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
330
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
20250604SPSS春03_トヨタプロダクションエンジニアリング_稲垣様資料
jpspss
0
78
20250604SPSS春01_JALカード_伊藤様資料
jpspss
0
98
20250604SPSS春04_2_三井化学_新村様資料
jpspss
0
88
20250604SPSS春02_ベネッセ_中島様資料
jpspss
0
58
20250604SPSS春04_1_三井化学_松下様資料
jpspss
0
110
SPSS Modeler 18.6 新機能ハイライト
jpspss
0
130
SPSS Modeler18.6 新機能Text Analytics
jpspss
0
110
20241127SPSS秋01_産総研本田先生資料
jpspss
0
120
20241127SPSS秋02_東日本旅客鉄道 堀様資料
jpspss
0
160
Other Decks in Technology
See All in Technology
我々は雰囲気で仕事をしている / How can we do vibe coding as well
naospon
2
200
第64回コンピュータビジョン勉強会@関東(後編)
tsukamotokenji
0
220
Delegate authentication and a lot more to Keycloak with OpenID Connect
ahus1
0
240
メルカリIBIS:AIが拓く次世代インシデント対応
0gm
2
500
広島発!スタートアップ開発の裏側
tsankyo
0
190
あとはAIに任せて人間は自由に生きる
kentaro
3
1.1k
Backboneとしてのtimm2025
yu4u
3
1.3k
信頼できる開発プラットフォームをどう作るか?-Governance as Codeと継続的監視/フィードバックが導くPlatform Engineeringの進め方
yuriemori
1
390
開発と脆弱性と脆弱性診断についての話
su3158
1
1.1k
自治体職員がガバクラの AWS 閉域ネットワークを理解するのにやって良かった個人検証環境
takeda_h
2
370
KiroでGameDay開催してみよう(準備編)
yuuuuuuu168
1
110
GitHub Copilot coding agent を推したい / AIDD Nagoya #1
tnir
2
4k
Featured
See All Featured
For a Future-Friendly Web
brad_frost
179
9.9k
Six Lessons from altMBA
skipperchong
28
4k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
15
1.6k
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Visualization
eitanlees
146
16k
The Invisible Side of Design
smashingmag
301
51k
KATA
mclloyd
32
14k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
46
7.6k
Connecting the Dots Between Site Speed, User Experience & Your Business [WebExpo 2025]
tammyeverts
8
470
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
32
1.4k
A designer walks into a library…
pauljervisheath
207
24k
The Language of Interfaces
destraynor
160
25k
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…