スタビジ【誰でもAIデータサイエンス】byウマたん
【15分で分かる書評】確率思考の戦略論を徹底解説！
20,933 回視聴2021/02/06
１．消費者のプレファレンスとは
・ビジネスの成否は消費者のプレファレンス（好意度）で決まる
消費者のプレファレンスとは
消費者のある商品に対する好意度
例 会社のランチ
いくつかのお店から選んでいる
お店に対してプレファレンスが割り振られている
何回行くかはプレファレンスに基づく確率で決まる
・ＮＢＤモデル
おおよその売上が予測できる
負の二項分布の式のＭが重要
ある期間に購入できた購入対象人数
実際に購入された回数の割合
例 １００人の購入対象者
１０人が２回ずつ購入した
Ｍは１０×２÷１００＝０.２
購入対象人数 × Ｍ ＝ 全購入回数
２．売上のビジネスドライバーを見極める
・シェアを拡大する方法
Ｍを上げていくこと
売上をブレイクダウンしてＭとの関係性を見る
・売上 ＝ 総購入回数 × 平均購入金額
売上 ＝ 購入対象人数 × Ｍ × 平均購入金額
購入対象人数 ＝ 総人数 × 認知率 × 配架率
認知率
どれだけの人に認知されているか
配架率
どれだけの割合の小売に展開することができているか
例 認知率１００％
全国で１店舗しか扱っていない
→ 購入できない
ウェブサービス
配架率１００％
初期フェイズ
配架率を下げてターゲットを絞るのも戦略
例 Facebookの初期フェイズ
ハーバード大学生しか利用できなかった
・Ｍのブレイクダウン
Ｍ ＝ 過去購入率 × エボークト･セットに入る率
×年間購入率 × 年間購入回数
過去購入率
全体の対象人数のうち過去に購入された人数の割合
エボークト･セット
あるカテゴリーの中で自分が購入する可能性のあるブランドリスト
例 会社のランチのいくつかのお店
あなたのエボークト･セットに入っている状態
年間購入率
エボークト･セットの中での割合
・売上の最終ブレイクダウン
売上 ＝ 全対象人数 × 認知率 × 配架率 × 過去購入率
× エボークト･セットに入る率 × 年間購入率
× 年間購入回数 × 平均購入金額
これらの要素のうちどこに伸びしろがあるかを見極めることが重要
・経営資源を集中すべきもの
認知率・配架率・プレファレンス
特に注力すべきはプレファレンス
無限の可能性を秘めているから
３．プレファレンスを拡大するための方法
・Mを増やすための方法
⑴ 水平展開
新規顧客を獲得
⑵ 垂直展開
既存顧客の購入回数を上げる
・水平展開がオススメ
水平展開
過去購入率・エボークト･セットに入る率 を上げる
垂直展開
年間購入率・年間購入回数 を上げる
水平展開の方が既存のお客さんのリピートも増える
効率よく拡大できる
・水平展開の注意
新規顧客の獲得方法
価格を下げる
クーポンを配布する
テレビＣＭの大量投下
→ これだけではダメ
消費者のプレファレンスを上げることに繋がらない
価格での一時的な購入は持続に繋がらない
認知率の向上は水平展開にならない
・水平展開の良い例
Netflix
多くのユーザーに刺さるコンテンツ
ものすごいスピードで投下
→ 水平展開が既存ユーザーのＭの拡大にも寄与
・垂直展開の悪い例
Softbankの牛丼・３１の無料クーポン
既存顧客の解約防止
→ 事業とのシナジーがない
価格のコントロールにしかならない
解約率はほぼ一定
既存顧客の垂直拡大は無理
・消費者のプレファレンスを拡大する意味
新規顧客を意識する
ブランド・サービスの拡大につなげる
文字情報多め、アニメーション少なめの独り語りです。この作品からは「新規顧客の獲得の重要さ」を学ぶことができました。私のブログでも新規読者を増やす方法を模索していきたいと思います。
マーケシラズ・ブックス
[マーケティング 基礎] この本を理解するための必要なことを紹介します: 確率思考の戦略論
11,074 回視聴2020/11/24
１、市場構造の分解
・市場構造を理解する
市場構造を理解することは、機械の操縦の仕方を理解するのと同じ
市場構造の本質 ＝ 消費者のプレファレンス
・市場は何で構成されているか
例 シャンプー
売れたシャンプーの合計
・分解（第１段階）
市場 ＝ 平均単価 ×１購入あたりの平均購入個数 × のべ購入回数
・分解（第２段階）
のべ購入回数 ＝ 総世帯数 × １年間に買う人の割合 × 平均購入回数
・分解（第３段階）
１年間に買う人の割合 ＝ 認知率 × 配架率 × 過去購入率
× エボークトセット率 × 年間購入率
・第３段階の解説
⑴ 認知率
どれだけの人が知っているか
７５％と仮定
⑵ 配架率
お店に置いていある割合
８０％と仮定
⑶ 過去購入率
過去に買ったことがあるか
６０％と仮定
⑷ エボークトセット率
次回購入の候補枠
６０%と仮定
⑸ 購入率
