データ分析の成否が事業の成否に直結するような会社を選べよ まず戦うフィ..
データ分析の成否が事業の成否に直結するような会社を選べよまず戦うフィールドが間違ってる。 予測モデルの精度改善がそのまま売上の改善につながるような業態の会社を選ぶんだよ。 そうすれば元増田みたいに冷遇はされない。 例えばGoogle. Googleでは売上の90%が広告収入から上がっている。 ここで言う広告とは、GoogleやらYoutubeやらに訪れたユーザーのデータを詳しく分析した上でもっともコンバージョンレートが高くなりそうな広告を予測して表示するタイプの広告だ。 「誰にどんな広告を表示したらもっともコンバージョンレートが上がるか」というのは、当然データ分析や機械学習の範疇だ。 想像してみてほしい 1. 毎日GoogleとかYoutubeとかに何億人だかのユーザーが訪れる。 2. 世界トップクラスのデータサイエンティスト達が作り上げた、Googleのコンバージョンレート予測モデルはも
#タモリ倶楽部 風俗ビッグデータ！ 1020人のデリヘル嬢紹介文をテキスト分析ソフトで解析し「当たり」と「ハズレ」の嬢を見極める
ももひこ97 @momohiko97 #タモリ倶楽部 24時20分～24時50分 今夜遂に大公開!!痴の巨人が解析したデリヘル・ビッグデータ!…最新分析ソフトがたたき出すお宝データ!!この言葉で紹介されているデリヘル嬢は「当たり」!? 2018-01-13 00:12:03
サブスクリプションの見える化 (2/3) ―予測の変遷を捉え、現状を再評価する｜なおゆき
全3回の連載予定の「サブスクリプションの見える化」シリーズ。 4日前（12/11）の記事では、おかげさまで、Twitter、はてぶ、NewsPicks などでたくさんの反響をいただいています。ありがとうござます。 また、noteのサポート機能からご入金もいただきました。※見慣れない通知だなーと思って調べて初めて知ったのですが、10月にも複数の方から、サポートをいただいていました。大変遅くなってしまいましたが、この場をお借りして、ありがとうございます。（営利目的ではありませんが、わたしの記事を通してサポートしようと思っていただけたということが何よりうれしいです。） さて、今回は連載の第2回です。前回に引き続き、私自身がBtoBのサブスクリプションのビジネスでマーケティングやデータ分析を担当している経験をもとに、個別から全体、現在から未来に向けて、以下の3つの目的に合わせて考えていきます。 ～
天皇杯でJクラブに3連勝の筑波大。謎の組織「パフォーマンス局」とは？（安藤隆人）
筑波大の快進撃が止まらない。 第97回天皇杯全日本サッカー選手権大会において、1回戦でJ3の「Y.S.C.C.横浜」を2－1、2回戦でJ1のベガルタ仙台を3－2、3回戦でJ2のアビスパ福岡を2－1で撃破。 格上とも言えるJリーグの3クラブを連続撃破した快進撃には、実は具体的な裏付けがあった。 それは、筑波大学蹴球部内にある「パフォーマンス局」と呼ばれている組織のことである。 この組織を立ち上げたのは今から2年前、現在の監督である小井土正亮が就任1年目の時だった。大学の学部や学科とは一切関係がない、蹴球部が自発的に設けた組織だった。 「選手達の間に『ピッチの中でだけサッカーをしていれば良いんでしょ』という空気があったんです。プロの選手ならそれで良いのかもしれないが、筑波大にはみんな勉強しにきているわけですよね？ だったら、筑波大らしく、その勉強という部分を活かしてパフォーマンスアップを実現で
シリコンバレーのIT企業が利用しているA/Bテスト手法まとめ - ij_spitz's Blog
いま注目すべきシリコンバレーの有名なIT企業は新規のデザインや機能が有効かどうかを検証するためにA/Bテストを行っています。 その一方で、日本の企業も含め、A/Bテストを本番環境で導入している企業は非常に少ないです。 加えて、日本で言われているA/Bテストと海外で言われているA/Bテストは少々異なるものだと感じています。 日本のA/Bテストはフォームの最適化やデザインの修正にとどまっている一方で、海外のA/Bテストはプロダクト開発のサイクルの一部分となっています。 プロダクト開発のサイクルの一部としてA/Bテストを取り入れるためには、大量のテストを定常的に回していく仕組みが必要となってきます。 そこでデータドリブンであると言われているようなシリコンバレーのIT企業は自社でA/Bテストの基盤を作成しています。 今回は社内A/Bテスト勉強会で発表するために、シリコンバレーの有名IT企業がどのよ
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
よく言われる「施策を数字で」というやつについて - クックパッド開発者ブログ
新規広告開発部の大野です。今回は、「目標を達成するための施策を数字で考える」ということについて、普段やっていることを書きます。 施策の評価に関しては Rを使う などいろいろなノウハウがありますし、Web上の行動改善などはそれはそれで、世にノウハウがたくさんあります 。 今回は、例えば、期初に事業目標を決めた次のステップとして、全体の優先度を決めるあたりの段階の話をしましょう。 分解： 数字から取り組む施策を決める まず、どの施策をするかを決めるわけですが、必ず、最初に目標を因数分解しています。 広告なら「収益 = 単価 × 在庫 × 販売率」といういつもの式があるので、これが元です。例えば 単価がCPCなら在庫はクリック回数。つまり、imp（表示回数） × CTR 単価が表示なら、在庫は単純に imp となります。で、販売方法によって、どの項をあげるのが有効か、つまり、現実的に伸びるか、ど
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
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
