COLUMN
株式会社Crosstabがコンサルティングの現場にて得た知見や
アナリティクスやマーケティングに関する役立つ情報をご提供しています。
- マーケターのためのダイナミックプライシング (2)
- マーケターのためのダイナミックプライシング (1)
- マーケターのためのRobynを用いた自動Marketing Mix Modeling (MMM)
- GoogleのMMMツール「lightweight MMM」を使う
- マーケターのための生成AIモデル
- pythonベースのMLOpsツールKedroの紹介
- LightweightMMM 落穂ひろい 事前分布/GEOモデルなど
- Meta Robyn(Marketing Mix Modelingツール)を動かす-2023年版 バージョンエラーが出て困る方へ
- シンプルなPython MMMツール MaMiMoの紹介
- マーケターのためのCausal Impact
- マーケターのための非契約型商材のライフタイムバリュー(CLV)予測 python lifetimesパッケージを使用した実践
- Marketing Mix Modeling (MMM) 動向 2022年版
- マーケターのためのGoogle Cloudを用いたデータ解析基盤 活用と構築 (データ基盤編)
- 各社データプラットフォーム(データ基盤)ソリューションのまとめ (2022年版)
- マーケターのためのデータビジネス開発 ワークショップ
- 中小企業の広告費に関する意識調査 (2021年11月)
- Jupyterで動くデータ分析GUIツール bamboolibのインストール 2021年版
- マーケターのための伝わるテーブルチャート&グラフ作図 入門
- マーケターのためのPythonで始めるレコメンデーション入門
- ポストコロナはSociety5.0の時代、データを活用した付加価値創造が焦点となる
- クロス集計を制するものはデータ分析を制する
- マーケターのための施策検証手法 -A/Bテストを通して-
- マーケターのための需要予測 Prophetを用いた方法
- マーケターのためのクラスタリング入門
- マーケターのための回帰モデル (2)
- マーケターのための回帰モデル (1)
- マーケターのための統計的因果推論 (2)
- マーケターのための統計的因果推論 (1)
- 実践マーケティングのための主成分分析
- Lifetime Value (ライフタイムバリュー) LTVを活用しよう
- 主成分分析の数理的意味を考える
- 教師データの重要性
- 2020’ データサイエンティストになりたい人に求められるスキル
- Jupyter Notebooks上でGUI感覚でデータ解析を行う
- データサイエンス初学者が最短でPythonを学ぶ方法
- 外れ値処理の考察
- 広告効果定量化のためのMarketing Mix Modeling (MMM) 入門と実践(3)
- 広告効果定量化のためのMarketing Mix Modeling (MMM) 入門と実践(2)
- 広告効果定量化のためのMarketing Mix Modeling (MMM) 入門と実践(1)
- データサイエンティスト 再考-これまでとこれから（4）
- 協力ゲーム理論を用いた次世代アトリビューション分析のご紹介
- データサイエンティスト 再考-これまでとこれから（3）
- データサイエンティスト 再考-これまでとこれから（2）
- Pythonによるサンキーダイアグラムの描き方 (2)
- データサイエンティスト 再考-これまでとこれから（1）
- Pythonによるサンキーダイアグラムの描き方 (1)
- データサイエンティストが特許を取得するまで
- サンキーダイアグラムの紹介とその可読性を上げるための最適化手法
- 提案の次フェーズ、キックオフフェーズで重要な事
- 提案フェーズでの分析者の役割と決めておく事
- 何も分からないままマネージャーになった人へー分析プロジェクトのフレームワーク（全体編）
- 絶対評価される！価値を生み出すデータ分析プロジェクトマネジメント
Sorry, no posts matched your criteria.