サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
衆院選
mm-lab.jp
ITP（Intelligent Tracking Prevention）の発表から4ヶ月。 アドテクに限らず、あらゆる業界に激震が走っております。 本コンテンツでは主にアドエビス開発陣としての調査結果と、世間で言われるITP仕様に関する認識について「あれっ？そうでしたっけ？」という声をあげたいと思います。 このコンテンツに関しては一切をリンクフリーとしますので、どんどん引用して下さい。また不正確だと思われる点あれば、ご指摘頂ければ幸いです。随時更新してまいります。 twitter；@mmlab_jp 結論から申せば、以下２点がアドエビス開発陣が発見したITPの正確な仕様であり、あまり世間で聞こえてこない箇所です。それぞれ説明していきます。 ・リダイレクトしただけ、サイト表示のみだけではinteraction（接触）とみなさない。サイト表示＋クリックがあって、interaction（接触）と
今回は「課題発見のためのデータ分析手法」を紹介します。 「（ビッグ）データがあるから分析して下さい。何か分かるでしょ？」 と偉い人から言われて、泣く泣く分析作業に取り掛かった戦士たちの血と汗と涙の記録です。 ”発見”のための分析は必要だ 準備運動もせず、いきなり100kmマラソン走ってくださいと言われたら、誰だって「えっ？」と仰け反りますよね。 しかし、これが多くのデータ分析の現場で起きていることだと考えていただければ幸いです。 どういうデータなのか、どういう課題があるのか、何を解決して欲しいのか、まったく説明もないままに「データ渡すから何かわかるでしょ？」と言われて「えっ？」と仰け反っている人は多いです。 筋肉が目覚めていないのに急に身体を動かしたら、悲鳴をあげるに決まっています。したがって、まずは筋肉を目覚めさせるストレッチをする。 これを私は「ちゃんと分析するための分析」だと呼んでい
文責：松本 健太郎 マーケティングメトリックス研究所所長 2017年7月22日（土）に放映された、NHKスペシャル「AIに聞いてみた どうすんのよ！？ニッポン」が各所で波紋を呼んでいます。 その理由の1つとして「AIひろしは相関関係があるデータ項目を線で紐付けただけなのに、人間が勝手に因果関係だと解釈しているのではないか？」という声が多い点を挙げます。 しかし、放送を見ると、言うほど悪くなかったと思うのです。 近藤正臣さんが「因果関係は分からないけれど」と前提条件を説明したり、映像のテロップで「時系列の変化も分析」「『健康になった⇒病床数が減った』の順ではなく、『病床数が減った⇒健康になった』を導き出した」と注意書きが出たり。 一般市民としては「意外とちゃんとしてんちゃう？」感を抱きました。 そもそも時系列なデータのみで因果関係を証明するのは非常に難しく、統計的因果推論などの手法を用いて統
今回は以下の本の紹介をいたします。 加嵜 長門 田宮 直人 丸山 弘詩 マイナビ出版 2017-03-27 「ビッグデータ分析・活用のための」と描かれている通り、文中は大規模データを想定したSQL文が並びます。このビッグデータな時代、色んなSQL本が出版されていますが、ここまで実用的で、かつサンプル例が揃った本に初めて出会いました。 著者はDMM.comラボに勤められているエンジニアの方だそうですが、この書籍の元ネタは現場で実際に使っているSQL文か著者の個人的なメモなのではないでしょうか。それくらい「痒い所に手が届く」「困った時に知っておきたい」サンプル例ばかりです。 今回は、この本で着目すべき3つの注目点を簡単に纏めてみました。 その1：非エンジニア向けの易しい解説書スタンス そもそもビッグデータと一口に申しても、データを管理しているエンジニア、データを分析するデータサイエンティスト、
田中 潤。Shannon Lab株式会社 代表取締役。 アメリカの大学で数学の実数解析の一分野である測度論や経路積分を研究。アメリカの大学教授にも難易度が高いといわれているアメリカ数学会でも数学論文を発表している。カリフォルニア大学リバーサイド校博士課程に在籍中にShannonLabを立ち上げるため2011年帰国。開発する際は常にpythonを愛用。 [松本] 今回のゲストは数学者であり、データサイエンティストであり、経営者でもあるShannon Lab株式会社代表取締役の田中潤さんです。 今回は「正しく理解する人工知能」がテーマです。昨今、様々な切り口で語られている人工知能ですが、評論家より最前線の現場で活躍しておられる専門家の意見こそ重要だと私は思っています。そこで真っ先に思い浮かんだのが田中さんでした。 まず初めに、簡単に自己紹介をお願いします。 [田中] 今日はよろしくお願いします
通勤中はradikoでFM802を聞いている所長にとって音楽は欠かせない存在です。もうすぐ春のキャンペーンソングの季節ですね。2017年は清水翔太！ 最近では「AWAが良いらしい」と聞いてDLしてから定額制音楽配信サービスの良さに気付いて、音楽に塗れた日々を過ごしています。 ところで定額制サービスと言えば、2016年9月にSpotifyが日本に上陸して以降、本格的な定額制音楽配信サービスの時代が押し寄せると言われています。 しかし、あらゆる業種において「デジタルへの転換」の遅れが目立つ日本で果たしてそんなことが本当に起こるのでしょうか。調べてみました。 結論としては以下の通りです。 1.世界的に見て音楽市場は2015年に下げ止まり。成長を牽引しているのはDigital（特に定額制音楽配信サービス）。 2.一方で日本ではPhysicalが強くDigitalは立ち上がっている最中にある。 3.
