SlideShare a Scribd company logo
1 of 40
Download to read offline
製品改良と満足度との関係:
多属性モデルに基づくシミュレーション
⽇置 智之
2018/11/27
前提1:
⾰新的な技術に基づく製品改良は起こらない
(属性空間上において、企業は技術フロンティアの内
部にのみ製品を展開できる)
前提2:
市場は成熟している
(ある特定の属性のみを重視する消費者が多数を占め
ることはない)
前提3:
選好ベクトルの⾓度は正規分布に従う
1
シミュレーションの前提
2
シミュレーション環境の設定
消費者数:
1000 (n=1000)
消費者の属性1,2の重視度:
平均3,標準偏差1の正規分布に従う乱数(絶対値)
製品の属性⽔準間の関係:
5"
=	属性1の⽔準"
+ 属性2の⽔準"
広告費:
0~200
3
シミュレーション環境の設定
チャネル費:
0~200
流通チャネル:
上限0.9,スタート0.3,限界効果0.1でチャネル費1毎
の流通チャネル
製品の認知率:
上限1,スタート0.1,限界効果0.03で広告費1毎の認知率
製品の理解度の平均:
上限1,スタート0.001,限界効果0.04で広告費1毎
の理解度の平均
4
0
0.2
0.4
0.6
0.8
1
1.2
0 20 40 60 80 100 120 140 160 180 200
認知率・理解度
広告費
広告効果
認知率 理解度の平均
広告効果の導⼊
認知率 理解度
上限 1 1
スタート 0.1 0.001
限界効果 0.05 0.04
5
チャネル成果の導⼊
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0
4
8
12
16
20
24
28
32
36
40
44
48
52
56
60
64
68
72
76
80
84
88
92
96
100
104
108
112
116
120
124
128
132
136
140
144
148
152
156
160
164
168
172
176
180
184
188
192
196
200
流通チャネル
チャネル費(人件費)
チャネル成果
流通チャネル
流通チャネル
上限 0.9
スタート 0.3
限界効果 0.1
6
選好ベクトルの分布
0	
50	
100	
150	
200	
250	
300	
350	
0-10 10-20 20-30 30-40 40-50 50-60 60-70 70-80 80-90
7変数の定義
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
理想製品の効⽤:
理想製品の属性⽔準と属性重視度の積和
顧客満⾜度:
選択製品の効⽤を理想製品の効⽤で割った値
顧客満⾜度の平均:
どれだけ顧客が満⾜しているかの指標
8変数の定義
顧客満⾜度の標準偏差:
顧客が満⾜度についてどれだけ同質的かの指標
異質である場合、不満⾜を感じる顧客が多い
製品の認知:
製品を知っているかどうか、0,1のダミー変数
製品の理解度:
製品をどれだけ正しく知っているか[0,1]のシグモイド
⼊⼿可能性:
製品の⼊⼿可能性、0,1のダミー変数
9結果:製品A(製品A改良)
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
A
A ( )
A ( )
A ( )
A ( )
10結果:製品B(製品A改良)
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
B
B ( )
B ( )
B ( )
11結果:製品C(製品A改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0.0125
0.013
0.0135
0.014
0.0145
0.015
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
C
C ( )
C ( )
C ( )
12結果:⼊⼿可能性を考慮した製品A(製品A改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
A +
A ( )+
A ( )+
A ( )+
A ( )+
13結果:⼊⼿可能性を考慮した製品B(製品A改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
B +
B ( )+
B ( )+
B ( )+
14結果:⼊⼿可能性を考慮した製品C(製品A改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0.0165
0.017
0.0175
0.018
0.0185
0.019
0.0195
0.02
0.0205
0.021
0.0215
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
sptes
C +
C ( )+
C ( )+
C ( )+
15結果:製品B(製品B改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
B
B ( )
B ( )
B ( )
16結果:製品A(製品B改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
A
A ( )
A ( )
A ( )
A ( )
17結果:製品C(製品B改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0.0125
0.013
0.0135
0.014
0.0145
0.015
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
C
C ( )
C ( )
C ( )
18結果:⼊⼿可能性を考慮した製品B(製品B改良)
0.151
0.1515
0.152
0.1525
0.153
0.1535
0.154
0.1545
0.155
0.1555
0.156
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
sptes
B +
B ( )+
B ( )+
19結果:⼊⼿可能性を考慮した製品A(製品B改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
A +
A ( )+
A ( )+
A ( )+
A ( )+
20結果:⼊⼿可能性を考慮した製品C(製品B改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0.017
0.0175
0.018
0.0185
0.019
0.0195
0.02
0.0205
0.021
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
C +
C ( )+
C ( )+
21結果:製品C(製品C改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0
0.002
0.004
0.006
0.008
0.01
0.012
0.014
0.016
0.018
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
C
C ( )
C ( )
C ( )
22結果:製品A(製品C改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
A
A ( )
A ( )
A ( )
A ( )
23結果:製品B(製品C改良)
理想製品の属性⽔準:
