Enviar búsqueda
Cargar
Webサービス申込者数
•
0 recomendaciones
•
485 vistas
XICA
Seguir
Denunciar
Compartir
Denunciar
Compartir
1 de 18
Descargar ahora
Descargar para leer sin conexión
Recomendados
webサービスの申込者数
webサービスの申込者数
XICA
「説得力のある提案」につなげる「データの使い方」
「説得力のある提案」につなげる「データの使い方」
XICA
資格学校のトライアル申込
資格学校のトライアル申込
XICA
資格学校のトライアル申込者数
資格学校のトライアル申込者数
XICA
Similar webpro資料
Similar webpro資料
Yosuke Iwamoto
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Shigeru Kishikawa
【サンプル】競合サイト調査の報告資料
【サンプル】競合サイト調査の報告資料
Chiaki Matsumoto
rease_sales.pdf
rease_sales.pdf
D-GHOST, Inc.
Recomendados
webサービスの申込者数
webサービスの申込者数
XICA
「説得力のある提案」につなげる「データの使い方」
「説得力のある提案」につなげる「データの使い方」
XICA
資格学校のトライアル申込
資格学校のトライアル申込
XICA
資格学校のトライアル申込者数
資格学校のトライアル申込者数
XICA
Similar webpro資料
Similar webpro資料
Yosuke Iwamoto
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Shigeru Kishikawa
【サンプル】競合サイト調査の報告資料
【サンプル】競合サイト調査の報告資料
Chiaki Matsumoto
rease_sales.pdf
rease_sales.pdf
D-GHOST, Inc.
福井解析セミナー20140326
福井解析セミナー20140326
Aマーケティング合同会社
「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ
Akihiko Uchino
20070608 e-Trend WorkShop
20070608 e-Trend WorkShop
tkawai
Keywordmap for sns
Keywordmap for sns
KotaroTamai
Einstein Analyticsによるユースケース別機能、実現例のご紹介(前編)〜Winter’18 新機能紹介を交えて
Einstein Analyticsによるユースケース別機能、実現例のご紹介(前編)〜Winter’18 新機能紹介を交えて
Salesforce Developers Japan
サイトサーチアナリティクス~サイト内検索の分析でサイトの価値とコンバージョンを高める手法
サイトサーチアナリティクス~サイト内検索の分析でサイトの価値とコンバージョンを高める手法
Makoto Shimizu
Freee kintone 200205
Freee kintone 200205
freee株式会社
Realize tokyo2019 yrglm
Realize tokyo2019 yrglm
Katsuya Uehara
CMS学会 第三回 研究報告
CMS学会 第三回 研究報告
loftwork
実績紹介
実績紹介
natsukikadohira
Salesforce Einstein - SaaS企業のAI戦略とテクノロジ -
Salesforce Einstein - SaaS企業のAI戦略とテクノロジ -
Mitch Okamoto
Digital Identityの実績紹介
Digital Identityの実績紹介
digitalitalentity
ネット広告講義資料 at 東京大学 2017/07/11
ネット広告講義資料 at 東京大学 2017/07/11
Takehiko Yoshida
初級ウェブ解析士認定講座(第1章)
初級ウェブ解析士認定講座(第1章)
Kazutoshi Tomita
Microsoft sales and marketing modernization
Microsoft sales and marketing modernization
Hiroaki Komeno
120124 jgc information systems conference be st_pro to salesforce
120124 jgc information systems conference be st_pro to salesforce
Masato Fujioka
【大阪 ダイナテック様】共催セミナー_1100629スライド用
【大阪 ダイナテック様】共催セミナー_1100629スライド用
Keita Matsumoto
Motion beat fruitsbear二戸_1030
Motion beat fruitsbear二戸_1030
motionBEAT
Com ad
Com ad
COMSQUARE
初めてのWave Analyticsダッシュボード開発
初めてのWave Analyticsダッシュボード開発
Salesforce Developers Japan
Más contenido relacionado
Similar a Webサービス申込者数
福井解析セミナー20140326
福井解析セミナー20140326
Aマーケティング合同会社
「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ
Akihiko Uchino
20070608 e-Trend WorkShop
20070608 e-Trend WorkShop
tkawai
Keywordmap for sns
Keywordmap for sns
KotaroTamai
Einstein Analyticsによるユースケース別機能、実現例のご紹介(前編)〜Winter’18 新機能紹介を交えて
Einstein Analyticsによるユースケース別機能、実現例のご紹介(前編)〜Winter’18 新機能紹介を交えて
Salesforce Developers Japan
サイトサーチアナリティクス~サイト内検索の分析でサイトの価値とコンバージョンを高める手法
サイトサーチアナリティクス~サイト内検索の分析でサイトの価値とコンバージョンを高める手法
