t
                                  4/ 週
                                  4/ 1週
                                  4/ 8週
                                   5/ 週
                                   5/ 週
                                  5/ 週
                                  5/ 週
                                  5/ 週
                                   6/ 週
                                  6/ 週
                                  6/ 週
                                  6/ 週
                                   7/ 週
                                  7/ 週
                                  7/ 週
                                  7/ 8週
                                        週
                                      4



                                    25
                                      2
                                      9
                                    16
                                    23
                                    30
                                      6
                                    13
                                    20
                                    27
                                      4
                                    11


                                    25
                                    1
                                    1




                                    1
                                   4/




                                                                86
2012年7月7日土曜日
活動例: 時系列解析と影響分析
                       TV Commercial E?ects

               時系列的な振る舞いの特徴から各KPIへのCMの影響度を算出
                                                  イベン
               CM時系列                               ト

                                         新規
                                         登録


                             CM                   ARPP
                                                   U




                                         ARPU

           各KPIの時系列
                                                         その他
                                                          外部
                                  継続率
                                                          要因




                                                ケース




                                                           87

2012年7月7日土曜日
AGENDA

      ◆ 自己绍介

      ◆ プロモーションとは

      ◆ 広告

      ◆ セールスプロモーション

      ◆ まとめ

2012年7月7日土曜日
プロモーションとは
   消費者や流通業者に自社の製品やサービスを認知?購買してもらう
   ために、製品やサービスに関する情報提供や説得を行う情報活動

                    プロモーションの分類


                         例         情報伝達の方向性

                    テレビ、ラジオ、新聞雑誌
               広告                    一方向
                        屋外看板

           パブリシティ       ニュース         一方向


           人的販売活動      セールスマン        双方向


     セールスプロモーション      クーポン、試供品       一方向



2012年7月7日土曜日
AGENDA

      ◆ 自己绍介

      ◆ プロモーションとは

      ◆ 広告

      ◆ セールスプロモーション

      ◆ まとめ

2012年7月7日土曜日
広告の分类

                  広告は目的によって、3つに分類される


                         広告の分类


       情報提供型広告      製品の認知を目的として、製品特徴や使い方等の情報を提供する




          説得型広告      認知や製品の理解だけでなく需要喚起を目的に行われる




     リマインダー型広告       ブランドロイヤルティの維持を目的にイメージの醸成を行う




2012年7月7日土曜日
広告计画策定プロセス

                   広告目的の明確化
                              フィードバック
               意
                    広告目標の設定
               思   ターゲットの設定
               決
               定
                    広告予算の決定
               の
               流   広告媒体の決定
               れ
                   広告内容の決定



                   広告効果の測定



2012年7月7日土曜日
広告効果测定モデル
                 広告計画が成功だったのか失敗だったのか
               より詳細に何が良くて何が悪かったのかを把握する

                           広告効果指標


               媒体到達   リーチ、フリークエンシー、GRP、新聞?雑誌発行部数



           認知レベル      広告認知率、コピー認知率、商品理解率



        態度変容レベル       広告イメージ、広告好感度、商品イメージ、購入意向



               行動変数   資料請求、ブランド選択、購入量、購入頻度、売上高




2012年7月7日土曜日
広告反応関数
                     広告量と売上の関係をモデル化する


               線形型                逓減型
         売上高




                            売上高
                     広告量                広告量

               S字型                逓増型
         売上高




                            売上高




                     広告量                広告量

2012年7月7日土曜日
広告反応関数
                     広告量と売上の関係をモデル化する


               線形型                逓減型
         売上高




                            売上高
                 lm関数               lm関数

                     広告量                広告量

               S字型                逓増型
         売上高




                            売上高



                glm関数               lm関数

                     広告量                広告量

2012年7月7日土曜日
搁での実行例: データの用意

               rnorm関数を使って、超適当に仮想データを生成




2012年7月7日土曜日
搁での実行例: データの用意
               広告量と売上は相関している!