エボークトセットの中から実際に購入する割合
６０％と仮定
→ １年間に買う人の割合 ＝ ０.７５ × ０.８ × ０.６ × ０.６ × ０.６
＝ ０.１３
１３％
この公式を理解していないと市場について理解できない
文字情報とアニメーションのバランスの取れた独り語りです。この作品からは「公式の言葉の意味」を理解できました。公式を分解していくのは、フェルミ推定に似ていると思いました。
数式解説チャンネル for ビジネス
「確率思考の戦略論」【森岡毅】数式解説#1 NBDモデルの導出【改訂版】
「確率思考の戦略論」【森岡毅】数式解説#1 後編 NBDモデルの使い方
27,569 回視聴2020/01/19・9,077 回視聴2020/01/30
・ＮＢＤモデル
売上を支配する数式
ＮＢＤとは？
Negative
Binomial
Distribution の頭文字
→ 負の二項分布という意味
・カテゴリーとは？
同じ目的・同じ方法で利用される製品やサービスの集まり
例 パンケーキ、歯磨き粉、図書館の貸出冊数 など
その中に各ブランドが存在する
例 パンケーキのブランド、歯磨き粉のブランド、本の種類 など
・ＮＢＤモデルでできること
カテゴリーの購入回数、利用回数を説明できる
驚くべき威力を発揮する数式
例 カテゴリー パンケーキ
期間 ２週間
世帯数 １０００世帯
現実 売上支配の数式
購入回数０ ６２％ ６２％
１ ２０％ ２１％
２ １０％ ９％
３ ４％ ４％
４ ２％ ２％
５ １％ １％
６回以上 １％ １％
→ 現実とかなり近い購入確率を出すことができる
歯磨き粉・図書館の貸出冊数でも同様
・売上を支配する式のパラメーター
たった１つのパラメーター
プレファレンスだけが本質（Ｍで表す）
・プレファレンスとは？
ブランドに対する消費者の相対的好み
ブランドの資産価値・価格・製品パフォーマンスで決まる
各ブランドのプレファレンスのたし算
カテゴリーのプレファレンス
プレファレンス Ｍ ＝ 総購入・総利用回数 ÷ 購入者・利用者の人数
・問題を数学的に定式化する
赤玉と白玉が入ったツボ
球をＮ回、取り出す
赤玉 → 商品が購入された
白玉 → 商品が購入されない
取り出した玉はツボに戻す
一定期間において何回購入されたかを数学的に考える
赤玉 θ個
白玉 （ｎーθ）個
合計 ｎ個 ｎとＮは違うので注意
Ｎ回中ｒ回赤玉を引く確率は二項分布の式で表される
反復思考の確率として高校生は教わった
・二項分布の式の導出法
赤玉ｒ回
白玉（Ｎ－ｒ）回 引いたとする
取り出す確率
赤玉 → θ／ｎ
白玉 → （ｎ－θ）／ｎ
・ＮＢＤモデル
赤玉を取り出したらｄ個赤玉を加えてツボに戻す
白玉を取り出したらｄ個白玉を加えてツボに戻す
→ ｄ個加える
次の選択に正の影響を与えるということ
成功が成功を呼ぶ
売上を支配する式を導くのに大事
ポリヤの壺と言われる
・ＮＢＤモデルのパラメーター
プレファレンス Ｍ ＝ Ｎ × θ／ｎ
平均購入回数
分布のパラメーター Ｋ ＝ θ／ｄ
・ＮＢＤモデルの式とはどのようなものか？
十分多い人数がいれば、身長・成績などの分布がわかる
→ 正規分布
十分多いプレファレンスＭ（平均購入回数）がわかる
→ どのくらいの人多たちが何回購入したかを確率で計算できる
ＮＢＤモデルの式
正規分布にならないことに注意
・市場構造を理解する
プレファレンスという情報から購入回数に対する人数を理解すること
・ＮＢＤモデルの式の使い方
５２４０世帯
５６％が歯磨き粉を購入
平均回数は２.６回
→ ＮＢＤモデルの式を用いる
市場の構造を調べる
⑴ プレファレンスＭの計算
Ｍ ＝ 総購入回数 ÷ 購入者の人数
＝ （５２４０×０.５６×２.６）÷５２４０
＝ 約１.４６
⑵ 分布のパラメーターの計算
購入回数０回の確率
１－０.５６＝０.４４
エクセルのソルバーを使ってＫを解く
Ｋ ＝ ０.７８
⑶ エクセルでＮＢＤモデルの式の計算を行う
売上支配の数式で計算した結果
０回 ４４％
１回 ２２％
２回 １３％
３回 ８％
４回 ５％
５回 ３％
６回以上 ５％
スライドを使った文字情報中心の独り語りです。この作品からは「買った回数の割合が求められる」ということがわかりました。しかし、数式が難しくて理解できませんでした。残念です。
今日のアクションプラン
・私のブログで新規読者を増やす方法を考える
今日のアクションチェック
私のブログで新規読者を増やす方法を考えました。
それはスマホ対応です。今までは、箇条書きにしたときの文字数に気を遣ってきませんでした。
そのため、スマホで見ると変な折り返しになっていることも多かったのです。
箇条書きで書くときには１行を２０文字までとすることで、スマホでも見やすくなります。
さて、これで読者は増えてくれるのでしょうか。少し期待しています。
コメント