Location via proxy:
[ UP ]
[Report a bug]
[Manage cookies]
No cookies
No scripts
No ads
No referrer
Show this form
Submit Search
Submit Search
Upload
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
•
51 likes
•
27,038 views
Yohei Sato
Follow
Report
Share
Related slideshows
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
Stan超初心者入門
Stan超初心者入門
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Report
Share
1 of 65
Download now
Download to read offline
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
1.
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
2.
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
3.
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
4.
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
5.
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
6.
活動例 2013年6月1日土曜日
7.
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
8.
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
9.
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
10.
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
11.
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
12.
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
13.
競争ポジショニング戦略 2013年6月1日土曜日
14.
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
15.
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
16.
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
17.
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
18.
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
19.
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
20.
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
21.
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
22.
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
23.
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
24.
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
25.
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
26.
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
27.
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
28.
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
29.
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
30.
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
31.
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
32.
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
33.
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
34.
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
35.
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
36.
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
37.
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
38.
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
39.
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
40.
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
41.
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$cluster) ggplot(sp.user.pca.df, aes(x=PC1, y=PC2, label=id, col=cluster)) + geom_text() + theme_bw(16) 2013年6月1日土曜日
42.
Rによる実行例: k-means法によるクラスタリング k-means法を使ってクラスタリングを実行 主成分分析でイメージしたクラスタに分類される 2013年6月1日土曜日
43.
Rによる実行例: レーダーチャート レーダーチャートを描くと各クラスタの特徴が分かりやすい R言語では、fmsbパッケージのradarchart関数で実行出来る library(fmsb) df <-
data.frame(scale(sp.user.km$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
44.
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
45.
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
46.
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
47.
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
48.
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
49.
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
50.
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
51.
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
52.
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
53.
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
54.
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
55.
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
56.
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
57.
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
58.
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
59.
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
60.
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
61.
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
62.
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
63.
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
64.
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
65.
ご清聴ありがとうございました! 2013年6月1日土曜日
Download now