WMK01800 Web調査とデジタルマーケティング

広島大学シラバス

English

年度 2026年度開講部局人間社会科学研究科博士課程前期人文社会科学専攻ソーシャルデータサイエンスプログラム

講義コード WMK01800 科目区分専門的教育科目

授業科目名 Web調査とデジタルマーケティング

授業科目名
（フリガナ）ウェブチョウサトデジタルマーケティング

英文授業科目名 Web Survey & Digital Marketing

担当教員名梶川　祐朗,原田　裕輔

担当教員名
(フリガナ) カジカワ　ヒロアキ,ハラダ　ユウスケ

開講キャンパス東千田開設期 1年次生後期セメスター（後期）

曜日・時限・講義室 (後) 金11-14

授業の方法演習授業の方法
【詳細情報】対面, オンライン（オンデマンド型）

講義中心、演習中心、ディスカッション、学生の発表

単位 1.0 週時間 4 使用言語 J : 日本語

学習の段階 5 : 大学院基礎的レベル

学問分野（分野） 24 : 社会科学

学問分野（分科） 09 : 情報管理学

対象学生ソーシャルデータサイエンスプログラム博士前期課程

授業のキーワード質問紙設計、品質管理、カスタマージャーニー、機械学習、生成AI

教職専門科目　教科専門科目　

プログラムの中での
この授業科目の位置づけ
（学部生対象科目のみ）
到達度評価
の評価項目
（学部生対象科目のみ）

授業の目標・概要等・授業の目標
デジタル時代における「データの収集・分析・ビジネス実装」のプロセスを修得し、社会の課題解決に直結するデータ活用力を養うことを目標とします。
リサーチ設計の習得: 課題に基づく問いの設計から、バイアスを抑えた質問紙作成、定性・定量調査のデジタル化手法までを身につけます。
データ分析と戦略立案: アクセス解析やテキストマイニング等を通じ、複雑化する消費者行動を捉え、データをビジネスの成果指標（KPI）に直結させる力を高めます。
AI実装とDX推進の理解: 生成AIや機械学習の実務活用に加え、データ倫理（プライバシー保護）や、組織のDXを牽引するための実践的なアプローチを学びます。
・授業の概要
第1部：Webリサーチの基礎と設計
目的に沿った調査設計、アンケートのUI/UX、品質管理、定性調査のデジタル化手法を学びます。
第2部：デジタルマーケティングの理論とデータ活用
カスタマージャーニーの可視化、アクセス解析、LTV分析、ソーシャルリスニングを通じ、消費者行動をデータで紐解きます。
第3部：先端技術の応用と倫理
AI・機械学習のマーケティング実装、データ倫理、DX推進のための組織論を学びます。

授業計画第1回：イントロダクションデジタル化により調査手法がどう進化したかを俯瞰し、マーケティングにおけるデータサイエンスの全体像と本講義のロードマップを共有します。
第2回：リサーチデザインの構築「何のためにデータを集めるのか」という最も重要な問い（リサーチ・クエスチョン）の立て方と、サンプリングにおける偏り（バイアス）のリスクを学びます。
第3回：質問紙設計の実務回答者の負担（認知負荷）を減らし、正確なデータを引き出すための具体的な設問設計とUI/UXのベストプラクティスを習得します。
第4回：Web調査特有の課題と品質管理 Web調査の最大の弱点である「不誠実回答（適当な回答）」をどう防ぎ、どう検知・除去してデータの信頼性を担保するかを学びます。
第5回：定性調査のデジタル化アンケート（定量）では見えない「なぜ」を深掘りする定性調査が、デジタルツール（MROCやオンラインインタビュー等）によってどう進化したかを理解します。
第6回：消費者行動モデルとカスタマージャーニー AIDMAなどの伝統的モデルから脱却し、SNSや検索が複雑に絡み合う現代の購買プロセスを可視化する手法を学びます。
第7回：アクセス解析とWebトラッキング GA4などのツールを通じて、ユーザーのWeb上での行動ログ（足跡）をビジネスの成果指標（KPI）と結びつけて解釈する力を養います。
第8回：広告効果測定とアトリビューション分析「最後にクリックされた広告」だけを評価するのではなく、認知獲得に貢献したすべての接点を適正に評価する高度な効果測定手法を学びます。
第9回：CRMとLTV（顧客生涯価値）分析新規獲得から既存顧客の維持へシフトする重要性を学び、データを活用して優良顧客を見極め、ロイヤルティを高める施策を設計します。
第10回：ソーシャルリスニングとテキストマイニング SNS上の膨大な口コミ（非構造化データ）から、ブランドへの本音やトレンドを自然言語処理を用いて抽出し、戦略に活かす方法を学びます。
第11回：マーケティングにおけるAIと機械学習顧客の離脱予測や、ECサイトのレコメンドエンジンなど、機械学習がマーケティングの現場でどう実装されているか、その裏側の仕組みを理解します。
第12回：生成AI時代のマーケティング実務 LLM（大規模言語モデル）を実務のパートナーとして活用し、調査票の自動生成、ペルソナの詳細化、クリエイティブ案の量産を効率化するプロンプト技術を学びます。
第13回：プライバシー保護とデータ倫理データ活用の高度化に伴う「ダークパターン」の回避や、国内外の法規制（Cookie規制、GDPRなど）に対応するための倫理的リテラシーを身につけます。
第14回：DX推進と組織への実装どれだけ優れたデータ分析も組織が動かなければ意味がありません。中小企業や専門領域（医療等）特有の壁を理解し、社内を巻き込むDXの進め方を学びます。
第15回：最終成果発表／総括全14回の集大成として、自らリサーチデザインを設計し、データをマーケティング施策・ビジネス意思決定に落とし込んだ戦略をプレゼンテーションします。

