ラストクリックでは広告の 間接効果を捉えきれない株式会社ネットマーケティング メディア事業本部 サービス推進部 マーケティングチーム 有江佳子氏 Facebook広告を配信すると、他媒体経由での獲得が増えていることは感覚として捉えていたが、数値化できていなかったFacebook広告が他の獲得チャネルに与えた影響を計測したところ、サーチエンジンやアフィリエイト経由の獲得数を約２倍まで押し上げていたことがわかったラストクリックをベースとしたアトリビューションモデルでは、間接効果も含んだ広告効果を完全に測ることができず、適切でない予算配分につながるリスクをはらんでいる 株式会社ネットマーケティングが展開する『Omiai』は、累計会員数300万人を超える国内最大級の恋活・婚活マッチングサービス。「会員に幸せな恋愛・結婚の機会を提供する」というミッションの下、安心、安全、プライバシーに徹底的にこだわ
4. ビジネス面の制約条件を考える • 「人工知能で何とかしてください」 • この案件はどのタイプの利益モデルか？ • 人間のリプレイスが目的なので、人間より精度が高ければよい？ • 今の人間の精度は95%位なので、それよりも精度が高くなければ使えない • 今の人間の精度は60%位なので、それよりも精度が高くなければ使えない • 60%であれば、簡単なルールベースや画像処理で到達できる可能性が高い • 機械学習を使わなくても改善が出来る • 要求される精度次第で、使う技術が異なる • 自らの立ち位置によって、精度売上曲線の意味が変わってくる • 内製と下請け 5. YahooとGoogle • Yahooは自社の検索ビジネスをロジスティック型だと思い込んでいた • これ以上投資しても売上が増えないと思っていた • http://blog.livedoor.jp/lionfan/archiv
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この記事について 「GoogleAnalyticsの設定、どうしたらいいんだっけ...」と迷ったときのためのレファレンスです。 新規のサイトを立ち上げる時・GAの再設計がしたくなった時に参照してください。 のちのちアクセス解析しつつ改善していくために、できるだけ汎用的にデータを拾っておく 可能な限り、非コーダーができる作業で完結させる というのをテーマにまとめました。 STEP 0: GTM・GAのアカウントを取得 Googleのアカウントがあれば、驚くほど簡単に取得できます。 GoogleAnalyticsのアカウントを作る Goog
Google アナリティクスをただなんとなく見て使うだけだと「一体どうすれば数が増えるのか？成果をアップできるのか？」という部分がわからず、まさに宝の持ち腐れ。かといって多数出ている「Google アナリティクスの使い方解説本」みたいなものも、どれがいいのかをそもそも判断できないので、お金を払ってどれを買うべきかが意味不明。Google アナリティクスがあまりにも高機能＆多機能であるがゆえに、まったく使いこなしている自信がゼロ……という場合に、まずその取っかかりとしてわかりやすいのが、Googleが提供する無料の認定資格「Google アナリティクス個人認定資格（GAIQ）」です。 Academy for Ads: Google アナリティクス個人認定資格（GAIQ） https://academy.exceedlms.com/student/path/2949 「Google アナリティ
X（Twitter）のデータを元にした調査サービスを提供している株式会社BONDIC。映画『君の名は』がヒットした要因をX（Twitter）の反応から分析したレポートは、マーケティング界隈で大きな話題となりました。 今回は、同社代表取締役社長の小池氏にお話を伺いました。なぜ今X（Twitter）分析なのか、ユーザーに愛され、そして買ってもらえる商品・サービスを作るために必要なことはなにか、長年データ分析に携わってきた経験からご解説いただきます。 Interview / ソーシャルメディアラボ編集長 大久保亮佑 text / 青木麻里那 ■目次 プロフィール 現状のマーケティングの考え方は間違いだらけ！顧客に「Love you」を伝えるために SNSでの評判に自社の“本当の”立ち位置が表れている ここまで分かる！X（Twitter）のテキスト・感情分析×市場データ マーケティング施策の効果は
こんにちは、買物情報事業部でサーバサイドの開発を担当している荒引 (@a_bicky) です。 今回のエントリでは R で A/B テストの結果検証を行う方法の一例について紹介します。 エンジニアでも自分の関わった施策の効果検証のために簡単な分析をすることがあるかと思いますが、そんな時にこのエントリが役立てば幸いです。 なお、次のような方は対象外です。 A/B テストや KPI の設計に興味のある方 この辺には全く触れません プログラミング初心者 わからない単語が大量に出てくるでしょう R で統計学や機械学習の手法をバリバリ使いたい方 世の中の “分析” の多くは集計処理がメインです Python, Julia など既に分析する上で使い慣れた言語・ツールがある方 今回のエントリ程度の内容であればわざわざ乗り換える必要もないでしょう OS は Mac を前提として説明するので、Windows
