I.　POSデータと市場予測
1.　POSシステム普及の歴史とその活用分野
　1.1　マーケティングで使用されるPOS関連データの種類
　1.2　マーケティングにおける意思決定への影響
　1.3　米国におけるスキャナーデータサービスの変遷
II.　POSデータの分析
2.　クロスセクショナル分析
　2.1　線形回帰モデル手法
　2.2　市場反応関数の形状
　2.3　パラメータの推定方法
　2.4　予測精度の比較方法
　2.5　セールスプロモーションの例
3.　ダイナミクスの分析：時系列予測モデル
　3.1　平滑化法によるトレンド分析
　3.2　成分分解可能な時系列モデリング
　3.3　ボックス・ジェンキンスモデル
　3.4　構造時系列モデル
　3.5　カルマンフィルターを用いた状態空間モデルアプローチ
　3.6　その他の最近のモデル―LA/AIDSを用いたプライベートブランドの分析
4.　時系列―クロスセクショナル分析
　4.1　多変量時系列構造モデル
　4.2　ブランドスイッチ効果とカテゴリー拡大効果
　4.3　ブランドスイッチおよびカテゴリー拡大に関する分析例
III.　スキャン・パネルデータの分析
5.　パネルデータを使った実務における分析
　5.1　非集計データ分析の重要性
　5.2　顧客プロファイル分析
　5.3　新製品の売上げ予測
　5.4　ブランドスイッチ，競合分析，市場構造分析
6.　購買モデル
　6.1　購買発生モデル
　6.2　購買タイミングモデル
7.　ブランド選択モデル
　7.1　非集計顧客別データに基づいたブランド選択モデル
　7.2　確率的効用最大化モデル
　7.3　多項ロジットモデルの特徴
　7.4　多項ロジットモデルのパラメータ推定
　7.5　多項ロジットモデルのスキャン・パネルデータへの応用例
8.　消費者の異質性
　8.1　異質性をモデル化するアプローチ
　8.2　ブランド・ロイヤルティー
　8.3　潜在クラスモデル
　8.4　階層ベイズモデル
　8.5　階層ベイズによるプロビットモデルのスキャン・パネルデータへの応用例
9.　ノンパラメトリック化によるブランド選択モデルの拡張
　9.1　モデルの仮定を限りなく排除するアプローチ
　9.2　確率的効用最大化プロセスのノンパラメトリック化
付　録
1.　顧客ベース分析の導出
2.　多項ロジットモデルの導出
3.　セミパラメトリック・ロジットモデルのアルゴリズム
　3.1　一般のGAMのアルゴリズム
　3.2　セミパラメトリック・ロジットモデルのアルゴリズム
文　献
あとがき
索　引