量子AI・データサイエンス叢書
実践 マーケティングデータサイエンス
ショッパー行動の探索的データ解析と機械学習モデル構築
電子書籍あり
定 価 2,860円（本体 2,600円）
第1章 全体像と学習の進め方
1.1 分析の全体像と本書の構成
1.2 CRISP-DM
1.3 クエストを楽しむ
1.4 ふりかえりをしながら学びを得る
1.5 DEFP2021発表資料からの学び
章末問題
第2章 ショッパーマーケティングの課題
2.1 ショッパーマーケティングと本書の範囲
2.2 バーチャル店舗とリアル店舗の対比
2.3 ショッパーマーケティングにおける課題
2.4 データ活用の道しるべ
2.5 今回のクライアントと仮想プロジェクト
2.6 ビジネス課題の理解を深めるためには
2.7 DEFP2021発表資料からの学び
章末問題
第3章 ショッパー行動解析データ概論
3.1 ショッパーマーケティングにおけるデータの種類
3.2 ショッパー行動解析データ(GIデータ)の仕様
3.3 GIデータの確認
3.4 必要なデータはすべて集めるべきか？
3.5 DEFP2021発表資料からの学び
章末問題
第4章 探索的データ解析(I)
4.1 探索的データ解析(EDA)とは
4.2 head/tailで中身を確認する
4.3 concatでcsvファイルを結合する
4.4 describeで要約統計量を確認する
4.5 histでヒストグラムを作成する
4.6 boxplotで箱ひげ図を作成する
4.7 astypeでデータ型を変換する
4.8 DEFP2021発表資料からの学び
章末問題
第5章 探索的データ解析(II)
5.1 エリア情報を確認する
5.2 フレームとエリアの特徴を確認する
5.3 性別・年代を確認する準備
5.4 pieで円グラフを作成する
5.5 接触/購入の回数/人数の一覧表を作成する
5.6 CVR(接触人数→購入人数)を算出する
5.7 メーカー別に集計する
5.8 scatterで散布図を作成する
5.9 DEFP2021発表資料からの学び
章末問題
第6章 仮説検証型データ分析
6.1 仮説検証のための事前準備
6.2 仮説1「女性の方がいろいろと商品を検討してそう」の検証
6.3 仮説2「女性の方が長い時間比較検討してそう」の検証
6.4 仮説3「若い人はあまり商品を検討しない」の検証
6.5 仮説4「『雪のしずく』は『岩清水』と比較検討されている」の検証
6.6 仮説5「時間帯によって手に取られる商品が異なる」の検証
6.7 DEFP2021発表資料からの学び
章末問題
第7章 報告資料の作成とプレゼン(I)
7.1 これまでのふりかえり
7.2 プレゼン資料の構成
7.3 表やグラフの表現方法
7.4 PythonとPowerPoint
7.5 スライド作成のコツ
7.6 プレゼン(発表)
章末問題
第8章 モデル構築の準備
8.1 なぜ機械学習モデルを作るのか(Why)
8.2 どのように機械学習モデルを作るのか(How)
8.3 どのような機械学習モデルを作るのか(What)
8.4 特徴量を作成する
8.5 テストデータの特徴量抽出
8.6 準備結果の出力
8.7 DEFP2021発表資料からの学び
章末問題
第9章 精度評価の手法
9.1 精度評価の概論
9.2 精度評価指標
9.3 過学習と検証法
章末問題
第10章 決定木
10.1 決定木とは
10.2 決定木モデルの実装
10.3 ハイパーパラメータチューニング
10.4 最適化した決定木モデルの実装
10.5 DEFP2021発表資料からの学び
章末問題
第11章 ロジスティック回帰
11.1 ロジスティック回帰とは
11.2 ロジスティック回帰の実装
11.3 ハイパーパラメータチューニング
11.4 最適化したロジスティック回帰モデルの実装
11.5 DEFP2021発表資料からの学び
章末問題
第12章 アンサンブル
12.1 アンサンブルとは
12.2 決定木とロジスティック回帰のアンサンブル
12.3 LightGBM
12.4 ハイパーパラメータチューニング
12.5 最適化したLightGBMモデルの実装
12.6 DEFP2021発表資料からの学び
章末問題
第13章 報告資料の作成とプレゼン(II)
13.1 機械学習モデルの説明性
13.2 機械学習モデルの説明内容
13.3 DEFP2021発表資料からの学び
13.4 中間報告時のフィードバック対応
13.5 結果にコミットする
13.6 鳥居さんの最終フィードバック
章末問題
第14章 システム化・回帰・クラスタリング
14.1 システム化
14.2 売場・販促施策の改善
14.3 DEFP2021発表資料からの学び
14.4 回帰
14.5 クラスタリング
14.6 機械学習のさらなる活用
章末問題
第15章 全体のふりかえりと今後にむけて
15.1 全体のふりかえり
