Suche senden
Hochladen
Tokyo webmining
•
13 gefällt mir
•
8,434 views
宏喜 佐野
Folgen
Melden
Teilen
Melden
Teilen
1 von 83
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
Tokyo webmining資料LT20140726用
Tokyo webmining資料LT20140726用
Koichiro Kondo
コンテンツマーケティングの全体像とイノーバにおけるデータ分析手法のビジネス活用
コンテンツマーケティングの全体像とイノーバにおけるデータ分析手法のビジネス活用
智之 村上
米国でのビッグデータビジネスの動向
米国でのビッグデータビジネスの動向
Takatsugu Kobayashi
Tokyowebmining ctr-predict
Tokyowebmining ctr-predict
正志 坪坂
デジタルマーケティング入門
デジタルマーケティング入門
Koji Fukuoka
WO!|vol.46|Maketing×AI
WO!|vol.46|Maketing×AI
thinkjam.Inc.
Tokyowebmining2012
Tokyowebmining2012
正志 坪坂
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
Akihiko Uchino
Empfohlen
Tokyo webmining資料LT20140726用
Tokyo webmining資料LT20140726用
Koichiro Kondo
コンテンツマーケティングの全体像とイノーバにおけるデータ分析手法のビジネス活用
コンテンツマーケティングの全体像とイノーバにおけるデータ分析手法のビジネス活用
智之 村上
米国でのビッグデータビジネスの動向
米国でのビッグデータビジネスの動向
Takatsugu Kobayashi
Tokyowebmining ctr-predict
Tokyowebmining ctr-predict
正志 坪坂
デジタルマーケティング入門
デジタルマーケティング入門
Koji Fukuoka
WO!|vol.46|Maketing×AI
WO!|vol.46|Maketing×AI
thinkjam.Inc.
Tokyowebmining2012
Tokyowebmining2012
正志 坪坂
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
Akihiko Uchino
デジタルマーケティング 基本と考え方
デジタルマーケティング 基本と考え方
Koji Fukuoka
デジタルマーケティングについて
デジタルマーケティングについて
Takahiko KATO
Digital strategy in Japanese
Digital strategy in Japanese
Yoshinori Kawamura
コンテンツ マーケティング革命
コンテンツ マーケティング革命
Tactus Associates
コンテンツマーケティングハンドブック ~これから始めるコンテンツマーケティング成功のポイントと弊社事例~
コンテンツマーケティングハンドブック ~これから始めるコンテンツマーケティング成功のポイントと弊社事例~
ナイル株式会社
コンテンツマーケティングの正しい活用方法 心を動かすオウンドメディアのつくり方 Ver.02
コンテンツマーケティングの正しい活用方法 心を動かすオウンドメディアのつくり方 Ver.02
INFOBAHN.inc(株式会社インフォバーン)
デジタルマーケティングとはどんな仕事か
デジタルマーケティングとはどんな仕事か
Takeru Muroya
マーケティング領域におけるデータの活用と情報共有 201501
マーケティング領域におけるデータの活用と情報共有 201501
Noriko Hashimoto
デジタルアナリティクス入門
デジタルアナリティクス入門
Koji Fukuoka
アパレル業界におけるデジタルマーケティング 2015.8
アパレル業界におけるデジタルマーケティング 2015.8
Noriko Hashimoto
本を読んでもわからないリアルなアンケート実践法
本を読んでもわからないリアルなアンケート実践法
takashi sasaki
個人情報保護法 2015.7
個人情報保護法 2015.7
Noriko Hashimoto
Heart coreクラウドday講演20110708 fin
Heart coreクラウドday講演20110708 fin
Yukiyasu Hirose
ブランディング指標の数値化について
ブランディング指標の数値化について
Masayuki Isobe
第28回Tokyo.R
第28回Tokyo.R
宏喜 佐野
マーケティングサイエンス徹底入門と実践Part2
マーケティングサイエンス徹底入門と実践Part2
宏喜 佐野
第32回Tokyo.R#初心者セッション
第32回Tokyo.R#初心者セッション
宏喜 佐野
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
宏喜 佐野
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
宏喜 佐野
はじめてのKrylov部分空間法
はじめてのKrylov部分空間法
tmaehara
rChartsによるインタラクティブな可視化表現
rChartsによるインタラクティブな可視化表現
Yasuyuki Sugai
Weitere ähnliche Inhalte
Was ist angesagt?
