• プロローグ
  • ダメダメな状況は、データ分析で改善できる！？
• 第1章　時系列データのグラフ化と基礎知識
  • 1-1 まずは時系列データをグラフ化して眺めよう
    • 時系列データは、時間とともに
    • 表のデータを、グラフ化してみよう
  • 1-2 時系列データの分析の基礎
    • 季節性、トレンドとは？
    • 3つの成分に分解してみよう
    • 残差成分は、定常を確認してモデル化
    • 元の時系列データを、モデル化するには
  • フォローアップ
• 第2章　時系列モデル ARIMA
  • 2-1 モデルを作ってみよう
    • 回帰について知っておこう
    • RegARIMA は、回帰も時系列も活かせるモデル
  • 2-2 モデルから、広告の効果を分析する
    • モデルの構築後に、できること
    • モデルの精度を確認しよう
• 第3章　アドストック効果の発見
  • 3-1 アドストックという考え方
    • 広告の効果は蓄積されていく
    • 時間的ずれ（ラグ）を考慮する
  • 3-2 改善したモデルから、広告の効果を分析する
    • 改善したモデルの精度を確認しよう
    • 改善したモデルで、3つの広告効果を分析しよう
    • 売上貢献度・mROI・コストを同時に表すグラフ
  • フォローアップ
  • Column：施策の効果検証と時系列因果推論
• 第4章　未来予測への挑戦
  • 4-1 未来予測のために、過去データを工夫する
    • 未来の実測値データは、存在しない
    • 過去のデータを2つに分けてみよう
  • 4-2 未来の予測精度を確かめよう
    • どのぐらい正確に予測できるのか
  • フォローアップ
• 第5章　広告予算の最適化
  • 5-1 数理最適化による、さらなる挑戦
    • 広告投資案のポイントは2つ
    • 数理最適化の考え方をちょっとだけ
  • 5-2 最適な広告投資案の答えとは
    • 未来の実測値データは、存在しない
    • 広告を打つ時期と、その量は？
  • フォローアップ
  • Column：数理最適化の現場活用法
• エピローグ
• さらに勉強するために
• 索引

以下を展開するとNotebook(実行例)を見ることができます。
ただし、乱数の影響で書籍と実行結果が異なることがございます。

Notebook形式のPythonファイルおよびCSVファイルが必要な方は、以下から申し込みください。

お名前 ※
メールアドレス ※

【個人情報の取り扱いについて】
株式会社セールスアナリティクスは、本申し込みにおいてお預りした
お客さまの個人情報を当社が定める「プライバシーポリシー」に従い
適性に管理します。

<個人情報の利用目的>
・各種サービスのご提供・ご本人確認・当社セミナーに関するご案内
・当社が発行するメールマガジン・DM・その他のお知らせの送付

※メルマガが配信されますが、不要の方は配信されたメルマガから解除できます