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
B
B ( )
B ( )
B ( )
24結果:⼊⼿可能性を考慮した製品C(製品C改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0
0.002
0.004
0.006
0.008
0.01
0.012
0.014
0.016
0.018
0.02
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
C +
C ( )+
C ( )+
C ( )+
25結果:⼊⼿可能性を考慮した製品A(製品C改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
A +
A ( )+
A ( )+
A ( )+
A ( )+
26結果:⼊⼿可能性を考慮した製品B(製品C改良)
理想製品の属性⽔準:
選好ベクトルと技術フロンティアとの交点座標
0.15
0.152
0.154
0.156
0.158
0.16
0.162
0.164
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
B +
B ( )+
B ( )+
B ( )+
15.70%
39.10%
45.20%
A B C
50.30%
22.70%
27.00%
A B C
27
製品A 製品B 製品C
属性1(z1) 1.500	 2.000	 4.500	
属性2(z2) 4.770	 4.583	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 15.70% 39.10% 45.20%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
製品A 製品B 製品C
属性1(z1) 3.402	 2.000	 4.500	
属性2(z2) 3.664	 4.583	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 50.30% 22.70% 27.00%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
市場シェア+ 47.90% 25.30% 26.80%
結果:製品A改良前後の市場シェアの変化
15.70%
39.10%
45.20%
A B C
28
製品A 製品B 製品C
属性1(z1) 1.500	 2.000	 4.500	
属性2(z2) 4.770	 4.583	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 15.70% 39.10% 45.20%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
製品A 製品B 製品C
属性1(z1) 3.402	 2.000	 4.500	
属性2(z2) 3.664	 4.583	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 50.30% 22.70% 27.00%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
市場シェア+ 47.90% 25.30% 26.80%
⼊⼿可能性を考慮した製品A市場シェアの変化
48%
25%
27%
+
A B C
15.70%
39.10%
45.20%
A B C
15.70%
39.10%
45.20%
A B C
18.00%
54.80%
27.20%
A B C
29
製品A 製品B 製品C
属性1(z1) 1.500	 3.441	 4.500	
属性2(z2) 4.770	 3.628	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 18.00% 54.80% 27.20%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
市場シェア+ 25.20% 47.00% 27.80%
製品A 製品B 製品C
属性1(z1) 1.500	 2.000	 4.500	
属性2(z2) 4.770	 4.583	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 15.70% 39.10% 45.20%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
結果:製品B改良前後の市場シェアの変化
15.70%
39.10%
45.20%
A B C
15.70%
39.10%
45.20%
A B C
30
製品A 製品B 製品C
属性1(z1) 1.500	 3.441	 4.500	
属性2(z2) 4.770	 3.628	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 18.00% 54.80% 27.20%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
市場シェア+ 25.20% 47.00% 27.80%
製品A 製品B 製品C
属性1(z1) 1.500	 2.000	 4.500	
属性2(z2) 4.770	 4.583	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 15.70% 39.10% 45.20%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
⼊⼿可能性を考慮した製品B市場シェアの変化
25%
47%
28%
+
A B C
15.70%
39.10%
45.20%
A B C
10.70%
24.60%
64.70%
A B C
31
製品A 製品B 製品C
属性1(z1) 1.500	 2.000	 3.441	
属性2(z2) 4.770	 4.583	 3.628	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 10.70% 24.60% 64.70%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
市場シェア+ 20.20% 29.40% 50.40%
製品A 製品B 製品C
属性1(z1) 1.500	 2.000	 4.500	
属性2(z2) 4.770	 4.583	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 15.70% 39.10% 45.20%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
結果:製品C改良前後の市場シェアの変化
15.70%
39.10%
45.20%
A B C
32
製品A 製品B 製品C
属性1(z1) 1.500	 2.000	 3.441	
属性2(z2) 4.770	 4.583	 3.628	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 10.70% 24.60% 64.70%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
市場シェア+ 20.20% 29.40% 50.40%
製品A 製品B 製品C
属性1(z1) 1.500	 2.000	 4.500	
属性2(z2) 4.770	 4.583	 2.179	
広告費 50	 50	 50	
認知率(理論値) 0.828	 0.828	 0.828	
