## Load data
log.aug <- read.table(header = FALSE, file = "./ログデータ8月.txt", skip = 1)
log.sep <- read.table(header = FALSE, file = "./ログデータ9月.txt", skip = 1)
## Add month variable
log.aug$month <- "aug"
log.sep$month <- "sep"
log.combo <- rbind(log.aug, log.sep)
log.combo$month <- factor(log.combo$month)
names(log.combo)[1:3] <- c("Page","SessionID","TrafficCode")
library(plyr)
library(doMC)
registerDoMC()
output1 <- ddply(log.combo, c("month","TrafficCode"),
function(x) {
summary(x$Page)
})
output1 <- within(output1, {
D.to.E <- round(E / D, 3)
})
split(output1, output1[,c("TrafficCode")])
$promotion1
month TrafficCode A B C D E D.to.E
1 aug promotion1 1521 2108 1006 158 109 0.690
4 sep promotion1 1325 712 1998 107 74 0.692
$promotion2
month TrafficCode A B C D E D.to.E
2 aug promotion2 1065 945 1032 84 56 0.667
5 sep promotion2 1211 1213 944 98 66 0.673
$promotion3
month TrafficCode A B C D E D.to.E
3 aug promotion3 1199 789 1102 68 48 0.706
6 sep promotion3 1098 1254 789 85 59 0.694
DからEへの通過割合はpromotionの種類によらず大きな変化はない。promotionごとにA,B,Cの内訳が変化している様子が見られる。それぞれのlanding pageからDへの通過の割合を検討すべき。
output2 <- ddply(.parallel = TRUE,
log.combo, c("month","SessionID","TrafficCode"),
function(x) {
table(x$Page)
})
output3 <- ddply(.parallel = TRUE,
output2, c("month","TrafficCode","A","B","C"),
function(x) {
colSums(x[,c("A","B","C","D","E")])
})
library(reshape2)
output4 <- melt(output3, id.vars = c("month","TrafficCode","D","E"), variable.name = "landing", value.name = "hit")
output4 <- output4[output4$hit > 0, c("month","TrafficCode","landing","hit","D","E")]
output4 <- within(output4, {
D.to.E <- round(E / D, 3)
landing.to.D <- round(D / hit, 3)
})
split(output4, output4[,c("landing","TrafficCode")])
$A.promotion1
month TrafficCode landing hit D E landing.to.D D.to.E
3 aug promotion1 A 1521 46 32 0.030 0.696
12 sep promotion1 A 1325 41 28 0.031 0.683
$B.promotion1
month TrafficCode landing hit D E landing.to.D D.to.E
20 aug promotion1 B 2108 95 65 0.045 0.684
29 sep promotion1 B 712 34 23 0.048 0.676
$C.promotion1
month TrafficCode landing hit D E landing.to.D D.to.E
37 aug promotion1 C 1006 17 12 0.017 0.706
46 sep promotion1 C 1998 32 23 0.016 0.719
$A.promotion2
month TrafficCode landing hit D E landing.to.D D.to.E
6 aug promotion2 A 1065 29 19 0.027 0.655
15 sep promotion2 A 1211 31 21 0.026 0.677
$B.promotion2
month TrafficCode landing hit D E landing.to.D D.to.E
23 aug promotion2 B 945 38 25 0.040 0.658
32 sep promotion2 B 1213 51 34 0.042 0.667
$C.promotion2
month TrafficCode landing hit D E landing.to.D D.to.E
40 aug promotion2 C 1032 17 12 0.016 0.706
49 sep promotion2 C 944 16 11 0.017 0.688
$A.promotion3
month TrafficCode landing hit D E landing.to.D D.to.E
9 aug promotion3 A 1199 28 20 0.023 0.714
18 sep promotion3 A 1098 25 18 0.023 0.720
$B.promotion3
month TrafficCode landing hit D E landing.to.D D.to.E
26 aug promotion3 B 789 30 21 0.038 0.700
35 sep promotion3 B 1254 49 34 0.039 0.694
$C.promotion3
month TrafficCode landing hit D E landing.to.D D.to.E
43 aug promotion3 C 1102 10 7 0.009 0.700
52 sep promotion3 C 789 11 7 0.014 0.636
考察
Landing page (A,B,C)からDへの通過割合は両月ともページBが4%程度と他よりも良好で、対してCは不良。
8月から9月で、Promotion 2と3についてはlandingがBで起こる数が増えて、Cで起こる数が減っており、効率の良いB経路に人が流れている。
これに対してPromotion 1は8月から9月で、BからCに1000名程度と大幅に経路が変化して、効率の悪いC経路に人が流れてしまっている。
このためPromotion 1の効率の低下はlanding pageへの流れの変化(BからC)が影響しているものと考えられる。効率の良いlanding page Bへの誘導が起こっているpromotion 2/3のみを残す考え方もあるが、landing page Cの継続の可否を含めたlanding pageの見直しも必要と考えられる。
-(1) 弘史君レポートで書かれている【今後の打ち手】を採択すべきでしょうか。: 選択の一つではあると考える。
-(2) その理由を教えてください。: 上記考察
-(3) （仮に採択しない場合）成果向上のために何をするのが効果的か教えてください。: landing pageの見直しの方が効率的な可能性がある。具体的にはCの廃止も含めた検討が必要。