今回は、QCA（質的比較分析）という手法を用いた新しいアトリビューション分析モデルの開発経過を報告します。 あまり聞き馴染みの無い単語だと思いますが、Rでのサンプルプログラムも記載しているので皆さんの環境でも再現可能です。 「R触れないよ！」という方のためにも概念や考え方も軽く紹介するので「へぇ～、こういう考え方もあるのね」と思って頂ければ幸いです。 アトリビューションとは何か？ご存知かもしれませんが、簡単にアトリビューション分析およびモデルの説明をします。 アトリビューション分析とは、ユーザーが最後に接触した媒体のみ評価するのではなく、それまで接触してきた媒体も含めて評価する分析手法を指します。 デジタルな環境ではユーザーを一意に認識できるようトラッキングできるので、どの媒体に接触したかという「過程」を把握できます。このあたりの技術の進化がアトリビューション分析を後押ししたのだと思います
原著は「Commercial Data Mining: Processing, Analysis and Modeling for Predictive Analytics Projects」という題で、直訳すると「商用データマイニング：予測分析プロジェクトの処理、分析、モデリング」となります。 著者のDavid Nettleton氏は、訳者の紹介によると「人工知能の分野で博士号を取得しており、IBMでビジネスインテリジェンス関連の業務に従事した後、自身の会社を立ち上げ、様々な分析プロジェクトに関与してきた」そうです。 分析一辺倒の先生というよりは、現場も客先も知っているバランス型なのだと思います。だからこその「Commercial Data Mining」なのでしょう。自信の表れですよね。 今回は、この本で着目すべき3つの注目点を簡単に纏めてみました。 その１：とにかく分厚いこの本とにか
2016年プロ野球順位予想！監督の選手時代から勝利数は予測できる！？ https://www.mm-lab.jp/statistical/professional_baseball_standings_expected_2016/ 今年は、躍進を遂げている横浜DeNAベイスターズが優勝するか検証します。 2016年の成績をピタゴラス勝率の観点で振り返る2016年の結果を振り返ります。広島の圧倒的な優勝で終わったセ・リーグでした。 2016年のセ・リーグ成績得失点が多い横浜DeNAと、得失点が少ない巨人がほぼ同じ勝率という点に違和感を抱くかもしれません。 しかしピタゴラス勝率を求めると、だいたい似た勝率に落ち着きます。 P勝率列を参照ください。 チームの傾向は、打力の横浜DeNAと投手力の巨人という位置付けで良いかと考えます。 ちなみに、打撃系指標を比べるとOPSは巨人と横浜DeNAで同率な
ヤマト運輸 労組が宅配便の引き受け抑制を要求（NHK） http://www3.nhk.or.jp/news/html/20170223/k10010887131000.html 佐川急便が「全国的に集荷、配達の遅延」と“予告” 年末の荷物増加に人手不足で（SankeiBiz） http://www.sankeibiz.jp/business/news/161228/bsd1612281713009-n1.htm 「ECの増加に伴い宅配便取扱個数が急増しているが、その需要に供給側が追いついていない」という表現は正しいのでしょうか。 今、日本の宅配で何が起きているか、オープンデータから推察していった結果、次のことが分かりました。 ・今のままだと全体で宅配個数40億個、ヤマト運輸は2020年に宅配個数20億に届きそう。 ・配送料有料は解決策にならなそう。（絶対に無料を押し通す業者はいる） ・「
今回は数学IAレベルの知識を使って、私のようなファッションに興味の無い非モテエンジニアでも、オシャレでかっこいい服を毎日悩むことなく自動的に選ぶ仕組みを紹介します。 ちなみに中高一貫男子校に通っていた私は、大学生になるまで親に買ってもらった服以外を着たことがありません。服を買うことに興味を持ったことが無いのです。 したがって、私が「生きていく上で困ることランキング」の比較的上位に入っていた項目は「会社に着ていく服を選ぶこと（買うこと）」でした。 このままでは、襟首よれTを着込んで「仙人」という有難くないあだ名がつきかねません。せっかく痩せたのに、見た目がアレでは彼女もできません！何とかしなければ！ 【参考】ライザップで11kg痩せた！ダイエット成功の理由を分析する https://www.mm-lab.jp/statistical/the_reason_that_was_successfu
