Recommended
More Related Content
Similar to 資格学校のトライアル申込者数
Similar to 資格学校のトライアル申込者数 (20)
資格学校のトライアル申込者数
- 2. はじめに 2 ユーザー シチュエーション 用意したデータの内容 ※ 上記内容は類似業種へのヒアリング情報に基づいたXICAによる創作です ※ 現実に同様の結果を保証する物ではありません
- 3. はじめに 3 ユーザー p 社会人を対象とした資格学校 シチュエーション 用意したデータの内容 ※ 上記内容は類似業種へのヒアリング情報に基づいたXICAによる創作です ※ 現実に同様の結果を保証する物ではありません
- 4. はじめに 4 ユーザー p 社会人を対象とした資格学校 シチュエーション p 「トライアルセッション申込者」を最大化するた めの効果的な施策について検証をしたい 用意したデータの内容 ※ 上記内容は類似業種へのヒアリング情報に基づいたXICAによる創作です ※ 現実に同様の結果を保証する物ではありません
- 5. はじめに 5 ユーザー p 社会人を対象とした資格学校 シチュエーション p 「トライアルセッション申込者」を最大化するた めの効果的な施策について検証をしたい 用意したデータの内容 【成果】 -‐ トライアル申込者数 【要素】 -‐ バナー広告クリック数 -‐ 社名検索数 -‐ TVCM -‐ 電車広告(鉄道A) -‐ 電車広告(鉄道B) -‐ 雑誌広告A （販売部数） -‐ 雑誌広告B （販売部数） ※ 上記内容は類似業種へのヒアリング情報に基づいたXICAによる創作です ※ 現実に同様の結果を保証する物ではありません
- 6. 分析の流れ 6
- 8. 分析の流れ 8 1.データを 用意する 2.データを 読み解く p データを登録する p データの概略を 把握する p 分析機能を使っ てモデルの精度 を上げる p 違ったアプローチ の分析を試す
- 9. 分析の流れ 9 1.データを 用意する 2.データを 読み解く 3.結果を 比べる p データを登録する p データの概略を 把握する p 分析機能を使っ てモデルの精度 を上げる p 違ったアプローチ の分析を試す p 保存したモデル を比べる
- 10. 分析の流れ 10 1.データを 用意する 2.データを 読み解く 3.結果を 比べる p データを登録する p データの概略を 把握する p 分析機能を使っ てモデルの精度 を上げる p 違ったアプローチ の分析を試す p 保存したモデル を比べる
- 21. 1. データを用意する p 分析モデルの概要を把握する 21 モデルの精度 ・・・ 46.14%
- 22. 1. データを用意する p 分析モデルの概要を把握する 22 モデルの精度 ・・・ 46.14%
- 23. 1. データを用意する p 分析モデルの概要を把握する 23 結果に影響する要素 ・・・ 1つ モデルの精度 ・・・ 46.14% - バナー広告クリック数 (影響力 +0.368)
- 24. 1. データを用意する p 分析モデルの概要を把握する 24 結果に影響する要素 ・・・ 1つ モデルの精度 ・・・ 46.14% - バナー広告クリック数 (影響力 +0.368) ※ 分析モデルは「モデルの精度」と「結果に影響する要素（とその影響力の大きさ）」の2点に よって判断する
- 25. 分析の流れ 25 1.データを 用意する 2.データを 読み解く 3.結果を 比べる p データを登録する p データの概略を 把握する p 分析機能を使っ てモデルの精度 を上げる p 違ったアプローチ の分析を試す p 保存したモデル を比べる
- 29. 2. データを読み解く p 連続してズレている期間（2012/01/01 〜 2012/01/15）に「特殊な 要素」を追加する 29 分析①
- 30. 2. データを読み解く p 連続してズレている期間（2012/01/01 〜 2012/01/15）に「特殊な 要素」を追加する 30 分析①
- 31. 2. データを読み解く p 連続してズレている期間（2012/01/01 〜 2012/01/15）に「特殊な 要素」を追加する 31 2012/01/01 〜 2012/01/15を 選択し、「特殊な要素の追加」 をする 分析①