理解度の平均(理論値) 0.393	 0.393	 0.393	
市場シェア 15.70% 39.10% 45.20%
認知率(実測値) 0.825	 0.828	 0.829	
理解度の平均(実測値) 0.393	 0.393	 0.393	
チャネル費 20 20 20
流通チャネル 0.765	 0.765	 0.765	
⼊⼿可能性を考慮した製品C市場シェアの変化
20%
30%
50%
+
A B C
33製品A,B,C(製品A改良)の考察
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
A
A ( )
A ( )
A ( )
A ( )
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
B
B ( )
B ( )
B ( )
0.0125
0.013
0.0135
0.014
0.0145
0.015
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
C
C ( )
C ( )
C ( )
製品Aでは市場シェアが上がると、
満⾜度の標準偏差が下がることから、
顧客満⾜度のバラツキが⼤きくなることが分かる
⼀⽅で、製品B,Cの市場シェアと
顧客満⾜度の標準偏差の推移に注⽬すると、
必ずしも市場シェアが減少すれば顧客満⾜度の
標準偏差も⼩さくなるわけではないことがわかる
つまり、市場シェアの変化と顧客満⾜度の
バラツキは直接相関がないといえる
また、顧客満⾜度の平均に注⽬すると、
すべての製品に⼤きな変化が⾒られない
これは、環境で設定した理解度の乱数が低く、
低い標準偏差で設定されていることに起因する
顧客満⾜度は理想製品の効⽤に対する
製品の効⽤との⽐で表現できるが、
唯⼀製品の効⽤を下げる要因は理解度のみである
34⼊⼿可能性考慮の製品A,B,C(製品A改良)の考察
流通チャネルを導⼊して⼊⼿可能性を考慮すると、
製品Aの市場シェアは流通チャネル導⼊前と⽐べ、
若⼲減少する傾向にある
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
A +
A ( )+
A ( )+
A ( )+
A ( )+
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
B +
B ( )+
B ( )+
B ( )+
0.0165
0.017
0.0175
0.018
0.0185
0.019
0.0195
0.02
0.0205
0.021
0.0215
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
sptes
C +
C ( )+
C ( )+
C ( )+
50.30%
22.70%
27.00%
A B C
48%
25%
27%
+
A B C
35
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
B
B ( )
B ( )
B ( )
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
A
A ( )
A ( )
A ( )
A ( )
0.0125
0.013
0.0135
0.014
0.0145
0.015
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
C
C ( )
C ( )
C ( )
製品B,A,C(製品B改良)の考察
15.70%
39.10%
45.20%
A B C
18.00%
54.80%
27.20%
A B C
製品Bの市場シェアを拡⼤させると、
製品Aの市場シェアに⼤きな変化はないが、
製品Cの市場シェアが⼤きく変化した
これは製品Bと製品Cの効⽤が近い値であるため、
製品Bの効⽤を上げることで製品Cの既存顧客が
製品Bに流れたと読める
36⼊⼿可能性考慮の製品A,B,C(製品B改良)の考察
⼊⼿可能性を考慮すると、製品Bの市場シェアは
流通チャネル導⼊前に⽐べて下がった
⼀⽅で、製品A,Cの市場シェアは流通チャネル
導⼊前に⽐べて増加した
0.151
0.1515
0.152
0.1525
0.153
0.1535
0.154
0.1545
0.155
0.1555
0.156
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
sptes
B +
B ( )+
B ( )+
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
A +
A ( )+
A ( )+
A ( )+
A ( )+
0.017
0.0175
0.018
0.0185
0.019
0.0195
0.02
0.0205
0.021
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
C +
C ( )+
C ( )+
25%
47%
28%
+
A B C
18.00%
54.80%
27.20%
A B C
37製品C,A,B(製品C改良)の考察
製品B改良時の考察と同様に、
製品Bと製品Cの効⽤の値が近いため、
製品Cの効⽤の⾼まり(市場シェアの拡⼤)
によって相対的に製品Bの市場シェアは減少する
0
0.002
0.004
0.006
0.008
0.01
0.012
0.014
0.016
0.018
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
C
C ( )
C ( )
C ( )
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
A
A ( )
A ( )
A ( )
A ( )
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
B
B ( )
B ( )
B ( )
15.70%
39.10%
45.20%
A B C
10.70%
24.60%
64.70%
A B C
38⼊⼿可能性考慮の製品A,B,C(製品C改良)の考察
⼊⼿可能性の考慮により製品Cの市場シェアは、
導⼊前に⽐べて⼤きく減少した
0
0.002
0.004
0.006
0.008
0.01
0.012
0.014
0.016
0.018
0.02
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
C +
C ( )+
C ( )+
C ( )+
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
steps
A +
A ( )+
A ( )+
A ( )+
A ( )+
0.15
0.152
0.154
0.156
0.158
0.16
0.162
0.164
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536373839404142434445464748495051
steps
B +
B ( )+
B ( )+
B ( )+
10.70%
24.60%
64.70%
A B C
20%
30%
50%
+
A B C
39まとめ
⾃社製品の⽔準を理想製品の⽔準に近づける
ことのみにより市場シェアの拡⼤を図ると、
流通チャネルにより市場シェアに⼤きく影響される
今回は製品の⽔準を消費者の理想製品の⽔準の平均値
に近づけることによって市場シェアの拡⼤を⾏なった
が、さらなる課題では、効⽤の増加の要因として、
認知率・理解度・流通チャネルの各要素に分解できる
つまり、広告費とチャネル費の最適化も考慮する
ことでさらなる分析が可能となる

