Data Analysis Topics｜rinascimento

シンプルな顧客セグメント戦略を使って成果を出すための方法

Hikaru Kashidaです。メルカリという会社で、データ分析チームのヘッドをやっています。ここ最近は、メルカリというフリマアプリサービス全体のグロースの戦略をリードしています。去る2018年の11月にweb担主催のカンファレンス『Web担当者ミーティングForum』にて登壇をしてきました。そちらで話した内容の概要について、こちらの記事でも文章として残して置きたいと思います。 ↑ 登壇で自分の名前がヘッドラインに載ったの初めてだったので感動。登壇のタイトルは

5分でわかる！Looker超入門：Lookerのスゴさと注意点【データ利活用の道具箱#8】

皆さんは、「Looker」というサービスをご存じですか？ Lookerは、Google Cloudが提供する、ユーザーのデータ体験を向上させることに重きを置いたサービスです。具体的には、皆さんがデータを使う際の「ちょっと困ったな」を解決して、快適にデータを使えるようにしてくれる、そんなサービスです。本記事では、そもそもLookerを知らない、名前だけは知っているけど何がすごいのかイマイチ分からない、というような方に向けて、 Lookerとは何か Lookerの何が

『データ分析』という言葉の解像度を上げる『3×2』の考え方を君にだけ教えよう

こんにちはHikaru Kashidaです。 "データ分析"というのは、非常にいろんな場面に使えるな〜、と常々思っているのですが、その反面あれもこれも同じように『データ分析』と呼ばれていて、言葉として解像度が低いよなあと思うことも増えてきています。この記事ではそんな、『データ分析』というかわいそうな便利ワードの解像度を少しあげられるかもしれない考え方をお教えします。読んだ方から頂いた反応序文. あなたが痩せたいとして突然ですが、「痩せたい」と思ったことはありませんか

メンバー1人1人のスキルアップを促す「等級（グレード）」と「給与テーブル」

風音屋（@Kazaneya_PR）では、メンバー1人1人のスキル水準をモニタリングし、さらなる成長を促すための仕組みとして「等級（グレード）」を設定しています。プロフェッショナル人材が少しでも正当な評価とフィードバックを受けられるように試行錯誤を経てきました。採用選考を進める中で「自分の場合はどのくらいのグレードになるのか？」というご質問をいただく機会が多々あります。この記事では、どういった考え方でグレードを設計・運用しているのかを、給与テーブルとセットで解説します。

「機械学習〜推薦システムを題材に〜」講義資料(生成AIの話題も含む)

2023年に東京都立大学で非常勤講師として、学部3年生向けに「機械学習〜推薦システムを題材に〜」というテーマで講義をしました。 90分×3コマ×2日間の計6コマの集中講義で、Streamlitで映画のレコメンドアプリを実際に作ってみるなどの演習も含めたものです。昨年、大学院生向けに同様の講義を3コマ分していたので、それを拡張する形で、最近話題の生成AIの話も1コマ分用意しました。（昨年の授業資料はこちらにあります。）推薦システムや生成AI×推薦システムについて興味ある

メルカリ小泉さんからのエグい学び

ありがたいことに年末にメルカリの小泉さんとランチをご一緒させてもらいました。 CTO(@yutadayo)が作成した過去の失敗スライドに、リプライをいただいのがきっかけだったのですが、長らく競合事業(現ラクマ)をやっていたこともあり、きちんとお話ししたことがなく、とても学びが深かったので、ご本人に許可をいただいて、メモした内容と学びをシェアさせていただきます。なんでメルカリに？噂ではフリルにも入社してもらえる可能性もあったとか？2007年よりミクシィに入社し、2012年

メルカリで値段の「¥マーク」を小さくしたら購入率が伸びた理由、ペイディがサービス名を「カタカナ表記」にする理由など、プロダクトのマーケ施策まとめ30(2023)

2023年に取材した記事から、長く参考になりそうな施策をまとめました。※ 数値等はあくまで取材当時のものです。 1、商品ページの「¥マーク」を小さくしたら購入率アップ（メルカリ）メルカリでは、商品詳細ページの「値段の¥マーク」を小さくしたところ、購入率が大きく上昇した。理由としては、¥マークを小さくしたほうが、心理的な「価格の圧迫感」が減って、心理的にすこし安く感じるためと考えられている。例えば、¥マークが大きいと桁数が多く感じたり、価格を高めに感じやすい。この案が

