データ解析というと、最近はビッグデータだが、もともとは
マーケティングでよく行われていた。
マーケティングの解析と、ビッグデータの解析は手法や理論がちがう。
ビッグデータ解析は、背景となるマーケティングモデルはない。
(統計学的手法、機械学習をベースに、モデル(仮説)を発見し、検証する)
一方、マーケティングには、マーケティング的なモデル(仮説)がある。
今回紹介するバスモデルは、もともと動的システムで表現される
微分方程式の数理モデルがあり、
コンジョイント分析は、効用理論に基づき、補償型意思決定を行うというモデル
をもとに構築されている。
今回は、コンジョイント分析とバスモデルについて、授業の内容をメモメモ
今日のテーマ:どっちも回帰分析
プロダクト:ライフサイクル(ロジャーズ)
■バスモデル
新製品が出された後
新製品:急速に、長く広がる
→どちらかというと、耐久財の解析に向いている
新製品と新商品の違い
→本当は違いがある
新製品の分類:コトラーの分類
カテゴリーに商品を出しているか/既存ブランド?新規ブランド?
→企業にとっての新しさ/消費者から見たあたらしさ
ライン拡張:爆発的には売れないが、大失敗もしない
新ブランド:大成功するかもしれないけど、端にも棒にも
マルチブランド:意外に難しい
かてごり拡張:親和性
イノベーションと新製品
→マーケティングの文脈では、コンセプト同じ
プロダクト・ライフサイクル
・立ち上がりを早く
・高止まりを長く
が理想。そうはならない。
段階に応じたプロモーション
→データ量:発売当初は少ない
1.認知、2.関心、3.評価、4.試用、5.採用
ロジャース
イノベーションの採用決定段階
1.知識、2.説得、3.決定、4.導入、5.確認
コミュニケーション
1.マスメディア→知識、2.対人→説得
バスモデルの考え方
→しょうひざいだとうまくワークしない
非計画購買 日本70% アメリカ50~60%
値段のちがい→後悔
イノベーター理論の骨子:正規分布になっているのがポイント
→現実との乖離
バスモデルによる解析
・耐久消費財の新規需要
・導入期から成長期
→万能な解析手法はない。データが少ない状況下で解析
・せんざいてきこうにゅうしゃ
革新者イノベーター
模倣者イミテーター
求めたいのはp、m、q
式を変形してa,b,c
導入初期、いけるか/いけないか?
-----------------------------
新製品を作る
あんぞふの成長マトリックス
PPM
クライテリア
1.市場規模
2。市場特性
3.市場環境
まったくかんけいなく・・・
■コンジョイント分析
全体効用=部分効用の総和
効用が高いものを選ぶ→消費者の合理性
実験を行う
・仮想のサービスを示す
・評価:1から6位まで順位
意思決定ルール
・ほしょうがた意思決定ルール
・非ほしょうがた意思決定ルール
属性ペアの比較
部分効用→推定
使い方
・全体効用
効用測定モデル
重回帰係数をといて、重回帰式を求める
→かてごりかる(0,1)にする
=ダミー変数
正規方程式
Rで直交表をつくるパッケージがある
直交表→ラテン方格
-------------------------
■実習
コンジョイント
library(Rcmdr)
データを全て選択・コピー
データ→データのインポート→テキストファイルまたは・・・
統計量→モデルへの適用→線形回帰
出てくるダイアログで
目的変数:全体回帰
説明変数:各カテゴリ
部分効用値:見積もりから平均をもとめて、引く
→重要な属性を聞いていなければ、無意味になってしまう
-------------------------
■バス
データを全て選択・コピー
データ→データのインポート→テキストファイルまたは・・・
統計量→モデルへの適用→線形回帰
出てくるダイアログで
購買者数 一期前累積 2乗
あとは公式に入れてa,b,cを求める
マーケティングでよく行われていた。
マーケティングの解析と、ビッグデータの解析は手法や理論がちがう。
ビッグデータ解析は、背景となるマーケティングモデルはない。
(統計学的手法、機械学習をベースに、モデル(仮説)を発見し、検証する)
一方、マーケティングには、マーケティング的なモデル(仮説)がある。
今回紹介するバスモデルは、もともと動的システムで表現される
微分方程式の数理モデルがあり、
コンジョイント分析は、効用理論に基づき、補償型意思決定を行うというモデル
をもとに構築されている。
今回は、コンジョイント分析とバスモデルについて、授業の内容をメモメモ
今日のテーマ:どっちも回帰分析
プロダクト:ライフサイクル(ロジャーズ)
■バスモデル
新製品が出された後
新製品:急速に、長く広がる
→どちらかというと、耐久財の解析に向いている
新製品と新商品の違い
→本当は違いがある
新製品の分類:コトラーの分類
カテゴリーに商品を出しているか/既存ブランド?新規ブランド?
→企業にとっての新しさ/消費者から見たあたらしさ
ライン拡張:爆発的には売れないが、大失敗もしない
新ブランド:大成功するかもしれないけど、端にも棒にも
マルチブランド:意外に難しい
かてごり拡張:親和性
イノベーションと新製品
→マーケティングの文脈では、コンセプト同じ
プロダクト・ライフサイクル
・立ち上がりを早く
・高止まりを長く
が理想。そうはならない。
段階に応じたプロモーション
→データ量:発売当初は少ない
1.認知、2.関心、3.評価、4.試用、5.採用
ロジャース
イノベーションの採用決定段階
1.知識、2.説得、3.決定、4.導入、5.確認
コミュニケーション
1.マスメディア→知識、2.対人→説得
バスモデルの考え方
→しょうひざいだとうまくワークしない
非計画購買 日本70% アメリカ50~60%
値段のちがい→後悔
イノベーター理論の骨子:正規分布になっているのがポイント
→現実との乖離
バスモデルによる解析
・耐久消費財の新規需要
・導入期から成長期
→万能な解析手法はない。データが少ない状況下で解析
・せんざいてきこうにゅうしゃ
革新者イノベーター
模倣者イミテーター
求めたいのはp、m、q
式を変形してa,b,c
導入初期、いけるか/いけないか?
-----------------------------
新製品を作る
あんぞふの成長マトリックス
PPM
クライテリア
1.市場規模
2。市場特性
3.市場環境
まったくかんけいなく・・・
■コンジョイント分析
全体効用=部分効用の総和
効用が高いものを選ぶ→消費者の合理性
実験を行う
・仮想のサービスを示す
・評価:1から6位まで順位
意思決定ルール
・ほしょうがた意思決定ルール
・非ほしょうがた意思決定ルール
属性ペアの比較
部分効用→推定
使い方
・全体効用
効用測定モデル
重回帰係数をといて、重回帰式を求める
→かてごりかる(0,1)にする
=ダミー変数
正規方程式
Rで直交表をつくるパッケージがある
直交表→ラテン方格
-------------------------
■実習
コンジョイント
library(Rcmdr)
データを全て選択・コピー
データ→データのインポート→テキストファイルまたは・・・
統計量→モデルへの適用→線形回帰
出てくるダイアログで
目的変数:全体回帰
説明変数:各カテゴリ
部分効用値:見積もりから平均をもとめて、引く
→重要な属性を聞いていなければ、無意味になってしまう
-------------------------
■バス
データを全て選択・コピー
データ→データのインポート→テキストファイルまたは・・・
統計量→モデルへの適用→線形回帰
出てくるダイアログで
購買者数 一期前累積 2乗
あとは公式に入れてa,b,cを求める