世に潜む日々　（Tokyoに棲む）

2011年06月25日08:45

カテゴリ: マーケティング

マーケティング戦略の学習メモ　その３

内容は、大友純先生の講義より。

私の理解不足により、大友先生の意図することと異なる場合があるのでご注意を、、、

＞＞製品とは何か

製品は3つの要素から成り立っている。

①効用（Core）

製品から得られる効用
顧客が欲しい価値そのもの

②具体的部分（Actual）

具体的な性能、サービス、施設、品質など

③付随的部分（Augmented）

付随的なサービスなど

＜例＞
データ分析ソフトであれば、、

データが分析でき、レポートも作成できる、のが効用。

使いやすい、アウトプットが見やすい、などが具体的部分。

技術サポート、が付随的部分。

＞付随的部分を付ける、又は、取り外すことによる戦略。

＜例＞
小売店に配達という付随的サービスを付けると、、、カタログ通販、ネット販売

家具やから配送、家具の組み立てという付随的サービスを取り外すと、、、ＩＫＥA

＞＞効用の2面性

消費者にとって製品の効用は、物理的有用性と意味的有用性に分けられる。

また、
製品の効用　＝　物理的有用性　＋　意味的有用性
の関係も成り立つ。

①物理的有用性
技術によって創られる、フィジカルな部分に関連するもの。

製造・販売する側がその価値を作り出す。
消費者にとって受動的

②意味的有用性
精神的な満足や安定、メンタルな部分に関連するもの。

使用する側がその価値を引き出す。
消費者にとって能動的

＜例＞
グッチのバッグ

バッグ本体、バッグとしての効果は物理的有用性
グッチというブランド、それを持っているという満足感は意味的有用性

＞価値

また、効用は価値でもあるので、

認識された製品価値（購買時満足度）
＝　認識された品質　／　認識された価格

とも表される。

品質の認知差異が小さいものは、広告の力が大きい。

＜例＞
小：ビール、水、お茶
大：そば

＞＞意味的有用性に関する製造・販売側の課題

消費者の意味的認識の誘導は困難である。

意味の創造　→　製品コンセプト

製品コンセプトとは、製品の効用を特徴的に示す意味的概念。

コンセプトを言いかえると、“どんな問題を解決するか”。

製品コンセプト　＝　どんな問題を解決するか
製品技術　＝　解決手段

＜例＞
コンセプト　－　技術

子供の健康　－　ハンドソープ
ステータス　－　高級車
美しさへの期待　－　化粧品

！！！消費者はコンセプトを消費している！！！

＞＞消費者の欲望の分析

買い手の欲望と売り手の提供財との意味関係を明らかにすることが重要

消費者の欲望　＝　消費者が自身の持つある問題を解決したいと思うこと

この欲望を刺激しろ

消費者は消費し、問題を解決したい

＜例＞
製品コンセプト　＝　手持ちのデータに簡単に統計を適用でき、魔法の様に気づきを与えてくれる

製品技術　＝　探索的なデータ解析ソフト

2011年05月29日12:41

カテゴリ: マーケティング

マーケティング戦略の学習メモ　その２

内容は、上原征彦先生の講義より。

私の理解不足により、上原先生の意図することと異なる場合があるのでご注意を、、、

その１の続き

まず、“コアコンピタンスを認識”し、それを活かせる“市場の定義と選択”を行う。

そして、マーケティング戦略の基本フレームにおいて次のステップは以下となる。

（１）Segmentation（市場の細分化を行う）

（２）Targeting（狙うセグメントの決定）

（３）Positioning（ブランド戦略の様なもの？？）

＞＞“市場の定義と選択”の仕方

（Ａ）代替性による方法

例えば、ビールの様なものを考える。
種類はいろいろあるが、どれでもよい、あれがなければこれでもよい、と言った場合、その中が一つの市場となる。

主に消費財。

（Ｂ）経営資源による方法

例えば、家電の様なものを考える。
冷蔵庫でトップシェアを取っても、洗濯機メーカーから簡単に入って来られる。このような場合、経営資源が似ている領域を一つの市場とする。

