A Model for TV Advertising Management with Heterogeneous

１．本研究の目的
A Model for TV Advertising Management
with Heterogeneous Consumer
by Using Single Source Data
（１）広告管理モデルの提案
マーケティングマネージャーが
コントロール可能な変数で広告効果を測定する。
⇒広告管理モデル
正隆*
伴
（目白大学
経営学部）
照井
（２）広告出稿を消費者セグメントごとに評価する
伸彦
（東北大学大学院
学 学
経 学
経済学研究科）
阿部
誠
（東京大学大学院
多くの場合、広告計画の立案時に
ターゲットにするセグメントを設定している。
タ
ゲットにするセグメントを設定している。
経済学研究科）
*E-mail:
*E
mail: [email protected]
ban@mejiro ac jp
2010年2月13日 東北大学
広告に対する反応は消費者によって異なる（Terui and Ban (2008)）
→消費者異質性の仮定下での分析
2
1
（１）広告管理モデルの提案
（２）広告出稿を消費者セグメントごとに評価する
マーケティングマネージャーがコントロールできるのは、
消費者の広告露出回数ではなく 出稿量（ＧＲＰ）
消費者の広告露出回数ではなく、出稿量（ＧＲＰ）。
広告計画を策定する際、
ケティング 達成す き目標 従 、
マーケティングの達成すべき目標に従い、
企業は誰に向けて広告を打つかを決める。
たとえば、主婦層、性別の違い・・・などなど
今回の研究
これまでの研究（Terui and Ban(2008)など）
セグメント１：20代~30代 主婦層
田田田田
露出回数
購買（ブラ ド選択）
購買（ブランド選択）
田田田田
田田田田
田田田田
田
田
企業
田
田
田 田
田
田田田田
○○ストア
田 田
田
田
消費者（家計）
広告露出量ではなく出稿量で、
3
ブランド選択レベルでの広告効果を測定するモデルを提案する。
田田田田
田
田
GRP
セグメント２：20代~30代 単身者層
・・・・
田田田田
田 田
出稿量
（GRP）
田田田田
セグメント Ｋ：
企業
階層ベイズモデルとＭＣＭＣ法による推定により、
消費者1人1人について評価できる枠組みを用い
消費者1人1人について評価できる枠組みを用い、
それらを集計することでセグメントごとに評価する。
4
シングルソース・データ
ＧＲＰ：Gross Rating Point（延べ視聴率）
→ ２種類のデータセットから構成される。
種類 デ タセ トから構成される
a. ＴＶ広告露出回数データ
広告露
数デ タ
(毎日観測される)
家計
ID
日
TV広告露出回数
(日次データ)
：
11
11
11
11
11
11
11
11
11
11
11
12
12
12
12
12
12
12
13
：
：
19940401
19940402
19940403
19940404
19940405
19940406
19940407
19940408
：
19950330
19950331
19940401
19940402
19940403
19940404
：
19950330
19950331
19940401
：
(ブランド)
2
：
1
2
0
1
2
2
2
1
：
1
1
1
2
0
2
：
1
0
1
：
b. 購買データ (パネルデータ)
(購買機会ごとのデータ)
家計 購買日
ID
3
：
0
0
0
1
1
1
0
2
：
0
1
0
1
0
0
：
1
3
1
：
［対応する日 ］
1
：
2
4
2
3
0
1
0
0
：
1
2
1
3
3
2
：
1
3
1
：
GRPjw  Reach jw ×Frequency jw
：
11
11
11
11
11
11
12
12
12
12
12
12
12
13
13
：
購買データ
購買デ
タ
インストア・プロモーション
インストア
プロモ ション
価格
(ブランド)
2
：
1
0
0
0
：
0
1
0
1
0
0
0
0
0
1
：
(ブランド)
2
：
0
1
0
1
：
0
0
0
0
0
0
0
0
0
0
：
(ブランド)
2
：
169
199
182
175
：
156
208
149
127
130
160
165
188
129
170
：
1
：
0
1
0
1
：
0
0
1
0
1
0
1
1
1
0
：
：
19940402
19940407
19940425
19940520
：
19950330
19940403
19940620
19940802
19940911
19941108
19950113
19950227
19940401
19940612
：
Reach jw ： w 期に、ブランド j の広告に一度でも接触した
3
：
0
0
1
0
：
1
0
0
0
0
1
0
0
0
0
：
1
：
0
1
0
0
：
0
0
0
1
0
0
1
0
1
0
：
3
：
0
0
0
0
：
1
0
0
0
1
0
0
0
1
1
：
1
：
166
158
122
155
：
120
147
115
132
185
112
188
173
145
101
：
家計（消費者）の割合。
3
：
138
98
101
129
：
120
109
162
82
83
151
112
71
90
127
：
⇒何割の家計で広告を視聴したか
Frequency jw ： w 期に、ブランド j の広告に一度でも接触した
家計（消費者）の、平均接触回数。
⇒1度でも視聴した家計は、平均何回視聴したか
30%の視聴者が平均4回視聴した
⇒ GRP
GRP=120%
120%
（ただし、本研究ではReachの単位に割合を使用）
ＧＲＰ：Gross Rating Point（延べ視聴率）
ＧＲＰデータ
シングルソース・データ（広告露出回数）からGRPを計算する
GRP jw =
H
h 1
I  Fjhw
jh  1
H
R h jw
Reach
h  1,..., H : 家計,
×
×