Twitterカードをご存知ですか？ 多くの出版社や開発者、ブランドなどの皆さんが、Twitterカードを上手に使い、ツイートに画像、動画、プレビュー、アプリへのディープリンクなどのリッチメディアを付けて、フォロワーの方々により強くアプローチされています。 Twitterカードをご利用の方々がその効果をきちんと知り、より上手に興味を掻き立てることができるよう、Twitterカードアナリティクスの提供を始めました。 Twitterカードアナリティクスのダッシュボードがアドバイザーになります。 @TwitterDevJP 複数の写真を見せられるカード、動画などのメディアプレーヤーを表示するカード、商品情報を表示できるカードなど、どのカードを使ったら良いか、Twitterボタンの位置などなど、小さいことが結果を大きく変えることがあります。 また、Twitterカードアナリティクスのダッシュボード
1月からスタートしたシリーズ企画「山本一郎と燃ゆるICT界隈」。2月はビッグデータ、パーソナルデータ強化月間ということで、『統計学が最強の学問である』著者の統計家・西内啓さん、そして新潟大学大学院・実務法学科教授の田中幸弘さんをゲストにお迎えしています。今回は、注目を集めている「データサイエンティスト」について切り込んでいきます。（※本文内敬称略） 第一回「ビッグデータは幻想なのか？」（掲載中） 西内さん、田中さんのプロフィールはこちらから 第二回「データサイエンティストって、ぶっちゃけどうなの？」（今回の記事） 第三回「パーソナルデータで広告界の地殻変動は起きるか？」（掲載中） 「データサイエンティスト」という職分が謎すぎる件 山本：さて、前回はデータを扱う企業にとって「誰に何を売りたいか」が明確じゃないと迷走することになる…という話で終わったわけですが。やっぱり、本当にビッグデータを活
2. ・ 2013 4/8 デジガレで⾏われた【緊急開催！】リーン・アナリティクス著 者Alistair Croll氏による“リーン・アナリティクス入門”のざっくり要約です。 デジガレさん、ありがとう！ ・ 4割程度の同時通訳で⾏われたため、⼤部分はスライドシェアで共有され ている Lean Analytics overview from GROWtalk Montreal from Lean Analytics とわたしの推測によるものです。 ＜出典＞ http://www.slideshare.net/Leananalytics/lean-analytics-overview- from-growtalk-montreal ・ 10分にまとめるために、1時間のセミナーを思いっ切り端折りました。興 味がある人は原書にあたるか、日本語版（発売未定）をお待ちください。 ※ 素人訳なので誤訳等
追うべき指標と追うべきでない指標の見分け方 Lean Analyticsには、追うべきでない指標(vanity = 虚栄な)と追うべき指標(actionable = 行動できる)の性質について、以下のように書いています。 追うべきでない(Vanityな)指標は、(数値の大きさから)楽しい気分にさせてくれる。しかし、あなたがどのように行動したらいいのかは教えてくれない。 追うべき(actionableな)指標は、進むべき方向を指し示してくれる。 つまり、「KPIは自分の行動につながるものでなくてはならない。ただ眺めるだけの指標には、何の意味もない」というわけです。 順にその理由を書いていきます。 ヒット数 古くからあるが何の役にも立たない。 PV数 ヒット数よりはましだが、大した意味はない。 訪問者数 数百回訪れている一人のユーザーなのか、一回しか訪れない一人のユーザーなのか分からない。 ユ
アクセス解析データを最大限に活用するために、UXの専門家は、リソースを奪うのではなく質的なプロセスの価値を高めるよう、こうしたデータの統合をする必要がある。 Three Uses for Analytics in User-Experience Practice by Jennifer Cardello on November 17, 2013 日本語版2014年1月29日公開 従来、アクセス解析はマーケティングの戦略や戦術を伝えるのに利用されてきた。しかし、現在では、調査やデザインの支援として、こうした定量的なソースに頼るユーザビリティやユーザーエクスペリエンスの専門家が増えているように思う。 アクセス解析の最大の課題は、人の気を惑わすブラックホール、つまり、アクションを起こせる知見が何もない「興味深い」データにすぐなり得ることだ。 おそらく、やると最悪なのは、誰かにアクセス解析システム
オペレーションズ・リサーチ学会 秋季発表会 関心度(Frequency)と忘却度(Recency)に 基づくレコメンド手法 -サンプリングでは対応できないビッグデータの活用- 2013 年 9 月 12 日 株式会社 NTTデータ数理システム *岩永二郎 鍋谷昴一 梶原悠 五十嵐健太 お知らせ 社名変更 2013年9月1日をもって 「数理システム」から「NTTデータ数理システム」に 社名変更しました． 移転 2013年9月1日をもって 「東京都新宿区新宿２丁目４－３フォーシーズンビル１０階」 から 「東京都新宿区信濃町３５番地 信濃町煉瓦館１階」 に移転しました． 近くにお越しの際には是非ともお立ち寄りください 2013/9/12 オペレーションズ・リサーチ学会 秋季発表会 2 本日と内容 １．はじめに ２．課題の紹介 ３．分析の概要 ４．関心度と忘却度に基づくレコメンド手法 ５．過学習の
