20110426 jrmx講演資料(配布版)

【ソーシャルメディア分析前線】- ソーシャルメディアリサーチサービス

の可能性を見る –（配布版）

2011年4月26日（株）ホットリンク内山幸樹

JMRX勉強会

Facebook: http://www.facebook.com/HottoWorld/Twitter: @ucchyBlog : http://blog.livedoor.jp/koki_uchiyama/

本日のテーマ

SocialMedia

分析業界

(10~15億

円)

リサーチ業界

(1700億）

本日のテーマ

SocialMedia

分析業界

(10~15億

円)

リサーチ業界

(1700億）

Social Media

Research領域(X億円)

ホットリンクの口コミ事業

【クチコミ分析ツール・技術提供】

【クチコミデータ提供】

昔の専門はこちらでした→数値流体力学とアメリカズカップ

ソーシャルメディアの普及

Copyright © 2000 – Hottolink Inc. All rights reserved6

SOCIAL MEDIA REVOLUTION Ⅱ

（実際の動画はこちらでご覧になれます）↓

http://youtu.be/IV3CjtZRwEk


「ソーシャルメディアを分析することは、宇宙にある人工衛星から、地球に住んでいる人の頭の中を見させてもらうようなこと」

実際に、宇宙から、日本に住んでいる人の様子を眺めてみましょう

私の実体験から

昨年末、風邪で寝込み、あまりの寒気に、長袖と長ズボンのヒートテックを購入。

３日間、熱にうなされながら、ベッドの中でずっとヒートテックを着たまま寒気に耐えて療養したところ、腕・足・股にもうれつな痒みが発生。

かゆいところを見てみると・・・・・

ソーシャルメディア世界のデータ量を体験

腕足

股は・・・・、お見せできません。。。。（笑）

コールセンターへの声とソーシャルメディア世界の声の内容の違い

情報の充実度

情報発信の大変さ

ホームページ

ブログ

SNS

ミニブログ

コールセンターへの電話

問：私は先の症状と苦情をユニクロのコールセンターに電話するでしょうか？答：「コールセンター」に電話をかけたり、「ブログ」に書いたりはしませんが、「ツイッター」や「Facebook」ではつぶやくかもしれません

フリーのサービスを

使うだけでも、いろいろわかります

Twtiter検索してみると、

同じような症状の人がたくさんいるようだ。。。

有料のソーシャルメディア分析

ツールを使うと

ソーシャルメディア世界のデータの分析例

ヒートテック全体の口コミと「痒み」を伴う口コミの両方を検索してみる


冬になるに従いどんどん増えているようだ。

ヒートテック痒み系


意外に、ほっといては、ヤバい？というような書き込みがチラホラ。


ユーザの生の声、利用シーン、利用の仕方など、様々な情報がつかめます。


ヒートテック単体


ヒートテック痒み系ヒートテック単体

60歳以上や、２０歳未満の人に、「痒み」の書き込みが多いようだ

ヒートテック単体


ヒートテック痒み系ヒートテック単体


九州沖縄、中部地方で多いようだ


同じ時期では、去年の倍の数、書きこまれているようだ

ソーシャルメディア分析の特徴

「ヒートテックを購入」かつ「かゆみの症状がある」大量のユーザパネルが得られる → データ量

熱にうなされながらも、１時間もかからず、できてしまう。→ スピード

後戻りできない調査ではなく、調査をしながら仮説・検証を繰り返せる。→ 何度もやり直せる。深堀できる。

過去にもさかのぼって調査できる

ソーシャルメディ分析の活用範囲

ブランド力調査/マインドシェア調査市場ニーズシェア調査ブランドイメージ調査キャンペーン効果調査キャンペーン分析（クロスメディア）広告クリエイティブのヒントインフルエンサーの特定商品開発・改善のヒント獲得風評調査売上予測選挙予測株価予測