H
h 1
H
h 1
Fjhw
jh
I  F jhw  1
F
Frequency
jw
j  1,..., J : ブランド,

=

H
h 1
F jhw
jh
H
家計平均露出回数
w  1,..., W : 期間,
F jkw
jk ：家計 k が w 期に、ブランド j の広告に接触した回数
I  F jkw  1 ：1度でも接触があれば1、無ければ0になる指標関数
GRPjw
広告露
数デ タ
a. ＴＶ広告露出回数データ
(毎日観測される)
c. GRPデータ
家計
ID
：
11
11
11
11
11
11
11
11
11
11
11
12
12
12
12
12
12
12
13
：
日
TV広告露出回数
(日次データ)
：
19940401
19940402
19940403
19940404
19940405
19940406
19940407
19940408
：
19950330
19950331
19940401
19940402
19940403
19940404
：
19950330
19950331
19940401
：
1
：
2
4
2
3
0
1
0
0
：
1
2
1
3
3
2
：
1
3
1
：
(ブランド)
2
：
1
2
0
1
2
2
2
1
：
1
1
1
2
0
2
：
1
0
1
：
3
：
0
0
0
1
1
1
0
2
：
0
1
0
1
0
0
：
1
3
1
：
［平均露出回数 ］
GRPjw


Fjhw
日
GRP
(日次データ)
(ブランド)
2
4.2
3.1
37
3.7
3.3
1.8
5.1
2
48
4.8
：
2.3
3.6
19940401
19940402
19940403
19940404
19940405
19940406
19940407
19940408
：
19950330
19950331
1
1.1
7.5
79
7.9
1.5
7
5.3
2.2
35
3.5
：
7.9
3.3
3
0.7
0.5
02
0.2
0.2
2
1
0.2
09
0.9
：
0.2
1
２．モデル
b.広告露出モデル
a.広告管理モデルの全体像
ブランド選択モデル
（階層ベイズ・プロビットモデル）
広告露出モデル
GRP jw 

H
k 1
I  Fjkw  1
H
×


H
k 1
H
k 1
Fjkw
I  Fjkw  1


H
k 1
Fjkw
H
GRP jw  H   k 1 Fjkw
H
GRPjw
Fjhw
S jht
・・・
・
・・・
Fj1w
M jht
u jht
⇒ブランド j の w 期における露出回数の家計合計
I jht
Fjhw Poisson( jhGRPjw )
FjHw
カレンダータイム
h  1,..., H : 家計,
w  1,..., W : 期間,
…（Abe
（Abe (1997)）
 jh ：家計 h のブランド j 広告露出率
購買機会時のみ
j  1,..., J : ブランド,
t  1,..., Th : 家計hの購買機会,
GRPjw  H   k 1 Fjkw Poisson(GRPjw  k 1  jh )
H
S jht ：広告ストック変数，露出回数の累積量
H
GRPjw  H を条件付にしたときの F jhw の同時分布
M jht ：価格やプロモーションなど、広告以外の変数