飯髙 悠太（いいたか ゆうた）。株式会社ベーシック 執行役員。 Webマーケティングメディア「ferret」の創刊編集長を務める。これまで広告代理店、制作会社、スタートアップを経験。複数のWebサービスやWebメディアの立ち上げに関わる。2014年4月ferretメディア化にあたり参画。 編集長・飯髙悠太[松本] 今回のゲストは、株式会社ベーシックの飯髙さんです。飯髙さんはWebマーケティングメディア「ferret」の編集長を務めておられます。 今回は「自社でオウンドメディア始めるにあたり編集長を担うことになりまして、さて具体的に何すればいいんでしょう？」という人に向けて、編集長というお仕事のお話を聞きたいと考えています。それにピッタリなのが飯髙さんだと思って、声をかけさせていただきました。 [飯髙] 事前に質問事項読みましたけど、テーマが奥深いんですよ。準備が凄く大変。結果できてないけど
2017年1月31日に総務省統計局から平成28年（2016年）12月分家計調査が発表され、エンゲル係数が12月は27.5%、2016年平均は25.8%になるらしく、29年ぶりの高水準だったことが分かりました。 29年前と言えば1988年、バブルな時代でしょうか。 この結果を受けて、主要メディアは全く趣旨の異なる報道を行いました。 物価上昇に収入追いつかず エンゲル係数“異常上昇”の仰天 http://www.nikkan-gendai.com/articles/view/news/198651 同じ数字を並べても、日刊ゲンダイはアベノミクス批判、日経新聞は食シフトの発生と違うとらえ方をしています。どちらの見方が正しいのでしょうか？ マメ研は、エンゲル係数の数字を分析した結果、以下の結論に至りました。 1.消費支出が年々減っている。 2.物価上昇の影響で値段が上がっている。 3.中食について
DMPを使いこなすマーケター・中野学 [松本] 今回のゲストはSATORI株式会社の中野学さんです。中野さんはサイエンスとサイコロジーを併せ持つマーケターだと思っていて、本当に尊敬しているんです。今日はよろしくお願いします。 [中野] 尊敬！ありがとうございます。私もデータサイエンティストの松本さんを尊敬しています。いつもマメ研のインタビューを熟読しているのですが、毎回結構なボリュームありますよね。大いなる覚悟を持って今日この場に挑んでいます。下手なこと言って恥をかかないよう、ばっちり準備してきましたよ！（笑） [松本] ありがとうございます（笑）。今回、インタビューをしたいと思った理由は、中野さんはDMPを使いこなして失敗も成功も経験されている数少ないマーケターの1人だと考えているからです。DMPは私もITメディアで連載をさせてもらっていて、いまだ誤解の多い領域だと感じています。だからこ
所長が生まれた頃から「月額課金」「年会費」という課金形態はあったと思うのですが、それにしてもここ数年でいっきに増えましたよね。 最近では月額課金ラーメンの可能性も語られており、そのうち定額制風俗、1授業100円予備校、1曲10円カラオケとかも出てきそうですね。 “月額会員制のラーメン屋”も登場する？「サブスクリプションモデル」の衝撃 http://diamond.jp/articles/-/115056 ビジネスモデルが変わると、追うべきKPIも変わります。サブスクリプションの場合は「解約率」ではないでしょうか。 というわけで、今回は「解約率分析」について考えたいと思います。 前段：なぜ解約率を下げることが大事なのか？従来の売り切りとは違い、サブスクリプションはユーザーの継続的な利用を前提としているので、いかに顧客と長期的な関係を構築できるかが大切だと言われています。 このあたりの詳しいビ