キャンペーンの反響分析の例

動画で紹介


http://youtu.be/jqyu29bFyKs


ブランドパワー分析

②周期型 ④持続型

①突発型 ③季節型

まずはクチコミの波形分類から。。。

キャンペーン等の刺激がなくとも、一定量の話題が発生している＝「ブランド力」と定義できるのではないか？

Copyright © 2000 – Hottolink Inc. All rights reserved

・キャンペーン期間：H17年度から5年間（広告出稿は夏冬の年２回）

・予算規模：40億円（年間8-10億円予算/全国の酪農家から拠出金：生乳1ｋｇ当たり15銭）

・目的：牛乳の消費拡大

・ターゲット：中高校生（牛乳離れがひどく、マイナスイメージも増加（おいしくない、かっこ悪い、子供の飲み物など））

・キャンペーンの基本構造：

夏（7月下旬～8月末）と冬（12月末～2月初旬）2回、TV-CFを2000-2500GRP放映し、それにあわせ交通広告、平面媒体、イベントを実施する。またネット上（web及び携帯）の広告およびイベント等は通年を通し実施する。

・広告代理店：電通

「牛乳に相談だ」キャンペーンは、社団法人中央酪農会議が、牛乳消費拡大事業の一貫として2005年7月から若年層の牛乳離れをくい止めるために行っている牛乳の消費拡大キャンペーン。