レポートを提出すること。

教科書・参考書等授業内で紹介する。

授業で使用する
メディア・機器等テキスト, 配付資料, 映像資料, Microsoft Teams, Zoom, moodle

【詳細情報】

授業で取り入れる
学習手法ディスカッション, 授業後レポート

予習・復習への
アドバイス第1回：イントロダクション予習：最近のデジタルマーケティングに関するニュースを1つピックアップし、自身の業務や研究領域における「データ活用の課題」を整理しておく。復習：講義で紹介した調査の変遷を踏まえ、今後自身のビジネスにおいてどのようなデータ（定量・定性）が必要になりそうか、方向性を言語化する。
第2回：リサーチデザインの構築予習：自身の組織における未解決のビジネス課題を1つ挙げ、「もしアンケートをするなら誰に何を聞きたいか」をざっくりと考えておく。復習：予習で挙げた課題をベースに、明確な「仮説」と検証するための「変数（独立変数・従属変数）」を定義する。
第3回：質問紙設計の実務予習：過去に自分が回答したWebアンケートで「答えにくかった」「途中で離脱した」経験を思い出し、その原因を考察する。復習：第2回で作成した仮説に基づき、実際にWebアンケートツールの画面を想定した5問程度のドラフト（質問文・選択肢）を作成する。
第4回：Web調査特有の課題と品質管理予習：トラップ設問（Attention Check）などの品質管理手法について調べ、回答者側の視点でどう感じるかを考察する。復習：架空の（あるいは実際の）アンケート結果データを想定し、ストレートライナー（全問同じ選択肢を選ぶ等）を検知・除外するための自社独自のクリーニング基準を策定する。
第5回：定性調査のデジタル化予習：定量調査（アンケート等）と定性調査（インタビュー等）のメリット・デメリットを整理しておく。復習：自身のビジネス課題に対し、「オンライン・エスノグラフィ」や「MROC」を適用した場合、どのようなインサイトが得られそうかを企画案としてまとめる。
第6回：消費者行動モデルとカスタマージャーニー予習：最近自分が「少し高額な商品」をネットで購入した際の、認知から購買に至るまでのプロセス（検索履歴や経由したSNS）を書き出す。復習：自社商品（または任意のサービス）のターゲット層を想定し、現代のデジタル接点を反映したカスタマージャーニーマップの初期案を作成する。
第7回：アクセス解析とWebトラッキング予習：PV、UU、セッション、直帰率（エンゲージメント率）、CVRなどの基本的なWeb解析用語の意味を理解しておく。復習：自社サイト（またはよく使うサイト）のビジネス目的を再定義し、GA4で追うべき最重要のKPIを3つ設定し、その理由を説明する。
第8回：広告効果測定とアトリビューション分析予習：Web広告の課金体系（CPC、CPM、CPA等）について基本を復習しておく。復習：ラストクリック評価の問題点を整理し、自身の業務において「マーケティングミックスモデリング（MMM）」を導入する際のハードルを考察する。
第9回：CRMとLTV（顧客生涯価値）分析予習：自身が「継続して利用・購入しているブランド」を挙げ、なぜ離脱せずに使い続けているのかを自己分析する。復習：RFM分析（Recency, Frequency, Monetary）の概念を用いて、自社（または仮想）の顧客基盤をセグメント化し、各層へのアプローチ施策を立案する。
第10回：ソーシャルリスニングとテキストマイニング予習：X（旧Twitter）等のSNSで自社名や競合名を検索し、どのような言及がされているか定性的な傾向を掴んでおく。復習：講義で学んだテキストマイニングの手法（共起ネットワークや感情分析など）を用い、自社ブランドの強み・弱みをどう可視化できるか設計図を描く。
第11回：マーケティングにおけるAIと機械学習予習：AmazonやNetflixなどの「おすすめ機能（レコメンド）」が、どのようなデータに基づいているか推測してみる。復習：自社の保有するデータセットを用いて、どのような「予測モデル（離脱予測、需要予測など）」を構築すれば利益の最大化に繋がるかを提案する。
第12回：生成AI時代のマーケティング実務予習：ChatGPTやGeminiなどの生成AIに触れ、「20代向けの化粧品のキャッチコピーを考えて」などの簡単なマーケティングタスクを試してみる。復習：講義で学んだ手法を活かし、第2回・第3回で考えたリサーチデザインの壁打ち相手として生成AIを活用し、調査票のブラッシュアップを行う。
第13回：プライバシー保護とデータ倫理予習：普段利用しているサービスの「プライバシーポリシー」を1つ読み、自分のデータがどう利用されることに同意しているかを確認する。復習：改正個人情報保護法やCookie規制の現状を踏まえ、自社の現在のマーケティング施策に潜む法的・倫理的リスクと対応策を洗い出す。
第14回：DX推進と組織への実装予習：自組織において「データ活用（DX）」が進まない要因（システム、予算、人材、企業文化など）を分析しておく。復習：データ活用を阻む社内の障壁を乗り越えるため、まずは「小さく始めて成功体験を積む（スモールサクセス）」ための具体的なプロジェクト案を策定する。
第15回：最終成果発表／総括予習：第1回から第14回までの学びを統合し、実務で実行可能なレベルの「Webリサーチを用いたマーケティング戦略」のプレゼン資料を完成させる。復習：他の受講生の発表および講師からのフィードバックを振り返り、明日からの実務にどう活かすかのアクションプラン（宣言）をまとめる。

