ファミマの「デジタルマーケティング戦略」、役員に聞いたファミペイの絶大効果
ファミリーマートは、1989年のPOSレジ導入以降、カルチュア・コンビニエンス・クラブ（CCC）との協業による「ファミマTカード」の導入など、顧客最適な提案を実現するためのデータ収集・活用に取り組んできた。近年は、自社アプリ「ファミペイ」や決済サービス「ファミペイ決済」の開発・導入、さらには購買データを活用した広告事業に関する企業「データ・ワン」の設立などに取り組んでいる。ファミリーマート新規事業開発本部執行役員、（現、データ・ワン出向）の井上博之氏に、同社のデジタルマーケティング戦略の歴史と、データ利活用のポイントについて話を聞いた。 ファミリーマートの成長を支える「デジタルマーケティング戦略」のポイントとは？同社の徹底した顧客データ分析に基づくマーケティングの事例を紹介します
過渡期を迎えるコミュニティマーケティング、人材不足・オンライン化をどう乗り越える？【元AWS小島氏】
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
【2021】次世代サッカー解析に関する研究
筑波大学連携大学院（大西研究室）画像認識による人の流れの追跡や シミュレーションによる人の流れの予測の 結果を使って新しいサービスを作り出すことを目的としています． 人の流れの認識，追跡，動作認識のような画像認識や 機械学習を効率的に自動化する AutoML， マルチエージェントシミュレーション， また，計測とシミュレーションの融合であるデータ同化（data assimilation） のような基礎技術から 商業施設でのマーケティング分析，駅などの公共空間での安心・安全管理， 大規模イベントなどでの誘導支援，介護施設での徘徊検出， ミーティングスペースでのコラボレーション計測などの 応用技術までが研究のスコープです． これまでに様々な環境にて取得した大規模な人流ビッグデータがあります． これらのデータを使って世の中の役に立つ研究をしましょう． 詳しくは右のフライヤーをご覧ください． フライ
AISASと普及理論との関係 - ＤＸ・ｅビジネス・ＩＴ戦略の波間に
ネットのマーケティングでは、AISASというモデルが受け入れられつつあります。 Attention(注意)→Interest(関心)→Search(検索)→Action(購入)→Share(共有) という消費者のプロセスモデルです。従来のAIDMA（アイドマ）モデルは、各消費者の行動モデルでしたが、AISASの考え方では、SearchとShareで他者とのインタラクションを含むため、各消費者の購買行動プロセスとして見るだけでなく、消費者間のインタラクション（相互作用）のモデルとしても使えます。 ガーラの村本理恵子さんによるWeb2.0時代のネット口コミ活用bookという本の中でのAISASの記述部分（P.45）では、SearchとShareが「ネット口コミ」を通してつながったり、最後のShareと最初のAttetionをつないでループ上に表しています。このように、AISASでは消費者間のイ
UberのMarketing Mix Modeling論文を読んでみた所感 - Leverages データ戦略ブログ
はじめに 初めまして、データ戦略室データサイエンスグループの徳田です。 以前のブログでMarketing Mix Modeling（MMM）を取り上げましたが、弊社では日々手探りの状況でMMMに取り組んでおります。Uber、FaceBook、Googleなどの企業の事例や論文から学びつつ、業務をおこなっております。今回は、その中でUberのMMM論文の紹介をしていきます！なお、MMMの詳細を知りたい方は、前のブログを見ていただければと思います。 目次 UberのMMMの取り組み 背景 方法 結果 論文を読んだ所感 参考文献 UberのMMMの取り組み 今回紹介するのは、こちらの論文（Title:Bayesian Time Varying Coefficient Model with Applications to Marketing Mix Modeling）です。本論文のポイントとしては
プログラミング言語の「ぼうけんのしょ」 - コーディングを支える技術 - にょきにょきブログ