「牛乳に相談だ」キャンペーン概要①


0

10

20

30

40

50

60

70

2006/11/01

2006/11/13

2006/11/25

2006/12/07

2006/12/19

2006/12/31

2007/01/12

2007/01/24

2007/02/05

2007/02/17

2007/03/01

2007/03/13

2007/03/25

2007/04/06

2007/04/18

2007/04/30

2007/05/12

2007/05/24

2007/06/05

2007/06/17

2007/06/29

2007/07/11

2007/07/23

2007/08/04

2007/08/16

2007/08/28

2007/09/09

2007/09/21

2007/10/03

2007/10/15

2007/10/27

2007/11/08

2007/11/20

2007/12/02

2007/12/14

2007/12/26

2008/01/07

2008/01/19

2008/01/31

2008/02/12

2008/02/24

2008/03/07

2008/03/19

2008/03/31

2008/04/12

2008/04/24

2008/05/06

2008/05/18

2008/05/30

2008/06/11

2008/06/23

2008/07/05

2008/07/17

2008/07/29

2008/08/10

2008/08/22

2008/09/03

2008/09/15

2008/09/27

2008/10/09

件数2006年冬CP12/30-2/42300GRP

シンクロ編

2007年冬CP12/27-2/62000GRPKISS編

2008年夏CP7/20-8/312000GRP

牛乳相談会編

2007年夏CP7/15-8/312300GRPKISS編

ショッピング編

5/24異常値？2ｃｈで51件9/14異常値1009件

2ｃｈにスレタイトル【雑談】牛乳に相談だ！？

※それぞれ同時期に、交通広告（200駅×1WEEK程度）を実施。また、webおよび携帯サイトでの訴求は常に実施している。

出現数合計：1139一日平均12.7件※キャンペーン開始の12/30から前日の約２倍出現。3日後には5倍。

出現数合計：2841一日平均31.6件※キャンペーン開始の7/15から前日の約３倍出現

出現数合計：1622一日平均18.0件※キャンペーン開始の12/27から前日の9倍の出現出現数合計：1864

一日平均20.7件※キャンペーン開始の3日後7/23から約３倍の出現

TVキャンペーンとネットの出現数①


キャンペーン期間と休止期間における出現数比較

0.0

5.0

10.0

15.0

20.0

25.0

30.0

平均出現数（日）

下表は、2006年11月から2008年9月まで、日次ベースのキャンペーンワードの出現数を月

ごとに平均したものである。期間中４回のキャンペーンが行われたが、それぞれキャンペーンのピークを過ぎると、忘却曲線を描きながら終息に向かっていることがわかる。


ネットのクチコミ出現数とブランド資産の累積効果の可視化

0.0

5.0

10.0

15.0

20.0

25.0

30.0

2006年

11月

2006年

12月

2007年

01月

2007年

02月

2007年

03月

2007年

04月

2007年

05月

2007年

06月

2007年

07月

2007年

08月

2007年

09月

2007年

10月

2007年

11月

2007年

12月

2008年

01月

2008年

02月

2008年

03月

2008年

04月

2008年

05月

2008年

06月

2008年

07月

2008年

08月

2008年

09月

継続的なクチコミ発生＝ブランド資産

クリエイティブ変更による資産のリセット

前述のグラブに2本の並行な補助線を記入すると、山の上限と下限が右上がりになっていることが見て取れる。

①キャンペーンを追うごとにスタート地点が高くなっている② 〃到達地点が高くなっている③ 〃忘却曲線のカーブがなだらかになっている④クリエイティブとメッセージの大幅な変更は、過去の資産をリセットされる

つまり、継続したキャンペーンにおいては確実にブランド資産が形成されており、ネットの口コミを計測することで可視化が可能となると考えられる。

「牛乳に相談だ」キャンペーンは、2005年7月スタートであり、すでに３期分（15億円程度）の投下がなされている。

ブランド力比較の例

動画で紹介


http://youtu.be/VgHiE2b6jrw


TVの視聴率と、ブログ、Twitterの書き込み数との関係

（非公開とさせていただきます）m(_ _)m

（非公開とさせていただきます）m(_ _)m



ちょっと閑話

今回の震災が国民に与えたインパクトの大きさ

※震災に関する「クチコミ数」を、国民のマインドに与えた「インパクトの大きさ」と読み替えているところがポイント

地震と原発のどちらがよりインパクトが大きいのか？

-200,000 400,000 600,000 800,000

1,000,000 1,200,000 1,400,000 1,600,000

2011

/03/

10

2011

/03/

12

2011

/03/

14

2011

/03/

16

2011

/03/

18

2011

/03/

20

2011

/03/

22

2011

/03/

24

2011

/03/

26

2011

/03/

28

2011

/03/

30

2011

/04/

01

2011

/04/

03

地震と原発事故のクチコミ数

推移（日別）

地震（除く原発

系）

原発系

-

2,000,000

4,000,000

6,000,000

8,000,000

10,000,000

12,000,000

地震と原発事故のクチコミ数推移

（累積）

地震（除く原発系）

原発系

地震だけでも、未曽有のインパクトであるにも関わらず、その後、原発による災害のインパクトが重なり、３月２７日時点で、地震のインパクトを超えている。

３月２７日

今回の震災が国民のマインドに与えた影響

マインド変化

ポジティブKW群＝飲み会宴会解禁パーティーイベント居酒屋

ネガティブKW群＝中止品切れ品薄自粛おこもり

0

5000

10000

15000

20000

25000

03月

08日

03月

09日

03月

10日

03月

11日

03月

12日

03月

13日

03月

14日

03月

15日

03月

16日

03月

17日

03月

18日

03月

19日

03月

20日

03月

21日

03月

22日

03月

23日

03月

24日

03月

25日

03月

26日

03月

27日

03月

28日

03月

29日

03月

30日

03月

31日

ポジティブキーワード群ネガティブキーワード群

• 25日を境にポジティブKW群とネガティブKW群が逆転する。

• 31日時点でポジティブKW群は震災前(10日）の87％に回復。

• ネガティブKW群は、31日時点で以前、震災前(10日）の5倍以上発生している。

地域別マインド変化

東日本が西日本の1.30倍あったポジティブKW群が、震災後西日本を下回ったものの、31日時点で、1.23倍まで回復している。

2000250030003500400045005000550060006500

ブロ

グ記

事数

地域別ポジティブキーワード

群

東日本西日本

0

2000

4000

6000

8000

10000

12000

14000

ブロ

グ記

事数

地域別ネガティブキーワード群

東日本西日本

今回の震災が国民の生活スタイルの変化に与えた影響

国民の意識変化

0

2000

4000

6000

8000

10000

12000

3月1日

3月3日

3月5日

3月7日

3月9日

3月11

日

3月13

日

3月15

日

3月17

日

3月19

日

3月21

日

3月23

日

3月25

日

3月27

日

3月29

日

3月31

日

【節約】

2011年

2010年

2462272201761752442342442243582051

66529

143054147759

101751

75743765037108652297

420174138137313323632758225543220241775118553171221681915203105134167103120110113133109120118157961359710112517210682911221021101232081151161231601270