Makoto Shimizu
Freee kintone 200205
Freee kintone 200205
freee株式会社
Realize tokyo2019 yrglm
Realize tokyo2019 yrglm
Katsuya Uehara
CMS学会 第三回 研究報告
CMS学会 第三回 研究報告
loftwork
実績紹介
実績紹介
natsukikadohira
Salesforce Einstein - SaaS企業のAI戦略とテクノロジ -
Salesforce Einstein - SaaS企業のAI戦略とテクノロジ -
Mitch Okamoto
Digital Identityの実績紹介
Digital Identityの実績紹介
digitalitalentity
ネット広告講義資料 at 東京大学 2017/07/11
ネット広告講義資料 at 東京大学 2017/07/11
Takehiko Yoshida
初級ウェブ解析士認定講座(第1章)
初級ウェブ解析士認定講座(第1章)
Kazutoshi Tomita
Microsoft sales and marketing modernization
Microsoft sales and marketing modernization
Hiroaki Komeno
120124 jgc information systems conference be st_pro to salesforce
120124 jgc information systems conference be st_pro to salesforce
Masato Fujioka
【大阪 ダイナテック様】共催セミナー_1100629スライド用
【大阪 ダイナテック様】共催セミナー_1100629スライド用
Keita Matsumoto
Motion beat fruitsbear二戸_1030
Motion beat fruitsbear二戸_1030
motionBEAT
Com ad
Com ad
COMSQUARE
初めてのWave Analyticsダッシュボード開発
初めてのWave Analyticsダッシュボード開発
Salesforce Developers Japan
Similar a Webサービス申込者数
(20)
福井解析セミナー20140326
福井解析セミナー20140326
「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ
20070608 e-Trend WorkShop
20070608 e-Trend WorkShop
Keywordmap for sns
Keywordmap for sns
Einstein Analyticsによるユースケース別機能、実現例のご紹介(前編)〜Winter’18 新機能紹介を交えて
Einstein Analyticsによるユースケース別機能、実現例のご紹介(前編)〜Winter’18 新機能紹介を交えて
サイトサーチアナリティクス~サイト内検索の分析でサイトの価値とコンバージョンを高める手法
サイトサーチアナリティクス~サイト内検索の分析でサイトの価値とコンバージョンを高める手法
Freee kintone 200205
Freee kintone 200205
Realize tokyo2019 yrglm
Realize tokyo2019 yrglm
CMS学会 第三回 研究報告
CMS学会 第三回 研究報告
実績紹介
実績紹介
Salesforce Einstein - SaaS企業のAI戦略とテクノロジ -
Salesforce Einstein - SaaS企業のAI戦略とテクノロジ -
Digital Identityの実績紹介
Digital Identityの実績紹介
ネット広告講義資料 at 東京大学 2017/07/11
ネット広告講義資料 at 東京大学 2017/07/11
初級ウェブ解析士認定講座(第1章)
初級ウェブ解析士認定講座(第1章)
Microsoft sales and marketing modernization
Microsoft sales and marketing modernization
120124 jgc information systems conference be st_pro to salesforce
120124 jgc information systems conference be st_pro to salesforce
【大阪 ダイナテック様】共催セミナー_1100629スライド用
【大阪 ダイナテック様】共催セミナー_1100629スライド用
Motion beat fruitsbear二戸_1030
Motion beat fruitsbear二戸_1030
Com ad
Com ad
初めてのWave Analyticsダッシュボード開発
初めてのWave Analyticsダッシュボード開発
Webサービス申込者数
1.
xica adelie サンプルデータ分析 “webサービス申込者数”
2.
はじめに 2 ユーザー p
BtoCのwebサービス運営企業 シチュエーション p webサービスの申込者の増加に影響している要因を把握したい p 経験則から「6月と9月は申込者が増える」ことは知っているが、どの 程度影響しているのか知りたい p 曜日によって申込者数の増減がある気がするが、本当に影響がある のか検証したい 用意したデータの内容 【成果】 -‐ 申込者数 【要素】 -‐ 申込者 -‐ サイト来訪者数 -‐ TVCM放映量 -‐ Web広告露出量 -‐ 自社Webリニューアル -‐ 季節要因 -‐ Sun/Mon/Tue/Wed/Thr/Fri/Sat ※ 上記内容は類似業種へのヒアリング情報に基づいたXICAによる創作です ※ 現実に同様の結果を保証する物ではありません
3.
分析の流れ 3 1.データを用意する 2.データを読み解く
3.結果を比べる p データを登録する p データの概略を把握する p 分析機能を使ってモデル の精度を上げる p 違ったアプローチの分析 を試す p 保存したモデルを比べる
4.
分析の流れ 4 1.データを用意する 2.データを読み解く
3.結果を比べる p データを登録する p データの概略を把握する p 分析機能を使ってモデル の精度を上げる p 違ったアプローチの分析 を試す p 保存したモデルを比べる
5.
1. データを用意する p データセット一覧からデータを開く 5 使用するデータを選択する ※ 新規登録の方法はヘルプを参照下さい
6.
