Summary
一般化線形モデルと線形混合モデルを用いて、マーケティング上の様々な課題に対するデータ解析の手法をハンズオン形式で学びます。
一般化線形モデルは、連続値以外の目的変数に対する回帰モデルです。
具体的には二値データに対するロジスティック回帰モデル、カウントデータに対するポアソンモデルなどが含まれます。
まず、モデルの定式化、パラメータの推定方法、推定結果の解釈など、一般化線形モデルの方法論を解説します。
そして一般化線形モデルの応用例として、ある仮想的なテーマパークにおける年間パス購入をどのように増やせばよいか、ロジスティック回帰モデルを用いたデータ分析によって探索する演習を行います。
線形混合モデルは、線形モデルに変量効果と呼ばれる項が加わったモデルです。
例えば、顧客満足度調査データにおいて、母集団全体の傾向としてどのような要因により顧客満足度が決定するかは、線形回帰モデルを用いて解析することが可能です。
一方で、顧客満足度の決定要因は、顧客のグループごと、あるいは個人ごとにも少しずつ異なります。
線形混合モデルは、その要因を変量効果としてとらえることが可能です。
本セミナーでは線形混合モデルの理論的側面を解説した後、応用例として、ある仮想的なテーマパークにおける顧客満足度データの分析を題材としてPythonを用いた演習を行います。
【キーワード】
- データドリブンマーケティング
- ロジスティック回帰分析
- ポアソンモデル
- カウントデータ
- 顧客満足度調査データ
【対象者】
本セミナーでは、以下のいずれかに当てはまる方を対象としています。
- 学部中級レベルの統計学の知識がある方
- Pythonの利用経験がある方
- データドリブンなマーケティングを学びたい方
- マーケティング業務に携わっている方、興味がある方
\受講プログラム/
約60分間の講義動画を前編と後編に分けた2本立てとなっており、
合計で約120分のセミナーとなっております。
受講可能まで
日
日
登録後
【注意事項(必ずお読みください)】
- セミナーの内容に関するご質問への対応は行なっておりません
-
ご購入後の返金は致しかねますので、ご了承ください
【免責事項(必ずお読みください)】
- 本ページの内容は予告なく変更する場合がございます
- 主催者の諸般の事情や、天災地変その他の不可抗力の事態により、本講座の一部あるいは全部を中止させていただく場合がございます
【お問い合わせ】
ご質問やご不明点などがある方は、お手数ですがフッター部分にある「お問い合わせ」リンクよりご連絡くださいませ。