F jhw | GRP jw  H : M
Multinomial
lti
i l GRP jw  H , p jh
u jht ：家計 h の購買機会 t 期における、ブランド j に対する効用
9
I jht ：家計 h が購買機会 t 期に、ブランド j を購買したかどうか
b.広告露出モデル
 jjh
 ， p 
jh
H
10
k
 jk
c.ブランド選択モデル（階層ベイズ・プロビットモデル）
広告ストック変数（露出回数の累積量）の構築
閾値効用関数を持つブランド選択モデル （Terui and Ban (2008)）
S jhw  F jhw   jh S jh w1
F jhw : 家計 h が、
が w 週にブランド j の広告に露出した回数
 jh ：広告残存効果パラメータ (0   jh  1)
c.ブランド選択モデル
ブランド選択モデルでは購買機会時のデータのみを使用
S jhw
S jht
u jjht
 M jht  h1   jht1  if S jht  rh

 2
 2
 A jht h  M jht  h   jht  if S jht  rh .
広告非有効レジーム
広告有効レジーム
ジ
Ajht  S jht  SNht ：基本ブランドからの差を取った広告ストック変数
rh ：広告閾値パラメ
：広告閾値パラメータ
タ
（市場反応係数）
 h(i )：広告以外のマーケティング変数に対する反応係数
 h ：広告変数（広告ストック変数）に対する反応係数
(i  1, 2)
=> 広告ストックは、ある閾値水準を超えることで有効になる。
12
e.MCMC procedure
d.階層モデル
広告露出 デル
広告露出モデル
広告露出モデル
 jh  Z h j   jh
広告露出率：
 jh :  0,
0 j
・広告露出回数：
Prior  |   ,Z 
F  |   ,GRP 
*
j
jhw
市場反応係数：
h
jh
i 
jht
h
jh
jht
*
, M jht  ,  Fjhw

：Truncated Normal
i

jht
i
*
jhw
jht
i
h
jh
jht
h
h
jht
h
i
・広告残存効果：
jh

jht
Pr ior  |   ,Z  ：Normal
r  | u  ,    ,   , PPr iior  , M
Pr ior  | r  , Z  ：Normal

jh
h
h
jht
h
13
r
h
jh
r
*
jhw
h
i
・広告閾値：
広告閾値
*
jhw
h
i



 h 2   h ,  h(2)   Z h  2   h 2 ,  h 2 N  0   2 
h
i 
i
・市場反応係数：
jht
*
, Z h  ,  Fjhw

N
l
：Normal
14
h
b.広告露出モデル
３．データと推定結果
広告露出率パラメータ ( jh ) 推定結果
a.データ：インスタントコーヒーのシングルソース・データ
Brand 1
期間：1994年4月1日~1995年3月31日（365日）
家計数 295
家計数：295
総購買回数：955
ブランド数：3
Sum of
GRP
0.654
325.5
0.048
481.693
0.220
154.0
0.029
401.007
0.126
8.2
0.024
382.445
0.96
0.98
0.99
1.01
1.02
1.04
40
30
20
10
0
0.93
Post Mean : 0.998
(Post STD) : (0.0219)
0.96
0.99
1.02
0.990
(0.0391)
1.05
1.08
0.70
0.89
1.08
1.27
1.46
1.65
1.173
(0.2596)
⇒Brand 3 : そもそも出稿量が少ないため、右に歪んだ分布
階層モデル推定結果
Sample Size: 293 households
households, 365 days
days, 955 purchase occasions
家計属性データ  Z h 
帯
構
、
多
、
家計性別 ：世帯の家族構成で、女性が多いほど1、
男性が多いほど0になる変数（女性の割合）
家計年齢 ：世帯の平均年齢
Brand 3
50
120
100
80
60
40
20
0
Average Average
Times of Price per
ISP
100g
Choice
Share
Brand 2
60
50
40
30
20
10
0
マーケティング変数：
広告露出回数，インストア・プロモーション，100gあたり購入価格
 M jht 
 Fjhw 
Brand 1
Brand 2
Brand 3
：Multinomial
jw
j
  | u  ,  ,  ,M  ,F  ：Wishart
   | u  ,  ; Pr ior  , i  1, 2 ,  ,M , Z  ,F  ：Normal
Pr ior   |     ,Z  ：Normal
  | u  ,     ,Pr ior  ,M , Z  ,F  ：Normal
1 


Z h ：家計属性データ（家計構成人数や期間内購買回数など）
jh
j
i
jht
・効用関数の誤差分散： 
1
 h1   h(1)  Z h 1   h1 ,  h N 0 
：Normal
h
u  |    , i  11, 2 ,  ,r  , I
・効用：
rh  Z h  h ,  h N  0  .



