Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
SlideShare a Scribd company logo
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.com
2013.06.01 第31回Tokyo.R
2013年6月1日土曜日
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
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
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
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
活動例
2013年6月1日土曜日
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
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
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
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
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
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
競争ポジショニング戦略
2013年6月1日土曜日
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
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
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
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
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
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
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
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
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
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4
2013年6月1日土曜日
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
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
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
伝統的なセグメンテーションの課題
hogehoge
fuga
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
伝統的なセグメンテーションの課題
hogehoge
foofuga
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
伝統的なセグメンテーションの課題
hogehoge
foofuga
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
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
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
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
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
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
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
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
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.csv
2013年6月1日土曜日
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
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
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
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$id
sp.user.pca.df$cluster <- as.factor(sp.user.km$cluster)
ggplot(sp.user.pca.df, aes(x=PC1, y=PC2, label=id, col=cluster)) +
geom_text() +
theme_bw(16)
2013年6月1日土曜日
Rによる実行例: k-means法によるクラスタリング
k-means法を使ってクラスタリングを実行
主成分分析でイメージしたクラスタに分類される
2013年6月1日土曜日
Rによる実行例: レーダーチャート
レーダーチャートを描くと各クラスタの特徴が分かりやすい
R言語では、fmsbパッケージのradarchart関数で実行出来る
library(fmsb)
df <- data.frame(scale(sp.user.km$centers))
dfmax <- apply(df, 2, max) + 1
dfmin <- apply(df, 2, min) - 1
df <- 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
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
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
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
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
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
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
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
2013年6月1日土曜日
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
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H
2013年6月1日土曜日
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H
2013年6月1日土曜日
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 ... Sn
S1
...
Sn
X1 ... Xn
S1
...
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
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
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.csv
2013年6月1日土曜日
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
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
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
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
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
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
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
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
ご清聴ありがとうございました!
2013年6月1日土曜日

More Related Content

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