アメリカに「Figures will not lie,but liars figure」という諺があるように、弱いロジックも数字を使えば補強されます。 しかし、数字はそこいらに無造作に転がっているわけがなく、作られ、加工され、そして用いられます。人はその過程を「分析」と呼ぶと私は思っています。 したがって誰が、何の目的で、その数字を作ったのか？という洞察までなければ分析とは呼べません。データを無条件に信じてはいけないのです。 分析で最も大事なことの1つに「データを見る目」をあげたいくらいです。そのための事例をマメ研ではいくつかご紹介してきました。 「日本の生産性は先進国に比べて低い」という数字を疑って見る～1人あたりという罠～ 大阪都構想はなぜ否決されたのか？をデータジャーナリズムする 「データを見る目」が無ければ、どんな罠に陥るか。もっと分かりやすい簡単な事例を3つ紹介します。 例題1：
今回は、この春から東京に初めて住むという新社会人向けに、お奨め居住エリアをデータから導き出したいと思います。 ちなみに今回公開している全ての著作物は出典元提示のうえで転載OKです。当方への連絡も不要なので、どうぞ好きなだけ使ってください。 ちなみに、Tableauで使っているデータはコチラです。 恐怖！東京にはこれだけの路線がある！大阪に31年間住んでいた所長が転勤で始めて東京にやってきたとき、もっとも恐怖したのは東京を走る鉄道路線の多さでした。 絶対に覚えられないし、GoogleMapの有り難さを感じたものです。 Tableauを使って、その路線を再現してみました。以下の通りです。ちなみにスマホ版で見るよりPC版で見ていただいたほうがより面白いと思います。 蜘蛛の巣より細かい網の目が東京23特別区内を張り巡らせています。東京に住む住人は、本当にこの路線を把握しているのでしょうか…。 ちな
27歳の戦略・企画課長、足立愛樹が見た「米国発トレンド」 [松本] 今回のゲストは当社のロックオンの足立愛樹さんです。足立さんは新卒ながら4番打者でエースという日ハム・大谷選手のような活躍をされています。今日はよろしくお願いします。 今回、インタビューをしたいと思った理由として、足立さんは会社の「特命」として、昨年ごろから海外のカンファレンスに参加されていますよね。米国のマーケティングトレンドを伝聞じゃなく見聞されて肌で感じている。凄く貴重な経験が蓄積されていると思うんです。 1998年に公開された映画「踊る大捜査線」で織田裕二扮する青島が「アメリカで起きたことは5年後に日本で起こる」と言っていましたが、そのインターバルはどんどん短くなり、今や1年程度に短縮されています。足立さんが2016年に米国で見てきたことは、2017年には日本でも流行るのだと思うんです。つまり、米国には既に起こった日
1977年生まれ。東京都出身。ソフトウェア開発会社にてプログラマとしてキャリアをスタート。物流や会計などのプロジェクトに携わった後、2006年に現経営陣とともに株式会社EVERRISEを創業し取締役就任。起業後もアドテク領域で多数のプロジェクトで実績を積み、現在は主にコンサルティング営業を担当。 アドテク開発の最前線に10年以上立ち続けた男・伊藤孝 [松本] 今回のゲストはアドテクノロジー（以降は「アドテク」と表記）業界でお馴染み、株式会社EVERRISEの伊藤孝さんです。伊藤さんとは以前にアドテク勉強会にお招きいただいて、それ以降のお付き合いをさせていただいております。今日はよろしくお願いします。 伊藤さんにインタビューをさせていただきたいと思ったのは、私がアドエビスというプロダクトの開発に携わってもう10年が経つのですが、同じようなエンジニアの方にアドとテクノロジーの関係をどう思われて
第三次安倍内閣で「働き方改革実現会議」のテーマとして「賃金引き上げと労働生産性の向上」が取り上げられるほど、いま日本の「低い労働生産性」が話題になっています。 また、ここ数ヶ月に間に「生産性」に関する書籍が相次いで出版、文中で日本の労働生産性が低い理由が指摘されており、これがソーシャル上で多くの話題と共感を得ています。 ところで、日本の労働生産性は本当に低いのでしょうか。 その数的根拠は何でしょうか。ちょっと気になったので調べてみました。 そもそも「労働生産性」とは何か？認識の統一を図るため、まず労働生産性の定義をハッキリさせます。 「生産性」とは一般的には「産出量（アウトプット）÷ 投入量（インプット）」を指します。インプットに対してアウトプットが多いほど生産性が高いことになります。 ただし世間巷で喧騒されている「日本は先進国の中で労働生産性が一番低い！」という文脈における「労働生産性」
