AIアルゴリズムマーケティング 自動化のための機械学習/経済モデル、ベストプラクティス、アーキテクチャ|Tech Book Zone Manatee

マナティ

購入形態

PDF
4,400円
数量:

カートに追加されました。カートを見る

カートに入れる
紙の本を買う

AIアルゴリズムマーケティング 自動化のための機械学習/経済モデル、ベストプラクティス、アーキテクチャ

インプレス

マーケティング自動化の理論的背景を一望できる!

マーケティング自動化の予測モデル、ベストプラクティス、アーキテクチャをまとめた大著! 1・2章では、アルゴリズムマーケティングの概念、ケーススタディ、理論基盤となる機械学習/経済モデルを説明します。3~6章では、「プロモーションと宣伝」「検索」「レコメンデーション」「価格設定と品揃え」といった領域を取り上げ、「顧客と商品のマッチング」「顧客に適した商品の特定」「商品特性の最適化」を考察します。本書は、どのような理論を基に各領域のシステムが実現されるか、総合的に理解できる稀有な一冊です。(本書は『Introduction to Algorithmic Marketing: Artificial Intelligence for Marketing Operations』の翻訳書です。統計学や微積分学などの数学的知識を前提としています)。原著への読者の声―「市場原理を理解して実装しようとする者にとってきわめて有益」「小売業に関わるデータサイエンティストは必読」。推薦の言葉―「本書はマーケティング分野でのデジタル変革を鮮やかに映し出しており、データサイエンスがいかにしてあらゆるマーケティング活動に不可欠な部分になるのかを示している。データ駆動型アプローチとスマートなアルゴリズムによって、従来の労働集約型のマーケティングタスクにディープな自動化がどのようにしてもたらされるのかを詳しく解説している。意思決定は改善されるだけでなく、はるかに高速になる。このことは、加速する一方の競争環境において決定的に重要である。データサイエンティストとマーケティング責任者の必読書である」(Andrey Sebrant, Director of Strategic Marketing, Yandex)。

