読者です 読者をやめる 読者になる 読者になる

学びや思いつきを記録する、超要約ノート

国内MBA2013年入学、2015年無事卒業!読んだ本、記事、などの読書ノート。 忘れないために超要約整理。そんな記録。

データ分析をアクションに繋げる具体的なイメージがつかめる良書! ディミトリ・マークス/データ・サイエンティストに学ぶ「分析力」

Web解析 マーケティング データ分析

副題に「ビッグデータからビジネスチャンスをつかむ」って書いてあるので、
はいはいまた流行のビッグデータ万歳本ねってちょっと思ったのだけど、
この本の原題は

「Sexy Little Numbers - How to grow your business using the data you already have」

なんですよ。

売らんかなと思ってデータサイエンティストとかビッグデータとか
流行の言葉をタイトルに入れただけの話。

あなたが既に持ってるデータに向き合うだけで
出来ることはたくさんあるよってのが基本的な趣旨。
なので、やみくもなビッグデータ万歳本ではなく、地に足の着いたまともな本でした。

分析する際の考え方を具体的なケースに沿って説明してくれたりするので、
すぐに自分たちもこの考え方に沿ってやってみようと思える。
もちろん、現実はそんなに簡単じゃなくて、
自分たちの場合だと、この考え方に沿って使えそうなデータは、、、とか
どうやって使おうか、とか、カテゴライズの粒度はどれ位が良いか、とか、
たくさん考えなきゃいけないことがあるけど、
使えそうな考え方に出会えることが素晴らしい。

多くの人に取って大切なことはデータを使うと
どんなことができるはずなのかを知っておくこと。
そして、データに基づく意思決定が実にパワフルだと理解すること。
実際のデータ解析は専門チームがやれば良いからね。

データ・サイエンティストに学ぶ「分析力」    ビッグデータからビジネス・チャンスをつかむ

データ・サイエンティストに学ぶ「分析力」 ビッグデータからビジネス・チャンスをつかむ

アイデアを伝える際はクリエイティブ制作者になったつもりで

もうこれは本当に大切。
数字集計して、分析して、気づきがあったとしても、それを伝えられなければ意味がない。
そしてメッセージを伝えるのに統計用語とかは必要ない。
回帰分析してようが、何しようが、上司や他のチームの人間に伝える時に
技術的なプロセスなんてどうでも良い。
もっというと、だから何なの? 要するに何が言いたいの?って言うのは、
本来とてもシンプルなメッセージに出来るはず。
それが自分でも分かってないと、分析なんて出来ない。

ガースの差別化マーケティングピラミッド

パレートの法則、すなわち2:8の理論は顧客分析にも適用できる。
2割のVIP顧客が8割の売上に繋がっている。
そういったVIP顧客を如何に育て、維持するのか。
CRMとはそういう試みのはず。

財布内シェア

顧客の財布の中のどれだけのシェアを取れているか、という考え方。
購買力のない顧客にいくらアプローチしても伸び代はない。
でも自分の所に落としてくれている金額が少額だとしても、
その人の購買力は遥かに高く、他サービスを頻繁に利用しているだけかもしれない。
購買履歴その他のデータから、顧客の財布(=購買力)を予測するモデルを作れれば、
誰に注力すればより売上を伸ばしやすいかがわかるはず。
たしかにクッキー使ってよそのサイトの利用状況とか収集できる気がする。

顧客との関係度

製品やサービスをランク分けして、各カテゴリーへ落とした金額を元に関係度を産出する。
自分たちが重用視したいサービスは重みを重く付けておけば、
だれが、理想的な顧客なのかも発見しやすくなるし、そういった顧客グループが特定できたら、
こんどはそのグループの行動特性が何なのかを深掘りして行けば良い。
応用範囲の広い考え方だった。

価値のある顧客、価値の計測、優先順位

価値のある顧客とは何か、を定義することが大切。
売上なのか、将来あげられそうな売上なのか、利益なのか・・・
考え方は色々あるはず。価値ある顧客を定義することは、要するに何を価値とするかの定義。
重視する価値を決めたら、今度はその価値が何によってもたらされるものか、
その変数を整理する。その価値に影響を与える要素は何なのか??
そこを整理できれば計測や予測が出来るようになる。
そして定めた価値に基づいて顧客を順位づけし、
それぞれに最適なマーケティング施策を実行して行く。

コンピュータの指紋!?

ブルーカヴァという企業がコンピュータおよびモバイルデバイスの指紋を取ろうとしている。
完全にユニークな端末として認識する技術ということ。これはすごい。

KPIの決め方、SMARTな目標設定

S : Specific(具体的)
M : Measurable(測定可能)
A : Achievable(達成可能)
R : Realistic(現実的)
T : Time based(時間設定)

A2Aフレームワーク

A2Aというのは、Analytics to Actionのこと。
分析から実行へ繋げるフレームワーク
データ→分析→テスト→共有→実行のサイクルを回して行くPDCAサイクルのようなもの。

ターゲティングとプライバシー

消費者のターゲティングの話になるとプライバシーの話になってしまうことが多い。
そうなると経済学の視点が抜け落ちてしまい、議論は堂々巡りとなる。
結局経済原則が成立しなければ、無料コンテンツは成立しない。
プライバシーは重要な問題だが、データの収集と解析が、
ユーザーにとっても心地よい新たなサービス提供へと還元されていることを
説明していかないといけない。


データ・サイエンティストに学ぶ「分析力」    ビッグデータからビジネス・チャンスをつかむ

データ・サイエンティストに学ぶ「分析力」 ビッグデータからビジネス・チャンスをつかむ