履修上の注意
受講条件等

成績評価の基準等授業の参加姿勢，課題レポート

実務経験有り

実務経験の概要と
それに基づく授業内容統計調査士保有

メッセージ

その他

すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。
回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。

年度	2026年度	開講部局	人間社会科学研究科博士課程前期人文社会科学専攻ソーシャルデータサイエンスプログラム
講義コード	WMK01800	科目区分	専門的教育科目
授業科目名	Web調査とデジタルマーケティング
授業科目名（フリガナ）	ウェブチョウサトデジタルマーケティング
英文授業科目名	Web Survey & Digital Marketing
担当教員名	梶川　祐朗,原田　裕輔
担当教員名 (フリガナ)	カジカワ　ヒロアキ,ハラダ　ユウスケ
開講キャンパス	東千田	開設期	1年次生後期セメスター（後期）
曜日・時限・講義室	(後) 金11-14
授業の方法	演習	授業の方法【詳細情報】	対面, オンライン（オンデマンド型）
講義中心、演習中心、ディスカッション、学生の発表
単位	1.0	週時間	4	使用言語	J : 日本語
学習の段階	5 : 大学院基礎的レベル
学問分野（分野）	24 : 社会科学
学問分野（分科）	09 : 情報管理学
対象学生	ソーシャルデータサイエンスプログラム博士前期課程
授業のキーワード	質問紙設計、品質管理、カスタマージャーニー、機械学習、生成AI
教職専門科目		教科専門科目
プログラムの中でのこの授業科目の位置づけ（学部生対象科目のみ）
到達度評価の評価項目（学部生対象科目のみ）
授業の目標・概要等	・授業の目標デジタル時代における「データの収集・分析・ビジネス実装」のプロセスを修得し、社会の課題解決に直結するデータ活用力を養うことを目標とします。リサーチ設計の習得: 課題に基づく問いの設計から、バイアスを抑えた質問紙作成、定性・定量調査のデジタル化手法までを身につけます。データ分析と戦略立案: アクセス解析やテキストマイニング等を通じ、複雑化する消費者行動を捉え、データをビジネスの成果指標（KPI）に直結させる力を高めます。 AI実装とDX推進の理解: 生成AIや機械学習の実務活用に加え、データ倫理（プライバシー保護）や、組織のDXを牽引するための実践的なアプローチを学びます。・授業の概要第1部：Webリサーチの基礎と設計目的に沿った調査設計、アンケートのUI/UX、品質管理、定性調査のデジタル化手法を学びます。第2部：デジタルマーケティングの理論とデータ活用カスタマージャーニーの可視化、アクセス解析、LTV分析、ソーシャルリスニングを通じ、消費者行動をデータで紐解きます。第3部：先端技術の応用と倫理 AI・機械学習のマーケティング実装、データ倫理、DX推進のための組織論を学びます。
授業計画	第1回：イントロダクションデジタル化により調査手法がどう進化したかを俯瞰し、マーケティングにおけるデータサイエンスの全体像と本講義のロードマップを共有します。第2回：リサーチデザインの構築「何のためにデータを集めるのか」という最も重要な問い（リサーチ・クエスチョン）の立て方と、サンプリングにおける偏り（バイアス）のリスクを学びます。第3回：質問紙設計の実務回答者の負担（認知負荷）を減らし、正確なデータを引き出すための具体的な設問設計とUI/UXのベストプラクティスを習得します。第4回：Web調査特有の課題と品質管理 Web調査の最大の弱点である「不誠実回答（適当な回答）」をどう防ぎ、どう検知・除去してデータの信頼性を担保するかを学びます。第5回：定性調査のデジタル化アンケート（定量）では見えない「なぜ」を深掘りする定性調査が、デジタルツール（MROCやオンラインインタビュー等）によってどう進化したかを理解します。