「サンプルサイズが大きすぎると良くない」と思います

ハローワールド！アイシアです！（写真は謎の美少女とのツーショット）いつもはデータサイエンス VTuber として、統計、機械学習、 Deep Learning の動画などを出してます。よかったらチャンネル登録してね！ちょっと前に twitter でバズっていたこの記事を拝見して、バーチャル Data Scientist なりに考えたことを書いてみようと思います。統計的有意と実務的有意いきなり結論に近いことを言います。「有意」という言葉は、「意味がある」とい

成長し続けている会社の経営陣10の特徴と僕が意識していること

皆様、こんにちは！テックタッチ株式会社のCFO/CPOの中出　昌哉（なかで・まさや）です。（@masaya_nakade）直近取締役にも就任させてもらって、経営について考える機会が増加しています。そんな中、経営陣note企画で僕の番が来ました。従前は、CFO業務やCPO業務のより業務に近い領域のnoteを書いてきたのですが、今回は趣向を変えて、少し俯瞰した目線でnoteを書いてみたいと思います。ライトな内容・分量なのでパッと読めると思います。今回の内容は、タイトルの

『新規事業を加速させるリサーチ術』講演当日に話したかったこと書いておきます

　こんにちは、Cobe Associeの田中志です🌳 　先日ビザスクさんにお呼び立ていただいて、『新規事業を加速させるリサーチ術』のタイトルでお話をしてきました。事前申し込みで1,200名近く（！）、当日も700名ほどの方がご参加頂いていたようで、大変ありがた&恐縮です。　さきほど担当者の方から参加してくださっていた方からの具体的フィードバックもお戻しいただきまして、”もう少し時間があれば...”的なコメントがいくつかありました。私の時間配分が下手で本当にごめんなさい。

グロースの逆説 : メルカリで分析とサービスグロースをやる前に知りたかったこと

この記事ではメルカリという会社で4年ほどプロダクトやマーケティングの分析、グロースなどをやっていた僕（ hik0107 / hikaru ）がそこで得た学びをまとめておこうと思います。特に「こうやったらうまく行った」というよくある成功談ではなく、「これをわかってなかったために時間を浪費した」「結局の所、これが一番大事という当たり前の結論に達した」などという"知っていれば手間をショートカットできたこと"をメインテーマに書いていこうと思います。そういう知見は一見

3年間の業務と1on1を経て学んだ、よりよい仕事の進め方

こんにちは、ひぐです。新卒から3年間弱、データサイエンティストとして働いていました。 3年間で業務や、多くの方との1on1を通じて様々な仕事の進め方を教わりました。(1on1の議事録はA4 400ページ分くらいありました。。。！）本記事では、これまで教わったことを忘れないように、また共有できるように、経験をまとめてみました。「カッツモデル」というスキル分類方法(ヒューマンスキル・テクニカルスキル・コンセプチュアルスキル)に基づいてそれぞれ分けたので紹介します。なお、

階層ベイズ入門 | Eight Schoolsデータを用いて特別教育プログラムの効果を推定する

前回、ベイズ推定の基本について野球選手の打率を例にとって学びました。今回はもう一歩踏み込み、学校教育を例にとって階層ベイズモデルについてがんばって考えていきたいと思います 💪 使用するデータ今回は Eight Schools というデータを使用します。これはアメリカの 8 つの高校で実施された SAT−V スコア向上のための特別な教育プログラムの平均値と標準誤差（※1）のデータです。例えば、学校 1 の平均と標準誤差はそれぞれ 28, 15 となります。今回やりたい

売上を100倍にするのにやってきたこと

2023年11月29日の株主総会を持って7年以上務めてきた株式会社キャスターの取締役を退任しました。業務委託で手伝ってた期間も入れると8年以上、キャスターの経営や事業に携わってきたわけですが、その間に売上は100倍以上、従業員も50倍以上になりました。私が管掌した範囲は広いのですが、比較的新しい事業の立ち上げ、既存事業で伸び悩んでるところの立て直し、営業やマーケなどレベニューを最大化するミッションが多かったです。今回は、100倍以上に会社をしてきた中で、どんなことを考え

Data Analysis Topics

記事一覧