More Related Content

More from Tomoyuki Hioki

Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...Tomoyuki Hioki
 
Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...Tomoyuki Hioki
 
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at ScaleTomoyuki Hioki
 
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...Tomoyuki Hioki
 
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...Tomoyuki Hioki
 
【論文紹介】Seq2Seq (NIPS 2014)
【論文紹介】Seq2Seq (NIPS 2014)【論文紹介】Seq2Seq (NIPS 2014)
【論文紹介】Seq2Seq (NIPS 2014)Tomoyuki Hioki
 
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)[論文紹介] LSTM (LONG SHORT-TERM MEMORY)
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)Tomoyuki Hioki
 
【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem

【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem
【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem

【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem
Tomoyuki Hioki
 

More from Tomoyuki Hioki (15)

Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...
 
Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...
 
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale
 
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...
 
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...
 
【論文紹介】Seq2Seq (NIPS 2014)
【論文紹介】Seq2Seq (NIPS 2014)【論文紹介】Seq2Seq (NIPS 2014)
【論文紹介】Seq2Seq (NIPS 2014)
 
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)[論文紹介] LSTM (LONG SHORT-TERM MEMORY)
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)
 
【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem

【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem
【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem

【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem

 
Prml1.2.5~1.2.6
Prml1.2.5~1.2.6Prml1.2.5~1.2.6
Prml1.2.5~1.2.6
 
Prml1.2.4
Prml1.2.4Prml1.2.4
Prml1.2.4
 
Prml1.2.3
Prml1.2.3Prml1.2.3
Prml1.2.3
 
Prml1.2.1~1.2.2
Prml1.2.1~1.2.2Prml1.2.1~1.2.2
Prml1.2.1~1.2.2
 
PRML1.1
PRML1.1PRML1.1
PRML1.1
 
PRML1.2
PRML1.2PRML1.2
PRML1.2
 
PRML1.1
PRML1.1PRML1.1
PRML1.1
 

製品改良と満足度との関係:多属性モデルに基づくシミュレーション