デジタルマーケティング 基本と考え方
デジタルマーケティング 基本と考え方
Koji Fukuoka
デジタルマーケティングについて
デジタルマーケティングについて
Takahiko KATO
Digital strategy in Japanese
Digital strategy in Japanese
Yoshinori Kawamura
コンテンツ マーケティング革命
コンテンツ マーケティング革命
Tactus Associates
コンテンツマーケティングハンドブック ~これから始めるコンテンツマーケティング成功のポイントと弊社事例~
コンテンツマーケティングハンドブック ~これから始めるコンテンツマーケティング成功のポイントと弊社事例~
ナイル株式会社
コンテンツマーケティングの正しい活用方法 心を動かすオウンドメディアのつくり方 Ver.02
コンテンツマーケティングの正しい活用方法 心を動かすオウンドメディアのつくり方 Ver.02
INFOBAHN.inc(株式会社インフォバーン)
デジタルマーケティングとはどんな仕事か
デジタルマーケティングとはどんな仕事か
Takeru Muroya
マーケティング領域におけるデータの活用と情報共有 201501
マーケティング領域におけるデータの活用と情報共有 201501
Noriko Hashimoto
デジタルアナリティクス入門
デジタルアナリティクス入門
Koji Fukuoka
アパレル業界におけるデジタルマーケティング 2015.8
アパレル業界におけるデジタルマーケティング 2015.8
Noriko Hashimoto
本を読んでもわからないリアルなアンケート実践法
本を読んでもわからないリアルなアンケート実践法
takashi sasaki
個人情報保護法 2015.7
個人情報保護法 2015.7
Noriko Hashimoto
Heart coreクラウドday講演20110708 fin
Heart coreクラウドday講演20110708 fin
Yukiyasu Hirose
ブランディング指標の数値化について
ブランディング指標の数値化について
Masayuki Isobe
Was ist angesagt?
(14)
デジタルマーケティング 基本と考え方
デジタルマーケティング 基本と考え方
デジタルマーケティングについて
デジタルマーケティングについて
Digital strategy in Japanese
Digital strategy in Japanese
コンテンツ マーケティング革命
コンテンツ マーケティング革命
コンテンツマーケティングハンドブック ~これから始めるコンテンツマーケティング成功のポイントと弊社事例~
コンテンツマーケティングハンドブック ~これから始めるコンテンツマーケティング成功のポイントと弊社事例~
コンテンツマーケティングの正しい活用方法 心を動かすオウンドメディアのつくり方 Ver.02
コンテンツマーケティングの正しい活用方法 心を動かすオウンドメディアのつくり方 Ver.02
デジタルマーケティングとはどんな仕事か
デジタルマーケティングとはどんな仕事か
マーケティング領域におけるデータの活用と情報共有 201501
マーケティング領域におけるデータの活用と情報共有 201501
デジタルアナリティクス入門
デジタルアナリティクス入門
アパレル業界におけるデジタルマーケティング 2015.8
アパレル業界におけるデジタルマーケティング 2015.8
本を読んでもわからないリアルなアンケート実践法
本を読んでもわからないリアルなアンケート実践法
個人情報保護法 2015.7
個人情報保護法 2015.7
Heart coreクラウドday講演20110708 fin
Heart coreクラウドday講演20110708 fin
ブランディング指標の数値化について
ブランディング指標の数値化について
Andere mochten auch
第28回Tokyo.R
第28回Tokyo.R
宏喜 佐野
マーケティングサイエンス徹底入門と実践Part2
マーケティングサイエンス徹底入門と実践Part2
宏喜 佐野
第32回Tokyo.R#初心者セッション
第32回Tokyo.R#初心者セッション
宏喜 佐野
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
宏喜 佐野
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
宏喜 佐野
はじめてのKrylov部分空間法
はじめてのKrylov部分空間法
tmaehara
rChartsによるインタラクティブな可視化表現
rChartsによるインタラクティブな可視化表現
Yasuyuki Sugai
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
Nagi Teramo
マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1
Nagi Teramo
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
Amazon Web Services Japan
Rて計量経済学入門#tokyo.r.17
Rて計量経済学入門#tokyo.r.17
yuuukioii
Andere mochten auch
(12)
第28回Tokyo.R
第28回Tokyo.R
マーケティングサイエンス徹底入門と実践Part2
マーケティングサイエンス徹底入門と実践Part2
第32回Tokyo.R#初心者セッション
第32回Tokyo.R#初心者セッション