第6回：消費者行動モデルとカスタマージャーニー AIDMAなどの伝統的モデルから脱却し、SNSや検索が複雑に絡み合う現代の購買プロセスを可視化する手法を学びます。第7回：アクセス解析とWebトラッキング GA4などのツールを通じて、ユーザーのWeb上での行動ログ（足跡）をビジネスの成果指標（KPI）と結びつけて解釈する力を養います。第8回：広告効果測定とアトリビューション分析「最後にクリックされた広告」だけを評価するのではなく、認知獲得に貢献したすべての接点を適正に評価する高度な効果測定手法を学びます。第9回：CRMとLTV（顧客生涯価値）分析新規獲得から既存顧客の維持へシフトする重要性を学び、データを活用して優良顧客を見極め、ロイヤルティを高める施策を設計します。第10回：ソーシャルリスニングとテキストマイニング SNS上の膨大な口コミ（非構造化データ）から、ブランドへの本音やトレンドを自然言語処理を用いて抽出し、戦略に活かす方法を学びます。第11回：マーケティングにおけるAIと機械学習顧客の離脱予測や、ECサイトのレコメンドエンジンなど、機械学習がマーケティングの現場でどう実装されているか、その裏側の仕組みを理解します。第12回：生成AI時代のマーケティング実務 LLM（大規模言語モデル）を実務のパートナーとして活用し、調査票の自動生成、ペルソナの詳細化、クリエイティブ案の量産を効率化するプロンプト技術を学びます。第13回：プライバシー保護とデータ倫理データ活用の高度化に伴う「ダークパターン」の回避や、国内外の法規制（Cookie規制、GDPRなど）に対応するための倫理的リテラシーを身につけます。第14回：DX推進と組織への実装どれだけ優れたデータ分析も組織が動かなければ意味がありません。中小企業や専門領域（医療等）特有の壁を理解し、社内を巻き込むDXの進め方を学びます。第15回：最終成果発表／総括全14回の集大成として、自らリサーチデザインを設計し、データをマーケティング施策・ビジネス意思決定に落とし込んだ戦略をプレゼンテーションします。レポートを提出すること。
教科書・参考書等	授業内で紹介する。
授業で使用するメディア・機器等	テキスト, 配付資料, 映像資料, Microsoft Teams, Zoom, moodle
【詳細情報】
授業で取り入れる学習手法	ディスカッション, 授業後レポート
予習・復習へのアドバイス	第1回：イントロダクション予習：最近のデジタルマーケティングに関するニュースを1つピックアップし、自身の業務や研究領域における「データ活用の課題」を整理しておく。復習：講義で紹介した調査の変遷を踏まえ、今後自身のビジネスにおいてどのようなデータ（定量・定性）が必要になりそうか、方向性を言語化する。第2回：リサーチデザインの構築予習：自身の組織における未解決のビジネス課題を1つ挙げ、「もしアンケートをするなら誰に何を聞きたいか」をざっくりと考えておく。復習：予習で挙げた課題をベースに、明確な「仮説」と検証するための「変数（独立変数・従属変数）」を定義する。第3回：質問紙設計の実務予習：過去に自分が回答したWebアンケートで「答えにくかった」「途中で離脱した」経験を思い出し、その原因を考察する。復習：第2回で作成した仮説に基づき、実際にWebアンケートツールの画面を想定した5問程度のドラフト（質問文・選択肢）を作成する。第4回：Web調査特有の課題と品質管理予習：トラップ設問（Attention Check）などの品質管理手法について調べ、回答者側の視点でどう感じるかを考察する。復習：架空の（あるいは実際の）アンケート結果データを想定し、ストレートライナー（全問同じ選択肢を選ぶ等）を検知・除外するための自社独自のクリーニング基準を策定する。第5回：定性調査のデジタル化予習：定量調査（アンケート等）と定性調査（インタビュー等）のメリット・デメリットを整理しておく。