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




                             説明力高い




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




                       price?grpともに有意




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




                       1grp当り3,400円
                        くらいの売上増




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




                       残差は大体左右対称な分布




2012年7月7日土曜日
搁での実行例: 逓減型

               grpにlogをつけてlm関数を実行




2012年7月7日土曜日
搁での実行例: 逓増型

               salesにlogをつけてlm関数で実行




2012年7月7日土曜日
搁での実行例: S字型

               glm関数で、family=binomialを指定して実行




2012年7月7日土曜日
広告长期効果と持続期间
           広告の情報は消費者の頭の中に蓄積されるため
        広告に露出した時点のみならず長期的に渡り効果が持続する

                                       広告ストック:


                               λ=0.9




                       λ=0.6


               λ=0.3




2012年7月7日土曜日
搁での実行例
               広告ストックをRで書くとこんな感じ
                 (もっと良い書き方あるかも)




2012年7月7日土曜日
AGENDA

      ◆ 自己绍介

      ◆ プロモーションとは

      ◆ 広告

      ◆ セールスプロモーション

      ◆ まとめ

2012年7月7日土曜日
短期的効果
            短期的な売上の増加の主な源泉は
     「ブランドスイッチング」「購入量の増加」「購入間隔の短縮」

                    売上増加の主な源泉


              A社のブランドを購入している顧客がB社のプロモーションに
   ブランドスイッチング
              引きつけられB社ブランドを購入する



       購入量の増加   取引エクイティという買い得感によって通常より多く購入する



                現時点では購入時期ではないが、プロモーションに惹き付けられ
      購入間隔の短縮
                購入時期を前倒しするケース




2012年7月7日土曜日
长期的なマイナス効果

    プロモーションは、長期的な売上の減少に繋がる場合もあり得る




  1. プロモーション実施に対する期待の形成


  2. ブランドイメージの低下


  3. 参照価格の低下

2012年7月7日土曜日
3つの源泉の測定モデル (今日はやらない)
               3つの源泉からもたらされる売上の増加を測定する事で
                 プロモーションの収益性を把握する事が出来る




  ◆ ブランドスイッチング
                ブランド選択モデル



  ◆ 購入間隔の短縮?購入量の増加
                ハザードモデル、切断されたポアソン回帰モデル


2012年7月7日土曜日
代表的なプロモーション効果モデル

                 プロモーションと売上の関係をモデル化する

               線形型                   逓減型
         売上高




                               売上高
                     プロモーション               プロモーション

               S字型                   逓増型
         売上高




                               売上高




                     プロモーション               プロモーション

2012年7月7日土曜日
代表的なプロモーション効果モデル

                 プロモーションと売上の関係をモデル化する

               線形型                   逓減型
         売上高




                               売上高
                 lm関数                  lm関数

                     プロモーション               プロモーション

               S字型                   逓増型
         売上高




                               売上高



                glm関数                  lm関数

                     プロモーション               プロモーション

2012年7月7日土曜日
搁での実行例: 使用するデータ

               売上及び価格とプロモーションの仮想データ




2012年7月7日土曜日
搁での実行例: 散布図




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




                             説明力高い




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




                         price?is_?yer
                           ともに有意




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




                         チラシ配ると
                         32単位分増加




2012年7月7日土曜日
搁での実行例: 線形型

               lm関数をそのまま実行




                           残差は
                         ちょっと歪んでる




2012年7月7日土曜日
搁での実行例: 逓増型

               sales.volumeにlogをつけてlm関数を実行




2012年7月7日土曜日
搁での実行例: 逓減型
               sales.volumeにlogを付けてlm関数を実行
         (今回、is_?yerは0か1なので、exp(is_?yer)をプロモーション変数に設定)




2012年7月7日土曜日
搁での実行例: S字型

               glm関数で、family=binomialを指定して実行




2012年7月7日土曜日
AGENDA

      ◆ 自己绍介

      ◆ プロモーションとは

      ◆ 広告

      ◆ セールスプロモーション

      ◆ まとめ

2012年7月7日土曜日
まとめ

                           lm?glm 便利!

               線形型                    逓減型
         売上高




                                売上高
                     広告量                    広告量

               S字型                    逓増型
         売上高




                                売上高




                     広告量                    広告量

2012年7月7日土曜日
罢辞办测辞.搁の次回以降の

     発表者?LTを募集しています!



2012年7月7日土曜日
ご清聴ありがとうございました!