コーディングを支える技術 ~成り立ちから学ぶプログラミング作法 (WEB+DB PRESS plus) 作者: 西尾泰和出版社/メーカー: 技術評論社発売日: 2013/04/24メディア: 単行本（ソフトカバー）この商品を含むブログ (15件) を見る よくもここまでプログラミング言語を俯瞰出来る人がいたものだと尊敬せざるを得ない。 そしてそれを見事にコンパクトな一冊にまとめた著者西尾氏の能力はやはり類まれなるものなのだろう。 本書「コーディングを支える技術」は、プログラミング言語の「なぜ？」を解説した本である。なぜ言語設計者はこの文法をつくったのか。なぜ変数にはスコープがあるのか。なぜ関数が必要なのか。なぜ例外が必要なのか。 普通のプログラマなら当たり前に触れている記法や概念であっても、なぜそれが必要なのかは気にしてない人も多いのではないか。人は、完成品だけ見てもどう完成しているのか理
【R】数字の集合をトピックモデルで分析したらなかなか良くてびっくりした話。 - データ分析系男子。
前回、疎行列をクラスタリングする話を書きました。 wanko-sato.hatenablog.com そこでふと思いついたのが、「数字の羅列を単語の集合とみなして自然言語処理のスキームに当てはめられるんじゃね？」ということです。どういうことかというと、 [[1]] [1] 246 308 149 170 161 233 291 218 260 171 155 151 [[2]] [1] 383 331 353 [[3]] [1] 310 333 [[4]] [1] 255 247 223 284こんな感じのデータがあるとします。個々の数字はなんでも良いのですが、例えばこれがある消費者の買った商品IDの集合だとします。通常は、前回書いたとおり、これを主成分分析にかけたり、クラスタリングしたり、あるいはあらかじめ属性がわかっていれば教師あり学習させてみたり、といろいろ思いつくわけなんです。が、
TreasureDataの大量データをSnowflakeへ取り込む - Qiita
概要 TreasureDataにある大量データ(100GBレベルのtableデータを複数)をSnowflakeへ取り込む処理を実行しました。 しかし、一筋縄ではいかず、試行錯誤経て比較的シュッとできる方法に辿りつきました。役立ったのはSnowflakeの半構造化データ機能でした。 ここでは、同じような問題に直面された方のお役に立てればと結論と伴に試行錯誤の過程を記します ※1年近く運用してわかった改良版も投稿済みです、ご参照ください 結論 TDからSnowflakeへの大量データの移行は「TD→Snowflake」の直接移行は不可能でしたが、 **「TD→クラウドストレージ(s3)→Snowflake」**とクラウドストレージ経由にすることで、ほぼ手動調整無しに実現可能になりました。 手順は以下になります。 1. Snowflakeに適切なtable定義を作る。 TDのSnowflakeE
エンジニア彼氏がやたらつかう「実装」って言葉がどういう意味なのかって話 - くまのからあげ
どうも、からあげです。 さっき飲み会から帰ってきたらリビングの照明にダッフィーのぬいぐるみ（通称：くまのからあげ）が吊るされていました。エンジニア彼氏のささみくんは作業部屋にこもっているようなのでSlackしてみたのですが、まだ返事がありません。 ぬいぐるみの虐待は時々行われているようなので珍しいことではないのですが、そのまま放置するとは、一体何を伝えたいのでしょうか。そしてこれを吊り下げたあと、彼は何を実装しているのでしょうか。怖くて直接話しかけることができません。 当人（ダッフィー）はおだやかな笑顔。 ところで「実装」って何 ブログ編集画面を開いたついでに書いてしまって恐縮なのですが、 わたくし、最近「実装」という言葉に違和感を覚えています。 わたしもささみくん（彼氏）につられて普通に使っていたのですが、 「エクストリーム実装」って、改めて訊かれるとなんのことか全然説明できません。 そ
BigQueryのデータセットにタグ付けをしてIAMでアクセス制御する
2022年6月6日のリリースノートでBigQueryデータセットへのタグ付けおよびIAMポリシーによるリソースアクセスをできるようになりました（プレビュー）。 何がうれしいのか BigQueryのデータセットへのIAMによるアクセス制御は従来でも可能でしたが、設定箇所がリソース（データセット）のオプション画面なので（個人的に）分かりづらいです。また、一覧性に乏しく、どのユーザー（またはグループ）がどのデータセットに権限が付与されているのかがIAMコンソール画面では分からず、データセットの権限設定まで見に行かないと分かりませんでした[1]。タグ+IAM Conditionsによるアクセス制御によって、IAM上で設定が完結できるうえに、IPアドレスや特定の時刻のみアクセスを許可することもできます。 タグとは ここでタグについて復習です。 「あれ？リソースにつけるやつだよね？前からデータセットに