復習：自身のビジネス課題に対し、「オンライン・エスノグラフィ」や「MROC」を適用した場合、どのようなインサイトが得られそうかを企画案としてまとめる。第6回：消費者行動モデルとカスタマージャーニー予習：最近自分が「少し高額な商品」をネットで購入した際の、認知から購買に至るまでのプロセス（検索履歴や経由したSNS）を書き出す。復習：自社商品（または任意のサービス）のターゲット層を想定し、現代のデジタル接点を反映したカスタマージャーニーマップの初期案を作成する。第7回：アクセス解析とWebトラッキング予習：PV、UU、セッション、直帰率（エンゲージメント率）、CVRなどの基本的なWeb解析用語の意味を理解しておく。復習：自社サイト（またはよく使うサイト）のビジネス目的を再定義し、GA4で追うべき最重要のKPIを3つ設定し、その理由を説明する。第8回：広告効果測定とアトリビューション分析予習：Web広告の課金体系（CPC、CPM、CPA等）について基本を復習しておく。復習：ラストクリック評価の問題点を整理し、自身の業務において「マーケティングミックスモデリング（MMM）」を導入する際のハードルを考察する。第9回：CRMとLTV（顧客生涯価値）分析予習：自身が「継続して利用・購入しているブランド」を挙げ、なぜ離脱せずに使い続けているのかを自己分析する。復習：RFM分析（Recency, Frequency, Monetary）の概念を用いて、自社（または仮想）の顧客基盤をセグメント化し、各層へのアプローチ施策を立案する。第10回：ソーシャルリスニングとテキストマイニング予習：X（旧Twitter）等のSNSで自社名や競合名を検索し、どのような言及がされているか定性的な傾向を掴んでおく。復習：講義で学んだテキストマイニングの手法（共起ネットワークや感情分析など）を用い、自社ブランドの強み・弱みをどう可視化できるか設計図を描く。第11回：マーケティングにおけるAIと機械学習予習：AmazonやNetflixなどの「おすすめ機能（レコメンド）」が、どのようなデータに基づいているか推測してみる。復習：自社の保有するデータセットを用いて、どのような「予測モデル（離脱予測、需要予測など）」を構築すれば利益の最大化に繋がるかを提案する。第12回：生成AI時代のマーケティング実務予習：ChatGPTやGeminiなどの生成AIに触れ、「20代向けの化粧品のキャッチコピーを考えて」などの簡単なマーケティングタスクを試してみる。復習：講義で学んだ手法を活かし、第2回・第3回で考えたリサーチデザインの壁打ち相手として生成AIを活用し、調査票のブラッシュアップを行う。第13回：プライバシー保護とデータ倫理予習：普段利用しているサービスの「プライバシーポリシー」を1つ読み、自分のデータがどう利用されることに同意しているかを確認する。復習：改正個人情報保護法やCookie規制の現状を踏まえ、自社の現在のマーケティング施策に潜む法的・倫理的リスクと対応策を洗い出す。第14回：DX推進と組織への実装予習：自組織において「データ活用（DX）」が進まない要因（システム、予算、人材、企業文化など）を分析しておく。復習：データ活用を阻む社内の障壁を乗り越えるため、まずは「小さく始めて成功体験を積む（スモールサクセス）」ための具体的なプロジェクト案を策定する。第15回：最終成果発表／総括予習：第1回から第14回までの学びを統合し、実務で実行可能なレベルの「Webリサーチを用いたマーケティング戦略」のプレゼン資料を完成させる。復習：他の受講生の発表および講師からのフィードバックを振り返り、明日からの実務にどう活かすかのアクションプラン（宣言）をまとめる。
履修上の注意受講条件等
成績評価の基準等	授業の参加姿勢，課題レポート
実務経験	有り
実務経験の概要とそれに基づく授業内容	統計調査士保有
メッセージ
その他
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。

シラバスTOPへ