2012年7月7日土曜日

More Related Content

What's hot (7)

异常行动検出入门(改)
异常行动検出入门(改)异常行动検出入门(改)
异常行动検出入门(改)
Yohei Sato
?
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
?
搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル
Yohei Sato
?
Tokyor26 data fusion
Tokyor26 data fusionTokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
?
Tokyo r15 異常検知入門
Tokyo r15 異常検知入門Tokyo r15 異常検知入門
Tokyo r15 異常検知入門
Yohei Sato
?
数理的に组み込みソフトを开発する方法入门
数理的に组み込みソフトを开発する方法入门数理的に组み込みソフトを开発する方法入门
数理的に组み込みソフトを开発する方法入门
Toshiyuki Fujikura
?
异常行动検出入门(改)
异常行动検出入门(改)异常行动検出入门(改)
异常行动検出入门(改)
Yohei Sato
?
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
?
搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル
Yohei Sato
?
Tokyor26 data fusion
Tokyor26 data fusionTokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
?
Tokyo r15 異常検知入門
Tokyo r15 異常検知入門Tokyo r15 異常検知入門
Tokyo r15 異常検知入門
Yohei Sato
?
数理的に组み込みソフトを开発する方法入门
数理的に组み込みソフトを开発する方法入门数理的に组み込みソフトを开発する方法入门
数理的に组み込みソフトを开発する方法入门
Toshiyuki Fujikura
?

Viewers also liked (18)

第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション
Yohei Sato
?
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Yohei Sato
?
Sakuteki02 yokkuns
Sakuteki02 yokkunsSakuteki02 yokkuns
Sakuteki02 yokkuns
Yohei Sato
?
Tokyowebmining09 初めてでも分かるペアトレード
Tokyowebmining09 初めてでも分かるペアトレードTokyowebmining09 初めてでも分かるペアトレード
Tokyowebmining09 初めてでも分かるペアトレード
Yohei Sato
?
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組みTokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
?
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
?
異常行動検出入門 – 行動データ時系列のデータマイニング –
異常行動検出入門 – 行動データ時系列のデータマイニング –異常行動検出入門 – 行動データ時系列のデータマイニング –
異常行動検出入門 – 行動データ時系列のデータマイニング –
Yohei Sato
?
Tokyo r12 - R言語による回帰分析入門
Tokyo r12 - R言語による回帰分析入門Tokyo r12 - R言語による回帰分析入門
Tokyo r12 - R言語による回帰分析入門
Yohei Sato
?
时系列分析による异常検知入门
时系列分析による异常検知入门时系列分析による异常検知入门
时系列分析による异常検知入门
Yohei Sato
?
Japan r2 openingJapan r2 opening
Japan r2 opening
Yohei Sato
?
Ml4nlp04 1
Ml4nlp04 1Ml4nlp04 1
Ml4nlp04 1
Yohei Sato
?
Tokyowebmining07 初めてでも分かるヘッジファンド入門
Tokyowebmining07 初めてでも分かるヘッジファンド入門Tokyowebmining07 初めてでも分かるヘッジファンド入門
Tokyowebmining07 初めてでも分かるヘッジファンド入門
Yohei Sato
?
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
Yohei Sato
?
Tokyor14 - R言語でユニットテスト
Tokyor14 - R言語でユニットテストTokyor14 - R言語でユニットテスト
Tokyor14 - R言語でユニットテスト
Yohei Sato
?
第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション
Yohei Sato
?
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Yohei Sato
?
Sakuteki02 yokkuns
Sakuteki02 yokkunsSakuteki02 yokkuns
Sakuteki02 yokkuns
Yohei Sato
?
Tokyowebmining09 初めてでも分かるペアトレード
Tokyowebmining09 初めてでも分かるペアトレードTokyowebmining09 初めてでも分かるペアトレード
Tokyowebmining09 初めてでも分かるペアトレード
Yohei Sato
?
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組みTokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
?
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
?
異常行動検出入門 – 行動データ時系列のデータマイニング –
異常行動検出入門 – 行動データ時系列のデータマイニング –異常行動検出入門 – 行動データ時系列のデータマイニング –
異常行動検出入門 – 行動データ時系列のデータマイニング –
Yohei Sato
?
Tokyo r12 - R言語による回帰分析入門
Tokyo r12 - R言語による回帰分析入門Tokyo r12 - R言語による回帰分析入門
Tokyo r12 - R言語による回帰分析入門
Yohei Sato
?
时系列分析による异常検知入门
时系列分析による异常検知入门时系列分析による异常検知入门
时系列分析による异常検知入门
Yohei Sato
?
Japan r2 openingJapan r2 opening
Japan r2 opening
Yohei Sato
?
Tokyowebmining07 初めてでも分かるヘッジファンド入門
Tokyowebmining07 初めてでも分かるヘッジファンド入門Tokyowebmining07 初めてでも分かるヘッジファンド入門
Tokyowebmining07 初めてでも分かるヘッジファンド入門
Yohei Sato
?
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
Yohei Sato
?
Tokyor14 - R言語でユニットテスト
Tokyor14 - R言語でユニットテストTokyor14 - R言語でユニットテスト
Tokyor14 - R言語でユニットテスト
Yohei Sato
?