20000

40000

60000

80000

100000

120000

140000

160000

3月1日

3月3日

3月5日

3月7日

3月9日

3月11

日

3月13

日

3月15

日

3月17

日

3月19

日

3月21

日

3月23

日

3月25

日

3月27

日

3月29

日

3月31

日

【節電】

2011年

2010年

0

2000

4000

6000

8000

10000

12000

14000

16000

3月1日

3月3日

3月5日

3月7日

3月9日

3月11

日

3月13

日

3月15

日

3月17

日

3月19

日

3月21

日

3月23

日

3月25

日

3月27

日

3月29

日

3月31

日

【自粛、巣ごもり、おこもり】

2011年

2010年

0

10000

20000

30000

40000

50000

60000

70000

80000

3月1日

3月3日

3月5日

3月7日

3月9日

3月11

日

3月13

日

3月15

日

3月17

日

3月19

日

3月21

日

3月23

日

3月25

日

3月27

日

3月29

日

3月31

日

【寄付応援】

2011年

2010年

「自粛」「寄付・応援」ムードは継続し、「節電」「節約」は急速に元に戻りつつある

今回の震災の業界別のインパクト

業界比較

ファッション業界は落ち込みが継続しているが、エンタメ業界は回復しつつある

0

5000

10000

15000

20000

25000

3月1日

3月3日

3月5日

3月7日

3月9日

3月11

日

3月13

日

3月15

日

3月17

日

3月19

日

3月21

日

3月23

日

3月25

日

3月27

日

3月29

日

3月31

日

ファッション業界

2011年

2010年

0

10000

20000

30000

40000

50000

60000

3月1日

3月3日

3月5日

3月7日

3月9日

3月11

日

3月13

日

3月15

日

3月17

日

3月19

日

3月21

日

3月23

日

3月25

日

3月27

日

3月29

日

3月31

日

エンタメ業界

2011年

2010年


0

20

40

60

80

100

120

140

160

180

200

累計 1 11 15 21 25 30 32 46 100 127 132 147 152 154 155 159 162 164 165 166 168 170 171 172 173 174 175 176 177 178 179

