回帰分析の活用による新商品の販売力予測

Slide 1

Slide 1 text

回帰分析の活⽤による新商品の販売⼒予測株式会社ロッテ中澤政紀

Slide 2

Slide 2 text

会社紹介

Slide 3

Slide 3 text

⾃⼰紹介名前：中澤政紀年齢：33歳居住地：群⾺ ⇒ 滋賀 ⇒ 福岡 ⇒ ⿅児島 ⇒ 東京経歴： 2013年ロッテアイス⼊社（営業） 2017年商品開発部（ガーナアイス、モナ王、スイカバー etc..） 2019年事業企画課（⾃社・他社分析、売上利益管理） 2021年新ブランド開発課（新しいブランド⽴ち上げるぜ！！） 2022年リサーチ課（消費者調査）

Slide 4

Slide 4 text

Exploratoryとの出会い統計の勉強しといて承知しました？統計セミナー 2021年2⽉ 2020年9⽉

Slide 5

Slide 5 text

１.業務背景と課題２.予測モデルの作成３.評価・ビジネスへの応⽤４.まとめ本⽇の内容

Slide 6

Slide 6 text

１.業務背景と課題２.予測モデルの作成３.評価・ビジネスへの応⽤４.まとめ

Slide 7

Slide 7 text

⾃社商品全て合わせると、年間で数百品もの新商品が発売される。新商品の売上はとっても⼤切！

Slide 8

Slide 8 text

企画⽴案味づくりデザイン発売分析商品開発の流れ

Slide 9

Slide 9 text

新商品における課題デザイン担当者の好み決裁者の感覚各担当が個別に調査属⼈的売上前年並み？担当者の感覚出たとこ勝負勘や経験に頼らずにどのくらいの売上になりそうか分からないだろうか？ Exploratoryのブートキャンプで学んだことを活かせば解決できるのでは？なんか、予測とか変数重要度とかあったし！売上予測したいお客様に⼿に取ってもらえるデザインとは⼀体…？判断基準がほしい

Slide 10

Slide 10 text

①新商品がどの程度売れそうかという予想は過去実績や経験に基づいていた ②デザインの善し悪しを計る評価基準がない発売前に消費者調査を実施することで、「販売⼒の予測」と「デザインの評価基準」を設けたい！新商品における課題

Slide 11

Slide 11 text

発売前発売後消費者調査《説明変数》売上データ《⽬的変数》予測モデル（線形回帰） ①販売⼒（販売個数）の予測 ②デザインの評価基準を設定課題解決へのアプローチ新商品発売

Slide 12

Slide 12 text

１.業務背景と課題２.予測モデルの作成３.評価・ビジネスへの応⽤４.まとめ

Slide 13

Slide 13 text

使⽤する説明変数に⽬星を付ける ↓ 予測モデルを決める ↓ 様々な説明変数の組み合わせを試す ↓ モデルの精度を確認 ↓ 予測モデルを使ってビジネスで活⽤予測モデル作成への⼤まかな流れ

Slide 14

Slide 14 text

使⽤する説明変数に⽬星を付ける相関でモデルに使⽤する説明変数に⽬星をつける（サマリでも可）実際はもっと多かったです…😢 ⽬的変数と⽐較的相関している変数をチェック！

Slide 15

Slide 15 text

使⽤するモデルを決める線形回帰をチョイス！ ①重要な指標を⾒つけるのに適している ②変数の関係性を理解しやすい ③説得⼒のある説明ができる

Slide 16

Slide 16 text

「変数重要度」タブで重要な指標を⾒つけることができるが、線形回帰などの統計のモデルは他の変数を⼀定にした上での重要度がわかる。重要な変数を⾒つけるのに適している ①重要な指標を⾒つけるのに適している

Slide 17

Slide 17 text

「予測」タブを使うことで、他の変数を⼀定にした上での⽬的変数と予測変数との関係性がわかる。販売個数が上がるのか下がるのかの関係性が直感的に理解できる。 ②それぞれの変数の関係性を理解しやすい

Slide 18

Slide 18 text

「係数」タブでは、その変数が有意かどうか、予測変数の値が1上がった時に、⽬的変数の値がどれだけ上がる（下がる）のかがわかる。その変数が有意かどうかは説明の上で重要になる。また、１ポイント上がった時の効果がわかるため説明しやすい。 ③販売⼒との関係性を説得⼒をもった説明ができる

