Marketing Science in Python
因果推論、マーケティング・ミックス・モデリング、価格設定、予測、顧客分析の実務ガイド。
著者：Hajime Takeda（Kuwalyst共同創業者）
先月、キャンペーンの実施中に売上が急増しました。
それはキャンペーンの効果だったのでしょうか。
それとも気温が上がったから、あるいは競合商品が品切れになったからでしょうか。
Marketing Science in Pythonは、マーケティングの意思決定をより確かなものにするための実践ガイドです。
分析で答えられる問いの立て方や、キャンペーンによる因果効果の推定方法を解説します。
また、モデルと実験の結果に基づいてメディア予算の配分を決める方法も扱います。
Part 3〜6の各実践章には、公開データまたは合成データで動くPythonノートブックが付属します。
著者のHajime Takedaは、マーケティングサイエンティストであり、Kuwalystの共同創業者です。
本書には、Media Plannerの土台となる原則が示されています。
不確実性がある中でも因果関係を示す根拠に基づいて意思決定すること、メディアミックスモデルを実験結果に照らして較正すること、そしてすべての数値について出所を確認できるようにすることです。
本書では、こうした私たちの考え方を具体的に説明しています。
全文を無料でお読みいただけます。
本書の構成
- はじめに：マーケティングサイエンスとは何か、マーケティングデータを理解する
- よりよい意思決定のための分析：適切な問いの設定、診断に役立つKPIの設計、データに基づく筋道立った説明
- マーケティングのための因果推論：A/Bテスト、準実験、時系列データによる因果効果の推定、アップリフトモデリング
- 顧客分析：セグメンテーションと顧客生涯価値（CLV）
- 販売に関する分析：価格設定、品揃え、売上予測
- メディア投資と最適化：MMMの構築、インクリメンタリティ実験、実験結果に基づくMMMの較正
全文は書籍サイトで無料公開されており、ノートブックはGitHubにあります。
日本語版はAIによる翻訳です。
内容の確認には英語の原文をご参照ください。
PDFを受け取る
オフラインで読むには、英語版PDFをご利用ください。
お名前とメールアドレスをご入力いただくと、専用のダウンロードリンクをお送りします。