日別 1 10 4 6 4 5 2 14 54 27 5 15 5 2 1 4 3 2 1 1 2 2 1 1 1 1 1 1 1 1 1

2009/8/3

18 :01

2009/8/3

20 :01

2009/8/3

22:01

2009/8/4

0:01

2009/8/4

2 :01

2009/8/4

4:01

2009/8/4

6 :01

2009/8/4

10:01

2009/8/4

12 :01

2009/8/4

14:01

2009/8/4

16 :01

2009/8/4

18 :01

2009/8/4

20:01

2009/8/4

22 :01

2009/8/5

4 :01

2009/8/5

6:01

2009/8/5

8 :01

2009/8/5

10:01

2009/8/5

12 :01

2009/8/5

14:01

2009/8/5

18 :01

2009/8/5

20 :01

2009/8/6

14:01

2009/8/9

22 :01

2009/8/12

14 :01

2009/8/17

20:01

2009/8/17

22 :01

2009/8/19

14:01

2009/8/19

16 :01

2009/8/20

10 :01

2009/8/24

14:01

リリース配信直後は大きな反応は見られなかったが、翌日の12時頃に急激に

話題が盛り上り、リリース配信後の約24時間後には完全に話題として収束。

リリース配信直後

データサンプル：COOLPIX S1000pj(NIKON) 発売リリース 2009/8/3

翌日12頃に急激に広がる

話題収束

ソーシャルメディアの伝播力の威力


データサンプル：COOLPIX S1000pj(NIKON) 発売リリース 2009/8/3サイズ=影響力, 色=Follower

レポートサンプル：ネットワーク図


データサンプル：COOLPIX S1000pj(NIKON) 発売リリース 2009/8/3サイズ=影響力, 色=Follower

レポートサンプル：時系列伝播図

Ｃ

予測

公職選挙における得票予測

目的

公職選挙におけるWeb上での書き込みと、実際の得票数との関係をモデル化し、事前に得票数を予測できるスキームを構築する

手法

特定のキーワードで検索の問い合わせをし、ヒットしたブログエントリを解析する株式会社ホットリンクが提供するAPIを利用

投票日の1ヶ月前を集計開始日とし、そこからの累積エントリ数と終得票数との相関係数を算出する

東京大学工学部松尾豊准教授及び４年（当時）末並晃氏との研究

千葉県知事選挙

告示日：2009年3月12日投票日：2009年3月29日

投票日前日までのブログエントリ数と終得票数の間の相関係数：0.98時間とともに相関係数は増加し、告示時点でほぼ1に近い値まで推移

累積ブログエントリ数

0200400600800

100012001400160018002000

2009-0

3-01

2009-0

3-03

2009-0

3-05

2009-0

3-07

2009-0

3-09

2009-0

3-11

2009-0

3-13

2009-0

3-15

2009-0

3-17

2009-0

3-19

2009-0

3-21

2009-0

3-23

2009-0

3-25

2009-0

3-27

2009-0

3-29

森田健作

吉田平

白石真澄

八田英之

西尾憲一

名古屋市長選挙


投票日前日までのブログエントリ数と終得票数の間の相関係数：0.95当選者の河村氏は話題性が高く、告示前から0.9以上の相関で推移


0200400600800

10001200140016001800

200

9-03

-29

200

9-03

-31

200

9-04

-02

200

9-04

-04

200

9-04

-06

200

9-04

-08

200

9-04

-10

200

9-04

-12

200

9-04

-14

200

9-04

-16

200

9-04

-18

200

9-04

-20

200

9-04

-22

200

9-04

-24

200

9-04

-26

河村たかし

細川昌彦

太田義郎

黒田克明

宝塚市長選挙


投票日前日までのブログエントリ数と終得票数の間の相関係数：0.85告示前から少しずつ話題になり始め、告示時点では相関の高い水準まで到達


010203040506070

2009

-03-

22

2009

-03-

24

2009

-03-

26

2009

-03-

28

2009

-03-

30

2009

-04-

01

2009

-04-

03

2009

-04-

05

2009

-04-

07

2009

-04-

09

2009

-04-

11

2009

-04-

13

2009

-04-

15

2009

-04-

17

2009

-04-

19

中川智子

伊藤順一

芝拓哉

西田雅彦

菊川美善

中原等

青森市長選挙


投票日前日までのブログエントリ数と終得票数の間の相関係数：0.99告示の2週間ほど前には0.9以上の相関係数に到達しているが、エントリの絶対数は少ない


