Upgrade to PRO for Only $50/Year—Limited-Time Offer! 🔥
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
RでPSM分析
Search
bob3bob3
October 18, 2024
Marketing & SEO
1
340
RでPSM分析
RでPSM分析。
Van Westendorp's Price Sensitivity Meter.
bob3bob3
October 18, 2024
Tweet
Share
More Decks by bob3bob3
See All by bob3bob3
RとLLMで自然言語処理
bob3bob3
3
750
Rでコンジョイント分析 2024年版
bob3bob3
0
1.9k
『改訂新版前処理大全』の話と Apache Parquet の話 #TokyoR
bob3bob3
0
1.3k
R言語の環境構築と基礎 Tokyo.R 112
bob3bob3
0
620
『データ可視化学入門』をPythonからRに翻訳した話(増強版)
bob3bob3
0
550
『データ可視化学入門』を PythonからRに翻訳した話
bob3bob3
1
620
qeMLパッケージの紹介
bob3bob3
0
2.3k
「国と音楽」 ~spotifyrを用いて~ #muana
bob3bob3
2
610
パーマーステーションのペンギンたち#3 探索的データ分析(EDA)編
bob3bob3
1
790
Other Decks in Marketing & SEO
See All in Marketing & SEO
会社説明資料|株式会社トライバルメディアハウス
tribal
0
5.2k
From Chaos To Clarity: Structuring International SEO for Real Impact
meganhordijk
0
150
マーケティング研修サービス なぞるLearning
nazoru
PRO
0
290
Community Partnerships Campaign Overview
bernabiko
0
150
100,000 SEO Articles Later, What Actually Ranks in 2025
lukeheinecke
0
250
3つの事例から考える広報 AI活用と勘所 / AI in Public Relations Key Insights from Three Case Studies
shuzon
0
450
The Machine Customer Era | Zero Click 2025
joshbly
0
110
SEO in the Age of JavaScript: Making SPAs Search-Friendly (Athens SEO 2025)
pkondylis
0
200
Introduction - How AI-driven platforms reshaping referral traffic and SEO strategies - World News Media Congress 2025 - WAN-IFRA
clarasoteras
0
130
From Inefficiency to Impact: Why Marketing & E-Commerce Need Separate CMS Solutions - Wayland Myers
waylandmyers
4
210
Beyond The AI Hype, How Marketing Departments Are Actually Using AI & Where CMOs Will Have To Reshape Their Orgs
dannydenhard
0
1.8k
SEO Para Visibilidad & Reconocimiento de Marca
aleyda
1
230
Featured
See All Featured
4 Signs Your Business is Dying
shpigford
186
22k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
17k
Rebuilding a faster, lazier Slack
samanthasiow
85
9.3k
Tips & Tricks on How to Get Your First Job In Tech
honzajavorek
0
390
技術選定の審美眼(2025年版) / Understanding the Spiral of Technologies 2025 edition
twada
PRO
115
91k
Amusing Abliteration
ianozsvald
0
61
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
132
19k
Fireside Chat
paigeccino
41
3.7k
Faster Mobile Websites
deanohume
310
31k
DevOps and Value Stream Thinking: Enabling flow, efficiency and business value
helenjbeal
1
63
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
9
1k
コードの90%をAIが書く世界で何が待っているのか / What awaits us in a world where 90% of the code is written by AI
rkaga
57
37k
Transcript
RでPSM分析 2024/10/19 Tokyo.R #115 @bob3bob3
高い? 安い? ラーメン1杯が1万円!
高い? 安い? スポーツカーが1万円!
