Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

R言語で学ぶマーケティング分析 競争ポジショニング戦略

22,353 views

Published on

R言語で学ぶマーケティング分析 競争ポジショニング戦略

  1. 1. R言語で学ぶマーケティング分析競争ポジショニング戦略@yokkuns 里 洋平yohei0511@gmail.com2013.06.01 第31回Tokyo.R2013年6月1日土曜日
  2. 2. 本日の内容マーケティング分析シリーズ 第N弾2013年6月1日土曜日
  3. 3. AGENDA■ 競争ポジショニング戦略とは■ 自己紹介■ マーケットセグメンテーション■ ターゲティング■ ポジショニング2013年6月1日土曜日
  4. 4. AGENDA■ 競争ポジショニング戦略とは■ 自己紹介■ マーケットセグメンテーション■ ターゲティング■ ポジショニング2013年6月1日土曜日
  5. 5. 自己紹介◆ 統計解析やデータマイニングをビジネスに適用◆ 里 洋平(@yokkuns)◆ 元Webエンジニアのデータサイエンティスト・今は主にマーケティング周りを見てる・時系列解析とか異常検知とか最適化とか・いろんなモデルの構築◆ Tokyo.Rの主催者2013年6月1日土曜日
  6. 6. 活動例2013年6月1日土曜日
  7. 7. 活動例Webアプリ開発Androidアプリ開発システム開発2013年6月1日土曜日
  8. 8. 活動例Webアプリ開発Androidアプリ開発システム開発統計モデリングデータマイニング動画レコメンド株価市場予測異常検知行動変化モデリング2013年6月1日土曜日
  9. 9. 活動例Webアプリ開発Androidアプリ開発ビジネスマーケティング統計モデリングデータマイニング動画レコメンド株価市場予測異常検知選択行動予測プロモーションシステム開発Data Fusion 行動変化モデリング2013年6月1日土曜日
  10. 10. AGENDA■ 競争ポジショニング戦略とは■ 自己紹介■ マーケットセグメンテーション■ ターゲティング■ ポジショニング2013年6月1日土曜日
  11. 11. 市場の構造市場は様々な価値観や趣向の人達で構成されている何も考えず思いつきでサービスや商品を提供するのは非効率2013年6月1日土曜日
  12. 12. 効果的なサービス提供ある程度ターゲットとなる人達を決めそのターゲットに刺さりそうなサービスや商品を提供したい2013年6月1日土曜日
  13. 13. 競争ポジショニング戦略2013年6月1日土曜日
  14. 14. 競争ポジショニング戦略市場がどんな人達で構成されていて2013年6月1日土曜日
  15. 15. 競争ポジショニング戦略市場がどんな人達で構成されていてその中で誰をターゲットにし2013年6月1日土曜日
  16. 16. 競争ポジショニング戦略市場がどんな人達で構成されていてその中で誰をターゲットにしどんなサービス・商品を提供するのか2013年6月1日土曜日
  17. 17. 競争ポジショニング戦略市場がどんな人達で構成されていてその中で誰をターゲットにしどんなサービス・商品を提供するのかセグメンテーション2013年6月1日土曜日
  18. 18. 競争ポジショニング戦略市場がどんな人達で構成されていてその中で誰をターゲットにしどんなサービス・商品を提供するのかセグメンテーションターゲティング2013年6月1日土曜日
  19. 19. 競争ポジショニング戦略市場がどんな人達で構成されていてその中で誰をターゲットにしどんなサービス・商品を提供するのかセグメンテーションターゲティングポジショニング2013年6月1日土曜日
  20. 20. AGENDA■ 競争ポジショニング戦略とは■ 自己紹介■ マーケットセグメンテーション■ ターゲティング■ ポジショニング2013年6月1日土曜日
  21. 21. マーケットセグメンテーションとは市場の人々を何らかの基準でいくつかの意味のあるグループに分ける事2013年6月1日土曜日
  22. 22. マーケットセグメンテーションとは市場の人々を何らかの基準でいくつかの意味のあるグループに分ける事2013年6月1日土曜日
  23. 23. マーケットセグメンテーションとは市場の人々を何らかの基準でいくつかの意味のあるグループに分ける事セグメント1 セグメント2 セグメント3 セグメント42013年6月1日土曜日
  24. 24. 伝統的なセグメンテーション従来からあるセグメンテーションの方法としては、性別や年代、地域等基本的な属性情報を使ったグループ分け2013年6月1日土曜日
