Deep Learningを活用した広告コンテンツにおけるブランド混同の解明
Project/Area Number |
20K01963
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 07090:Commerce-related
|
Research Institution | Tokyo Metropolitan University |
Principal Investigator |
中山 厚穂 東京都立大学, 経営学研究科, 教授 (60434198)
|
Project Period (FY) |
2020-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2020: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
Keywords | Artificial Intelligence / deep learning / 畳み込みニューラルネットワーク / 市場セグメンテーション / ブランドポジショニング / ブランド混同 / Deep Learning / CNN / VGG16 / Grad-cam / Artificial intelligence / ブランドストーリーテリング / Classification / Imagery brand confusion / Image data analysis / 機械学習 / Imagery Brand Confusion |
Outline of Research at the Start |
顧客が画像や動画などの広告によるマーケティングコミュニケーションにより得た情報をもとに各ブランドをどのように識別し混同しているか、どのブランドが顧客のコミュニケーションにより有意性をもっているのかということを明らかにする。そして、コンテンツベースの画像検索(Content-Based Image Retrieval)における重要な課題であるユーザーがセマンティックな類似性を求めるが、データベースはデータ処理によってのみ類似性を判断するため生じるセマンティックギャップの解決を目指すとともに人工知能(Artificial Intelligence, AI)による広告効果の検証について検討する。
|
Outline of Annual Research Achievements |
現在,大量のマーケティングデータがオンラインで入手できるようになっている.オンラインのクリックストリーム,メッセージング,口コミ,トランザクション,位置情報などの様々なデータが自動収集されることでデータ収集にかかるコストが大幅に削減されている.そして,これまでにない量のデータが得られるようになり消費者の行動を非常に詳細に把握できるようになっている.そのような状況において,近年,Convolutional Neural Network(CNN)は,多くのコンピュータビジョンタスク(デジタル画像の取得・処理・分析)のための有力なアルゴリズムとなり,deep learningアプローチやAIの技術を用いた研究や応用が多く行われている.また,実務においては機械学習手法(deep learningやコグニティブシステムを含む)の活用が推進されている.そのため,マーケティング研究においてもディープラーニングアプローチをどのように活用すべきかが問われており,マーケティングの業務へのこれらの要素の影響は今後一層高まると予想される. 本研究では,マーケティングにおける意思決定を支援することを目的に機械学習やdeep learningによるアプローチと従来からのマーケティング研究の知見を組み合わせた市場セグメンテーションとポジショニング戦略の策定にかかわる研究を実施した,得られた知見をもとにマーケティングにおける意思決定の支援における貢献を目指した.その研究成果については国際・国内学会での口頭発表や国際雑誌や和文誌での紙上発表を行った.
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
マーケティング研究が抱える課題,AIがマーケティングや顧客行動に与える影響,deep learningによるアプローチの発展についてこれまでに整理・検討した結果をもとに,マーケティングにおける意思決定を支援することを目的として機械学習やdeep learningによるアプローチと従来からのマーケティング研究の知見を組み合わせた市場セグメンテーションとポジショニング戦略の策定にかかわる研究を実施した.これらの研究の成果を関連する国際学会などで発表する予定であったが新型コロナウイルス感染症の影響により研究報告が困難となったものもあり全体的にやや遅れが生じている.
|
Strategy for Future Research Activity |
マーケティング研究が抱える課題,AIがマーケティングや顧客行動に与える影響,deep learningによるアプローチの発展についてこれまでに整理・検討するとともに,マーケティングにおける意思決定を支援することを目的とした機械学習やdeep learningによるアプローチと従来からのマーケティング研究の知見を組み合わせた研究を実施する.マーケティングにおける意思決定を支援することを目的に機械学習やdeep learningによるアプローチと従来からのマーケティング研究の知見を組み合わせた市場セグメンテーションとポジショニング戦略の策定にかかわる研究を行い,得られた知見をもとにマーケティングにおける意思決定の支援における貢献を目指す.
|
Report
(4 results)
Research Products
(36 results)