- 35. 2. データを読み解く p 「特殊な要素」を追加した後の結果を確認する 35 モデルの精度 ・・・ 59.01% 分析①
- 36. 2. データを読み解く p 「特殊な要素」を追加した後の結果を確認する 36 モデルの精度 ・・・ 59.01% 分析①
- 37. 2. データを読み解く p 「特殊な要素」を追加した後の結果を確認する 37 結果に影響する要素 ・・・ 2つ モデルの精度 ・・・ 59.01% - バナー広告クリック数 (影響力 +0.229) - 社名検索数 (影響力 +0.793) 分析①
- 38. 2. データを読み解く p 「特殊な要素」を追加した後の結果を確認する 38 結果に影響する要素 ・・・ 2つ モデルの精度 ・・・ 59.01% - バナー広告クリック数 (影響力 +0.229) - 社名検索数 (影響力 +0.793) 分析① ※ モデルの精度は [46.14% → 59.01%] と向上した ※ 結果に影響する要素は [1つ → 2つ] と増え、以前は関係がなかった「社名検索数」も影響 を及ぼしている
- 39. 2. データを読み解く p 2012/01/22 〜 2012/01/29 もズレが大きいので、ここにも「特殊な 要素」を追加する 39 分析①
- 40. 2. データを読み解く p 2012/01/22 〜 2012/01/29 もズレが大きいので、ここにも「特殊な 要素」を追加する 40 分析①
- 41. 2. データを読み解く p 2012/01/22 〜 2012/01/29 もズレが大きいので、ここにも「特殊な 要素」を追加する 41 分析①
- 42. 2. データを読み解く p 2012/01/22 〜 2012/01/29 もズレが大きいので、ここにも「特殊な 要素」を追加する 42 2012/01/22 〜 2012/01/29を 選択し、「特殊な要素の追加」 をする 分析①
- 46. 2. データを読み解く p 結果を確認する 46 モデルの精度 ・・・ 65.20% 分析①
- 47. 2. データを読み解く p 結果を確認する 47 モデルの精度 ・・・ 65.20% 分析①
- 48. 2. データを読み解く p 結果を確認する 48 結果に影響する要素 ・・・ 2つ モデルの精度 ・・・ 65.20% - バナー広告クリック数 (影響力 +0.170) - TVCM (影響力 +108.078) 分析①
- 49. 2. データを読み解く p 結果を確認する 49 結果に影響する要素 ・・・ 2つ モデルの精度 ・・・ 65.20% - バナー広告クリック数 (影響力 +0.170) - TVCM (影響力 +108.078) 分析① ※ モデルの精度は [59.01% → 65.20%] とさらに向上した ※ 結果に影響する要素は [2つ] のままだが、「社名検索数」は影響なし、「TVCM」は影響あり、 へと変わった
- 50. 2. データを読み解く p 次にズレている2012/04/08 〜 2012/04/29 にも「特殊な要素」を追 加する 50 分析①
- 51. 2. データを読み解く p 次にズレている2012/04/08 〜 2012/04/29 にも「特殊な要素」を追 加する 51 分析①
- 52. 2. データを読み解く p 次にズレている2012/04/08 〜 2012/04/29 にも「特殊な要素」を追 加する 52 2012/04/08 〜 2012/04/29を 選択し、「特殊な要素の追加」 をする 分析①
- 59. 2. データを読み解く p 結果を確認する 59 モデルの精度 ・・・ 96.49% 分析①
- 60. 2. データを読み解く p 結果を確認する 60 モデルの精度 ・・・ 96.49% 分析①
- 61. 2. データを読み解く p 結果を確認する 61 結果に影響する要素 ・・・ 4つ モデルの精度 ・・・ 96.49% - バナー広告クリック数 (影響力 +0.170) - 社名検索数 (影響力 +0.428) - TVCM (影響力 +85.960) - 電車広告(鉄道A) (影響力 +22.297) 分析①
