海外のマーケティング系ジャーナルまとめ

今回は海外のマーケティング系ジャーナルについて簡単にまとめてみようと思います。

海外のマーケティング系ジャーナルとして、評価の高いものは一体何なのか、そして、そのジャーナルの特色は何なのか、少しでも説明できれば幸いです。

まず参考としたものが、海外のマーケティング系ジャーナルをランキング化したサイトです。
A Ranking of Marketing Journals
これはそもそも誰が集計してランキング化したのか気になったので、見てみると、
Michigan State UniversityのG. Tomas M. Hultさん
University of North AlabamaのWilliam T. Neeseさん
University of Arkansas at Little RockのR. Edward Bashawさん

(1) importance/prestige index
(2) popularity/familiarity index
という指標をもとにランキングしたもののようです。
ランキングの元となったデータのサンプルは1000人の学術関係者だそうです。
一旦、このランキングを信じることにしましょう!
今回はこのランキングの云々はあまり重要ではないので。

本題のジャーナルですが今回はランキング上位の4つを紹介したいと思います。
(1)Journal of Marketing
(2)Journal of Marketing Research
(3)Journal of Consumer Research
(4)Marketing Science
の計4つです。

(1)Journal of Marketing
・1936年創刊
・マーケティング系ジャーナルのリーダー的存在
・マーケティングやマーケティングマネジメントの重要な問題に焦点を当てたマーケティングの原理に関するプレミアムかつ幅広い学術雑誌
・ジャーナルのモチベーション
 理論と実践とのギャップの解消
 学術関係者と実務家の両方に共有されうる情報
 教育機関、製造業、金融業、ヘルスケアなどの産業で働くマーケターに読んでもらいたい。

・取り上げられる論文
 マーケティング問題に対する解法となる新しい手法の提示
 マーケティングのトレンドや発展を調査報告
 一般化や検証結果の提示
 新しいアイデアや理論、マーケティングの理論と実践に関する俯瞰的な情報

(2)Journal of Marketing Research
・マーケティング哲学・概念・理論から、手法・技術・応用までをテーマとしている。
・出版は臨月
・対象はリサーチアナリスト、教育者、統計家となっている。
・ジャーナルのモチベーション
 職業の最前線、最先端の情報の収集を求めているマーケティングリサーチ学問家や実務 家向けの情報の提供し、マーケティングリサーチ全体の流れを伝える。
 扱われる論文としては、マーケティング課題の解決に関する新しい技術の概念、手法、応用などがある。理論だけでなく、経験に基づいたマーケティングノウハウが示されて いる。

(3)Journal of Consumer Research
・1974年創刊
・消費者行動の説明・描写に関する学術研究が中心。
・経験的、理論的、方法論的な論文からなり、分野としては心理学、マーケティング、社会学、経済学、コミュニケーション学、人類学がこのジャーナルでは扱われる。
・経営的な話よりも、学問的な内容である。
 内容としては、ミクロレベル(ブランド選択など)からマクロレベル(唯物論的な価値の発展)まで幅広い。
・理論や統計学などに固執せずに幅広い知識が得られるかもしれません。

(4)Marketing Science
・マーケティングサイエンスはオペレーションズ・リサーチとマネジメント・サイエンスの研究機関。
・経験的、理論的な定量的なマーケティングリサーチに焦点を当てています。
・オペレーションズリサーチに重きを置いていたりするので、数学が好きな人には丁度良いかもしれません。

各々の読み比べをしていないので、あまりレベル感がわからないですが、時間の許す限り、マーケティングのTopジャーナルであるこれら4大ジャーナルを読んで行きながら各々の明確な役割の違いを体感していこうと思います。

サポートベクターマシン(SVM)のまとめ・参考文献

今回はサポートベクターマシン(Support Vector Machine:SVM)の学習に当たって、見つけた参考文献を列挙していこうと思います。

  • ブログ系
  • R言語でSVM(Support Vector Machine)による分類学習
    無料で利用できる統計解析ソフトRを用いてサポートベクターマシンについて紹介してくれているブログです。

    SVMの定番入門書「サポートベクターマシン入門(赤本)」の読み方
    サポートベクターマシンを学習する上で役に立つ文献を紹介してくれています。

    ところでサポートベクターマシンって何なの?
    プログラムのコードと実践例が記されています。ただしコードはjavaの様です。

    SVM を使うと,なにが嬉しいの?
    サポートベクターマシンの手法としてのモチベーションが記されています。

    SVMの最大の特徴は「マージン最大化」にある

    識別境界の位置を決定する明確な基準を持っており、学習データの中で最も他クラスと近い位置にいるものを基準として、そのユークリッド距離が最も大きくなるような位置に識別境界を設定する。明確な基準を与えているということ自体、ノンパラメトリックな手法では他に例のないことで、SVMの最も優れた部分とされる。

    Rとカーネル法・サポートベクターマシン
    Rを用いたサポートベクターマシンの実践例が載ってあります。同志社大学のページなので、ちょっと信用度が高いかも。

    SVMを使いこなす!チェックポイント8つ
    ・スケーリング(特徴量の修正)
    ・カテゴリ特徴量(ダミー変数の作成)
    ・カーネル関数
    ・パラメータ
    ・クロスバリデーション
    ・不均衡データ問題(パラメータC(コスト)を大きくする、データ数を揃える、アンダーorオーバーサンプリング)
    ・多クラス分類
    ・アンサンブル学習

  • 論文・レポート系
  • サポートベクターマシン入門
    産業技術総合研究所のレポートです。大変わかりやすい記述です。

    痛快!サポートベクトルマシン : 古くて新しいパターン認識手法
    ちょっと短めで、かつ古いのですが、大まかな流れをサクッと掴むには向いていると思います。

    サポートベクターマシンによる倒産予測
    卒業論文ですね。

    企業格付判別のための SVM 手法の提案および逐次ロジットモデルとの比較による有効性検証
    http://www.orsj.or.jp/~archive/pdf/j_mag/Vol.57_J_092.pdf

  • スライド系
  • SVMについて
    2クラスの分類しか記されていませんが、きれいにまとまった資料だと思います。

    メモ

    SVM
    利点
     ・データの特徴の次元が大きくなっても識別精度が良い
     ・最適化すべきパラメータが少ない
     ・パラメータの算出が容易

    欠点
     ・学習データが増えると計算量が膨大になる
      (「次元の呪い」の影響が顕著)
     ・基本的には2クラスの分類にしか使えない