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
はじめてのKrylov部分空間法
はじめてのKrylov部分空間法
rChartsによるインタラクティブな可視化表現
rChartsによるインタラクティブな可視化表現
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
Rて計量経済学入門#tokyo.r.17
Rて計量経済学入門#tokyo.r.17
Ähnlich wie Tokyo webmining
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
株式会社Consumer first
45分で理解する_マーケティング・システム入門_斉藤之雄
45分で理解する_マーケティング・システム入門_斉藤之雄
Yukio Saito
データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
Koichi Hamada
プロダクトマネージャとセールスチームはどう連携すべきか 〜 失敗例と方針
プロダクトマネージャとセールスチームはどう連携すべきか 〜 失敗例と方針
Nao Haida
45分で理解する マーケティングリサーチ・トレンド入門 斉藤之雄
45分で理解する マーケティングリサーチ・トレンド入門 斉藤之雄
Yukio Saito
マーケティングとは
マーケティングとは
miwarin
企業における統計学入門
企業における統計学入門
antibayesian 俺がS式だ
【コンサル起業実践講座】売れるコンサルになる為のUSP(コンセプト)の作り方
【コンサル起業実践講座】売れるコンサルになる為のUSP(コンセプト)の作り方
伊藤 剛志
Looops4uコンサルティング
Looops4uコンサルティング
株式会社ループス・コミュニケーションズ Looops Communications,Japan
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Shigeru Kishikawa
スタートアップ業界の注目分野から学ぶ、市場分析・事業モデル構築 先生:梅木 雄平
スタートアップ業界の注目分野から学ぶ、市場分析・事業モデル構築 先生:梅木 雄平
schoowebcampus
【Saleshub用】カウミー説明資料-ver4.pdf
【Saleshub用】カウミー説明資料-ver4.pdf
ssuser7a8771
Bigdata_conference_2014_autumn_20140903_nishikawa_presentation
Bigdata_conference_2014_autumn_20140903_nishikawa_presentation
Shinji Nishikawa
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
Saharu Doi
IoT先進国、米国の最先端IoTトレンド
IoT先進国、米国の最先端IoTトレンド
iot_nifty
消費税率引き上げで市場ニーズはどう変化する?ニーズをとらえて商品・サービス開発のチャンス! ~消費者ニーズを掴み取る方法~(石川県)金沢商工会議所チラシ
消費税率引き上げで市場ニーズはどう変化する?ニーズをとらえて商品・サービス開発のチャンス! ~消費者ニーズを掴み取る方法~(石川県)金沢商工会議所チラシ
新潟コンサルタント横田秀珠
カウミープロダクト資料ver.3_株式会社マイクロアド.pptx
カウミープロダクト資料ver.3_株式会社マイクロアド.pptx
ssuser7a8771
【Halo】スマホアプリ3つの法則 ボケてをアプリ化するときにやったこと121210
【Halo】スマホアプリ3つの法則 ボケてをアプリ化するときにやったこと121210
Osamu Ise
Digital Marketing Strategy Framwork RACEモデルを活用した競合他社分析
Digital Marketing Strategy Framwork RACEモデルを活用した競合他社分析
hiroyuki iwashima
20110322 jmrx nextmr_open
20110322 jmrx nextmr_open
Shigeru Kishikawa
Ähnlich wie Tokyo webmining
(20)
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
45分で理解する_マーケティング・システム入門_斉藤之雄
45分で理解する_マーケティング・システム入門_斉藤之雄
データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
プロダクトマネージャとセールスチームはどう連携すべきか 〜 失敗例と方針
プロダクトマネージャとセールスチームはどう連携すべきか 〜 失敗例と方針
45分で理解する マーケティングリサーチ・トレンド入門 斉藤之雄
45分で理解する マーケティングリサーチ・トレンド入門 斉藤之雄
マーケティングとは
マーケティングとは
企業における統計学入門
企業における統計学入門
【コンサル起業実践講座】売れるコンサルになる為のUSP(コンセプト)の作り方
【コンサル起業実践講座】売れるコンサルになる為のUSP(コンセプト)の作り方
Looops4uコンサルティング
Looops4uコンサルティング
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