jh
ブランド選択モデル
  jh 
(0   jh  1).
  Z h j   jh ,  jh N  0  j   1   jh 
*
広告残存効果：  jh  ln 
：
 jh | Prior jex  ,  F jhw  ：Poisson
ex
j
ブランド選択モデル（効用関数）
広告閾値
・広告露出率：
Y
15
11hh
2 h
3h
3h
：5%有意，
⇒女性の割合が多い家計ほど 広告露出率が高い
⇒女性の割合が多い家計ほど、広告露出率が高い
F
：30%有意
⇒ブランド3では、
家計年齢が若いほど、広告露出率が高い。
16
c.ブランド選択モデル
c.ブランド選択モデル
広告残存効果パラメータ (  jh ) 推定結果
Brand 1
広告閾値パラメータ (rh ) と広告反応係数 ( h ) 推定結果
Brand 2
60
50
40
30
20
10
0
Brand 3
50
80
40
60
30
40
20
0
0.20
0.23
0.27
0.30
0.33
0
0.08
0.09
Post Mean : 0.235
((Post
os S
STD)) : (0
(0.041)
0 )
0.10
0.11
0.12
0.14
Y
0.09
0.11
0.110
(0.015)
(0
0 5)
0.12
0.14
0.16
S
：5%有意，
M
：30%有意
0.099
(0.019)
(0
0 9)
⇒ブランド1では、家計年齢が低いほど、
広告残存効 が高
広告残存効果が高い。
⇒ブランド2，3では、家計年齢が高いほど、
広告残存効果が高い。
広告以外の市場反応係数 (  , 
price
3.61
3.78
3.95
4.13
0.85
0.91
0.97
1.03
1.08
1.14
1 274
1.274
(0.066)
⇒広告がブランド選択に対して有効になるには、
広告
ラ
選択 対
有効 なる
、
家計平均で3.736回以上の広告露出の累積が必要。
⇒家計合計955回の購買機会のうち、
広告有効レジームに入っているのは121.85回。
階層モデル推定結果
17
⇒有意に推定された係数は無い。
18
４．シミュレーション（セグメンテーションでの評価）
(2)
h
Market Response
p
Parameter
isp
0
3.44
Post Mean : 3.736
3 736
(Post STD) : (0.193)
)推定結果
各パラメータの推定値（MCMC系列）を利用し、
GRPを k 倍したときの広告ストック量の変化、
倍したときの広告ストック量の変化
マーケットシェアの変化を評価する。
広告非有効レジーム
広告非有効
ジ
広告有効レジーム
広告有効
ジ
advertising
20
3.27
c.ブランド選択モデル
(1)
h
40
0
⇒ブランド1，3では、女性の割合が多い家計ほど、
ブ
広告残存効果が高い。
⇒ブランド2については男性の割合が多い家計ほど、
広告残存効果が高い
広告残存効果が高い。
F
60
20
0.07
階層モデル推定結果
1h
2h
3h
Advertising
60
40
20
10
0.17
Regime Threshold
80

