兼子良久のレビュー一覧
-
-
-
Posted by ブクログ
小難しい統計の「理論」は置いておいて、データ分析の具体例と、実際にエクセルを活用した活用方法を解説した本。しかも具体例がけっこう自分の仕事と近い量販店の分析事例が多いのも嬉しい。これならすぐに仕事でつかえる！早速試してみよう。
相関係数
・要因と結果の相関関係の強さを分析する。エクセルを使った分析結果が１に近いほど相関関係が強い。経験則を数値でミエルカできる分析。
・打ち手が複数ある時の優先順位を考える際にも使える。
・アンケートを取る時には、総合満足度を必ず聞く中で、各構成要素の満足度を確認する。（スーパーの満足度、鮮度、品ぞろえ、接客、レジ待ち時間、価格等々）。満足度、総合満足度との相関係数でマトリクスを作り、打ち手の優先順位を考える。満足度が低く、計数が高い象限が最優先事項になる。
回帰分析
・過去の店舗面積と売上の相関を回帰分析をすることで、Ｘという店舗面積の時の売上Ｙを求めることが可能になる。またその数式の信頼度も数値で表すことが出来る。
・エクセルで回帰分析をした時に出る係数の「切片」と「データの値」を使う。切片が１０、データの値が５だったときに売上を求めるには、Ｙ（売上）＝１０＋５ｘで求められる。
・その式の信頼度を見るには重決定Ｒ２の値を見る。１に近ければ近いほど信頼度は高く、０．４以上あれば、信頼して問題ないとされている。
重回帰分析
・回帰分析の予測データが複数あるバージョン。例えば、売上（予測したいデータ）と広告投下量、販促費（予測に使うデータ）との関係を求めるときなどに使う。予測に使うデータと予測したいデータとの関係性が低いものを排除することも可能。
・予測データが２つ以上になると、Ｙ＝ａ＋ｂｘ＋ｃｚという式になる。
・重回帰分析の時の信頼度は、補正Ｒ２で確認する。
・予測に使うデータと予測したいデータとの関係性が低いかを確認するには、Ｐ値を見る。Ｐ値が0.05を超えてる場合は、関係性が低いとして、予測に使うデータから外す。
数値化理論１類
・数値データで無いデータを、数値化して回帰分析にかけるやり方。アンケートなどで、男性＝１、女性＝２、など数字を割り振ってから回分析する。
コンジョイント分析
・どのような製品が欲しいかをアンケートする時に、属性と水準のマトリクスを作り、各マトリクス毎に製品案として提示して満足度を聞く。
・各製品の属性・水準毎にデータを０、１でおこし直して、各属性水準の重要度を重回帰分析する方法。
・各属性水準毎に聞くのではなく、製品として満足度を聞くのがポイント。製品を選ぶときには、各種要素を総合的に判断して選ぶため、属性水準毎に聞いた結果は、実態と異なる可能性が高い。 -
-
-
-
-
Posted by ブクログ
1.マーケティングについて学ぶことは現代では必須の科目となっています。そのような状況下で、自分と立場が違う大手企業の行ってる手法を学びたくて購入しました。
2.低価格路線からいかにして抜け出すのか、消費者の深層心理から需要を探っていきながら商品開発を行う、これを価値創造プロモーションといいます。値下げ競争から抜け出す手段として、著者達はこの手法を提唱しています。顧客への質問やアンケート１つとっても、消費者が素直に答えてもらうための環境作りなど、様々な配慮が必要だと述べています。
値下げ競争から抜け出す手段として悩んでいる方は読んだ方がいい一冊です。
3.特売にして売るのは需要を先取りしてるだけで、継続的な購入へと繋がらない。このことがわかっているにも関わらず低価格路線を走ってしまうのがどの企業も頭を悩ませているところです。私としては、特売にすることで、需要を先取りするだけでなく、「このメーカーはいつも特売をやるからその時に買う」という印象を持たせることが1番良くないと感じました。事実、私もスーパーに行くとそのようなメーカーをよく見かけます。低価格路線で売ってるものは別としても、そうでないところまで巻き込まれているなと改めて感じました。
-
-
-
Posted by ブクログ
2015.3.1
流し読みで一旦保留。また改めて読みたい。初心者にも分かりやすく、難しい計算式が分からなくても分析と予測ができるように解説。データ分析を仕事で何に使うのかゴールが決まっていれば第一に読むのに丁度いい。
まだ使い道が決まっていないけど、データ分析を知りたいという自分には、一旦戻って必要としているものが何なのかを明確にしてから出直し。
↓とりあえずのメモ
回帰分析…
予測したいデータと予測に使うデータがあるときに使用。売上予測など。散布図上の平均値を取っていくイメージ
単回帰分析…
予測に使うデータがひとつの場合
重回帰分析…
予測に使うデータが複数の場合
数量化理論Ⅰ類…
数値化できないデータでも数字に置き換えて扱うことも可能
量的データ…
数値の大きさに意味があるデータ。購入者数など
質的データ…
数字の大きさに意味を持たないデータ。日にち、性別など。 -
-
-
-
-
-
-
-
-
