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.

Tokyor24 yokkuns

2,329 views

Published on

Tokyor24 yokkuns

  1. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 39. Rでの実行例: 散布図2012年7月7日土曜日
  40. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 51. ご清聴ありがとうございました!2012年7月7日土曜日

×