  25. 25. 伝統的なセグメンテーションの課題趣味嗜好が多様化した現在、基本的な属性による区分では意味のあるグループが出来なくなって来ている2013年6月1日土曜日
  26. 26. 伝統的なセグメンテーションの課題hogehoge趣味嗜好が多様化した現在、基本的な属性による区分では意味のあるグループが出来なくなって来ている2013年6月1日土曜日
  27. 27. 伝統的なセグメンテーションの課題hogehogefuga趣味嗜好が多様化した現在、基本的な属性による区分では意味のあるグループが出来なくなって来ている2013年6月1日土曜日
  28. 28. 伝統的なセグメンテーションの課題hogehogefoofuga趣味嗜好が多様化した現在、基本的な属性による区分では意味のあるグループが出来なくなって来ている2013年6月1日土曜日
  29. 29. 伝統的なセグメンテーションの課題hogehogefoofuga同じセグメント内でも、様々な趣向や価値観が存在している趣味嗜好が多様化した現在、基本的な属性による区分では意味のあるグループが出来なくなって来ている2013年6月1日土曜日
  30. 30. クラスタリングによるセグメンテーション基本的な属性だけではなく、趣向や行動パターン等を用いて機械的に意味のいくつかのグループに分ける2013年6月1日土曜日
  31. 31. クラスタリングによるセグメンテーション基本的な属性だけではなく、趣向や行動パターン等を用いて機械的に意味のいくつかのグループに分ける2013年6月1日土曜日
  32. 32. クラスタリングによるセグメンテーション基本的な属性だけではなく、趣向や行動パターン等を用いて機械的に意味のいくつかのグループに分ける2013年6月1日土曜日
  33. 33. クラスタリングによるセグメンテーション基本的な属性だけではなく、趣向や行動パターン等を用いて機械的に意味のいくつかのグループに分ける2013年6月1日土曜日
  34. 34. Rによる実行例: 利用するデータの元ネタIMJモバイルが公開している「スマートフォンユーザー動向定点観測2011」2013年6月1日土曜日
  35. 35. Rによる実行例: 利用するデータの元ネタIMJモバイルが公開している「スマートフォンユーザー動向定点観測2011」消費行動に関するアンケートライフスタイルに関するアンケート利用サービスに関するアンケート2013年6月1日土曜日
  36. 36. Rによる実行例: 利用するデータ消費行動に関する17項目の質問に回答した仮想データ2013年6月1日土曜日
  37. 37. Rによる実行例: 利用するデータ消費行動に関する17項目の質問に回答した仮想データsp_user_research_data.csv2013年6月1日土曜日
  38. 38. Rによる実行例: 主成分分析ユーザー間の類似関係をざっくりと把握するため主成分分析を実行して可視化してみるsp.user.data <- read.csv("sp_user_research_data.csv",header = T)sp.user.pca <- prcomp(sp.user.data[, -1], scale = T)biplot(sp.user.pca)2013年6月1日土曜日
  39. 39. Rによる実行例: 主成分分析ユーザー間の類似関係をざっくりと把握するため主成分分析を実行して可視化してみる2013年6月1日土曜日
  40. 40. Rによる実行例: 主成分分析ユーザー間の類似関係をざっくりと把握するため主成分分析を実行して可視化してみる2013年6月1日土曜日
  41. 41. Rによる実行例: k-means法によるクラスタリングk-means法を使ってクラスタリングを実行sp.user.km <- kmeans(sp.user.data[, -1], 4)sp.user.pca.df <- data.frame(sp.user.pca$x)sp.user.pca.df$id <- sp.user.data$idsp.user.pca.df$cluster <- as.factor(sp.user.km$cluster)ggplot(sp.user.pca.df, aes(x=PC1, y=PC2, label=id, col=cluster)) +geom_text() +theme_bw(16)2013年6月1日土曜日
  42. 42. Rによる実行例: k-means法によるクラスタリングk-means法を使ってクラスタリングを実行主成分分析でイメージしたクラスタに分類される2013年6月1日土曜日