1. データを用意する p 分析モデルの編集画面を開く
6 分析モデルを選択する
7.
1. データを用意する p 分析モデルの概要を把握する 7 エラーメッセージ モデルの精度
・・・ 00.00% ※ 曜日による影響を検証するための要素 (Sun/Mon/Tue/Wed/Thr/Fri/Sat) が現時点ではエラーと判定されているため にモデルの精度は0.00%として表れている
8.
2. データを読み解く 8 1.データを用意する
2.データを読み解く 3.結果を比べる p データを登録する p データの概略を把握する p 分析機能を使ってモデル の精度を上げる p 違ったアプローチの分析 を試す p 保存したモデルを比べる
9.
2. データを読み解く p 「自動」の要素選択機能を使い、曜日による影響の大きさを検証する 9 Sun/Mon/Tue/Wed/Thr/Fri/Satの 7つの要素全てでここにチェックを 入れる チェックを入れた後に「自動」を クリックする ※ ここでは影響のある要素の組み合わせを選ぶ「自動選択機能」を使う
※ 今回は「自動」の対象にしたい要素を自分で選んでいるが、「自動」の横にチェックを入れることで全選択/全解除を行 うこともできる ※ また、左端のチェックを付ける/外すを選ぶことで「手動」で組み合わせを作ることも出来る
10.
2. データを読み解く p 結果を確認する
10 先ほどのエラーは解消されている モデルの精度 ・・・ 40.58% 結果に影響する要素 ・・・ 2つ - 季節要因 (影響力 +44.127) - Fri (影響力 -182.005) ※ 現時点の結果からは、「金曜日は申込者が182人減る」 という影響が出るという仮説が導かれる ※ また、季節要因も影響があるので「6月9月は他の月より申込者が44人増える」という仮説も読み取れる
11.
2. データを読み解く p 「時間差」の自動選択機能を使い、それぞれの要素が影響を及ぼす時間差を検証する
11 ※ 今度は「時間差」の最適な組み合わせを選ぶ「自動選択機能」を使う ※ 「季節要因」と曜日の要素(「Sun」「Fri」)では時間差は考えないので、今回は自動選択機能の対象からは外してある 以下の4つにチェックを入れる 「サイト来訪者数」 「TVCM放映量」 「Web広告露出量」 「自社Webリニューアル」 チェックを入れた後に「自動」を クリックする
12.
2. データを読み解く p 結果を確認する
12 結果に影響する要素 ・・・ 5つ モデルの精度 ・・・ 93.81% - サイト来訪者数(2) (影響力 +0.103) - Web広告露出量(3) (影響力 +0.052) - Web広告露出量(5) (影響力 -0.002) - 季節要因 (影響力 +44.058) - Fri (影響力 -192.775) ※ 「サイト来訪者数(2)」は「2日後の申込者数に影響がある」ことを表わす ※ モデルの精度は [93.81%] まで向上しており、説明力の高いモデルになっている
13.
2. データを読み解く p これまで手を加えてきた分析モデルを保存する 13 「保存」を押して現在の分析モデルを 保存する
14.
2. データを読み解く p 先ほどのモデルにさらに手を加えて分析を行う 14 「TVCM放映量」 「自社Webリニューアル」 という2つは本当にどのような組み合 わせも影響がないか?
15.
2. データを読み解く p 先ほどのモデルにさらに手を加えて分析を行う 15 「時間差」を0〜9から選ぶ中で、 -
相関している確率が95%を越える - モデルの精度が良くなる のいずれかの要素がないか改めて 確認する ※ 「時間差」の0 〜 9の中で、「TVCM放映量(1)」のみがモデルの精度が僅かに良くなるが、相関している確率は95%に は満たない
16.
2. データを読み解く p 先ほどのモデルにさらに手を加えて分析を行う 16 先ほどと同様に「時間差」を0〜9から 最適な組み合わせを模索する ※ 「TVCM放映量」と同様に、0
〜 9 のどの「時間差」を設定しても相関している確率が95%を越える要素は見つからない
17.
3. 結果を比べる 17 1.データを用意する
2.データを読み解く 3.結果を比べる p データを登録する p データの概略を把握する p 分析機能を使ってモデル の精度を上げる p 違ったアプローチの分析 を試す p 保存したモデルを比べる
18.
分析結果から得られる最終的な仮説 18 曜日による影響として、金曜日は申込者が192人減る傾向があり、逆に日曜日は 5人程度増える可能性があることも見て取れる
当初想定していた季節要因に関しては、6月9月は他の月に比べて44人増えるこ とが分かる サイトの来訪者は当日よりも2日後の申込数の増加に影響が見られる 施策の中ではWeb広告露出量が申込者の増加に時間差で影響を及ぼすことが わかる。 また、TVCMや自社サイトのリニューアルは直接的な関係性は見られなかった
Descargar ahora