15.2 今後取り組んでみると面白いテーマ
15.3 商品開発や戦略への応用
15.4 参考文献
1.1 分析の全体像と本書の構成
1.2 CRISP-DM
1.3 クエストを楽しむ
1.4 ふりかえりをしながら学びを得る
1.5 DEFP2021発表資料からの学び
章末問題
第2章 ショッパーマーケティングの課題
2.1 ショッパーマーケティングと本書の範囲
2.2 バーチャル店舗とリアル店舗の対比
2.3 ショッパーマーケティングにおける課題
2.4 データ活用の道しるべ
2.5 今回のクライアントと仮想プロジェクト
2.6 ビジネス課題の理解を深めるためには
2.7 DEFP2021発表資料からの学び
章末問題
第3章 ショッパー行動解析データ概論
3.1 ショッパーマーケティングにおけるデータの種類
3.2 ショッパー行動解析データ(GIデータ)の仕様
3.3 GIデータの確認
3.4 必要なデータはすべて集めるべきか？
3.5 DEFP2021発表資料からの学び
章末問題
第4章 探索的データ解析(I)
4.1 探索的データ解析(EDA)とは
4.2 head/tailで中身を確認する
4.3 concatでcsvファイルを結合する
4.4 describeで要約統計量を確認する
4.5 histでヒストグラムを作成する
4.6 boxplotで箱ひげ図を作成する
4.7 astypeでデータ型を変換する
4.8 DEFP2021発表資料からの学び
章末問題
第5章 探索的データ解析(II)
5.1 エリア情報を確認する
5.2 フレームとエリアの特徴を確認する
5.3 性別・年代を確認する準備
5.4 pieで円グラフを作成する
5.5 接触/購入の回数/人数の一覧表を作成する
5.6 CVR(接触人数→購入人数)を算出する
5.7 メーカー別に集計する
5.8 scatterで散布図を作成する
5.9 DEFP2021発表資料からの学び
章末問題
第6章 仮説検証型データ分析
6.1 仮説検証のための事前準備
6.2 仮説1「女性の方がいろいろと商品を検討してそう」の検証
6.3 仮説2「女性の方が長い時間比較検討してそう」の検証
6.4 仮説3「若い人はあまり商品を検討しない」の検証
6.5 仮説4「『雪のしずく』は『岩清水』と比較検討されている」の検証
6.6 仮説5「時間帯によって手に取られる商品が異なる」の検証
6.7 DEFP2021発表資料からの学び
章末問題
第7章 報告資料の作成とプレゼン(I)
7.1 これまでのふりかえり
7.2 プレゼン資料の構成
7.3 表やグラフの表現方法
7.4 PythonとPowerPoint
7.5 スライド作成のコツ
7.6 プレゼン(発表)
章末問題
第8章 モデル構築の準備
8.1 なぜ機械学習モデルを作るのか(Why)
8.2 どのように機械学習モデルを作るのか(How)
8.3 どのような機械学習モデルを作るのか(What)
8.4 特徴量を作成する
8.5 テストデータの特徴量抽出
8.6 準備結果の出力
8.7 DEFP2021発表資料からの学び
章末問題
第9章 精度評価の手法
9.1 精度評価の概論
9.2 精度評価指標
9.3 過学習と検証法
章末問題
第10章 決定木
10.1 決定木とは
10.2 決定木モデルの実装
10.3 ハイパーパラメータチューニング
10.4 最適化した決定木モデルの実装
10.5 DEFP2021発表資料からの学び
章末問題
第11章 ロジスティック回帰
11.1 ロジスティック回帰とは
11.2 ロジスティック回帰の実装
11.3 ハイパーパラメータチューニング
11.4 最適化したロジスティック回帰モデルの実装
11.5 DEFP2021発表資料からの学び
章末問題
第12章 アンサンブル
12.1 アンサンブルとは
12.2 決定木とロジスティック回帰のアンサンブル
12.3 LightGBM
12.4 ハイパーパラメータチューニング
12.5 最適化したLightGBMモデルの実装
12.6 DEFP2021発表資料からの学び
章末問題
第13章 報告資料の作成とプレゼン(II)
13.1 機械学習モデルの説明性
13.2 機械学習モデルの説明内容
13.3 DEFP2021発表資料からの学び
13.4 中間報告時のフィードバック対応
13.5 結果にコミットする
13.6 鳥居さんの最終フィードバック
章末問題
第14章 システム化・回帰・クラスタリング
14.1 システム化
14.2 売場・販促施策の改善
14.3 DEFP2021発表資料からの学び
14.4 回帰
14.5 クラスタリング
14.6 機械学習のさらなる活用
章末問題
第15章 全体のふりかえりと今後にむけて
15.1 全体のふりかえり
15.2 今後取り組んでみると面白いテーマ
15.3 商品開発や戦略への応用
15.4 参考文献