高い? 安い? どっちも同じ1万円なのに高かったり安かったりする。
内的参照価格(グーテンベルグ仮説) • 内的参照価格は価格を判断する基準として用いられる心理的な価格。 ◦ 内的参照価格には幅(区間)がある。 • 消費者は内的参照価格と比較して価格を判断する。 ◦ 販売価格
< 内的参照価格 → 安い! ◦ 販売価格 > 内的参照価格 → 高い! ◦ 販売価格 = 内的参照価格 → 妥当 • 内的参照価格は過去に観察、経験した様々な価格に基づいて形成される。そのた め、内的参照価格は人によって異なる。観察、経験が追加されることで更新され る。 • 商品/サービスを開発するうえで、内的参照価格を把握することはとても大切。
どうやって内的参照価格を把握する? • 個々の消費者の内的参照価格をアンケート調査でうまいこと聞き出したいが、自覚 していない価格の質問は難しい。 • いくつかの方法 ◦ モナディック測定 (Monadic Measurement)
▪ 回答者をいくつかのグループに分け、異なるグループには同じ商品でも異なる価格を提示し て、グループごとに購入意向の違いがあるかを検出する手法。ABテスト、RCT。 ◦ 比較測定 (Comparative Measurement) ▪ コンジョイント分析のように、価格が違う複数の商品のプロファイルの中から好ましいものを 選ぶ手法。 ◦ 自己申告式測定 (Declarative Measurement) ▪ 回答者に価格を直接質問する手法。代表的な調査・分析法が PSM分析。
PSM分析のための質問 • いくらから「安すぎて品質が疑わしい」と思いますか。 ◦ 非受容最低価格、too cheap • いくらから「安い」と思いますか。 ◦
受容最低価格、cheap • いくらから「高い」と思いますか。 ◦ 受容最高価格、expensive • いくらぐらいから「高すぎて買えない」と思いますか。 ◦ 非受容最高価格、too expensive
回答データ例 • 人工データ(ラーメン) ◦ tch:安すぎ ◦ ch:安い ◦ ex:高い ◦
tex:高すぎ
回答の分布を確認
PSM分析のやり方 1. 各回答の累積度数を算出。流儀が2つ。 a. 原論文:「高い」「高すぎ」は安いほうから累積。「安い」「安すぎ」は高い ほうから累積。 b. 現在の主流:「高い」の反転と「安すぎ」は高いほうから累積。「安い」の 反転と「高すぎ」は安いほうから累積。 2.
折れ線グラフにして、交点の価格を求める。 a. Accepted Price Range(受容価格帯) b. Indifference Price Point(妥当価格、妥協価格) c. Optimal Price Point(理想価格、最適価格、浸透価格)
RでPSM分析 以前、自分で書いたがtidyverseが出現する前だし関数化もしてない……
pricesensitivitymeterパッケージで手軽に実行(1) library(ggplot2) library(pricesensitivitymeter) # 再現性のための乱数種固定 set.seed(1234) # デモ用回答データの生成。ラーメン想定 data_psm_demo <-
data.frame( tch = round(rnorm(n = 250, mean = 290, sd = 40), digits = -1), # Too cheap ch = round(rnorm(n = 250, mean = 390, sd = 80), digits = -1), # Cheap/Good Value ex = round(rnorm(n = 250, mean = 1000, sd = 160), digits = -1), # Expensive/High Side tex = round(rnorm(n = 250, mean = 1500, sd = 320), digits = -2) # Too expensive )
pricesensitivitymeterパッケージで手軽に実行(2) # PSM分析実行 output_psm_demo1 <- data_psm_demo |> psm_analysis( data =
_, toocheap = "tch", cheap = "ch", expensive = "ex", tooexpensive = "tex" ) # 結果サマリー output_psm_demo1 |> summary() Van Westendorp Price Sensitivity Meter Analysis Accepted Price Range: 330 - 1160 Indifference Price Point: 600 Optimal Price Point: 380 --- 200 cases with individual price preferences were analyzed (unweighted data). Total data set consists of 250 cases. Analysis was limited to cases with transitive price preferences. (Removed: n = 50 / 20% of data)
pricesensitivitymeterパッケージで手軽に実行(3) # 描画 psm_plot(output_psm_demo1) + labs( x = "Price", y
= "Share of Respondents (0-1)", title = "Example Price Sensitivity Meter Plot", caption = "Shaded area: range of acceptable prices\nData: Randomly generated") + scale_x_log10() + theme_minimal()
Enjoy!