主に産業材。

＞＞（１）Segmentationと（２）Targeting

＜例＞
～1985までは、ビール市場はマスマーケティングだった。

スーパードライはセグメンテーションのおかげ。

当時、キリンのラガーがトップだったが、“コク”あり“キレ”なしのラガーに対し、“コク”なし“キレ”ありに位置付けたスーパードライが売り上げを伸ばした。

（発泡酒は“コク”なし“キレ”なし）

また、セグメンテーションしないと、同社の他製品と競合する恐れがある。

スーパードライのターゲットは食のlight化世代、若い魚好きだった。

その他、ソフトドリンク業界は非常にセグメントが重要である。
例えば、コーヒー飲料の朝コーヒーなど。

＞教訓として、、、

先発は狙うべきセグメントを抑えておくこと

後発は市場を細分化して、入りやすいセグメントを攻めること

強者はできる限り多くのセグメントに入ること

弱者は最も有利なセグメントに集中すること　―　ターゲットを絞れ！

＞＞（３）Positioning

Product、Price、Place、Promotionを決めることらしい？？

顧客の長期記憶に位置付ける　→　ブランド戦略の様なもの？？？

＞＞マーケティングの目的

マーケティングの目的は消費の創造である。

“提案”を行い、期待を持ってもらい、消費の創造を行う。

＜家計消費者＞

消費の目的　：　生活のため

特徴　：　個人購入、情報量は少ない

提案内容　：　生活提案

＜産業需要家＞

消費の目的　：　利益のため

特徴　：　組織購買、情報量多い

提案内容　：　戦略提案

＞＞顧客は誰かという問題

顧客企業の顧客は誰か。

例えば、ソフトを売るなら、、、

購買担当者？　ユーザー？

誰に何を提案するか、、、

＞＞その他心がけ

売り手は情報を持て！！
（情報格差に関する問題）

購入時点の価格は高くても、試用期間中の価格は安く思わせろ！！
（サポートの充実など、、）

2011年05月21日13:20

カテゴリ: マーケティング

マーケティング戦略の学習メモ　その１

内容は、上原征彦先生の講義より。

私の理解不足により、上原先生の意図することと異なる場合があるのでご注意を、、、

＞＞マーケティングの進化

(1)プロモーション型MKG
　作ったものを売る

(2)製品計画型MKG
　売れるものを作る（開発との連動）

(3)関係性MKG
　消費の多様性に対応すべく、顧客との長期的な関係を維持？？？

＜例＞
フォードの成功と衰退

(1)プロモーション型MKGに成功し(2)製品計画型MKGに失敗した。

自動車ローンの導入などにより、需要を作り出し、大量生産した同一製品（Ｔ型黒）を売ることに成功した。

1920年あたりから、Ｔ型黒によって占められていた同質市場が、消費の好みの異なる異質市場へと変化。

フォードによるマス・マーケティングが衰退し、ＧＭによるターゲットマーケィングの時代へ。

ＧＭは、スポーツタイプ、ファミリータイプなどのタイプのなかで、上、中、下などのクラスを導入。

＜例＞
中延商店街が、(3)関係性MKGの例らしい…
顧客の意見に基づいた商店街作り…？？

＞＞「規模の経済」から「範囲の経済」へ

規模の経済、範囲の経済についてはここ。

＜例＞
フォードのＴ型黒の生産ラインは、規模の経済性を活かしたもの。

ＧＭの複数タイプ、クラスの車の生産は、範囲の経済性を活かしたもの。
ラインの数は増えるが、一つのラインから複数の製品に対応する部品の生産が可能。

＞＞コアコンピタンス

コアコンピタンスについてはここ。

＜例＞
セコムのセンサー技術

＞では、コアコンピタンスに範囲の経済性を活かすと、、、

＜例＞
セコムのセンサー技術の応用。

ココセコム、遠隔地医療（人にセンサーを付け状況把握）など。

共通のプラットフォーム（センサー技術）から効率的に多くの製品を作り出している。

・コアコンピタンスから出るな！
・コアコンピタンスを超える時はＭ＆Ａ！
・コアコンピタンスによって、出るべき市場が異なる！