H
h
regime1
 h1 H HPD*/
293
N.A.
3.909
4.957
(1.222)
(1.239)
-1.163
-1.018
(0
(0.510)
510)
(0.560)
560)
289
237
230
regime2
HPD*/29
2
3
h h H , h h  H
H
H
1.247
1.074
(0.066)
(0.043)
8.736
6.430
(3.923)
(4.215)
-1.658
-2.756
(1
(1.400)
(3 400)
(3.532)
532)
GRP変化の影響がマーケットシェアに及ぶ過程
262
118
GRP (GRP jjw ) が増える（減る）
↓
消費者の広告露出量 ( F jhw ) が増える（減る）
↓
広告ストック ( S jhw )が増える（減る）
↓
広告閾値を越える期間 ( n( S jhw  rh )) が増える（減る）
↓
効用 (u jht ) が大きくなりブランド選択される（ブランド選択されなくなる）
↓
マ ケットシ アが増大する（減少する）
マーケットシェアが増大する（減少する）
263
245
150
210
（ ）内は家計別推定値の標準偏差
⇒広告が有効な状態では、
インストアプロモーション（isp）と価格（price）に対する反応が大きい
19
20
a.全家計での評価（ブランド１のみ）
b.2セグメントでの評価
S egment
Basis
Household gender
S ummry of S tatistics
Average number of household
Average household gender
Average household age
Advertising Exposure Rate
Brand 1
Brand 2
Brand 3
Advertising Carryover
Brand 1
Brand 2
Brand 3
Advertising Threshold
ブランド1の広告ストック増分
Brand 1
31
61
91
121
151
181
211
241
271
301
331
361
青線：3×GRP1w, 赤線：1×GRP1w, 黒点線：0.5×GRP1w
出稿パターンは変えず、出稿量だけを変化させている。
出稿
タ
変 ず、出稿量 けを変化さ
る。
ブランド1GRP変化時の、各ブランドのシェアの変化
0.09
0.06
0.03
0.00
-0.03
-0.06
-0.09
⇒GRPを減らしたときと増やしたときの
シェアの変化が非対称。
⇒現状の広告量を維持する必要がある
⇒現状の広告量を維持する必要がある。
0.25
0.5
0.75
1
: Brand 1,
1.25
1.5
1.75
: Brand 2,
2
3
5
⇒ブランド1のシェアの変化分の多くは
ブランド2に移 ている
ブランド2に移っている。
:Brand 3
21
広告ストック変化
6.00
6.00
4.00
4.00
2.00
2.00
0.00
0.00
1
1.5
2
0.5
5
: M,
1
1.5
2
5
:F
（家計
計年齢）
⇒セグメント F の方が変化が大きい
GRP変化時の自ブランドシェアの変化
Brand 1
0.05
0.00
0.00
-0.05
-0.05
-0.10
-0.10
0.25 0.5
0.75
1
1.25 1.5
Brand 2
0.05
1.75
2
3
5
0.25 0.5
0.75
1
1.25 1.5
1.75
2
3
5
Househ
hold Agge
0.5
家計性別
120
< 0.45
0.55 <
87
0.314
30.732
103
0.707
34.728
0.975
0.953
1.166
1.021
1.042
1.210
0.202
0.121
0.080
0.270
0.098
0.117
3.750
3.699
6.310
-1.719
3.755
-0.625
1.323
5.048
-2.119
1.179
8.141
-1.075
100
80
Segment M
Segment F
60
40
20
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Segment M:男性率の高い家計
・Brand 2 広告残存効果が大きい
・広告に対する反応が大きい
広告
す
応が き
Segment F:女性率の高い家計
・広告露出率が大きい
広告露出率が大きい
・Brand 1，3 広告残存効果が大きい
22
12.80
-2.00
-2.00
F
b.4セグメントでの評価
Brand 2
Brand 1
Marketing Response Parameter
Regime 1
ad stock
isp
price
Regime 2
ad stock
isp
price
Segment Y
Y)
(S
1
[S
[Segment
MY]
[S
[Segment
FY]
HH
33
MY1a==38
HHFY2a==30
30
25.00
40.00
(Segme
ent S)
30
25
20
15
10
5
0
M
[Segment
g
MS]
[Segment
g
FS]
HHMS1b==20
20
HHFS2b==32
32
73.75
⇒GRP増加時はセグメントＭ、
減少時はセグメント F の方が変化が大きい。
⇒トップシェアのブランドであるため、
GRP増加時にシェアが増えない。
⇒セグメントＭで変化が大きい。
0.0
(Segment M) 4.5
5.5
(Segment F)
1.0
Household Gender
（家計性別）
23
24
S egment
12.80
MY
MS
FY
FS
< 0.45
<= 25
< 0.45
40 <=
0.55 <
<= 25
0.55 <
40 <=
33
00.294
294
20.544
20
00.333
333
47.463
30
00.726
726
20.733
32
00.704
704
50.932
0.979
0.951
1.393
0.968
0.953
0.848
1.032
1.050
1.520
1.012
1.038
0.915
0.221
0.112
