Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
2022秋講演①株式会社ビデオリサーチ 田村 玄 様 調査会社におけるデータ解析いまむかし
Search
JPSPSS
November 04, 2022
Technology
0
300
2022秋講演①株式会社ビデオリサーチ 田村 玄 様 調査会社におけるデータ解析いまむかし
2022/11/4に開催されたSPSS 秋のオンラインユーザーイベントのご講演
株式会社ビデオリサーチ 田村 玄 様
「講演①調査会社におけるデータ解析いまむかし」
のスライド資料(公開版)です。
JPSPSS
November 04, 2022
Tweet
Share
More Decks by JPSPSS
See All by JPSPSS
SPSS Modeler 18.6 新機能ハイライト
jpspss
0
43
SPSS Modeler18.6 新機能Text Analytics
jpspss
0
45
20241127SPSS秋01_産総研本田先生資料
jpspss
0
69
20241127SPSS秋02_東日本旅客鉄道 堀様資料
jpspss
0
80
20241127SPSS秋03_イズミ_落合様資料
jpspss
0
74
20241127SPSS秋04_朝日生命_野澤様_岸田様資料
jpspss
0
100
20240606SPSS春01_H2O小山様資料
jpspss
0
700
20240606SPSS春06_日本生命佐藤様資料
jpspss
1
550
20240606SPSS春02_NIC近澤様資料
jpspss
0
530
Other Decks in Technology
See All in Technology
Platform Engineeringで クラウドの「楽しくない」を解消しよう
jacopen
4
100
RayでPHPのデバッグをちょっと快適にする
muno92
PRO
0
190
【内製開発Summit 2025】イオンスマートテクノロジーの内製化組織の作り方/In-house-development-summit-AST
aeonpeople
2
1k
エンジニア主導の企画立案を可能にする組織とは?
recruitengineers
PRO
1
270
困難を「一般解」で解く
fujiwara3
7
1.5k
サバイバルモード下でのエンジニアリングマネジメント
konifar
0
110
入門 PEAK Threat Hunting @SECCON
odorusatoshi
0
170
役員・マネージャー・著者・エンジニアそれぞれの立場から見たAWS認定資格
nrinetcom
PRO
4
6.4k
Share my, our lessons from the road to re:Invent
naospon
0
150
Snowflake ML モデルを dbt データパイプラインに組み込む
estie
0
110
Pwned Labsのすゝめ
ken5scal
2
510
AWS Well-Architected Frameworkで学ぶAmazon ECSのセキュリティ対策
umekou
2
150
Featured
See All Featured
Designing Experiences People Love
moore
140
23k
Writing Fast Ruby
sferik
628
61k
GraphQLの誤解/rethinking-graphql
sonatard
69
10k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
129
19k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
Raft: Consensus for Rubyists
vanstee
137
6.8k
Scaling GitHub
holman
459
140k
Documentation Writing (for coders)
carmenintech
68
4.6k
Product Roadmaps are Hard
iamctodd
PRO
51
11k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
11
1.3k
Thoughts on Productivity
jonyablonski
69
4.5k
Transcript
データ解析いまむかし ~調査会社における事例紹介~ 株式会社ビデオリサーチ:田村 玄
2 私とSPSS 学生時代 • SPSS Statisticsを少し触る程度 ビデオリサーチ入社後 • SPSS Statisticsで多変量解析中心に
• SPSS Modeler導入にあたり、SPSS Statisticsでシンタックスを使い始める • データ解析業務にStatistics、Modelerを活用 • 若手へのデータ解析教育 etc. 自己紹介
3 ビデオリサーチの事業紹介(1/2) 株式会社ビデオリサーチ 設立:1962年9月20日 社員数:348名(2022年4月現在) 事業:視聴率調査を始めとするメジャメント事業
4 メジャメント事業 • 視聴率調査 • 調査協力世帯に、測定機械を設置 • 24時間365日、1分単位で測定 • 大規模生活者調査
• テレビを始めとするメディア接触/商品・サービスの利用状況/デモグラフィック情報 • 年に一回、調査協力者にアンケートの回答を依頼 • カスタマイズドの調査/データ解析 • 顧客のリクエストに応じた調査やデータ解析 本日は、 ココのいまむかしを ビデオリサーチの事業紹介(2/2)
5 • 調査結果の可視化 • 集約(=変数の合成) データ解析いまむかし ~ むかしから続いているもの(1/4) 例)買い物意識調査 サンプル
自分の考え で買う 新製品に無 関心 メーカー品 を買う 外国ブラン ドが好き ブランド志 向因子 自分志向因 子 1 2 2 2 2 -0.707 -1.390 2 2 2 2 3 -0.600 -1.408 ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ 3,600 5 3 1 1 -1.447 1.244 ローデータ 当社事例:CI時代の企業イメージを探る https://www.videor.co.jp/digestplus/media/2017/04/1897.html