  43. 43. Rによる実行例: レーダーチャートレーダーチャートを描くと各クラスタの特徴が分かりやすいR言語では、fmsbパッケージのradarchart関数で実行出来るlibrary(fmsb)df <- data.frame(scale(sp.user.km$centers))dfmax <- apply(df, 2, max) + 1dfmin <- apply(df, 2, min) - 1df <- rbind(dfmax, dfmin, df)radarchart(df, seg = 5, plty = 1, pcol = rainbow(4))legend("topright", legend = 1:4, col = rainbow(4), lty = 1)2013年6月1日土曜日
  44. 44. Rによる実行例: レーダーチャートレーダーチャートを描くと各クラスタの特徴が分かりやすいR言語では、fmsbパッケージのradarchart関数で実行出来る欲しいものが無い衝動買い値段比較する雑誌や周りを参考にして買う計画的な買い物予定より多く買う2013年6月1日土曜日
  45. 45. Rによる実行例: レーダーチャートレーダーチャートを描くと各クラスタの特徴が分かりやすいR言語では、fmsbパッケージのradarchart関数で実行出来る■ クラスタ1: こだわりデジタル層・衝動買いをしない、買う前に値段を比較、計画的な買い物をする■ クラスタ2: 慎重スロースターター層・欲しいものが無い、商品に詳しくない、衝動買いをしない■ クラスタ3: 控えめフォロワー層・全般的に消費意欲が低い■ クラスタ4: 飛びつきミーハー層・衝動買いをよくする、雑誌や周りを参考に買う欲しいものが無い衝動買い値段比較する雑誌や周りを参考にして買う計画的な買い物予定より多く買う2013年6月1日土曜日
  46. 46. AGENDA■ 競争ポジショニング戦略とは■ 自己紹介■ マーケットセグメンテーション■ ターゲティング■ ポジショニング2013年6月1日土曜日
  47. 47. ターゲティング市場をいくつかのセグメントに分割出来たら次はどのセグメントをターゲットにするかを決定するこだわりデジタル層・衝動買いをしない・買う前に値段を比較する・計画的な買い物をする慎重スロースターター層・欲しいものが思い当たらない・商品の情報に詳しくない・衝動買いをしない控えめフォロワー層・全般的に消費意欲が低い飛びつきミーハー層・衝動買いを良くする・雑誌や周りを参考に買う・予定よりも多く買う2013年6月1日土曜日
  48. 48. ターゲティング市場をいくつかのセグメントに分割出来たら次はどのセグメントをターゲットにするかを決定するこだわりデジタル層・衝動買いをしない・買う前に値段を比較する・計画的な買い物をする慎重スロースターター層・欲しいものが思い当たらない・商品の情報に詳しくない・衝動買いをしない控えめフォロワー層・全般的に消費意欲が低い飛びつきミーハー層・衝動買いを良くする・雑誌や周りを参考に買う・予定よりも多く買う2013年6月1日土曜日
  49. 49. AGENDA■ 競争ポジショニング戦略とは■ 自己紹介■ マーケットセグメンテーション■ ターゲティング■ ポジショニング2013年6月1日土曜日
  50. 50. ポジショニングとはターゲットセグメントの頭の中の自分達のサービスと競合サービスの位置づけを理解し彼らにどんなサービスを提供するかを決めるサービスAサービスBサービスCサービスDサービスEサービスGサービスFサービスH2013年6月1日土曜日
  51. 51. ポジショニングとはターゲットセグメントの頭の中の自分達のサービスと競合サービスの位置づけを理解し彼らにどんなサービスを提供するかを決めるサービスAサービスBサービスCサービスDサービスEサービスGサービスFサービスH新サービス2013年6月1日土曜日
  52. 52. 知覚マップユーザーにとってのサービスの位置づけマップマップ上で近い位置にあるサービスは競争関係になるサービスAサービスBサービスCサービスDサービスEサービスGサービスFサービスH2013年6月1日土曜日
  53. 53. 選好ベクトル知覚マップ上でユーザーが重視している方角を見付けるサービスAサービスBサービスCサービスDサービスEサービスGサービスFサービスH2013年6月1日土曜日
  54. 54. 知覚マップの作成: MDS個体間の距離や非類似関係からマップを構築するS1 ... SnS1...SnX1 ... XnS1...Sn■ 距離・ユークリッド距離・市街距離・ミンコフスキー距離■ 類似度・ピアソンの相関係数・パターン類似度※ 非類似度 = 1 - 類似度2013年6月1日土曜日
