実務で使う統計手法は、５つ。すごい、そんなシンプル？
このセミナー、冒頭の渋谷 直正さん(日本航空 旅客販売統括本部Web販売部 1to1マーケティンググループ アシスタントマネジャー)のお話がとても参考になりました。 まず、渋谷さんはご存知のように、2014年に「データサイエンティスト・オブ・ザ・イヤー」を受賞され、ビジネス・サイドにおける、データサイエンスのリーダー的存在です。 その渋谷さんの「実務で使う分析手法は５つで十分、マーケターこそデータサイエンティスト候補」という講演は、多くの示唆に富んだものでした。 まず、みなさんが気にしている５つの手法とは、 クロス集計 ロジスティック回帰 決定木 アソシエーション分析 非階層的クラスター分析（k-meansなど） の５つです。統計の教科書にはさまざまな手法が出てきますが、マーケターが実務で使うのはこの５つ程度だと説明されるのです。でも、この説明には、私も思い当たる部分があります。東大の数学
R でアトリビューション分析。Google アナリティクスの「コンバージョン経路」レポートを視覚化。 - 廿TT
アトリビューション分析とは バズワードです。明確な定義はありません。 広告の直接効果だけでなく、間接的な効果も含めて分析しようみたいな意味です。 コンバージョン経路 Google アナリティクスの管理画面を開いて「コンバージョン」→「マルチチャネル」→「コンバージョン経路」を選ぶと、こんなレポートが表示されます。 例えば、「オーガニック検索 > ノーリファラー」は、最終的にコンバージョン（成果）に至ったセッションはノーリファラーだったけれども、その直前のセッションはオーガニック検索だった、という意味です。 こういうのを見るのが最近はやってます。ユーザーのセッション遍歴は「カスタマージャーニー」とか呼ばれます。 R で集計 どのチャネル（訪問経路）がコンバージョンにどの程度寄与しているのか、「コンバージョン経路」のレポートから集計してみます。 データは Analytics すべてのウェブ
ディスプレイ広告のクリック数改善のためのデザイン最適化に、ポアソン分布 / 負の二項分布によるGLMを使ってみる - 渋谷駅前で働くデータサイエンティストのブログ
これはディスプレイ広告に限った話ではないと思うんですが、あるPC / スマホ上の何かしらのクリエイティブに対するクリック数がそのデザインの良し悪しによって左右されるということは、web業界ではよく知られているかと思います。 そういう場合「どんなデザインがクリック数を増やすのに有効か？」というのは、厳密にはきちんと条件統制をかけて実験計画法に基づいてデザインしたA/Bテストなどで調べるべきなんでしょうが、そこまで綿密にやっている余裕のない現場も結構多いはず。 そこで、今回は既に計測済みの各広告のクリック数（CTRでしか得られていないようであれば実クリック数に直すものと想定する）データが得られているものと仮定して、それを各広告のデザイン要素を表すインデックス（二値orカテゴリカルデータ）のデータと組み合わせて、「どんなデザインをすればクリック数が増えるか？」を推定するというケースを想定してRで
1
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
処理を実行中です
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