010203040506070

200

9-03

-22

200

9-03

-24

200

9-03

-26

200

9-03

-28

200

9-03

-30

200

9-04

-01

200

9-04

-03

200

9-04

-05

200

9-04

-07

200

9-04

-09

200

9-04

-11

200

9-04

-13

200

9-04

-15

200

9-04

-17

200

9-04

-19

鹿内博

佐々木誠造

関良

相関係数の時間推移

累積エントリ数と最終得票数の相関係数（千葉県知事選）

0

0.2

0.4

0.6

0.8

1

2009

-03-

01

2009

-03-

03

2009

-03-

05

2009

-03-

07

2009

-03-

09

2009

-03-

11

2009

-03-

13

2009

-03-

15

2009

-03-

17

2009

-03-

19

2009

-03-

21

2009

-03-

23

2009

-03-

25

2009

-03-

27

2009

-03-

29

年月日

相関

係数

累積エントリ数と最終得票数の相関係数（青森市長選）

0

0.2

0.4

0.6

0.8

1

2009

-03-

22

2009

-03-

24

2009

-03-

26

2009

-03-

28

2009

-03-

30

2009

-04-

01

2009

-04-

03

2009

-04-

05

2009

-04-

07

2009

-04-

09

2009

-04-

11

2009

-04-

13

2009

-04-

15

2009

-04-

17

2009

-04-

19

年月日

相関

係数

累積エントリ数と最終得票数の相関係数（名古屋市長選）

0

0.2

0.4

0.6

0.8

1

2009

-03-

29

2009

-03-

31

2009

-04-

02

2009

-04-

04

2009

-04-

06

2009

-04-

08

2009

-04-

10

2009

-04-

12

2009

-04-

14

2009

-04-

16

2009

-04-

18

2009

-04-

20

2009

-04-

22

2009

-04-

24

2009

-04-

26

年月日

相関

係数

累積エントリ数と最終得票数の相関係数（宝塚市長選）

0

0.2

0.4

0.6

0.8

1

2009

-03-

22

2009

-03-

24

2009

-03-

26

2009

-03-

28

2009

-03-

30

2009

-04-

01

2009

-04-

03

2009

-04-

05

2009

-04-

07

2009

-04-

09

2009

-04-

11

2009

-04-

13

2009

-04-

15

2009

-04-

17

2009

-04-

19

年月日

相関

係数

※赤いラインが告示日。

キーワードの選定例メリット・デメリット

候補者のフルネーム

田中一郎 ○ヒットしたエントリの多くが選挙関連のエントリである可能性が高い

×ありがちな名前の場合、選挙関連でない場合がある

×フルネームでブログエントリを書かない人もいるので網羅性が低くなる場合もある

候補者の名字田中 ×まったく関係ないエントリが数多くヒットする

選挙名＋候補者のフルネーム

○○市長田中一郎

○関係ないエントリがヒットする可能性はもっとも低い

×検索の網羅性は低い

選挙名＋候補者の名字

○○市長田中

○関係ないエントリがヒットする可能性はある程度低い

○フルネームを使う場合に比べ、ある程度の量のエントリを検索できる

○ヒット件数と選挙との関連性のバランスはもっともよい

選挙名＋候補者の名字－他候補者の名字

○○市長田中 –佐藤 –山田

○選挙自体でなく、その候補者に着目したエントリを検索することができる

×ヒット件数は少ない

×当選者のヒット数が極端に多くなり、他の候補の得票予測ができない

2009年衆議員総選挙予測モデル

個人名、政党名でのブログエントリ数（その他の情報）を使った回帰分析 f = a1 × x1 ＋ a2 × x2 a1,a2:係数

x1：個人名をクエリとした場合のブログエントリ数

x2：政党名をクエリとした場合のブログエントリ数

パラメータ算定方法 2005年総選挙の同選挙区において重回帰分析

その他、いくつかのパラメータ

予想得票率と実際の得票率の補正

0

0.2

0.4

0.6

0.8

1

1.2

-5 -4 -3 -2 -1 0 1 2 3 4 5

ロジスティック曲線

投票行動の決定要因となりえる変数と実際の得票率の関係はS字になることを発見

クチコミによる選挙得票率予測

結果

8月30日時点の予想(8月29日までの口コミを元にした予想)と総選挙の開票結果は、300選挙区中241選挙区で当選者を的中（80.33%の的中率）。

新聞社による調査結果との比較