  55. 55. Rによる実行例: 利用するデータIMJモバイルが公開している調査結果から作成した14種類のサービスを評価した仮想データ2013年6月1日土曜日
  56. 56. Rによる実行例: 利用するデータIMJモバイルが公開している調査結果から作成した14種類のサービスを評価した仮想データtarget_preference_data.csv2013年6月1日土曜日
  57. 57. Rによる実行例: MDSによる知覚マップの作成MASSパッケージのisoMDS関数で作成library(MASS)target.data <- read.csv("target_preference_data.csv", header = T)service.dist <- dist(t(target.data[, -1]))service.map <- isoMDS(service.dist)service.map.df <- data.frame(scale(service.map$points))service.map.df$service_name <- names(target.data[, -1])ggplot(service.map.df, aes(x = X1, y = X2, label = service_name)) +geom_text() +theme_bw(16)2013年6月1日土曜日
  58. 58. Rによる実行例: MDSによる知覚マップの作成MASSパッケージのisoMDS関数で作成ユーザーにとっての各サービスの位置づけを可視化2013年6月1日土曜日
  59. 59. Rによる実行例: 選好ベクトル各ユーザーの選好度を作成した知覚マップの横軸と縦軸の変数を使ってモデル化user.preference.data <- do.call(rbind, lapply(1:nrow(target.data), function(i) {preference.data <- data.frame(p = as.numeric(target.data[i, -1]),X1 = service.map.df$X1,X2 = service.map.df$X2)fit <- lm(p ~ ., data = preference.data)b <- 2/sqrt(fit$coef["X1"]^2 + fit$coef["X2"]^2)data.frame(X1 = b * fit$coef["X1"], X2 = b * fit$coef["X2"], service_name = i)}))ggplot(service.map.df, aes(x = X1, y = X2, label = service_name)) +geom_text() +theme_bw(16) +xlim(-2, 2) +ylim(-2, 2) +geom_point(data = user.preference.data, aes(x = X1, y = X2))2013年6月1日土曜日
  60. 60. Rによる実行例: 選好ベクトル距離が2となるポイントに各ユーザーの選好ベクトルを表示今回のデータでは、ほぼ-X1方向が重視されているSNSや電子書籍などデジタルな感じのものは興味ない写真は好き天候や地図、カレンダーなどは好き2013年6月1日土曜日
  61. 61. Rによる実行例: 選好ベクトル距離が2となるポイントに各ユーザーの選好ベクトルを表示今回のデータでは、ほぼ-X1方向が重視されているSNSや電子書籍などデジタルな感じのものは興味ない写真は好き天候や地図、カレンダーなどは好き2013年6月1日土曜日
  62. 62. AGENDA■ 競争ポジショニング戦略とは■ 自己紹介■ マーケットセグメンテーション■ ターゲティング■ ポジショニング2013年6月1日土曜日
  63. 63. 参考■ スマートフォンユーザー動向定点観測 2011・http://www.imjp.co.jp/FileUpload/files/documents/release/2011/imjm20110909.pdf■ マーケティングの統計分析・http://www.amazon.co.jp/dp/4496044072■ Rによるマーケティングシミュレーション・http://www.amazon.co.jp/dp/4254128134/2013年6月1日土曜日
  64. 64. 次回以降の発表者を募集しています!2013年6月1日土曜日
  65. 65. ご清聴ありがとうございました!2013年6月1日土曜日

×