tokyor24 yokkuns

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[email protected]

2012.07.07 第24回Tokyo.R

2012年7月7日土曜日

mailto:[email protected]

mailto:[email protected]

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


AGENDA

◆ プロモーションとは

◆ 自己紹介

◆ 広告

◆ セールスプロモーション

◆ まとめ


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

◆ 職業: データマイニングエンジニア

◆ ID : yokkuns

◆ 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

自己紹介


Tokyo.R主催

パッケージ本執筆しました！

活動例: 勉強会の主催・執筆


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

活動例: 動画レコメンド


Web上の情報から市場予測

活動例: 市場予測


異常な振る舞い

複数時系列の異常検知

時系列A

時系列B 時系列C

ケースA

ケースB

ケースC

例2:CM効果のノイズ除去

異常な振る舞いの時系列を検出

異常な振る舞いをしているケースを除外して、CMの効果を算出する

CM効果トラフィックA

トラフィックB

トラフィックC

例1:トラフィック異常検知

異常な振る舞いをしているトラフィックの原因を調査する

調査

AB

C

時系列のモデリング

時系列A

時系列B

時系列C

Anomaly detection

複数時系列から異常な振る舞いを検知する

85

活動例: 異常検知


-117.0000

1912.2500

3941.5000

5970.7500

8000.0000

4/4週4/11週4/18週4/25週5/2週5/9週5/16週5/23週5/30週6/6週6/13週6/20週6/27週7/4週7/11週7/18週7/25週-3.0000

-2.2500

-1.5000

-0.7500

0

0.7500

1.5000

2.2500

3.0000

t

異常スコア推移

異常値モデル構築

異常スコアの算出

◇例 : ARIMAモデル

◇例 : 対数損失

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

86

活動例: 時系列解析と異常検知


87

CM時系列

各KPIの時系列

CM

新規登録

ARPU

ARPPU

継続率

ケース

イベント

その他外部要因

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

活動例: 時系列解析と影響分析


AGENDA


◆ 自己紹介

◆ 広告


◆ まとめ


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

例情報伝達の方向性

広告テレビ、ラジオ、新聞雑誌屋外看板一方向

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

プロモーションの分類


AGENDA


◆ 自己紹介

◆ 広告


◆ まとめ


広告の分類

広告は目的によって、3つに分類される

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

広告の分類


広告計画策定プロセス

広告目的の明確化広告目標の設定ターゲットの設定広告予算の決定

広告媒体の決定広告内容の決定

広告効果の測定

意思決定の流れ

フィードバック


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

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

広告効果指標


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

S字型

逓減型

逓増型

広告量

広告量広告量

広告量

売上高

売上高

売上高

売上高


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

S字型

逓減型

逓増型

広告量

広告量広告量

広告量

売上高

売上高

売上高

売上高

lm関数 lm関数

lm関数glm関数


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


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！


Rでの実行例: 線形型

lm関数をそのまま実行




説明力高い




price・grpともに有意




1grp当り3,400円くらいの売上増




残差は大体左右対称な分布


Rでの実行例: 逓減型

grpにlogをつけてlm関数を実行


Rでの実行例: 逓増型

salesにlogをつけてlm関数で実行


Rでの実行例: S字型

glm関数で、family=binomialを指定して実行


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

λ=0.9

λ=0.6

λ=0.3

広告ストック:


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)


AGENDA


◆ 自己紹介

◆ 広告


◆ まとめ


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」

ブランドスイッチング 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

購入間隔の短縮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時期を前倒しするケース

売上増加の主な源泉


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


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

◆ 購入間隔の短縮・購入量の増加

⇒ ブランド選択モデル

⇒ ハザードモデル、切断されたポアソン回帰モデル


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

S字型

逓減型

逓増型

プロモーション

プロモーションプロモーション


売上高

売上高

売上高

売上高


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

S字型

逓減型

逓増型


プロモーションプロモーション


売上高

売上高

売上高

売上高

lm関数 lm関数

lm関数glm関数


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


Rでの実行例: 散布図




説明力高い




price・is_flyerともに有意




チラシ配ると32単位分増加




残差はちょっと歪んでる


Rでの実行例: 逓増型

sales.volumeにlogをつけてlm関数を実行


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)


Rでの実行例: S字型

glm関数で、family=binomialを指定して実行


AGENDA


◆ 自己紹介

◆ 広告


◆ まとめ


まとめ

lm・glm 便利！

線形型

S字型

逓減型

逓増型

広告量

広告量広告量

広告量

売上高

売上高

売上高

売上高


Tokyo.Rの次回以降の

発表者・LTを募集しています！


ご清聴ありがとうございました！


tokyor24 yokkuns

Documents