ソーシャルメディアリサーチによる予測プロセス

金を掘り当てるクチコミ＠総選挙ソーシャルデータを掘り

当てる

金鉱候補の土地の権利を得る

日本中のブログデータを収集する

データを収集する

サンプリングするサンプリングするサンプリングする

精製する

スパムフィルター評判分析

を行う

スパムフィルター評判分析

各種フィルターを掛ける

どの場所、どんな色、どんな形の岩石を、どんな

風に精製すると、

金が効率よく取れるのか？の

ノウハウを得る

過去の選挙結果と、過去のクチコミとの関係をモ

デル化する

どういうデータを、どう加工すれば、欲しい知識が得られるのか、モデル

化する

ノウハウに従って、大量採掘する

現在のクチコミをモデルに投入する

モデルに従って、新しいデータを入れる。

課題クチコミと売上との関係を分析するための、網羅

的な（競合も含めた）売上データの提供がないと、モデルを作ることができない。

技術の問題ではなく、データを手に入れられるのか？という政治的な問題。

解決策のひとつデータが公表されている株価とクチコミの関係で

技術検証を行ってみる

日経225先物価格の予測サービス

67

過去の日本中のブログ

過去の日経２２５価

格

過去の日経２２５出

来高

機械学習

予測モデル

前日の日本中のブログ

売り・買い・見送り

指示

ボラティリティ・フィボナッチ分

析

損切り幅指示

事前処理

運用時処理

前日の日経２２５価

格

前日の日経２２５出

来高

予測モデル

適用

入力

出力

入力出力

出力

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

18,000

20,000

-200,000

0

200,000

400,000

600,000

800,000

1,000,000

1,200,000

1,400,000

1,600,000

純利

益（

円）

2007年1月1日~2009年7月31日の運用損益(日経225mini1枚

当たり10万円)

純利益

日経平均

バックテスト期間:運用益 1464%/2年7ヶ月


7,000

7,500

8,000

8,500

9,000

9,500

10,000

10,500

11,000

-10,000

0

10,000

20,000

30,000

40,000

50,000

60,000

70,000

80,000純

利益

(円)

2009年8月1日~2009年11月30日の運用損益(日経225mini1

枚当たり10万円)

純利益

日経平均


フォワードテスト期間：運用益３９%/4ヶ月

３分００秒


2,000

4,000

6,000

8,000

10,000

12,000

-400,000

-200,000

0

200,000

400,000

600,000

800,000

1,000,000純

利益

（円

）

実運用期間の運用損益（日経225先物ラージ1枚当たり100万円）

実運用期間：運用益７２%/7ヶ月

４分００秒

ソーシャルメディア分析とマーケティングリサーチの関係

従来のリサーチとソーシャルメディアリサーチの違い

従来のマーケティングリサーチ

ネットリサーチソーシャルメディアリサーチ

コスト大少極小

スピード数週間～数ヶ月数日～数週間数分～数時間

調査対象ユーザ

リアルネットユーザソーシャルメディア利用

ユーザ

調査対象規模

数十人～数百人数百人～数千人２千万人以上

スクリーニング

・デモグラフィックでスクリーニング

・デモグラ＋ビヘイビアでスクリーニング可能

・キーワードでスクリーニング可能

質問項目・聴きたいことが

聴ける・聴きたいことが

聴ける

・聴きたいことは聞けない・生の声が聴ける＝発見が

得られる

その他・デイリーで観測が可能

・過去にさかのぼって調査ができる

既存リサーチサービスメニューに照らすと

リサーチメニューネットリサーチ

オープン型調査グループインタビュー

会場調査

携帯調査

医師調査

海外調査

その他リサーチ調査

企画集計・分析

マーケティングデータ提供サービス

テーマ別ソリューションブランド戦略

プライシング

市場ニーズセグメント分析

セグメンテーション

競合分析

ポジショニング

コンセプトデザイン調査

プロダクトプランニング調査

プロモーション効果測定

顧客満足度調査

ここの一部に入るか

ソーシャルメディアリサーチ

新メニューとしてここに入るか

ソリューションのパターン

既存のリサーチ

SocialMediaリサーチ

+

パターン１

パターン３外観・仮説作りのためのSocialMediaリサーチ

→ 既存のリサーチ

パターン２

パターン４

既存のリサーチ

＋OptionとしてのSocialMediaリサーチ

ソーシャルメディアリサーチ浸透への課題

権威付け：クチコミの数に「意味」付けをする

クチコミと対比すべき目標データの網羅的な整備と関係の検証

分析された結果を活用する企業側のノウハウ蓄積

ビジネスモデル

ご清聴ありがとうございました。

Facebook: http://www.facebook.com/HottoWorld/Twitter: @ucchyBlog : http://blog.livedoor.jp/koki_uchiyama/