6 • 調査結果の可視化 • 集約(=変数の合成) • 分類(=レコードの分類) 例)買い物意識調査 サンプル 自分の考え
で買う 新製品に無 関心 メーカー品 を買う 外国ブラン ドが好き ブランド志 向因子 自分志向因 子 1 2 2 2 2 -0.707 -1.390 2 2 2 2 3 -0.600 -1.408 ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ 3,600 5 3 1 1 -1.447 1.244 ローデータ 当社事例:クラスター分析によるライフスタイルからみた夫婦の類型化ー新聞六社報告書より(下)ー https://www.videor.co.jp/digestplus/media/2017/05/9432.html データ解析いまむかし ~ むかしから続いているもの(2/4)
7 • 調査結果の可視化 • 集約(=変数の合成) • 分類(=レコードの分類) • 調査データを用いての予測 •
広告出稿 => 反応 当社事例:テレビコマーシャルカルテ(TV-CM KARTE)報告書内容紹介 https://www.videor.co.jp/digestplus/ad/2017/05/7692.html データ解析いまむかし ~ むかしから続いているもの(3/4)
8 • 調査結果の可視化 • 集約(=変数の合成) • 分類(=レコードの分類) • 調査データを用いての予測 •
広告出稿 => 反応 • 調査データからの仮説発見 • データマイニング ・調査データを分析にかけてみるものの、 「ビールと紙おむつ」のような、これだ!という発見はなかった データ解析いまむかし ~ むかしから続いているもの(4/4)
9 外部環境の変化 • 企業が、調査会社に委託しなくても、自社でデータを入手できるようになってきた • 顧客リスト • テレビ視聴ログ • PC、スマホの閲覧ログや購買ログ
• etc. • 自社で入手できるデータ(=1stPartyデータ)を解析すればよい? • 調査データは不要? • 1stPartyデータ≒「集まるデータ」 • 調査データ=「集めるデータ」 データ解析いまむかし ~ いま(1/8)
10 外部環境の変化への対応 ・1stPartyデータは、調査データに比してレコード数が多いというアドバンテージががあるが、取得項目が少 ない 1stPartyデータ 調査データ 量 項目数 量 項目数
データ解析いまむかし ~ いま(2/8)
11 ・1stPartyデータに調査データを融合し、1stPartyデータの弱点を補う 1stPartyデータ 調査データ by データ解析 データ解析いまむかし ~ いま(3/8)
12 外部環境の変化への対応 ~具体例~ • データフュージョン • 類似度マッチング 1stPartyデータ 調査データ …
共通で取得している項目の類似度が高いレコードを探索し、 同一レコードとみなす 当社事例:多様化する視聴者を捉える「ADVANCED TARGET」分析事例~視聴率にプロフィールデータを紐づける https://www.videor.co.jp/digestplus/tv/2019/07/34582.html データ解析いまむかし ~ いま(4/8)
13 外部環境の変化への対応 ~具体例~ • データフュージョン • 類似度マッチング • 機械学習による推定 1stPartyデータ
調査データ 調査データにおいて、 共通で取得している項目を説明変数とした予測モデルを作成し、 1stPartyデータに適用する モデリング 当社事例:自社ユーザーのプロフィールが分からない... 「VR FACE」による調査データを用いたプロフィールエンリッチメント https://www.videor.co.jp/digestplus/market/2020/11/40237.html データ解析いまむかし ~ いま(5/8)
14 外部環境の変化への対応 ~具体例~ • データフュージョン • 類似度マッチング • 機械学習による推定 •
TV視聴ログ個人分離 • 家族構成推定 • 個人視聴推定 TV視聴ログ 視聴率データ モデリング 当社事例:「データ連携により実現する世界」 テレビ視聴ログを使ったデータ拡充の最前線 https://www.videor.co.jp/digestplus/tv/2021/11/46232.html TV受像機単位のデータ => ヒト単位のデータ データ解析いまむかし ~ いま(6/8)
15 外部環境の変化への対応 ~具体例~ • データフュージョン • 類似度マッチング • 機械学習による推定 •
TV視聴ログ個人分離 • 家族構成推定 • 個人視聴推定 • 予測 • MMM (マーケティングミックスモデル) 1stPartyデータ 調査データ 目的変数:売上や顧客数 説明変数:広告出稿量など 予測 当社事例:メディアデータと顧客データをつなぎ、精度の高いモデルを作ることで一歩先の提言が可能に https://www.videor.co.jp/digestplus/ad/2019/12/35432.html データ解析いまむかし ~ いま(7/8)
16 外部環境の変化への対応 ~具体例~ • データフュージョン • 類似度マッチング • 機械学習による推定 •
TV視聴ログ個人分離 • 家族構成推定 • 個人視聴推定 • 予測 • MMM • 時系列データによる将来予測 データ解析いまむかし ~ いま(8/8)
17 変わった点 • むかし:当社が調査して入手したデータに対して、各種データ解析を行っていた • いま:顧客が保有する1stPartyデータと調査データの融合が増えてきた むかしといま(1/2) 1stPartyデータ 調査データ by
データ解析
18 変わらない点 • データ解析手法の背景にある考え方 • 次元圧縮、分類、予測 • 「ビジネス課題にデータ解析技術を適用し、課題を解決する」という観点 • 調査データ単体
→ 1stPartyデータ+調査データ と変化してはいるが… • 課題をデータ解析技術に置き換えて解く喜び • 自身の成長につながる むかしといま(2/2)
19 おわりに データ解析に携わるみなさまへ • 外部環境の変化に伴い、今携わっているデータ解析業務が将来無くなるかもしれないが、用いている/学 んでいるデータ解析技術は将来もきっと役に立つ • 「AI」や「機械学習」といった単語が、「多変量解析」や「データマイニング」に比べて市民権を得てい る •
そのため、顧客はもちろん、社内の関係者に対して、より、わかりやすく説明する能力が求められる • 難しいことをわかりやすく説明することは難しい…