マーケティングメトリックス研究所をご覧の皆様、1年ぶりの登場です。 電通ダイレクトフォース・戦略コンサルティング部の小松と申します。 昨年記事（重回帰分析を使って有馬記念の1位馬を予想する！）にて有馬記念の予想をしたところ、日頃の行いが良いせいか見事的中。本年もオファーを受けた次第でございます。 正直、ギャンブルの鉄則である勝ち逃げをしてやろうかとも思っていましたが…笑。 重回帰分析で馬券は当たるのか？正直、重回帰分析で馬券を当てるのはなかなか難しいかと思います。 ますは、昨年の分析を振り返ってみたいと思います。 昨年の有馬記念：予想と結果1、2着は的中しましたが他はどうだったでしょうか？ 黄色く塗りつぶしている馬は、予想と着順が大きく外れた馬です。 16分の10の的中率。これは低いと見るか、高いと見るか…。 3着に来たキタサンブラック、4着に来たマリアライトの予想は大きく外しています。
昨年は「今年こそデータサイエンティストになると決意したあなたが読むべき10冊」と題して、年末年始に読んで欲しい本を紹介しました。 今年はバズワードだった人工知能と機械学習を、いよいよ実装しなければならなくなったエンジニアを対象に、これ読んだらいいと思いますよという本を紹介します。 そもそも「人工知能」って何やねん？いま最も人気の学会は人工知能学会らしいですが、そもそも「人工知能」って学術的にはどう定義されているの？と思われている方向けに、まずは読んで欲しい1冊です。 人工知能学会誌での連載解説が大幅に加筆修正された、とあります。 人工知能とは (監修:人工知能学会)松尾 豊 中島 秀之 西田 豊明 溝口 理一郎 長尾 真 堀 浩一 浅田 稔 松原 仁 武田 英明 池上 高志 山口 高平 山川 宏 栗原 聡近代科学社 2016-05-30 人工知能分野で最先端の研究を行う研究者13人による「
今回は、リスティングなどの運用型広告で『今までと違う何かが起きる≒異常』を知らせる検知の仕組みについて考えます。 常時出稿される広告だからこそ「異常」発生の監視は自動化されるべきですが、多くの人が「異常」の基準（閾値設定）に頭を悩ませているはずです。 どこまでが「正常」で、どこからが「異常」なのでしょうか。何をもって境目を見つければいいのでしょうか。 その基準作りは、大量のデータからパターンを見出す機械学習（機械が自動で学習する人工知能研究の一分野）と相性が良さそうです。 つまり過去の傾向からの「違い」を見つけ出し、過去のパターンから作られた一定の基準を超えれば「異常」と見なすのです。 そこで今回は、機械学習を用いた異常検知の方法を調査してみました。Rでのサンプルプログラム付きとなっています。 何をもって「異常」と定義するのか？業種別マーケティングトレンド予報（16年10月～12月編）でも
1970年生まれ、広告会社を経て2004年デコムを設立。インサイトやアイデア開発支援に関する著書、講演は、海外も含め多数。医薬品・食品・飲料・化粧品・日用品・通信・自動車・エレクトロニクス・メディアなどの領域において、心理学や文化人類学からのアプローチによる独自の調査手法で、アイデアとイノベーションを導きだしている。 インサイトリサーチのスペシャリスト・大松孝弘 [松本] 今回のゲストは、インサイトリサーチのスペシャリストである株式会社デコムの大松孝弘さんです。大松さんとは同じ大学院に通う同窓生です。今日はよろしくお願いします。 大松さんにインタビューをさせていただきたいと思ったのは、私がデータサイエンティストとして活動する中で、数字から仮説を導くことの難しさを日々痛感しているからです。ユーザーが取った行動は分かっても、なぜそんな行動をしたのかが分からない。 そのことにずっと悩んでいた頃に
オープン戦、交流戦、ペナント1軍、2軍、全て最下位、通称「完全最下位」というプロ野球初の不名誉な記録で終えた2016年のオリックス。 それでも多くの関西人は、堕ちるところまで堕ちたオリックスより金本阪神1年目に厳しい目を向けているのが現状です。 なんとかして手っ取り早くクライマックスシリーズに進出する方法はないか。セイバーメトリクスで考えてみましょう。 どうすれば手っ取り早くクライマックスシリーズに行けるか？上位3チームのみ出場することが許されているクライマックスシリーズ。つまり1位である必要はなく、3位に滑り込めばいいわけです。 そこで過去10年間のパリーグ成績を見てみます。各順位の勝率を箱ヒゲ図で表現し、3位の四分位範囲を確認してみましょう。 ペナント順位毎の勝率の箱ひげ図少し厳し目に見て、4位の四分位範囲を超える勝率0.524であれば3位は間違いなさそうです。 ちなみに今シーズンの成
