経営学研究科Graduate School of Business Administration
MAN500F1－0084（経営学 / Management 500）マーケティング・サイエンス論Marketing Science
長谷川 翔平Shohei HASEGAWA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 経営学研究科Graduate School of Business Administration |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | X7149 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 木6/Thu.6,木7/Thu.7 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | 4 |
| 備考（履修条件等）Notes | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| カテゴリーCategory |
修士課程（夜間）授業科目 マーケティングコース |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
The purpose of this course is to learn methods of analyzing marketing data. At the end of the course, students are expected to acquire skills to collect and analyze marketing data. Before/after each class meeting, students will be expected to spend four hours to understand the course content. Grading will be decided based on in-class contribution (20%), paper reading and presentation (40%) and final report (40%).
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
本授業ではマーケティング・データを定量的に分析し，ビジネスで活用する手法を学ぶ。ビジネスにおいてマーケティング・データを分析する主な目的は予測と効果検証にある。本授業では，消費者の購買ブランドや将来の売上げを予測する手法と広告などのマーケティング施策が消費者の購買行動に影響を与えているか施策の効果を検証する手法を学ぶ。また，発展的な内容として，One-to−Oneマーケティングのためのベイズ分析や，近年，マーケティングでも活用が進む商品レビューや口コミなどのテキストデータを分析する手法も学ぶ。授業では消費者の行動データおよびその集計データを中心に扱うが，分析手法はB-to-CだけでなくB-to-Bマーケティングでも活用できるものである。
到達目標Goal
・様々なデータに対して最適な分析手法を提案できる。
・データから市場構造や消費者特性に関する知見を得ることができる。
・分析結果を分かりやすく報告することができる。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」「DP2」「DP3」に関連、特に「DP1」は強く関連している。
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
1回の授業で教員による講義と受講生による論文輪読を行う。
[講義]
マーケティングの定量分析に関して書かれたテキストを用いてマーケティング・データの活用方法を学ぶ。主に消費者の行動データの分析手法を扱うが，一部アンケートデータの分析手法も扱う予定である。毎回，講義の後にフリーの統計解析ソフトRを用いた実習を行い，学んだ手法の理解を深める。
[論文輪読]
テキストで学んだ手法が使われている論文を輪読する。受講者は各自で興味のある論文を探し，その論文の研究目的や具体的なモデル，分析結果などを報告し，参加者で議論を行う。論文の探し方などは初回授業で説明する。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[対面/face to face]：イントロダクション
授業で学ぶことを概観する
第2回[対面/face to face]：線形回帰分析
集計データからのマーケティング活動の効果測定
第3回[対面/face to face]：ロジットモデル
ブランド選択データからの消費者選択行動分析
第4回[対面/face to face]：生存時間解析
新製品の採択時期と生存期間の分析
第5回[対面/face to face]：クラスタリング
クラスタリングモデルと潜在クラスモデルによる消費者セグメンテーション
第6回[対面/face to face]：共分散構造分析
アンケートデータからの消費者態度分析
第7回[対面/face to face]：階層ベイズモデル
One to Oneマーケティングのための消費者行動データ分析
第8回[対面/face to face]：時系列分析
季節性や流行などを考慮した市場反応分析
第9回[対面/face to face]：因果推論
セレクションバイアスとRCT
第10回[対面/face to face]：差分の差分法
差分の差分法によるマーケティング施策の効果検証
第11回[対面/face to face]：傾向スコア分析
傾向スコアマッチングによるマーケティング施策の効果検証
第12回[対面/face to face]：テキスト分析
テキストデータからの知見獲得
第13回[対面/face to face]：期末レポート報告①
レポートのテーマ報告
第14回[対面/face to face]：期末レポート報告②
レポートの最終報告
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
本授業の準備学習・復習時間は、各2時間を標準とします。
・講義：講義：事前にテキストの該当章を予習する。
・論文輪読：各自で報告する論文を探し発表資料を作成する。
・レポート報告：各自の報告テーマに関して調査を進め，発表資料を作成する。
テキスト（教科書）Textbooks
佐藤『マーケティングの統計モデル』朝倉書店（2015）
参考書References
安井『効果検証入門』技術評論社（2020）
森田『実証分析入門』日本評論社（2014）
石田『Rによるテキストマイニング入門 第2版』森北出版（2017）
村松ほか『RユーザーのためのRStudio実践入門 改訂2版』技術評論社（2021）
成績評価の方法と基準Grading criteria
・議論参加：20％
・論文輪読の報告：40％
・レポート：40％
学生の意見等からの気づきChanges following student comments
本年度新規科目につきアンケートを実施していません。
学生が準備すべき機器他Equipment student needs to prepare
・ノートパソコンを持参すること。
・Google Classroomで資料配付を行う。
・論文輪読とレポート報告ではPowerPointまたはWordで報告資料を作成する。
担当教員の専門分野等
＜専門領域＞
マーケティング・サイエンス
＜研究テーマ＞
ベイズモデリングによる消費者行動データの分析
＜主要研究業績＞
Terui, N., S. Hasegawa, A. N. Smith, G. M. Allenby (2017), "An Integrated Model for Discontinuous Preference Change and Satiation," Data Science and Service Research Discussion Paper (Tohoku Univrsity), 70, pp.1-36.
⻑⾕川翔平 (2017)，「効⽤関数の構造異質性と広告戦略の最適化」，『経営志林』，53(4)，pp.1-9.