スタートアップ業界の注目分野から学ぶ、市場分析・事業モデル構築 先生:梅木 雄平
スタートアップ業界の注目分野から学ぶ、市場分析・事業モデル構築 先生:梅木 雄平
【Saleshub用】カウミー説明資料-ver4.pdf
【Saleshub用】カウミー説明資料-ver4.pdf
Bigdata_conference_2014_autumn_20140903_nishikawa_presentation
Bigdata_conference_2014_autumn_20140903_nishikawa_presentation
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
【資料】AIとデータプラットフォームがもたらす世界 ~Fintech, HRtechの最新事例と合わせて~
IoT先進国、米国の最先端IoTトレンド
IoT先進国、米国の最先端IoTトレンド
消費税率引き上げで市場ニーズはどう変化する?ニーズをとらえて商品・サービス開発のチャンス! ~消費者ニーズを掴み取る方法~(石川県)金沢商工会議所チラシ
消費税率引き上げで市場ニーズはどう変化する?ニーズをとらえて商品・サービス開発のチャンス! ~消費者ニーズを掴み取る方法~(石川県)金沢商工会議所チラシ
カウミープロダクト資料ver.3_株式会社マイクロアド.pptx
カウミープロダクト資料ver.3_株式会社マイクロアド.pptx
【Halo】スマホアプリ3つの法則 ボケてをアプリ化するときにやったこと121210
【Halo】スマホアプリ3つの法則 ボケてをアプリ化するときにやったこと121210
Digital Marketing Strategy Framwork RACEモデルを活用した競合他社分析
Digital Marketing Strategy Framwork RACEモデルを活用した競合他社分析
20110322 jmrx nextmr_open
20110322 jmrx nextmr_open
Tokyo webmining
1.
第 32 回
データマイニング +WEB 勉強会@東京 「マーケティングサイエンス 徹底入門と実践」 @sanoche16
2.
About me
3.
About me ・ @sanoche16
and/or 佐野宏喜 ・外資系企業で育つデータサイエンティストの卵 ・ R, PHP, Python, Linux, Java, Ruby, assembler ・商学部出身(マーケティング , 金融 , 会計) ・最近、機械学習の勉強を始めました! ・修行が終わったら起業します!
4.
本日は!
5.
Marketing
6.
Marketing ×
7.
Marketing × Data Science
8.
Marketing × Marketing Science! Data Science
9.
agenda
10.
agenda 1 . 市場の選定 2
. 市場セグメントとターゲティング 3 . 商品設計 4 . 消費者行動
11.
1 . 市場の選定
12.
1 . 市場の選定 みなさんは 新規事業を始めるとき どんな新製品・サービスを 市場に投入しますか?
13.
1 . 市場の選定 SWOT
分析
14.
1 . 市場の選定 アンゾフのマトリクス
15.
1 . 市場の選定 そして
16.
1 . 市場の選定 プロデジーモデル
17.
1 . 市場の選定 プロデジーモデル ・顧客の購買行動から市場の競争 構造を把握 ・互いに激しくスイッチする商品 同士は同じサブマーケットに属 すると考える
18.
1 . 市場の選定 例:プロデジーモデル 人数 A 40 B 20 C 30 D A 10 市場の構成比 B C D
19.
1 . 市場の選定 例:プロデジーモデル 人数 A 30 D C 20 C B 40
0 B A 10 もし A がなくなったら D
20.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 1/3 1/2 1/6 B 20 C 30 D 10 B,
C, D へ比率を変えずにスイッチするはず
21.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 1/3 1/2 1/6 B 20 1/2 0 3/4 1/4 C 30 4/7 2/7 0 3/7 D 10 4/9 2/9 1/3 0 他商品へ比率を変えずにスイッチ
22.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 20
+13 30+20 10+7 B 20 40+10 0 30+7 10+3 C 30 40+17 20 +8 0 10+5 D 10 40+5 20 +2 30+3 0 無構造仮説での想定
23.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 33 50 17 B 20 50 0 37 13 C 30 57 28 0 15 D 10 45 22 33 0 無構造仮説での想定
24.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 45 40 15 B 20 50 0 37 13 C 30 57 28 0 15 D 10 45 22 33 0 無構造仮説に反し、想定以上に
A→B にスイッチ
25.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 45 40 15 B 20 50 0 37 13 C 30 57 28 0 15 D 10 45 22 33 0 A
と B は構造化していた!