＞＞顧客満足とは、

顧客に大きく期待を持ってもらうことが顧客満足の必須条件。

期待に比べ成果が多少低くても顧客は満足する。
→　常に理想を語り、それに現実を近付けろ！

提案とは顧客に期待を持たせること。
“提案によって顧客に期待を持たせ、成果を期待に近づける”、を断続的に繰り返すことによって顧客満足を作り出す。
→　固定客によって顧客満足は測られる

マーケティング戦略論―実践パラダイムの再構築
クチコミを見る

2011年03月17日14:23

カテゴリ: private

仕事オンチな働き者

仕事オンチな働き者(日経プレミアシリーズ)
著者：山崎将志
日本経済新聞出版社(2011-03-09)
販売元：Amazon.co.jp
クチコミを見る

＞１章

時間消費型社会

たいていの仕事は本当はいらない仕事である

たいていのサービスはなくたってそんなに困らない、余ったリソースをいかに便利に、いかにうまく使っていこうかを考えるのが現代社会、時間消費型社会である。

＞２章

その、どうしても必要ではないサービスを売るにはどうしたらよいか。
それは、人々の「共感」を得ることである。

では、この共感とは何かということだが、筆者は「利他」という言葉で説明する。

直接のそのサービスの買い手に、そのサービスを扱ってもらうことで、その買い手が自己実現出来るようなサイクルに持っていくことを利他という。

例えば、データ分析のソフトウェアを売っているのであれば、それがどんなに素晴らしいソフトかと言ったことをこちらの都合で一方的に語るのではなく、そのソフトの買い手がソフトを使うことにより、その買い手が仕事において、どのように成果をあげる事が出来るかを考える事が重要なのである。

＞３章

筆者は、時間消費型社会の商売を

Want > Must > Should

の枠で考える。

（Should）これからは分析の時代なので、データ分析ソフトを導入すべきだ。
（Must）厚労省が数値の科学的な検証を要求しているので、分析ソフトを導入しなくてはならない。
（Want）分析ツールを導入することによって、今まで気づかなかったことを発見したい。

現代が時間消費型社会というのであれば、「…したい。」と思ってもらわなくては、見向きもされない可能性がある。

では、これを仕事に置き換えると。

（Should）この作業をやらなくてはならない。
（Must）このラインの管理はやるべきことである。
（Want）このアイデアを実現させたい。

さて、どの型から人々が「…したい。」と思うようなサービスが生まれるのでしょうか。

人々は空いた時間を「…したい。」と思うものに使うのだ。
だから、大きく構えて、面白くしなくてはならない。

“大きく構えると大きなことができる、小さく構えるとそれなりにしかならない“のだ。

＞４章

教育に関して。

学歴は重要ではないといっても、最低限の論理的思考、数字力がないと就ける仕事なんて相当限られる。

＞５章

話に関して。

「長すぎず短すぎず、かつ面白い話」とは
“優れた体験談とその教訓をセットで語る”こと。

内容は正しい、でも最後は言い方だ。
共感を得られないと人の心は動かない。

2011年03月01日21:20

カテゴリ: private

この国を出よう、、、、そのうち、、、、、、、、、

この国を出よ
著者：大前研一
小学館(2010-09-29)
販売元：Amazon.co.jp
クチコミを見る

アメリカで食ってける自信がなく、日本に舞い戻ってきた訳であるが、
また世界に出ようと思った。

2010年12月05日22:57

カテゴリ: private

新卒就職活動せずにサラリーマンになる道、の一例

新卒の就職活動って実は就社活動なんですよね。
職業に就くってより、会社に入るって感じ。
サラリーマンは職業かどうかっていう話は置いといて、
私がいいたいのは「職業とは、職務の内容である仕事や課せられた責任を遂行するために要求されている技能、知識、能力などの共通性または類似性によってまとめられた一群の職務をいう。」に近いと思います。

