SlideShare a Scribd company logo
1 of 83
Download to read offline
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
About me
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!
本日は!
Marketing
Marketing
×
Marketing
×
Data
Science
Marketing
×
Marketing Science!
Data
Science
agenda
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
1 . 市場の選定
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?
1 . 市場の選定

SWOT 分析
1 . 市場の選定

アンゾフのマトリクス
1 . 市場の選定

そして
1 . 市場の選定

プロデジーモデル
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
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
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
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
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
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
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
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
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!
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?
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
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?
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
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!
2 . 市場セグメントと
  ターゲティング
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)
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
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
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
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!
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!
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
2. 市場セグメントとターゲティング

k-means の紹介
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
3 . 商品設計
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!!
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!!!!
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)
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)
3. 商品設計

とても良い記事

Markezineの Excel ビジネス統計
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
3. 商品設計

3 次元空間へのプロット
3. 商品設計

3 次元空間へのプロット

有向線分を引く
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
3. 商品設計

3 次元空間へのプロット

もう1本!
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!
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
3. 商品設計

R のコード
3. 商品設計

R のコード
3. 商品設計

結果
4 . 消費者行動
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
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
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
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
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
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
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
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」
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
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!
Thank you

ご清聴ありがとうございました!

More Related Content

What's hot

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 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
 
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~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.02INFOBAHN.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 201501Noriko 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 2015.8Noriko 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個人情報保護法 2015.7
個人情報保護法 2015.7Noriko Hashimoto
 
Heart coreクラウドday講演20110708 fin
Heart coreクラウドday講演20110708 finHeart coreクラウドday講演20110708 fin
Heart coreクラウドday講演20110708 finYukiyasu 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
 

What's hot (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 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 JapaneseDigital 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 finHeart 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
 

Viewers also liked

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~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~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-1Nagi 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[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 PowerShellAmazon 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.17Rて計量経済学入門#tokyo.r.17
Rて計量経済学入門#tokyo.r.17yuuukioii
 

Viewers also liked (12)

第28回Tokyo.R
第28回Tokyo.R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~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~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[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.17Rて計量経済学入門#tokyo.r.17
Rて計量経済学入門#tokyo.r.17
 

Similar to 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~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マーケティングとは
マーケティングとはmiwarin
 
【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【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
 
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]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【Saleshub用】カウミー説明資料-ver4.pdf
【Saleshub用】カウミー説明資料-ver4.pdfssuser7a8771
 
Bigdata_conference_2014_autumn_20140903_nishikawa_presentation
Bigdata_conference_2014_autumn_20140903_nishikawa_presentationBigdata_conference_2014_autumn_20140903_nishikawa_presentation
Bigdata_conference_2014_autumn_20140903_nishikawa_presentationShinji 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~【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.pptxssuser7a8771
 
【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【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121210Osamu 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
 

Similar to 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~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【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]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【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_presentationBigdata_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~【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【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_open20110322 jmrx nextmr_open
20110322 jmrx nextmr_open
 

Tokyo webmining