発売日:2018-10-22

ページ数:488ページ

目次

表紙
商標など
口絵
推薦の言葉
謝辞
目次
第1章 イントロダクション
1.1 アルゴリズムマーケティングとは
1.2 アルゴリズムマーケティングの定義
1.3 歴史的背景:利益構造を改善するマーケティング最適化/1.3.1 オンライン広告:広告サービスとアドエクスチェンジ
1.3.2 航空会社:航空運賃の管理と収益の改善
1.3.3 マーケティングサイエンス
1.4 プログラムマーケティングサービス
1.5 本書の対象読者
1.6 まとめ
第2章 予測的モデリングの各手法を確認する/2.1 記述的アナリティクス、予測的アナリティクス、処方的アナリティクス
2.2 経済的最適化
2.3 機械学習
2.4 教師あり学習
2.4.1 パラメトリックモデルとノンパラメトリックモデル
2.4.2 最尤推定
2.4.3 線形モデル
2.4.4 非線形モデル
2.5 表現学習/2.5.1 主成分分析
2.5.2 クラスタリング
2.6 より特化したモデル/2.6.1 消費者選択の理論
2.6.2 生存率分析
2.6.3 オークション理論
2.7 まとめ
第3章 プロモーションと広告
3.1 セールスプロモーション環境
3.2 ビジネス目標/3.2.1 製造業者と小売業者
3.2.2 コスト
3.2.3 利益
3.3 ターゲティングパイプライン
3.4 レスポンスモデリングと測定
3.4.1 レスポンスモデリングフレームワーク
3.4.2 レスポンスの測定
3.5 構成要素:ターゲティングモデルと顧客生涯価値モデル
3.5.1 データ収集
3.5.2 階層化モデリング
3.5.3 RFMモデリング/3.5.4 傾向モデリング
3.5.5 セグメンテーションとペルソナベースのモデリング
3.5.6 生存率分析によるターゲティング
3.5.7 顧客生涯価値モデリング
3.6 キャンペーンの設計と実行/3.6.1 カスタマージャーニー
3.6.2 プロダクトプロモーションキャンペーン
3.6.3 マルチステージのプロモーションキャンペーン
3.6.4 リテンションキャンペーン
3.6.5 補充キャンペーン/3.7 リソース配分
3.7.1 チャネルによる配分
3.7.2 ビジネス目標による配分
3.8 オンライン広告
3.8.1 オンライン広告環境
3.8.2 ビジネス目標とアトリビューション
3.8.3 CPA-LTモデルでのターゲティング
3.8.4 マルチタッチアトリビューション
3.9 マーケティングキャンペーンの有効性の測定
3.9.1 ランダム化実験
3.9.2 観察研究
3.10 ターゲティングシステムのアーキテクチャ
3.10.1 ターゲティングサーバー
3.10.2 データ管理プラットフォーム
3.10.3 分析プラットフォーム
3.11 まとめ
第4章 検索
4.1 検索環境
4.2 ビジネス目標
4.2.1 レリバンス指標
4.2.2 マーチャンダイジングコントロール
4.2.3 サービス品質指標
4.3 構成要素:マッチングとランキング
4.3.1 トークンマッチング
4.3.2 ブーリアン検索とフレーズ検索/4.3.3 正規化とステミング
4.3.4 ランキングとベクトル空間モデル
4.3.5 TF-IDFスコアリングモデル
4.3.6 Nグラムによるスコアリング
4.4 レリバンス信号のミキシング
4.4.1 複数のフィールドの検索
4.4.2 信号エンジニアリングと信号等化
4.4.3 信号ミキシングパイプラインの設計
4.5 セマンティック解析
4.5.1 同義語と階層
4.5.2 単語埋め込み
4.5.3 潜在意味解析
4.5.4 確率的トピックモデル
4.5.5 確率的潜在意味解析
4.5.6 潜在ディリクレ配分
4.5.7 Word2vecモデル
4.6 マーチャンダイジングの検索手法
4.6.1 組み合わせフレーズ検索
4.6.2 コントロールされた適合率の引き下げ
4.6.3 入れ子のエンティティと動的なグループ化
4.7 レリバンスチューニング
4.7.1 ランク学習
4.7.2 暗黙的なフィードバックからのランク学習
4.8 マーチャンダイジング検索サービスのアーキテクチャ
4.9 まとめ
第5章 レコメンデーション
5.1 レコメンデーションサービスの環境
5.1.1 顧客レーティングの特性
5.2 ビジネス目標
5.3 品質の評価
5.3.1 予測正解率
5.3.2 ランキング正解率
5.3.3 目新しさ/5.3.4 セレンディピティ
5.3.5 多様性/5.3.6 カバレッジ
5.3.7 実験の役割
5.4 レコメンデーション手法の概要
5.5 内容ベースフィルタリング
5.5.1 最近傍アプローチ
5.5.2 ナイーブベイズ分類器
5.5.3 内容フィルタリングでの特徴エンジニアリング
5.6 協調フィルタリング
5.6.1 ベースライン推定
5.7 近傍ベースの協調フィルタリング
5.7.1 ユーザーベースの協調フィルタリング
5.7.2 アイテムベースの協調フィルタリング
5.7.3 ユーザーベースとアイテムベースの手法の比較
5.7.4 回帰問題としての近傍法
5.8 モデルベースの協調フィルタリング/5.8.1 回帰モデルをレーティング予測に適応させる
5.8.2 ナイーブベイズ協調フィルタリング
5.8.3 潜在因子モデル
5.9 ハイブリッド手法
5.9.1 スイッチング/5.9.2 ブレンディング
5.9.3 特徴拡張
5.9.4 ハイブリッドレコメンデーションのプレゼンテーションオプション
5.10 コンテキスト化されたレコメンデーション
5.10.1 多次元フレームワーク
5.10.2 コンテキスト対応のレコメンデーション手法
5.10.3 時間を認識するレコメンデーションモデル
5.11 パーソナライズされていないレコメンデーション/5.11.1 パーソナライズされていないレコメンデーションの種類
5.11.2 アソシエーションルールに基づくレコメンデーション
5.12 多目的最適化
5.13 レコメンダシステムのアーキテクチャ
5.14 まとめ
第6章 価格設定と品揃え
6.1 収益管理環境
6.2 価格の影響力
6.3 価格と価値
6.3.1 価格の境界
6.3.2 知覚価値
6.4 価格と需要
6.4.1 線形の需要曲線
6.4.2 弾力性が一定の需要曲線
6.4.3 ロジット需要曲線
6.5 基本的な価格構造/6.5.1 単価
6.5.2 マーケットセグメンテーション
6.5.3 複数の部分からなる価格設定
6.5.4 バンドリング
6.6 需要予測
6.6.1 品揃えを最適化するための需要モデル
6.6.2 季節のバーゲンのための需要モデル
6.6.3 需要予測と在庫切れ
6.7 価格の最適化/6.7.1 価格の差別化
6.7.2 動的な価格設定
6.7.3 パーソナライズされたディスカウント
6.8 リソース配分
6.8.1 リソース配分を行う環境
6.8.2 2つのクラスでの配分
6.8.3 多クラスでの配分
6.8.4 多クラスでのヒューリスティクス
6.9 品揃えの最適化/6.9.1 店舗レイアウトの最適化
6.9.2 カテゴリマネジメント
6.10 価格管理システムのアーキテクチャ
6.11 まとめ
付録A ディリクレ分布
参考文献
索引

著者プロフィール

  • Ilya Katsov(著者)

    (イリア・カツォブ)
    ソフトウェアサービス開発会社Grid Dynamics(www.griddynamics.com)のプリンシパルアーキテクト、高度データ分析エンジニア。マーケティング技術のエコシステム、インストリーム広告プラットフォーム、データレイク、小売業者/テクノロジー企業向けの顧客分析および予測分析ソリューションについて戦略的計画および開発を担当。

  • 株式会社クイープ(翻訳)

    1995年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に、『徹底理解ブロックチェーン ゼロから着実にわかる次世代技術の原則』『[第2版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践』『Machine Learning実践の極意 機械学習システム構築の勘所をつかむ !』などがある(いずれもインプレス発行)。http://www.quipu.co.jp

絶賛!発売中!

書籍一覧へ