Works
私たちが過去に行った調査・データ分析の事例をご紹介します。
以下のデータ分析事例に無いようなものでもデータ分析を主軸にした様々な分析・提案が行えますので
お気軽にお問い合わせください。
主要な実績
- 【広告データ】中小企業の広告運用データを分析し、顧客獲得単価を500%改善
- 【調査設計】海外アプリの日本進出におけるアンケート調査を設計及び代行
- 【ビッグデータ】大量の実績データを解析し、事前情報から将来の収益を予測するモデルを作成・提案
- 【効果検証】国内大手化粧品メーカーの広告施策の効果検証を行い、分析に基づいて次期戦略の改善策を提案
- 【戦略立案】国内大手エンタメ企業のマーケティング戦略立案のための調査設計及び分析を支援
- 【アンケート分析】国内大手工具メーカーのアンケートデータを分析し、製品開発に繋がる示唆を提案
- 【新規事業】ITベンチャー企業にて実績データに基づいたマーケティング計画を立案及び必要資金を調達
- 【市場調査】ヘルスケア企業の新製品のための市場調査及び売上を予測
実績の詳細
データドリブンマーケティング体制構築支援

- マーケット状況をデータに基づいてセグメンテーション
- 自社の狙うべきターゲットとポジショニングを提案
- 根拠に基づいた戦略的な施策展開が可能に
【背景】
・これまでは一貫した戦略と言えるようなものはなく、慣習や各部署の担当者の判断ベースで施策が動いていた。
・これからはデータに基づいて戦略的にマーケティングを行っていきたい。
・そもそもターゲット像やブランディングの方向性も明確になっていない。
という企業様に対して、調査データに基づいてマーケティングのSTP(セグメンテーション・ターゲティング・ポジショニング)を定めるためのご支援をご提供させていただきました。
【実施内容】
・弊社の提供する知見*に基づいて調査を設計してインターネット調査を通じてアンケート調査を実施。
・アンケート調査データを数学的な手法やマーケティングリサーチの知見を用いて分析し、定量的にアクショナブルな形でセグメンテーションを実施。
。セグメンテーションと顧客の購買状況から、自社の狙うべきターゲット像を明確化し、そのターゲットに対するポジショニング案(提供すべき価値)や競合他社等で行われている実際の事例などを基にした具体的施策案を提案。
【結果】
戦略的に一貫性を持って施策を打たせることができるようになり、効率的なデータドリブンマーケティング体制を構築しました。
【その他補足】
業界・業種:エンタメ業
言語 :Python
手法等 :教師なし学習(クラスタリング)
*弊社代表が京都大学MBAマーケティング分野で最優秀賞を受賞した機械学習的手法、実務活用事例有
WEB広告運用のPDCA最適化

- WEB広告のデータ分析を伴奏支援
- 施策改善の仮説と検証・改善提案を実施
- 2年間でCPAを500%改善
【背景】
・WEB広告の運用を広告業者に外注しているものの、広告運用の効率性が悪い。
・また社内に分析の知見のある人がおらず、業績が悪い原因が何かも全く分かっていない。
という企業様に対して、マーケティングデータの分析顧問として伴奏支援を行い、運用の改善支援をさせていただきました。
【実施内容】
・過去の運用データを分析し、「効率的にワークしている部分」と「効率的ではない部分」を明らかにし、予算配分の見直しをご提案。
・「削減した予算の新たな使い道」としてデータから仮説を導き出して提案し実行、効果測定を行いその効率性を実証。
・業績の変化に対してマーケット状況の変化や、競合の台頭などをデータ分析を通じていち早く察知し、トレンドに応じた施策や方向性を提案。
【結果】
広告運用の逐次的な改善により、2年間後には関与前と比較して広告運用の効率性を500%高めることを実現しました。
【その他補足】
業界・業種:士業
手法等 :統計検定、多変量解析
インフルエンサーマーケティングの施策レビュー分析

- 施策の効率性の検証
- 今後の活用の方向性の提案
- 新たなるターゲット顧客像の発掘
【背景】
・インフルエンサーを活用したプロモーションを新たに行うが、その効果の検証方法が分からなかった。
・コロナ下での業績低迷の中売上改善を図るため、来期の戦略として適切なターゲットを決めかねていた。
という企業様に対して、施策の効果検証のためのKPI設計から分析代行及び戦略提案までを行いました。
【実施内容】
・施策の目的や背景のヒアリングを行い、追うべきKPIの提案や分析ために事前に必要なタグ設定・広告設定などの分析設計を実施。
・施策実施後は、SNSデータのテキストマイニングやHPアクセスデータ・広告データの分析を通じてその効率性を検証し、「効率的であった部分」と「改善すべき部分」を明確化。
・またアナリティクスの属性データの分析や、調査データの分析を通じて新たな切り口での有効な顧客像を明確化。
【結果】
今後のインフルエンサー施策の効率性の定量化と活用の方向性と狙うべきターゲット像を明確化しました。
【その他】
業界・業種:化粧品
言語 :Python
手法等 :形態素解析
データベースの機械学習による利益予測モデルの構築

- 機械学習予測モデルを構築
- 業務フローを踏まえてマニュアル化
- 投資対効果の事前予測が可能に
【背景】
・担当者が販売業者のセールストークや経験則、勘などに基づいて設備の購入の意思決定をしている
・売上や利益データはあるものの、購入時の意思決定に反映できていない
・データ量が膨大過ぎて、何をどう分析して良いか分からず、一度は分析を試みたが有意義な結果が得られかった
という企業様に対して、機械学習的手法を用いた予測モデルを開発してご提供しました。
【実施内容】
・複数のデータベースに存在する非数値データも含む膨大なデータに対して、データクレンジングから実施。
・売上・利益データを目的変数とし、設備データを説明変数として教師有り学習での利益予測モデルを構築。
・また数式化したモデルをExcel形式でツール化すると共に、「どのような予測結果が出た場合にどう意思決定するのか?」を実務での業務フローに即した形でマニュアル化を行い、利用できる形にして納品。
【結果】
将来の売上予測や利益予測ができるようになり、合理的に投資の意思決定が可能になりました。
モデルによる利益の予測精度は±20%以内
【その他】
業界・業種:エンタメ業
言語 :R(Pythonでも可能)
手法等 :教師あり学習(回帰モデル)