- 62. 2. データを読み解く p 結果を確認する 62 結果に影響する要素 ・・・ 4つ モデルの精度 ・・・ 96.49% - バナー広告クリック数 (影響力 +0.170) - 社名検索数 (影響力 +0.428) - TVCM (影響力 +85.960) - 電車広告(鉄道A) (影響力 +22.297) 分析① ※ モデルの精度は [96.49%] まで向上し、結果に影響する要素も [2つ → 4つ] と増えた ※ トライアル申込数は「年始(1月)」と「年度始め(4月)」という時期による影響が大きいことが 分かる
- 70. 2. データを読み解く p 先ほどは左端の期間に対して、「特殊な要素」を追加したが、 今回は2012/10/07 〜 2012/10/14 に「特殊な要素」を追加する 70 分析②
- 71. 2. データを読み解く p 先ほどは左端の期間に対して、「特殊な要素」を追加したが、 今回は2012/10/07 〜 2012/10/14 に「特殊な要素」を追加する 71 2012/10/07 〜 2012/10/14を 選択し、「特殊な要素の追加」 をする 分析②
- 72. 2. データを読み解く p 先ほどは左端の期間に対して、「特殊な要素」を追加したが、 今回は2012/10/07 〜 2012/10/14 に「特殊な要素」を追加する 72 2012/10/07 〜 2012/10/14を 選択し、「特殊な要素の追加」 をする 分析② ※ 先ほどとは違ったアプローチでデータが読み解けないか試している
- 79. 2. データを読み解く p 結果を見比べる 79 モデルの精度 ・・・ 80.68% 分析②
- 80. 2. データを読み解く p 結果を見比べる 80 モデルの精度 ・・・ 80.68% 分析②
- 81. 2. データを読み解く p 結果を見比べる 81 結果に影響する要素 ・・・ 3つ モデルの精度 ・・・ 80.68% - バナー広告クリック数 (影響力 +0.472) - 社名検索数 (影響力 +0.663) - TVCM (影響力 +95.554) 分析②
- 87. 分析の流れ 87 2.データを 読み解く 3.結果を 比べる p データを登録する p データの概略を 把握する p 分析機能を使っ てモデルの精度 を上げる p 違ったアプローチ の分析を試す p 保存したモデル を比べる 1.データを 用意する
- 91. 3. 結果を比べる p 分析結果を見比べ、実際に活用できる可能性の高いモデルを選 択する 91 モデルの精度、それ ぞれの要素の影響力 を比べる ü モデルの精度は約96% ü 年始(1月)と年度始め(4月)にそれぞれ 連続してトライアル申込数が増える期 間がある ü 結果に影響するのは「バナー」「社名検 索」「TVCM」「電車A」の4つ 分析①
- 92. 3. 結果を比べる p 分析結果を見比べ、実際に活用できる可能性の高いモデルを選 択する 92 モデルの精度、それ ぞれの要素の影響力 を比べる ü モデルの精度は約96% ü 年始(1月)と年度始め(4月)にそれぞれ 連続してトライアル申込数が増える期 間がある ü 結果に影響するのは「バナー」「社名検 索」「TVCM」「電車A」の4つ ü モデルの精度は約80% ü 年度始め(4月)にトライアル申込数が増 え、10月12月には特殊な要素で減る 期間もある ü 結果に影響するのは「バナー」「社名検 索」「TVCM」の3つ 分析② 分析①
- 95. 分析結果から得られる最終的な仮説 95 時期による特殊な要素として、年始(1月)と年度始め(4月)はトライア ル申込者が増える期間である 各種の施策については、バナー広告クリック数、社名検索数、TVCM、電車広告(鉄道A)は それぞれトライアル申込者の増加に影響がある。
- 96. 分析結果から得られる最終的な仮説 96 時期による特殊な要素として、年始(1月)と年度始め(4月)はトライア ル申込者が増える期間である 各種の施策については、バナー広告クリック数、社名検索数、TVCM、電車広告(鉄道A)は それぞれトライアル申込者の増加に影響がある。 一方で電車広告(鉄道B)、雑誌広告A、雑誌広告Bは直接的な影響が見られ ない