日本語 English
| 開講年度/ Academic YearAcademic Year |
20252025 |
| 科目設置学部/ CollegeCollege |
ビジネスデザイン研究科/Graduate School of Business AdministrationGraduate School of Business Administration |
| 科目コード等/ Course CodeCourse Code |
VL797/VL797VL797 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
マーケティングサイエンスの基礎から実例までを実感する |
| 授業形態/ Class FormatClass Format |
対面（全回対面）/Face to face (all classes are face-to-face)Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期2/Spring Semester2Spring Semester2 |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
火G5/Tue.G5 Tue.G5 , 火G6/Tue.G6, Tue.G6 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
BDS6400 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
－（履修中止制度なし/ No system for cancellation) |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
寄附講座 （株）NTTデータ数理システム |
This year's taiga drama "Berabou" starts with a story about "marketing methods in the Edo period."
At that time, there was no concept of handling data, but still, there were many numerical elements such as the number of customers in Yoshiwara decreasing, the popularity of "Okabasho", the need to visit Yoshiwara more than three times to become familiar with it, the minimum cost is several million yen, the number of people who can pay... and so on, and people made guesses based on intuition (human information processing ability is amazing).
Nowadays, the term "data-driven" has been used for a long time, but there are still many companies that have not yet reached the point of actually using data to promote their business.
However, with the current situation in which a large amount of data is collected and the number of companies using data is increasing, we cannot continue to proceed with marketing based on "intuition and experience" as in the Edo period.
In order to realize data-driven marketing, it is necessary to start getting a concrete image of how to use data and in what situations it can be beneficial, and how to achieve it.
The theory of data analysis is important, but in order to apply it to concrete practice, it is essential to know many examples of its application and develop a possible thought process.
In this class, you will understand in what situations data science and AI are useful for marketing practice, and will create a concrete image of marketing science using familiar tools, and learn how to use it and the steps involved through group work. We also introduce how to deal with generative AI that lies without hesitation (hallucination).
In addition to understanding the contents of various methods, the main focus is on acquiring the knowledge and skills necessary to solve problems when faced with them in the business world, and to develop the awareness to think about them as if they are your own problem.
In this course, We will introduce, with examples, where data science and AI are used in marketing
and what the advantages and disadvantages are.
Based on the content introduced, you will discuss similar cases in group work each time and
understand how they would use data science and AI themselves.
In addition to statistics and machine learning, the course will also touch on the various technologies
that are now included in AI technology, such as generative AI, mathematical science, simulation,
and text mining.
| 1 | マーケティングサイエンスとは |
| 2 | 知るためにデータを活用する |
| 3 | 何を売るか・誰に売るか・いくらで売るか のマーケティングサイエンス |
| 4 | どう売るか・どこで売るか の マーケティングサイエンス |
| 5 | マーケティングサイエンスの数理最適化 |
| 6 | マーケティングサイエンスのシミュレーション |
| 7 | マーケティングサイエンスの因果関係分析 |
| 8 | マーケティングサイエンスのテキストマイニング |
| 9 | 課題を解決するためのステップ |
| 10 | 課題を解決するためのステップ |
| 11 | マーケティングに使われる様々な手法のまとめ |
| 12 | マーケティングサイエンス実施のための設計・これまでの質疑応答 |
| 13 | マーケティングサイエンスの使い方と、マーケティングサイエンスの仕組化（システム化） |
| 14 | レポート発表とまとめ |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
日頃から、身の回りでのデータの存在、マーケティングサイエンスの活用例を見つけ、どのような目的でどのような効果を得る
ために実施されているのかを意識する。
その他、授業内で適宜指示する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終レポート(Final Report)(40%) 参加度(30%) 貢献度(30%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 庄司貴行・斎藤明・平井直樹［監修］立教大学ビジネスデザイン研究所(編集) | 『デジタル＆デザイン・トランスフォーメー ション― DX とデザイン志向の未来戦略』 | 有斐閣アルマ | 2023 | 4794426119 |
| 2 | 大坪直樹(著), 中江俊博(著), 深沢祐太(著), 豊岡祥(著), 坂元哲平(著), 佐藤誠(著), 五十嵐健太(著), & 2 その他 | 『XAI(説 明可能なAI)–そのとき人工知能はどう考えたのか?』 | リックテレコム | 2021 | 9784865942927 |
| 3 | 清水隆史, 淺田晃佑 | 『実践マーケティングデータサイエンス: ショッパー行動の探索的データ解析と機械学習モデル構築』 | 学 術図書出版社 | 2023 | 4780610516 |
| 4 | 生田目崇 | 『マーケティングのための統計分析』 | オーム社 | 2017 | 9784274221019 |
| 5 | 本村 陽一 他 | 『BayoLinkSで実践するベイジアンネットワーク』 | オーム社 | 2023 | 9784274230486 |
回帰・相関が分かる程度の統計的知識
マーケティングフレームワークの基礎知識
本科目は、5年以上の実務経験を有する実務家教員による授業であり、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営されます。
今年の大河ドラマ「べらぼう」は、「江戸時代のマーケティングの手法」の話で始まっている。
当時は、データを扱うという概念はなかったが、それでも吉原の客足が減っている、岡場所は盛り上がっている、吉原でなじみになるには3回以上通う必要がある、かかる費用は最低は数百万円以上、払える人の数は...など、数値的な要素は多分にあり、それを人が勘で推測していた（人の情報処理能力は素晴らしい）。
さて、現代においては「データドリブン」という言葉が言われて久しいが、実際にデータを活用して業務を推進するまで至っていない企業はまだまだ多い。
しかし、集められるデータが大量になり、データ活用する企業が増えてきている現状、いつまでも江戸時代と同様の「勘と経験」でマーケティングを進めるわけにはいかない。
データドリブンマーケティングを実現するためには、データをどのように活用すればどのような場面でメリットが得られるのか、また、その実現方法について、具体的なイメージをつかむことが始める必要がある。
データ解析の理論は重要だが、具体的な実務に適用するためには、その適用の実例を多く知り、考えられる思考回路を養うことが肝要である。
本授業では、マーケティングの実践に向けて、データサイエンスやAI がマーケティングのどのような場面で活躍し有用なのかを、事例を交えて理解するとともに、身近なツールを活用してのマーケティングサイエンスの具体的なイメージ作りを行い、その活用方法やステップについてグループワークを行いながら学ぶ。平気で嘘をつく（ハルシネーション）生成AIとの付き合い方も紹介する。
様々な手法の中身を理解することとあわせて、ビジネスの現場において、課題に直面した際に解決するために必要な知識とスキルを身に付けること、そして自分事として考えられる意識を持てるようになることを主眼とする。
This year's taiga drama "Berabou" starts with a story about "marketing methods in the Edo period."