職業に就くとは、“ある技能、知識、能力を要求される職務を遂行しなくてはならないポジションに就く”こと、、、、。

そう！！就職とはポジションに就くこと！！！

そういえば、英語ではget a positionっていうんですよね。
アメリカでは基本的に新卒就職活動がないです。
企業がポジションのリストを作成して、
そのポジションの職務を遂行できる知識、技術を持っている人がそこに応募してきます。
新卒だろうが、経験があろうがごちゃ混ぜになったりします。

当然、そのポジションの職務を遂行できる知識、技術が必要ですから、
自分で“私はその知識、技術を持ってます”といえなくてはなりません。

日本の新卒就活は就社活動。
取り敢えず企業に入る感じでしょうか。
どこかの大企業は、“皆さんと一緒に、皆さんのやりたいことを見つけて行きましょう”
みたいなことを新卒採用Webページに書いていました。
（ゾッとします、、、優秀な学生さんは、言われなくてもやりたいことを自分で見つけます）

企業に入って、職務を遂行できる知識、技術を身につけて行くから、
取り敢えず就社しなくては、、、。
この、知識、技術を身につけられるトレーニングを受けられるのは、
新卒として企業に入る方法しかない、、、。
新卒時期に遅れるな、遅れると一生取り返しがつかないぞ、、、。

（実はそんなことないんですけどね。。）

一般的すぎる意見でしょうか、私、新卒就社しなかったので詳しくは知りません。
間違っていたらごめんなさい。

で、ここではそんなシステムの話や、アメリカ型にしろ！！、
とか何かを主張しようとしているわけではなくて、
新卒就社しなかった私の一例を、参考にならないとは思いますが、
ちょっと書いてみたいと思います。

恥ずかしいので、ざっと書きますね。

中の下の高校を下の方の成績で卒業し、浪人して、東京の大学に入りました。

一か月くらいは学校に行ってましたけど、行かなくなりました。
文学にはまったり、空手をしたり、風俗に通ったりしながら2年間過ごしました。

もとの大学に戻る気にはどうしてもなれなかったし、
再受験して4年間学校に行くと、まあ、新卒枠には入れないなと、、。

要するに落ちこぼれだったわけですよ。

で、奇跡的な幸運が私に舞い降りました。
金融バブルです。実家が投資成金になりました。
家に帰るたびに、レクサスとかシャネルのバックとかが増えていました。

で、日本にいてもどうしようもどうにもならないので、海外へ旅立つことに、、、。

で、英語も喋れないし、基本的に根暗なので（根暗に見える、本人は根明だと思っている）、最初の数年間、アメリカでは友達も出来ず、することがないのでひたすら勉強の日々。

あっ、オレって勉強好きじゃん、勉強出来るじゃん、とだんだん気づいてきました。

紆余曲折もありましたが、しっかり勉強し、その知識で身を立てようと思うようになりました。

ほとんど日本に帰る気がなかったし、まあ日本は私を受け入れてくれないだろうな、と思ってたので、アメリカに残るしかない、そして移民的な単純労働に就くのではなくて、自分の専門を活かしたしっかりとした知識労働に就きたいと思うようになります。

