Tokyor24 yokkuns
- 1. マーケティングの統計分析
- 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
◆ 自己紹介
◆ 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
◆ 自己紹介
◆ 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. 自己紹介
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
- 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 Effects
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
◆ 自己紹介
◆ 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
◆ 自己紹介
◆ 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. 広告の分類
広告は目的によって、3つに分類される
広告の分類
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. 広告計画策定プロセス
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. 広告効果測定モデル
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
- 24. R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. R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
- 29. R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. 広告長期効果と持続期間
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. R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
◆ 自己紹介
◆ 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. 長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
- 42. Rでの実行例: 線形型
lm関数をそのまま実行
price・is_flyer
ともに有意
2012年7月7日土曜日
- 43. R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
- 45. R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. R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_flyerは0か1なので、exp(is_flyer)をプロモーション変数に設定)
2012年7月7日土曜日
- 47. R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
◆ 自己紹介
◆ 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