At that time, there was no concept of handling data, but still, there were many numerical elements such as the number of customers in Yoshiwara decreasing, the popularity of "Okabasho", the need to visit Yoshiwara more than three times to become familiar with it, the minimum cost is several million yen, the number of people who can pay... and so on, and people made guesses based on intuition (human information processing ability is amazing).
Nowadays, the term "data-driven" has been used for a long time, but there are still many companies that have not yet reached the point of actually using data to promote their business.
However, with the current situation in which a large amount of data is collected and the number of companies using data is increasing, we cannot continue to proceed with marketing based on "intuition and experience" as in the Edo period.
In order to realize data-driven marketing, it is necessary to start getting a concrete image of how to use data and in what situations it can be beneficial, and how to achieve it.
The theory of data analysis is important, but in order to apply it to concrete practice, it is essential to know many examples of its application and develop a possible thought process.
In this class, you will understand in what situations data science and AI are useful for marketing practice, and will create a concrete image of marketing science using familiar tools, and learn how to use it and the steps involved through group work. We also introduce how to deal with generative AI that lies without hesitation (hallucination).
In addition to understanding the contents of various methods, the main focus is on acquiring the knowledge and skills necessary to solve problems when faced with them in the business world, and to develop the awareness to think about them as if they are your own problem.
マーケティングの基本を振り返りながら、マーケティングの中でデータサイエンスやAI をどこに用いるのか、それによるメリットやデメリットは何かを、実例を交えながら紹介する。
紹介した内容をもとに、毎回グループワークで類似したケースについて議論し、自身であればどのように活用するか、を理解する。
活用技術は、統計・機械学習の他、生成AIはもちろんのこと、数理科学やシミュレーション、テキストマイニングといった今やAI技術という中に含まれる様々な技術についても、触れる。
In this course, We will introduce, with examples, where data science and AI are used in marketing
and what the advantages and disadvantages are.
Based on the content introduced, you will discuss similar cases in group work each time and
understand how they would use data science and AI themselves.
In addition to statistics and machine learning, the course will also touch on the various technologies
that are now included in AI technology, such as generative AI, mathematical science, simulation,
and text mining.
| 1 | マーケティングサイエンスとは |
| 2 | 知るためにデータを活用する |
| 3 | 何を売るか・誰に売るか・いくらで売るか のマーケティングサイエンス |
| 4 | どう売るか・どこで売るか の マーケティングサイエンス |
| 5 | マーケティングサイエンスの数理最適化 |
| 6 | マーケティングサイエンスのシミュレーション |
| 7 | マーケティングサイエンスの因果関係分析 |
| 8 | マーケティングサイエンスのテキストマイニング |
| 9 | 課題を解決するためのステップ |
| 10 | 課題を解決するためのステップ |
| 11 | マーケティングに使われる様々な手法のまとめ |
| 12 | マーケティングサイエンス実施のための設計・これまでの質疑応答 |
| 13 | マーケティングサイエンスの使い方と、マーケティングサイエンスの仕組化（システム化） |
| 14 | レポート発表とまとめ |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
日頃から、身の回りでのデータの存在、マーケティングサイエンスの活用例を見つけ、どのような目的でどのような効果を得る
ために実施されているのかを意識する。
その他、授業内で適宜指示する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終レポート(Final Report)(40%) 参加度(30%) 貢献度(30%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 庄司貴行・斎藤明・平井直樹［監修］立教大学ビジネスデザイン研究所(編集) | 『デジタル＆デザイン・トランスフォーメー ション― DX とデザイン志向の未来戦略』 | 有斐閣アルマ | 2023 | 4794426119 |
| 2 | 大坪直樹(著), 中江俊博(著), 深沢祐太(著), 豊岡祥(著), 坂元哲平(著), 佐藤誠(著), 五十嵐健太(著), & 2 その他 | 『XAI(説 明可能なAI)–そのとき人工知能はどう考えたのか?』 | リックテレコム | 2021 | 9784865942927 |
| 3 | 清水隆史, 淺田晃佑 | 『実践マーケティングデータサイエンス: ショッパー行動の探索的データ解析と機械学習モデル構築』 | 学 術図書出版社 | 2023 | 4780610516 |
| 4 | 生田目崇 | 『マーケティングのための統計分析』 | オーム社 | 2017 | 9784274221019 |
| 5 | 本村 陽一 他 | 『BayoLinkSで実践するベイジアンネットワーク』 | オーム社 | 2023 | 9784274230486 |
回帰・相関が分かる程度の統計的知識
マーケティングフレームワークの基礎知識
本科目は、5年以上の実務経験を有する実務家教員による授業であり、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営されます。