0.072
0.175
0.135
0.090
0.310
0.086
0.107
0.236
0.110
0.129
3 755
3.755
3 684
3.684
3 709
3.709
3 668
3.668
6.900
-1.621
5.560
-1.886
4.248
-0.363
3.189
-0.831
11.344
344
8.153
-1.001
11.300
300
0.651
-3.702
1 186
1.186
12.663
0.548
11.168
168
3.946
-2.582
[Segment MY]
[Segment FY]
・男性率が高く、平均年齢が低い
男性率が高く 平均年齢が低い
・女性率が高く、平均年齢が低い
女性率が高く 平均年齢が低い
・広告露出率：Brand1で低い
・広告残存効果：Brand3で低い
広告残存効果 B d3で低い
・広告閾値：相対的に高い
・広告反応係数：相対的に高い
・広告露出率：各ブランドとも高い
広告残存効果
・広告残存効果：
Brand1で高く、Brand2で低い
Basis
Household gender
Household age
S ummry of S tatistics
Average number of household
Average household gender
Average household age
Advertising Exposure Rate
Brand 1
Brand 2
Brand 3
Advertising Carryover
Brand 1
Brand 2
Brand 3
Advertising Threshold
Marketing Response Parameter
Regime 1
ad stock
isp
price
Regime 2
ad stock
isp
price
25.00
40.00
6.00
4.00
4.00
2.00
2.00
0.00
0.00
-2.00
0.5
0.75
1
1.25
1.5
1.75
2
3
5
・女性率が高く、平均年齢が高い
・広告残存効果：Brand3で高い
・広告閾値：相対的に低い
・広告反応係数：相対的に低い
73.75
26
0.0
4.5
5.5
1.0
c.シュミレーション結果によるセグメンテーション
B d 2 : 家計別シェア増分（GRP×1.5）
Brand
家計別シ ア増分（GRP 1 5）
0.35
0.3
-2.00
0.25
・男性率が高く、平均年齢が高い
25
Brand 2
6.00
[Segment FS]
・広告露出率：Brand2で低い
・広告残存効果：
Brand1で低く、Brand2で高い
広告ストック変化
Brand1
[Segment MS]
A
B
C
D
0.25
0.25
0.5
0.75
1
1.25
1.5
1.75
2
3
5
0.2
: MY,
: MS,
: FY,
: FS
0 15
0.15
⇒セグメント Fでの変化が大きい
⇒特にFYでの変化が大きい
0.1
GRP変化時の自ブランドシェアの変化
Brand 1
0.10
0.05
Brand 2
0.10
0
0.05
0.05
0.00
0.00
-0.05
-0.05
-0.10
-0.10
-0.15
-0.15
0.25
0.5
0.75
1
1.25
1.5
1.75
2
3
⇒GRP増加時も減少時も
セグメント FY で変化が大きい。
5
0.25
0.5
0.75
1
1.25
1.5
1.75
2
3
5
⇒GRP増加時にはFYの増分が大きく、
減少時には MY の方が大きく減少する。
⇒セグメントMSはGRPの変化に鈍く、
出稿を控えてもシェアへの影響は小さい。
27
増分（回数）
家計数
家計性別
家計年齢
構成人数
購買回数
ブランド2購入率
A
0.1945
11
0.577
36.848
3.636
7 818
7.818
0.824
Segment
B
C
0.0934
0.0272
18
39
0.478
0.501
30.737
35.961
4.000
4.231
3 778
3.778
2 949
2.949
0.745
0.678
D
0.0000
225
0.521
33.675
4.111
3 049
3.049
0.048
28
５．まとめと今後の課題
まとめ
１．消費者異質性の仮定の下で、
１
消費者異質性の仮定の下で
マネージャーがコントロール可能なTV広告出稿量（GRP）で
ブランド選択に対する広告効果を測定する、広告管理モデルを提案した。
２．広告露出率、広告残存効果、広告閾値水準、広告反応係数と、
家計ごとの推定値を得るとともに、階層モデルにおいて
各パラメ タと家計属性デ タとの関係を調べた。
各パラメータと家計属性データとの関係を調べた。
３．広告出稿パターンは変えず、出稿量だけを変化させるシミュレーション
によって GRPの変化が家計の広告ストック量やマーケットシェアに
によって、GRPの変化が家計の広告ストック量やマ
ケットシェアに
どのような変化を及ぼすか、消費者セグメントごとに評価した。
参考文献：
Abe, M. (1997). “A Household-Level Television Advertising Exposure Model,”
Journal of Marketing Research, 34(3), 394-405.
Terui, N., Ban, M. (2008). “Modeling heterogeneous effective advertising stock
in single-source data,” Quantitative Marketing and Economics, 6(4), 415-438.
謝辞：
本研究は科研費若手研究スタートアップ（No.20810027）の
本研究は科研費若手研究スタ
トアップ（No.20810027）の
助成を受けたものである。
課題
広告露出回数が毎日変化するように、
平均露出回数（ポアソンパラメータ）も時変にすることで、一般化を図る。
平均露出回数（ポアソン
ラメ タ）も時変にする とで、 般化を図る。
状態空間モデルを用いた露出モデルの動学化を考えている。
29
30