第6回の1枚を見た上司が、次にこう言います。「で、何枚配る？ いくら儲かる？」 ここで問いが変わります。これまでは「効果はいくらか」でした。今回は原価を入れて、「誰に配ると、いくら残るか」を答えます。クーポン1枚の原価は...

第5回の因果フォレストの結果を持って、エライ人に報告に行ったとします。 「効果は1人ひとり違っていて、1,000本の木（ディシジョンツリー）の平均で……」と言いかけたところで、こう返されます。「で、誰に配ればいいの？」 ...

第3回で「誰に効くか」を見るとき、X には購入頻度と休眠日数を入れました。なぜその2つだったのか。正直に言えば、「効きそうだから」という勘です。 実務では、その勘が外れます。今回は勘に頼らず、施策より前に決まっている変数...

ここまで3回、購入頻度と休眠日数を X に、会員ランクや流入経路を W に入れてきました。「なぜその振り分けなのか」は後回しにしてきましたが、今回がその答え合わせです。 （第1回）「クーポンを使った人ほど買っている」は本...

前回、クーポンの効果は 平均422円 と推定できました。 ここで一つ考えてみてください。 「クーポンは全員に422円ずつ効く」のと「効く人は800円、効かない人は0円で、ならすと422円」のとでは、施策の打ち方がまったく...

前回は、クーポン施策の「本当の効果」が 413円 だったことを、答えを仕込んだサンプルデータで確かめました。単純比較の2,268円も、会員ランクで層別した594円も、正解には届きませんでした。 では、正解を知らない実務の...

クーポンを配った顧客の30日間の購入金額が、配らなかった顧客の1.8倍だった。 この数字を見て「クーポン施策は成功」と報告書に書いてしまう。 データ分析の現場で、最も頻繁に起きる間違いです。 結論を先に3行で書きます。 ...

因果推論は、ビジネスや研究の多くの分野での意思決定を支える重要な手法となっています。 特に因果フォレストは、複雑なデータ構造の中から因果関係を明らかにするのに非常に効果的です。 ただ、適切なモデルを構築するためには、ハイ...

因果推論は、ビジネスや研究の多くの分野での意思決定を支える重要な手法となっています。 特に因果フォレストは、複雑なデータ構造の中から因果関係を明らかにするのに非常に効果的です。 前回はデフォルトの設定のまま、実際のデータ...

データ駆動の時代において、因果関係の把握はビジネス意思決定の鍵となります。 現代のデータサイエンスの中で、「何が原因で何が結果か？」という問いに答えるための技術が日々進化しています。 前回は、因果フォレストを実行するため...