じゃあ、“ポジション”に応募しなくてはならないので、私にはこれこれの知識や技術があります、そしてこれこれがしたいです、と自分自身を定義する必要にせまられます。

で、自分なりではありますけど自分自身を“定義”し、修士までとり、アメリカで就職活動。

手ごたえなし。

（言い訳ですけど、今アメリカで外国人が仕事を見つけるのは、“相当“がつくほど優秀な人じゃないとほとんど無理ではないでしょうか。私は勿論その部類には入りません。）

資金も底をつき（リーマンショックでとっくの昔に成金没落）じゃあどうしようかと、、、

仕方がないので履歴書を日本へ送信。

面白いんですよね。結構、両極端に反応が別れました。

私の様な汚い経歴は、日系企業では思いっきり嫌われます。てか無視されました。
どっかの転職サイトなんかは、あなたを雇ってくれる会社はないだろうからこの件はCloseとさせていただきます、とご丁寧に電話で連絡をいただきました。

でも、いわゆる外資（アメリカ）ですよね。
一応専門を統計ってしてたので、そこにあたりそうなポジションへ直接履歴書を送信。
（Webの採用のページにアドレス書いてあるので、そこに添付で送りつける）
結構反応良かったです。
面接来て下さい、来て下さいと。。
私の経歴を評価？？していただきました。

まあ、アメリカにこだわるつもりもなかったですし、自分の専門知識を磨いていくことが優先事項だったので、帰国することに。

で仕事がきまり、ちゃんとした給料？？をもらい、満足して働いています。

ありがとう、アメリカ様。

と、こんな感じです。

学生さんへ、私から2つアドバイス。

（私は何にもなしてない人ですし、参考にならない部分の方が多いと思うので、読んでくれてる方はこれ以後読み飛ばしてね。）

ちゃんと勉強して、自分はこれこれについての知識がありますといえるようになること。
（人とふれあうのが好きです、人の役に立ちたいです、とかはいわなくてよい）

好きなことなんて探しても見つからないと肝に銘じること。
（何かに打ち込んで、じっとやってると、だんだんと、あっ、これ好きかもって思うようになってくるかもならないかも、、、。てか一生見つからない、自分がそれを好きになるしかない。）
好きなことをするには、高度な知識と技術が必要である。
（周りがあなたに好きなことさせてくれるには、あなたにしかできない技術が必要。）

と、こんな感じです。

参考にしないでね。

2010年11月06日19:49

カテゴリ: Stats other

2直線は等しいかどうかの検定　---　共分散分析

男女別（男=Ｍ、女=Ｆ）、身長と体重のデータがあります。
40件（表示では23件）。
bc1

このデータで散布図を描き、
男女別で回帰直線をあてはめる。
Ｘ：身長
Ｙ：体重
bc2

女性
体重(ポンド) = -189.773 + 4.775*身長(インチ)

男性
体重(ポンド) = -109.015 + 3.401*身長(インチ)

さて、この2直線は統計的に等しいと言えるでしょうか？異なってると結論付けるべきでしょうか？

交互作用項（性別*身長（インチ））を含んだモデルを作成し、
効果のｐ値を見る。
bc01

性別*身長（インチ）のｐ値は有意でない。
この時、“2つの直線の傾きは異なると言えない”、と結論付けることになる。

2直線の傾きは等しいとする。

では、交互作用項（性別*身長（インチ））、を除いてもう一度回帰分析する。
bc3

女性
体重(ポンド) = -136.452 + 3.899*身長(インチ)

男性
体重(ポンド) = -140.854 + 3.899*身長(インチ)

効果のｐ値を見る。
bc02

性別のｐ値は有意でない。
この時、“2直線の切片は異なると言えない”、と結論付けることになる。

2直線の切片は等しい。

結論として、統計的に2直線は違わないと言うコトです。

これって実は共分散分析と全く同じことなんですよね。

医療統計とかでよく使われるんですけど、
性別を治療法、身長を治療前の計数値、体重を治療後の計数値、と考えてみて下さい。

2直線の傾きが等しいかどうかの検定は、治療前の値が治療後の値の共変量かの検定で、
ここで有意が出なかった場合のみ次に進めて、
2直線の切片の差の検定は、治療法によって差があったかどうかの検定になるんですね。