More from Yohei Sato (8)

Tokyor60 r data_science_part1
Tokyor60 r data_science_part1Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
Tokyor60 opening
Tokyor60 openingTokyor60 opening
Tokyor60 opening
Yohei Sato
?
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
Yohei Sato
?
Tokyor35 人工テ?ータの発生
Tokyor35 人工テ?ータの発生Tokyor35 人工テ?ータの発生
Tokyor35 人工テ?ータの発生
Yohei Sato
?
ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例
Yohei Sato
?
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
?
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Yohei Sato
?
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
Yohei Sato
?
Tokyor35 人工テ?ータの発生
Tokyor35 人工テ?ータの発生Tokyor35 人工テ?ータの発生
Tokyor35 人工テ?ータの発生
Yohei Sato
?
ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例
Yohei Sato
?
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
?
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Yohei Sato
?

Tokyor24 yokkuns

  • 1. マーケティングの统计分析 - 4.2 プロモーション - @yokkuns: 里 洋平 yohei0511@gmail.com 2012.07.07 第24回Tokyo.R 2012年7月7日土曜日
  • 2. 本日の内容 4 基本マーケティング戦略 4.1 価格決定 4.2 プロモーション 4.3 流通 4.4 製品戦略 2012年7月7日土曜日
  • 3. AGENDA ◆ 自己绍介 ◆ プロモーションとは ◆ 広告 ◆ セールスプロモーション ◆ まとめ 2012年7月7日土曜日
  • 4. AGENDA ◆ 自己绍介 ◆ プロモーションとは ◆ 広告 ◆ セールスプロモーション ◆ まとめ 2012年7月7日土曜日
  • 5. 自己绍介 時系列解析や異常検知などの方法論を 実ビジネスに適用するデータマイニングエンジニア ◆ 名前: 里 洋平 ◆ ID : yokkuns ◆ 職業: データマイニングエンジニア ◆ 統計解析 パターン認識 機械学 習 データマイニング NLP 金融工学 などを勉強中 2012年7月7日土曜日
  • 6. 活動例: 勉強会の主催?執筆 Tokyo.R主催 パッケージ本執筆しました! 2012年7月7日土曜日
  • 7. 活動例: 動画レコメンド 閲覧されている動画の情報を用いておすすめ動画を表示する 2012年7月7日土曜日
  • 8. 活動例: 市場予測 Web上の情報から市場予測 2012年7月7日土曜日
  • 9. 活動例: 異常検知 Anomaly detection 複数時系列から異常な振る舞いを検知する C A 時系列のモデリング 複数時系列の異常検知 B 時系列A 時系列A 異常な振る舞い 時系列B 時系列C 時系列B 時系列C 異常な振る舞いの時系列を検出 例1:トラフィック異常検知 例2:CM効果のノイズ除去 トラフィックA ケースA CM効果 トラフィックB ケースB トラフィックC 調査 ケースC 異常な振る舞いをしている 異常な振る舞いをしているケースを トラフィックの原因を調査する 除外して、CMの効果を算出する 85 2012年7月7日土曜日