Slide 19

Slide 19 text

⽬的変数：販売個数販売価格発売⽉発売週気温調査項⽬① 調査項⽬② 調査項⽬③ ・・説明変数：線形回帰のモデルを作成たったこれだけ

Slide 20

Slide 20 text

ここを⼊れ替えるだけなので超簡単！！変数の候補が多いと⼊れ替えや⽐較が⼤変なので、総当たりとかできたらいいな・・・様々な説明変数の組み合わせを試す

Slide 21

Slide 21 text

１.業務背景と課題２.予測モデルの作成３.評価・ビジネスへの応⽤４.まとめ

Slide 22

Slide 22 text

1. 予測精度の評価 2. デザイン調査により新商品の販売⼒を予測 3. 販売⼒⾃体にランク付け（店当り販売個数3個以上：A、2個以上：B、1個以上：C） 4. 予測された販売⼒にランクをもとにラベル付け 5. 結果をもとに今後のアクションを決めるここまで来たらゴールまであとちょっとモデルの評価 ⇒ ビジネスへの応⽤の流れは以下の通り

Slide 23

Slide 23 text

感覚的に実務に使えそうかモデルは説明できてるか R2乗：⽬的変数（週販個数）のばらつきを予測変数でどれだけ説明できているか。 0から1の間を取り、１に近ければ近いほどモデルが⽬的変数をうまく予測できていると⾔える。 RMSE：予測値と実測値の平均的なズレを表す。値が⼩さくなればなるほど、ズレが少ないためにうまく予測できていると⾔える。 1. 予測精度の評価

Slide 24

Slide 24 text

チョコレートアイス R2乗 0.37 0.77 RMSE 0.32 1.46 MAPE 10.5 % 14.1 % 考察データを溜めて精度を上げる必要はあるが、誤差のレベルは許容範囲内季節要因もあり誤差が⼤きいデータを溜めて各指標の関係性や⼊れ替えも随時検討⽬指せ0.8！せめて0.5は超えたい… 10%付近にしたい… 感覚的に… 1. 予測精度の評価

Slide 25

Slide 25 text

商品名販売⼒変数7 変数11 変数32 変数14 ガーナいちご 2.8 5 180 50 10 トッポ抹茶 2.3 5 150 40 8 商品名販売⼒変数7 変数11 変数32 変数14 ガーナいちご？ 5 180 50 10 トッポ抹茶？ 5 150 40 8 25 線形回帰モデル 2.デザイン調査により新商品の販売⼒を予測予測モデルのためのデータ予測する

Slide 26

Slide 26 text

2.デザイン調査により新商品の販売⼒を予測販売⼒が知りたい新商品新商品の販売⼒を作ったモデルを使って予測 ① ② ③ ④

Slide 27

Slide 27 text

2.デザイン調査により新商品の販売⼒を予測予測された販売⼒（販売個数）では、良い悪いの判断は？

Slide 28

Slide 28 text

2.0 3.0 下位 20% 上位 20% 中間 60% 3.販売⼒⾃体にランク付け商品⼒商品⼒個数 A B C

Slide 29

Slide 29 text

4.予測された販売⼒にランクをもとにラベル付け新商品のランク付けができた！

Slide 30

Slide 30 text

5. 結果をもとに今後のアクションを決める販売⼒の予測値（店舗当たり個数）ランク 3個以上 A 2個以上 B 1個以上 C 改善の余地あり再検討… いい感じかも♪ A B C 新商品に対する意思決定を、ランクに基づいて⾏えるようになった

Slide 31

Slide 31 text

現状と今後ランクをもとにデザイン評価をテスト的に進めるが、予測モデルはまだまだ不安定。なので・・・他社品を含めた調査データや販売データをもとに、今回作成した予測モデルでうまくいくかを検証しつつ、予測モデルのブラッシュアップも同時に⾏っていく。

Slide 32

Slide 32 text

１.業務背景と課題２.予測モデルの作成３.評価・ビジネスへの応⽤４.まとめ

Slide 33

Slide 33 text

・どの要素が販売⼒に結び付いているのか ⇒売上と消費者調査の関係性を理解する・新商品の販売⼒を予測 ⇒ブランドごとの売れる傾向や需要予測・デザインの善し悪しを計る基準値の設定 ⇒予測された販売⼒をもとに、このデザインで売れるかどうか、もし売れなそうであれば再度デザインを考えることにつなげられる。今回分かったこと、できたこと

Slide 34

Slide 34 text

・項⽬を選択するだけなのでRとか使えなくてもOK ・様々な統計モデルを簡単に試して⽐較できる・重要度や変数同⼠の関係性が視覚的に理解できる・⼀度モデルを作ってしまえば、他の⼈も再現できる形でデータを共有できるため、誰でも同じモデルを使うことができる Exploratoryを使ってよかったこと

Slide 35

Slide 35 text

おわり