著書 【 表示 ／ 非表示 】

著書 【 表示 ／ 非表示 】

• Rで学ぶ統計データ分析

  本橋　永至（ 担当： 単著）

  オーム社  2015年9月  （ ISBN:9784274217814 ）

  Amazon

  　詳細を見る

  総ページ数：262   記述言語：日本語 著書種別：教科書・概説・概論

論文 【 表示 ／ 非表示 】

論文 【 表示 ／ 非表示 】

• パートナーシップ・ロイヤルティ・プログラムのトライアル会員の行動分析

  寺本 高, 若鶴 優, 鶴見 裕之, 本橋 永至, 佐藤 伸, 中岸 恵実子

  日本行動計量学会大会抄録集   50 ( 0 )   164 - 165   2022年8月

  DOI CiNii Research

  　詳細を見る

  記述言語：日本語   掲載種別：研究論文（学術雑誌）   出版者・発行元：日本行動計量学会   共著  

• スタッキングアルゴリズムを用いた特許拒絶理由類型の判別

  本橋永至, 髙橋省吾, 真鍋誠司, 鈴井智史, 井田英紀, 松井重明

  横浜経営研究   2022年3月

  　詳細を見る

  記述言語：日本語   掲載種別：研究論文（大学，研究機関紀要）   共著  

• パートナーシップ・ロイヤルティ・プログラムから得られるトライアル会員の行動特性

  寺本 高, 若鶴 優, 鶴見 裕之, 本橋 永至, 佐藤 伸, 中岸 恵実子

  行動計量学   49 ( 1 )   15 - 27   2022年3月

  DOI CiNii Research

  　詳細を見る

  記述言語：日本語   掲載種別：研究論文（学術雑誌）   出版者・発行元：日本行動計量学会   共著  

  <p>The authors clarify the behavioral traits of PLP (Partnership Loyalty Program) members before their trial purchase at the focal company. Specifically, they apply a zero-inflated negative binomial regression model using historical data of PLP members: purchase, marketing reaction, and reward program usage. There are two contributions to their research. First, they clarify the behavioral traits of PLP members at other coalitional companies before the trial purchase at the focal company, which cannot be captured by the loyalty program of a single company. Then, the behavioral traits of PLP members are captured from the three perspectives: purchasing behavior, marketing reaction, and reward acquisition/redemption behavior. These results induce discussions on the effectiveness of PLP from the perspective of sharing and utilizing behavioral information of PLP members among coalitional companies.</p>

• アンサンブル学習とLDAの統合による動画広告効果の要因分析

  崎濱 栄治, 川崎 泰一, 本橋 永至

  人工知能学会論文誌   36 ( 3 )   1 - 8   2021年5月  [査読有り]

  DOI CiNii Research

  　詳細を見る

  記述言語：日本語   掲載種別：研究論文（学術雑誌）   出版者・発行元：人工知能学会   共著  

  <p>With the widespread use of highly functional smartphones and the improvement of communication environments,video advertising is becoming widely used in the mobile advertising domain. When creators create videoadvertisements, if they know in advance the most effective components and combinations, they are more likely to beable to produce them more efficiently. For mobile ad images, [Sakihama 19b] interpreted the results of a click-rateprediction model using Gradient Boosted Decision Trees (GBDT) and Interpretable Trees (inTrees) [Deng 19].</p><p>In this paper, we propose a multimodal approach to analyzing the factors of advertising effectiveness, whichconsists of ad delivery logs, components of video ads, and text information. Specifically, we propose a method forverifying the effectiveness of video advertisements in mobile advertising based on computer vision and a method forsupporting the production of video advertisements using the modeling results of Latent Dirichlet Allocation (LDA),XgBoost [Chen 16], and defragTrees [Hara 18]. This method is expected to be faster and simpler than the oneproposed by [Sakihama 19b], and is likely to enable rule extraction. Computer vision and machine learning will enableautomatic feature extraction, identification of effective components and interactions, and contribution measurement.It is expected to be applied to a wide range of fields other than video advertising.</p>

  その他リンク： https://www.jstage.jst.go.jp/article/tjsai/36/3/36_36-3_B-K91/_pdf/-char/ja

• 急激な環境変化に対するイノベーションの源泉としての創発的消費者― COVID-19のアウトブレイクにおけるソーシャルメディアの利用動向分析 ―

  西本 章宏, 勝又 壮太郎, 本橋 永至

  マーケティングジャーナル   40 ( 4 )   44 - 57   2021年3月  [査読有り]

  DOI CiNii Research

  　詳細を見る

  記述言語：日本語   掲載種別：研究論文（学術雑誌）   出版者・発行元：日本マーケティング学会   共著  

  <p>本稿の目的は，COVID-19のアウトブレイクによって大きく市場環境が変化している今日のように，急激な環境変化による非連続な状況下において，次世代イノベーションの源泉として，創発的性質を有する消費者（ENCs）に着目する有用性を示すことである。本稿では，緊急事態宣言下を含むCOVID-19のアウトブレイク（第1波）を分析対象期間とし，消費者のスマートフォンのアプリ起動ログの収集と先端層調査を実施した。その結果，ENCsは同じ先端層であるリードユーザー（LUs）よりも環境変化に対して頑健であり，新しい生活様式に適応した消費者であることが明らかになった。また，ENCsのソーシャルメディアの利用動向はLUsや一般ユーザー（GUs）とは異なり，コロナ禍でも利用数は多いが，その変化量は少なった。このことから，ENCsは平常時からソーシャルメディアを他の消費者よりも広範かつ高頻度で利用している可能性が推察された。</p>

  その他リンク： https://ci.nii.ac.jp/naid/130008009636

全件表示 >>

担当授業科目（学内） 【 表示 ／ 非表示 】

担当授業科目（学内） 【 表示 ／ 非表示 】

• 2023年度   マーケティング・サイエンス

  経営学部

• 2023年度   本橋ゼミナールⅠ

  経営学部

• 2023年度   本橋ゼミナールⅡ

  経営学部

• 2023年度   基礎ゼミナール

  経営学部

• 2023年度   統計データ分析

  教養教育科目

全件表示 >>