  • 10. 活動例: 時系列解析と異常検知 Anomaly detection 新しいデータと過去時系列モデルの乖離から異常検出 8000.0000 異常スコア推移 3.0000 モデル構築 異常値 ◇例 : ARIMAモデル 2.2500 5970.7500 1.5000 0.7500 3941.5000 0 異常スコアの算出 -0.7500 ◇例 : 対数損失 1912.2500 -1.5000 -2.2500 -117.0000 -3.0000 t 4/ 週 4/ 1週 4/ 8週 5/ 週 5/ 週 5/ 週 5/ 週 5/ 週 6/ 週 6/ 週 6/ 週 6/ 週 7/ 週 7/ 週 7/ 週 7/ 8週 週 4 25 2 9 16 23 30 6 13 20 27 4 11 25 1 1 1 4/ 86 2012年7月7日土曜日
  • 11. 活動例: 時系列解析と影響分析 TV Commercial E?ects 時系列的な振る舞いの特徴から各KPIへのCMの影響度を算出 イベン CM時系列 ト 新規 登録 CM ARPP U ARPU 各KPIの時系列 その他 外部 継続率 要因 ケース 87 2012年7月7日土曜日
  • 12. AGENDA ◆ 自己绍介 ◆ プロモーションとは ◆ 広告 ◆ セールスプロモーション ◆ まとめ 2012年7月7日土曜日
  • 13. プロモーションとは 消費者や流通業者に自社の製品やサービスを認知?購買してもらう ために、製品やサービスに関する情報提供や説得を行う情報活動 プロモーションの分類 例 情報伝達の方向性 テレビ、ラジオ、新聞雑誌 広告 一方向 屋外看板 パブリシティ ニュース 一方向 人的販売活動 セールスマン 双方向 セールスプロモーション クーポン、試供品 一方向 2012年7月7日土曜日
  • 14. AGENDA ◆ 自己绍介 ◆ プロモーションとは ◆ 広告 ◆ セールスプロモーション ◆ まとめ 2012年7月7日土曜日
  • 15. 広告の分类 広告は目的によって、3つに分類される 広告の分类 情報提供型広告 製品の認知を目的として、製品特徴や使い方等の情報を提供する 説得型広告 認知や製品の理解だけでなく需要喚起を目的に行われる リマインダー型広告 ブランドロイヤルティの維持を目的にイメージの醸成を行う 2012年7月7日土曜日
  • 16. 広告计画策定プロセス 広告目的の明確化 フィードバック 意 広告目標の設定 思 ターゲットの設定 決 定 広告予算の決定 の 流 広告媒体の決定 れ 広告内容の決定 広告効果の測定 2012年7月7日土曜日
  • 17. 広告効果测定モデル 広告計画が成功だったのか失敗だったのか より詳細に何が良くて何が悪かったのかを把握する 広告効果指標 媒体到達 リーチ、フリークエンシー、GRP、新聞?雑誌発行部数 認知レベル 広告認知率、コピー認知率、商品理解率 態度変容レベル 広告イメージ、広告好感度、商品イメージ、購入意向 行動変数 資料請求、ブランド選択、購入量、購入頻度、売上高 2012年7月7日土曜日
  • 18. 広告反応関数 広告量と売上の関係をモデル化する 線形型 逓減型 売上高 売上高 広告量 広告量 S字型 逓増型 売上高 売上高 広告量 広告量 2012年7月7日土曜日
  • 19. 広告反応関数 広告量と売上の関係をモデル化する 線形型 逓減型 売上高 売上高 lm関数 lm関数 広告量 広告量 S字型 逓増型 売上高 売上高 glm関数 lm関数 広告量 広告量 2012年7月7日土曜日
  • 20. 搁での実行例: データの用意 rnorm関数を使って、超適当に仮想データを生成 2012年7月7日土曜日
  • 21. 搁での実行例: データの用意 広告量と売上は相関している! 2012年7月7日土曜日
  • 22. 搁での実行例: 線形型 lm関数をそのまま実行 2012年7月7日土曜日
  • 23. 搁での実行例: 線形型 lm関数をそのまま実行 説明力高い 2012年7月7日土曜日
  • 24. 搁での実行例: 線形型 lm関数をそのまま実行 price?grpともに有意 2012年7月7日土曜日
  • 25. 搁での実行例: 線形型 lm関数をそのまま実行 1grp当り3,400円 くらいの売上増 2012年7月7日土曜日
  • 26. 搁での実行例: 線形型 lm関数をそのまま実行 残差は大体左右対称な分布 2012年7月7日土曜日
  • 27. 搁での実行例: 逓減型 grpにlogをつけてlm関数を実行 2012年7月7日土曜日
