Your SlideShare is downloading. ×
Tokyor24 yokkuns
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Tokyor24 yokkuns

1,181
views

Published on


0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,181
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
6
Comments
0
Likes
3
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 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.R2012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
  • 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 852012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/ 862012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 872012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
  • 20. R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. R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. R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. R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. 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
  • 26. R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. R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. R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. 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=0.32012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
  • 38. R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
  • 39. Rでの実行例: 散布図2012年7月7日土曜日
  • 40. R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. R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. 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
  • 44. R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. 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
  • 50. Tokyo.R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
  • 51. ご清聴ありがとうございました!2012年7月7日土曜日