26.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 45 40 15 B 20 50 0 37 13 C 30 57 28 0 15 D 10 45 22 33 0 たまたま
B が増えただけなのでは?
27.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 45 40 15 B 20 50 0 37 13 C 30 57 28 0 15 D 10 45 22 33 0 平均:
40×1/3, 分散 40×1/3×2/3 の正規分布で検定
28.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 45 40 15 B 20 50 0 37 13 C 30 57 28 0 15 D 10 45 22 33 0 たまたま
B が増えただけなのでは?
29.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 45 40 15 B 20 50 0 37 13 C 30 57 28 0 15 D 10 45 22 33 0
30.
1 . 市場の選定 例:プロデジーモデル 人数 A B C D A 40 0 45 40 15 B 20 50 0 37 13 C 30 57 28 0 15 D 10 45 22 33 0 やっぱり構造化されている!
31.
2 . 市場セグメントと ターゲティング
32.
2. 市場セグメントとターゲティング セグメンテーションとは? 「マーケターの仕事は、セグメントを作り出すことではな く、セグメントを特定し、どのセグメントをターゲットにす るかを決定することである。」(マーケティング・マネジメ ント)
33.
2. 市場セグメントとターゲティング 市場セグメントの3パターン 均質型選好 分散型選好 クラスター型 選好
34.
2. 市場セグメントとターゲティング 市場セグメントの3パターン 均質型選好 ナチュラル市場 セグメント 分散型選好 クラスター型 選好
35.
2. 市場セグメントとターゲティング クラスター型選好の場合 消費者は様々な市場で「ナチュラル市場セグメント」と呼ば れる明確なクラスターを形成する。この場合、3つの戦略が 好まれる。 1)中央に位置して全グループを狙う 2)規模の大きいクラスターに特化する(集中型マーケティ ング) 3)複数のブランドを開発してそれぞれ別セグメントにポジ ショニングする
36.
2. 市場セグメントとターゲティング クラスター型選好の場合 消費者は様々な市場で「ナチュラル市場セグメント」と呼ば れる明確なクラスターを形成する。この場合、3つの戦略が 好まれる。 1)中央に位置して全グループを狙う 2)規模の大きいクラスターに特化する(集中型マーケティ ング) 3)複数のブランドを開発してそれぞれ別セグメントにポジ ショニングする ここは確実にクラスタリングを抑えたいところ!
37.
2. 市場セグメントとターゲティング クラスタリングの手法 こちらもご覧ください!
38.
2. 市場セグメントとターゲティング クラスタリングの手法 k-means 自己組織化マップ EM アルゴリズム 非階層型 重心法 LSH 最長距離法 群平均法 ウォード法 最短距離法 階層型
39.
2. 市場セグメントとターゲティング k-means の紹介
40.
2. 市場セグメントとターゲティング k-means の紹介 クラスター数を決定し、ランダムに重心となる点を当てる
41.
2. 市場セグメントとターゲティング k-means の紹介 すべての点について、最も近い重心となる点と対応させる
42.
2. 市場セグメントとターゲティング k-means の紹介 重心を所属している点のそれになるよう移動する
43.
2. 市場セグメントとターゲティング k-means の紹介 再度、一番近い重心にすべての点を対応させる
44.
2. 市場セグメントとターゲティング k-means の紹介 重心を再計算する
45.
2. 市場セグメントとターゲティング k-means の紹介 再度、一番近い重心にすべての点を対応させる
46.
2. 市場セグメントとターゲティング k-means の紹介 重心を再計算する
47.
2. 市場セグメントとターゲティング k-means の紹介 再度、一番近い重心にすべての点を対応させる
48.
2. 市場セグメントとターゲティング k-means の紹介 重心を再計算する
49.
2. 市場セグメントとターゲティング k-means の紹介 再度、一番近い重心にすべての点を対応させる
50.
2. 市場セグメントとターゲティング k-means の紹介 重心を再計算する
51.
2. 市場セグメントとターゲティング k-means の紹介 点が変わらなくなればクラスタリング終了
52.
2. 市場セグメントとターゲティング k-means の紹介 点が変わらなくなればクラスタリング終了
53.