VAEでキャラクターの設定を作る。 - Qiita
※１７０６０６追記しました。 人工知能（機械学習）を使って、創作支援をするシリーズを連載します。 とりあえず第一弾として機械にキャラクターの設定を自動生成させたいと思います。 背景 近年、売上が急増するソーシャルゲームでは、キャラクター数が過去のコンテンツと比べ爆発的に増加している傾向にあります。 例えば、艦隊これくしょんでは350、Fate／GrandOrderでは150以上のキャラクターが確認されています。[要出典] 多様化するキャラクターの設定創出を、機械学習で行うモデルの構築と検証を行います。 手法 1. LSTMVAE 使用したのはLSTMVAEです。 VAEはニューラルネットによる生成モデルです。 musyokuさんが詳しく説明されているので、解説はこちらをどうぞ。 Auto-Encoding Variational Bayes 雑に説明しますと、オートエンコーダー（入力と出力
マーケターの最初のキャリア｜松谷 一/Matsuya Hajime
最近、ニュースなどで『ジョブ型』というワードをよく目にしますが、これは前回のNoteに書きました。『ジョブ型』の対比で『メンバーシップ型』という概念がありますが、いずれも働き方に関するものです。今回は、働き方ではなく、仕事の中身、『キャリア』について考えてみたいと思います。 キャリア、というと『キャリアプラン』『すごいキャリア』など関連するワードが思い浮かびますが、今回は仕事の経験として定義します。皆さん、ご自身のキャリアを考えたり、こうしたいと思ったりしていますか。ジョブ型の話にも関連しますが、平均的なサラリーマンって自分のキャリアに対する想いはあっても、なかなかその通りのキャリアを歩めないんじゃないでしょうか。私もサラリーマン時代は何度か異動しましたが、希望の業務に就いたことが無かったです。この辺りは今後変わっていくと良いと思います。 そんなキャリアで比較的自分の選択に近くなるのが最初
HRもベッテク。PeopleAnalyticsを50人のスタートアップで始めた話｜石黒 卓弥｜Takaya Ishiguro
こんにちは「すべての経済活動を、デジタル化したい」、石黒です。 最近、LayerXの週次定例MTGの話が大好きです。このフェーズでこの話ができていて良いな、と。（どんな話があるのか興味を持たれた方は、Meety等で気軽に声がけください） さて、今回の記事は、6月から始まっている #LXベッテク月間 16日目の記事です。 前回は@gunsun8さんの「全員がお客様に向き合える仕組みをつくる、セールス起点で行う情報連携の取り組み」というエントリでした！ （なお、実は16日目の本記事公開を失念しており、先程17日目の最高なエントリがすでにUpされておりました…！本当にすいませんmm） 今回は「HR×数字」の話です。HRのDashboardって「やりたいけどなかなか手がつけられない」と言う業務の代表みたいなものではないでしょうか。 特に成長期のスタートアップの場合、まず採用があり、入社対応やオンボ
入社1ヶ月でNotionを使いやすい形にデザインした話｜西山 将平（Shohei Nishiyama）
こんにちは、11月にPLAIDにデザイナーとして入社した西山 将平（@24sy___）です。 PLAIDではデザインチームに関連した情報をNotionのページにまとめているのですが、入社間もない自分には欲しい情報が探しにくく、新しい情報もどこに追加すれば良いのかが分からない状態で運用されていました。 そこで、「学習の難易度を下げて、簡単に情報を追加でき、欲しい情報を探しやすい状態」を目指して、デザインチームのNotionを使いやすい形にデザインしました。 本記事では、そのプロセスと最終的にどんなNotionページを作ったのかをご紹介します。 リニューアル前のデザインチームのNotionについてまずは、どんな問題があるのか探るためにデザイナーにヒアリングを実施しました。その結果以下のようなことがわかりました。 コンテンツの全体感が見えにくい デザイナー関連のドキュメントや、共通リソースのリン
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
重要ポイントは3個がちょうどいい｜AK｜note
データ分析なんか誰でもできる時代に、データアナリストとして働いている。
AlloyDB のデータ分析基盤での活用におけるポテンシャルとは？