2010年10月31日22:30

カテゴリ: private

ノルウェイの森

ノルウェイの森　上下巻セット (講談社文庫)
著者：村上春樹
講談社(2010-11-05)
販売元：Amazon.co.jp
クチコミを見る

9年ぶりに読んだのではないでしょうか、、。（今、上巻が終わったとこです）

うまく言えませんが、大人になることって、このような青春小説が読めなくなることって勝手に思っていました。

この大好きだった小説を5年位前に読もうとしたことがありました。

読めませんでした。

大人になったのだなって、もう青春じゃないのだなって、思っていました。

アメリカに住み、いかに身を立てて行くのかを考える日々。
小説と言えば、司馬遼太郎の戦国時代もの。

それに、私を異常なまでに愛してくれたガールフレンド。
性的に、恋愛的に、良くも悪くも、そういったものから解放されていた時期。

全く、「ノルウェイの森」なんて読み返す事ができませんでした。

そして、日本に帰り、独りになり、もう一度手に取ってみました。

読めますね。

ほんとに、いろんなことが書かれた小説です。

私は今、とても孤独を感じます。
そして、この孤独もいつかは終わりが来るってことも知っています。

完璧な幸福も不幸もないように、
やまない雨はないように、
容量の差があっても、私を受け入れてくれる場所も人も必ずいるってことを私は知っています。

孤独は好きです。
忘れていた感性がとても心地よくも感じられます。

私に誰かがいたことなんて、奇跡の様に感じられます。

楽しいですね、、、、生きることって。

（孤独は好きです、、、、どこかで聞いたような、、Ｆ．サガンでしたっけ？また読んでみよっかな。）

2010年10月29日02:35

カテゴリ: private

別れました、、

別れました、、

8年間ありがとう、、、

サボテンは育てなかったので花は咲きません、、

ほんとに冬が始まりますね、、

長くなるかなぁ、、、

（こういう時って、もう二度と誰にも愛されないんだなって思ったりしますよね、、ふふふ、、、）

2010年10月16日17:06

カテゴリ: Stats other

検出力（power）1-β　（改訂版）

検出力（power）1-β
帰無仮説（H0）が誤っている場合に、帰無仮説を棄却できる確率

一標本の平均を検定（t検定）をする場合、、

標本サイズ=200
α（赤い影部分）=0.05
H0 : μ=0.2
H1 : μ=0
とすると、、。
power1

平均の標準偏差（標本サイズが大きくなるとこれは小さくなる）
> sigma = 1 / sqrt(200)
> sigma
[1] 0.07071068

Z(2.5%)
> qnorm(0.025)
[1] -1.959964

H0の左側限界値
> 0.2 + qnorm(0.025) * sigma
[1] 0.06140962

ここで、青いラインで描かれた分布も正規分布と仮定すると、、

β
> pnorm(0.06140962, mean=0, sd=sigma)
[1] 0.8074296

検出力（1-β）
> 1 - pnorm(0.06140962, mean=0, sd=sigma)
[1] 0.1925704

power2

上でも述べたように、青い分布も正規分布（norm）と仮定した。
Rで計算した値と、表示の値が完全に一致しないのがわかるだろうか。。

0.19663 != 0.1925704
0.80367 != 0.8074296

標本サイズを20
α=0.05
H0 : μ=1
H1 : μ=0
として、描いてみる。
power3

青い分布が大きく歪む。
実はこれ非心t分布（Noncentral t distribution）。

1標本のt検定（もちろん2標本も）の検出力を正確に求めるのであれば、このNoncentral t distributionを使わなくてはならない。
（母標準偏差σが未知）

でも、母標準偏差σが既知として正規分布で説明する教科書がほとんどですね。

Noncentral t distributionについてはまた今度、、、