今回は、Excelで簡単に重回帰分析を行う方法を紹介します。 元々がぽっちゃり体型の松本は、夏からダイエットを始めていました。ぽっちゃりの領域を超えて、もはやデブだからです。 1日3食のうち1食を怪しげなダイエット食品に置き換え、ジムでジョギングをして、たまに誘惑に負けてラーメンに逃げる。こうして松本は、およそ1ヶ月で約6キロ減のダイエットに成功しました。 このまま行けば、松本は何日後に体重を60キロ台に落とすことができるでしょうか。運動の回数をどれくらい増やし、ラーメンの誘惑に何度勝てば、もっと早く痩せられるか、予測してみたいものです。 そんなことが簡単にできるのでしょうか。できるんです。そう、回帰分析ならね。 「回帰分析」とは何か？簡単に言うと、回帰分析とは「xがyに影響を与えたか？を分析する」ことです。 例えば、xを「気温」、yを「ソフトクリームの売上」だとすると、「気温がソフトクリ
「本当に痩せてるの？」、「ライザップで11kg痩せた！」に続くシリーズ第3弾です。 ライザップを初めて約1年、なんとか人様の前に立てる身体になってきました。 今回はライザップで学んだ糖質制限食事方法のノウハウをマメ研流グラフィックで表現したいと思います。 ※ちなみにこのコンテンツはライザップの記事広告ではありません！念のため！ ライザップに1年間通ってどれくらい痩せたのか？1年間の結果は以下の通りです。 腹囲の落ち具合が半端ないですね。ちなみに、服はこの1年で全て買い換えました。 痩せ方に注意！落としたいのは体重？脂肪？この1年で筋肉量をほぼ落とさず脂肪量だけを落とすことに成功しました。約16キロの減量の内訳を見てみましょう。 「本当に痩せてるの？」を1回目、今回のライザップ1年間を2回目とします。 前々回のダイエットでは、脂肪よりむしろ筋肉が落ちていました。 無茶な食事回数制限、バランス
以前知人と待ち合わせをしている時、隣にあるモノがありました。それは「AED」です。僕が知人を待つようにAEDも活躍するその時を待っていました。 そんなAEDを見てふと思ったことがあります。「使う日が来るのだろうか（こない方が良いに決まってる）」「AEDって何台あるんだろう？」「本当に人を助けられるのか？」などなど。 ということで、今回は改めてAEDについて理解していきながら、データ分析から「どこにAEDがあると良いのか？」について考えて見ます。 そもそもAEDとはなんぞやそもそもAEDってなんだっけ？どんな場面で活躍するんだっけ？という方もいるかもしれないので、もう一度確認してみましょう。 AEDとは「Automated External Defibrillator」の略称で「自動化された体外式の除細動器」という意味になります。 つまり、心臓がけいれんし血液を流すポンプ機能を失った状態（心
株式会社ロックオンには「企業理念の理解浸透、体現促進」を目的として理念プロジェクトなる体制があります（参考記事はコチラ）。 理念プロジェクトでは現在、「OKAGE SUN プロジェクト」を推進しています。 登録フォームを設けてロックオンで働く人全員（正社員、バイト、子会社とか一切関係なく！）の「おかげさんです（ありがとう！）」という声を集め、WEB上で掲載しているのです。 WEB上では、仕事上での「ありがとう」という掛け声が飛び交います。例えば以下のように。 「ありがとう」って言えば「ありがとう」って言う。 こだまでしょうか？いいえ、誰でも。 そんな職場って、素敵やん。 今回は、そんな素敵さの「見える化」に挑戦します。 データの分布：「ありがとう」の内訳フォームのデータは、プロジェクトが始まった2014年10月分から、およそ2,500件分あります。営業日が260日だとして、およそ1日あたり
次のページ
このページを最初にブックマークしてみませんか？
『Home - マーケティングメトリックス研究所/MARKETING METRICS Lab. – コミュニケー...』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