  • 28. 搁での実行例: 逓増型 salesにlogをつけてlm関数で実行 2012年7月7日土曜日
  • 29. 搁での実行例: S字型 glm関数で、family=binomialを指定して実行 2012年7月7日土曜日
  • 30. 広告长期効果と持続期间 広告の情報は消費者の頭の中に蓄積されるため 広告に露出した時点のみならず長期的に渡り効果が持続する 広告ストック: λ=0.9 λ=0.6 λ=0.3 2012年7月7日土曜日
  • 31. 搁での実行例 広告ストックをRで書くとこんな感じ (もっと良い書き方あるかも) 2012年7月7日土曜日
  • 32. AGENDA ◆ 自己绍介 ◆ プロモーションとは ◆ 広告 ◆ セールスプロモーション ◆ まとめ 2012年7月7日土曜日
  • 33. 短期的効果 短期的な売上の増加の主な源泉は 「ブランドスイッチング」「購入量の増加」「購入間隔の短縮」 売上増加の主な源泉 A社のブランドを購入している顧客がB社のプロモーションに ブランドスイッチング 引きつけられB社ブランドを購入する 購入量の増加 取引エクイティという買い得感によって通常より多く購入する 現時点では購入時期ではないが、プロモーションに惹き付けられ 購入間隔の短縮 購入時期を前倒しするケース 2012年7月7日土曜日
  • 34. 长期的なマイナス効果 プロモーションは、長期的な売上の減少に繋がる場合もあり得る 1. プロモーション実施に対する期待の形成 2. ブランドイメージの低下 3. 参照価格の低下 2012年7月7日土曜日
  • 35. 3つの源泉の測定モデル (今日はやらない) 3つの源泉からもたらされる売上の増加を測定する事で プロモーションの収益性を把握する事が出来る ◆ ブランドスイッチング ブランド選択モデル ◆ 購入間隔の短縮?購入量の増加 ハザードモデル、切断されたポアソン回帰モデル 2012年7月7日土曜日
  • 36. 代表的なプロモーション効果モデル プロモーションと売上の関係をモデル化する 線形型 逓減型 売上高 売上高 プロモーション プロモーション S字型 逓増型 売上高 売上高 プロモーション プロモーション 2012年7月7日土曜日
  • 37. 代表的なプロモーション効果モデル プロモーションと売上の関係をモデル化する 線形型 逓減型 売上高 売上高 lm関数 lm関数 プロモーション プロモーション S字型 逓増型 売上高 売上高 glm関数 lm関数 プロモーション プロモーション 2012年7月7日土曜日
  • 38. 搁での実行例: 使用するデータ 売上及び価格とプロモーションの仮想データ 2012年7月7日土曜日
  • 40. 搁での実行例: 線形型 lm関数をそのまま実行 2012年7月7日土曜日
  • 41. 搁での実行例: 線形型 lm関数をそのまま実行 説明力高い 2012年7月7日土曜日
  • 42. 搁での実行例: 線形型 lm関数をそのまま実行 price?is_?yer ともに有意 2012年7月7日土曜日
  • 43. 搁での実行例: 線形型 lm関数をそのまま実行 チラシ配ると 32単位分増加 2012年7月7日土曜日
  • 44. 搁での実行例: 線形型 lm関数をそのまま実行 残差は ちょっと歪んでる 2012年7月7日土曜日
  • 45. 搁での実行例: 逓増型 sales.volumeにlogをつけてlm関数を実行 2012年7月7日土曜日
  • 46. 搁での実行例: 逓減型 sales.volumeにlogを付けてlm関数を実行 (今回、is_?yerは0か1なので、exp(is_?yer)をプロモーション変数に設定) 2012年7月7日土曜日
  • 47. 搁での実行例: S字型 glm関数で、family=binomialを指定して実行 2012年7月7日土曜日
  • 48. AGENDA ◆ 自己绍介 ◆ プロモーションとは ◆ 広告 ◆ セールスプロモーション ◆ まとめ 2012年7月7日土曜日
  • 49. まとめ lm?glm 便利! 線形型 逓減型 売上高 売上高 広告量 広告量 S字型 逓増型 売上高 売上高 広告量 広告量 2012年7月7日土曜日
  • 50. 罢辞办测辞.搁の次回以降の 発表者?LTを募集しています! 2012年7月7日土曜日