More Related Content
Similar to Webサービス申込者数 (20)
Webサービス申込者数
- 2. はじめに
2
ユーザー
p BtoCのwebサービス運営企業
シチュエーション
p webサービスの申込者の増加に影響している要因を把握したい
p 経験則から「6月と9月は申込者が増える」ことは知っているが、どの
程度影響しているのか知りたい
p 曜日によって申込者数の増減がある気がするが、本当に影響がある
のか検証したい
用意したデータの内容
【成果】
-‐
申込者数
【要素】
-‐
申込者
-‐
サイト来訪者数
-‐
TVCM放映量
-‐
Web広告露出量
-‐
自社Webリニューアル
-‐
季節要因
-‐
Sun/Mon/Tue/Wed/Thr/Fri/Sat
※ 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
- 8. 2.
データを読み解く
8
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. 2.
データを読み解く
p 結果を確認する
10
先ほどのエラーは解消されている
モデルの精度 ・・・ 40.58%
結果に影響する要素 ・・・ 2つ
- 季節要因
(影響力 +44.127)
- Fri
(影響力 -182.005)
※ 現時点の結果からは、「金曜日は申込者が182人減る」 という影響が出るという仮説が導かれる
※ また、季節要因も影響があるので「6月9月は他の月より申込者が44人増える」という仮説も読み取れる
- 12. 2.
データを読み解く
p 結果を確認する
12
結果に影響する要素 ・・・ 5つ
モデルの精度 ・・・ 93.81%
- サイト来訪者数(2)
(影響力 +0.103)
- Web広告露出量(3)
(影響力 +0.052)
- Web広告露出量(5)
(影響力 -0.002)
- 季節要因
(影響力 +44.058)
- Fri
(影響力 -192.775)
※ 「サイト来訪者数(2)」は「2日後の申込者数に影響がある」ことを表わす
※ モデルの精度は
[93.81%]
まで向上しており、説明力の高いモデルになっている
- 17. 3.
結果を比べる
17
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