付録：評判分析の仕組み（Twitter版）

• 露出指標の定量化技術

• ユーザ毎の影響力の定量化技術

• つぶやきの情報伝播経路の可視化技術

• 時間別話題内容の変化把握技術

• つぶやきの評判分析技術

実際の発言から、何が良くて、何が悪かったのかを簡単に把握するにはどうすれば

よいでしょうか？

まずは、実際に某消費財ブランドの例で、良い評判

の分析結果をみてみましょう

某消費財ブランドの事例でみてみる（ポジ表現）

axe0268 声木口亜矢フィナーレリアル湯船杏璃ちゃん

ありがとうかわいい頑張るありがとう盛り上がる熱い盛り上がる

素晴らしいたまらない熱いかわいい楽しみ面白い

なる[気] いいエア洗い感謝

観たい観たい公開お家映像

爆笑残り湯面白い尻凄い楽しみ素晴らしい

かっこいい飲みたいすごい良い良いダサい【否】

おもしろい美味しいたまらない人選

欲しいほしい香り良い胸プログラム

すっごい好きいい楽しいスゴイ

人気つぶやきさん好評絵良い

美味しいなる[気]高い[クオリティ]

専用スポンジ仕掛け

どきどきおもしろい匂いいいサイコー美人すごい

かわいい良い気に入る人気お気に入り

少ない[ノイズ]

がんばるほしいモニター映像よいお姉さんタイプ

見たいいいキレイ深夜番組可愛い

エラいノリアホお湯

うまいおもしろい有加チャンプレゼントすごい熱い

楽しいアホかわいい欲しい欲しいガラス張り

ドキドキ大好きほしい音声良い

愛用懐かしい三日間楽しめる KONAN

楽しみありがとう集計システム良い一番京本有加

おもろい京本さん熱いすごいすごいすごい

面白いおもしろい感謝入浴剤

ほしいかわいいサウンドお薦め杉原さん深夜エロ番組

お薦めパワー高まる[テンション]

好き良い懐かしい

良い KONANさんありがとう

ダメ【否】楽しい熱いボディーソープカメラワークあやちゃん

上がる[テンション]

好き感謝よろしい最高かわいい

勧めるいいいいかわゆい企画、出演タレント、放送の品質、商品等々、様々な企画、出演タレント、放送の品質、商品等々、様々な視点からの評判を簡単に把握することができます。

仕組みの説明• キーワード「#axe0268」を含む発言の中で、評判になっている対象の言葉（対象

語）と、その評判（評判語）を、組み合わせにして表現します。– 例. 「◯◯ちゃんって、かわいい！！」– → 対象語：◯◯ちゃん、評判語：かわいい– → 表現方法「◯◯ちゃん：かわいい」

• 否定されている場合も、考慮します。– 例. 「映像がダサく無い」

• 映像：ダサい【否】 → ポジティブ– 例. 「プレゼントが、欲しくなくはない」

• プレゼント：欲しい【否】【否】 → ポジティブ

• 評判の対象が複数に渡る場合、対象語は可能性のあるものをピックアップします。– 例. 「○○のシャンプ－って匂いが良い」

• 匂い：良い• シャンプー：良い• ○○：良い

模式図２• 評判語単体ではポジティブ評判かネガティブ評判か判定がつかなくとも、周辺の語

とつなげて判定します。

– 例.「絵のクオリティが高い]• 高い → ポジ？ネガ？• 絵：高い【クオリティ】 → ポジティブ

– 例.「親会社への依存度が高い] • 高い → ポジ？ネガ？• 親会社：高い【依存度】 → ネガティブ

• 一つの文章として完結していなくとも、対象語を推定します。– 例.「◯◯キター。まじスゲー」

• ◯◯：スゲー

• Twitter用にカスタマイズされた部分も追記すること

20110426 jrmx講演資料(配布版)

Documents