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。

Transcript

1. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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…