最近は業務で、ソーシャルゲームの分析＆改善施策の提案を行っています。そこで、本ブログではミニ連載という形で、ソーシャルゲームの分析手法について紹介をしていきます。基本編は8回程度を予定しており、好評であれば応用編も書きます。第3回は「継続率」に関してです。 ■過去の連載記事 ソシャゲ分析講座 基本編（その１）：「売上の方程式」を理解する ソシャゲ分析講座 基本編（その２）：「DAU」を理解する ソシャゲ分析講座 基本編（その３）：「継続率」を理解する ソシャゲ分析講座 基本編（その４）：「スペンド率」を理解する ソシャゲ分析講座 基本編（その５）：「ARPPU」を理解する ソシャゲ分析講座 基本編（その６）：「4つのステージとKPI」を理解する ソシャゲ分析講座 基本編（その７）：「イベントの分析」を理解する（前編） ソシャゲ分析講座 基本編（その８）：「イベントの分析」を理解する（後編）
夏も終わり、カキ氷屋の清算と後片付けもさめやらぬ中、オリンピック景気の経済余波で謀殺されてたので、今回は世間ズレした血迷いネタです。他でやっとけって話なのは重々承知です。ごめんなさい。ただその、缶詰めな仕事帰りに、魂のスパロボ映画、パシフィック・リムを視て最高だったんですよ。今年ベスト級。頭の中ではどうしても、バグフィックス・ムリに置換されるからきっと疲れているんです。 映画が大好きです。ストレス発散に映画館（私のお気に入りは有楽町界隈です）、仕事の休憩にレンタルと、仕事が多忙だろうとも月に10～20本は見ている暇人です。言い訳すると実務に直結した理由もあるにはあるのですが、さておき、出張時の長い移動時間のお伴だったり、マシンルームでの休息＆仮眠がてらだったり、隙を見つけては観ています。 それでも、一日中Youtubeやニコ動で時間潰ししているバーンアウト管理職や、毎日TEDを見てはパワポ
キーワード：統計、カイ2乗検定（χ2乗検定） 観測データの分布には誤差が含まれるため、理論的に求まる分布と完全には一致しない。 そこで次のような疑問がおこる。 「観測されたデータの分布は、理論値の分布とほぼ同じと見なせるだろうか？」 これを判断するのがカイ2乗検定。 それにしても、「ほぼ同じ」って。。その表現は曖昧じゃない？ 曖昧に見えるかもしれないけど、この「ほぼ同じ」という表現は、確率できちんと表すことができる表現で、 「ほぼ同じ」＝「5%の確率で違うかもしれないけど、95%の確率で同じと言ってしまって大丈夫！」 というような意味を持つ。 カイ2乗検定によって次のような問いに答えることができる。 （例１）通行人100人を無作為に抽出したら男：女の比率が59:41だった。これは「男女比が1:1の集団から、ランダムに抽出された100人である」と言えるか。（このくらいのバラつきは普通にあるこ
2012年12月6日（木）に開催されEMCジャパン主催「第2回データサイエンティストワークショップ」での弊社社員の講演資料です。Read less
大手ITベンダーの研究所でビッグデータ活用に携わった経験を生かし、データサイエンティストに関する情報を発信する株式会社プリファードインフラストラクチャーの比戸将平氏に話を聞いた。 ―前職のIBM東京基礎研究所でデータ解析関連のプロジェクトを担当された経験を活かし、データサイエンティストに関する講演をされています。データ分析の現場を生々しく描かれていますね。 昨年ごろから、データサイエンティストという言葉を耳にする機会が増えました。興味を持って調べてみたところ、かつて私が担当していた業務そのものでした。当時、私は機械学習やデータマイニングを使って、顧客をセグメンテーションしたり、機械が壊れる前に兆候を検知したりする仕組みを構築していました。それならば、データサイエンティストと呼ばれる人材の実態や、悩みどころをシェアできるのではないかと考えたのです。 昨今、データサイエンティストには、期待が集
アクセスログ解析や広告効果測定など、オンライン上のさまざまなデータを分析してアクションへとつなげる。当たり前のように感じるかもしれないが、実際にデータを十分に活用できている企業は少ないという。Web解析のデータをもとに、社内を巻き込んでアクションを起こし、改善につなげるにはどうすべきか、Webビジネスに10年以上携わる、アドビ システムズの芥川公亮氏が解説した。 データや仮説を社内でシェアすることが、アクションを起こす第一歩57％の人はマーケティング予算を決める際に、ROI計算をしていない。「先月も出稿したから」「出稿費用が安いから」といった理由で決めてしまう。 39％の人は解析ツールで分析したデータを活用できていない。ツールの料金や、分析に費やす時間といったコストを回収しようとしていない。 86％の人はコンテンツ掲載の判断をデータに基づいて行っていない。紙のカタログなど既存のコンテンツを
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