2. 市場セグメントとターゲティング ちょっと TIPS ロングテールの変数 この変数を持つクラスターが出来てしまう
54.
2. 市場セグメントとターゲティング ちょっと TIPS 対数変換を行う
55.
2. 市場セグメントとターゲティング ちょっと TIPS 順序を保って、補正してくれる
56.
3 . 商品設計
57.
3. 商品設計 商品発売後 性能向上。。。 低価格、低価格 持ち運びが便利だ と。 セキュリティが 心配 デザインをもっと オシャレに! 様々な声が届く!一体どうすれば!!
58.
3. 商品設計 商品を見える化したい 重要なものを把握したい! 消費者イメージを知りたい!! そんなあなたへ!!!!
59.
3. 商品設計 知覚マップの作り方 → 主な方法
2 つ 1)多次元尺度構成法( MDS ) 2)属性評価(因子分析 , 主成分分析等)
60.
3. 商品設計 知覚マップの作り方 → 主な方法
2 つ 1)多次元尺度構成法( MDS ) 2)属性評価(因子分析 , 主成分分析等)
61.
3. 商品設計 とても良い記事 Markezineの Excel
ビジネス統計
62.
3. 商品設計 ということで拝借 コク 香り 酸味 S マルタ -0.116248 1.2456822 1.5275252 モーニング
S -1.278724 -1.245682 0.0727393 BOSS 1.0462287 -0.415227 0.8001323 FIRE 1.0462287 0.4152274 -0.654654 サンタマルタ 1.0462287 1.2456822 1.5275252 BLACK 無糖 0.4649906 -0.415227 -0.654654 UCCB -1.278724 1.2456822 -1.382047 ジョージア B -1.278724 -1.245682 -1.382047 ROOT -0.697486 -1.245682 0.0727393 WANDA 1.0462287 0.4152274 0.0727393
63.
3. 商品設計 3 次元空間へのプロット
64.
3. 商品設計 3 次元空間へのプロット 有向線分を引く
65.
3. 商品設計 3 次元空間へのプロット 点の違いを際立たせ る直線を引く! 法線を下ろして点と直線を対応させる
66.
3. 商品設計 3 次元空間へのプロット もう1本!
67.
3. 商品設計 3 次元空間へのプロット ・第1主成分 ・第2主成分 もう1本!
68.
3. 商品設計 平面にプロットして完成! 素晴らしき Markezine
さんより拝借
69.
3. 商品設計 R のコード
70.
3. 商品設計 R のコード
71.
3. 商品設計 結果
72.
4 . 消費者行動
73.
4. 消費者行動 ブランドカテゴライゼーション 想起集合 処理集合 知名集合 入手可能集合 保留集合 非処理集合 非知名集合 拒否集合
74.
4. 消費者行動 ブランドカテゴライゼーション 想起集合 処理集合 知名集合 入手可能集合 保留集合 非処理集合 非知名集合 拒否集合
75.
4. 消費者行動 ブランドカテゴライゼーション 想起集合 処理集合 知名集合 入手可能集合 保留集合 非処理集合 非知名集合 拒否集合
76.
4. 消費者行動 ブランドカテゴライゼーション 想起集合 処理集合 知名集合 入手可能集合 保留集合 非処理集合 非知名集合 拒否集合
77.
4. 消費者行動 ブランドカテゴライゼーション 想起集合 処理集合 知名集合 入手可能集合 保留集合 非処理集合 非知名集合 拒否集合
78.
4. 消費者行動 ブランドカテゴライゼーション 想起集合 処理集合 知名集合 入手可能集合 保留集合 非処理集合 拒否集合 非知名集合 購買に至るためには想起集合に入る必要がある
79.
4. 消費者行動 ブランドカテゴライゼーション 約 3
つと 言われる 想起集合 処理集合 知名集合 入手可能集合 保留集合 非処理集合 拒否集合 非知名集合 購買に至るためには想起集合に入る必要がある
80.
4. 消費者行動 購買モデルはロジットモデルで考えられる ロジットモデルとは、「回帰モデルの目的変数をロジット変換し たもの」
81.
4. 消費者行動 購買モデルはロジットモデルで考えられる ロジット変換
82.
6 . 消費者行動 購買モデルはロジットモデルで考えられる 商品の特性を把 握して、購買率 の予測が出来 る!
83.
Thank you ご清聴ありがとうございました!
Jetzt herunterladen