2018 Fiscal Year Annual Research Report
Finding latent needs from the consideration set using data polishing technic
| Project/Area Number |
15K17146
|
|---|
| Research Institution | Senshu University |
|---|
Principal Investigator |
中原 孝信 専修大学, 商学部, 准教授 (60553089)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | クラスタリング / 考慮集合 / 潜在ニーズ / データ研磨 |
|---|
| Outline of Annual Research Achievements |
本研究は、消費者の購買行動に着目し商品を購入する際に候補となる商品群を予測して、それらの商品を潜在的なニーズとして捉える方法を明らかにする。そして潜在的なニーズを利用した消費者行動モデルを構築することが目的である。
これまでに、商品の類似度グラフを利用した購買行動のグラフ表現と構造同値性を利用した潜在ニーズの発見方法を提案しており、ある程度の予測精度が得られている。類似度グラフは併売関係を表すグラフであり、併売されやすい商品間に枝を貼ることで生成される。そして、そのグラフにデータ研磨を適用することで、構造同値性と呼ばれる他商品との関係性が共通している構造を捉えることができる。この構造に含まれる商品はそれぞれ競合関係を示しており、購買時に候補となる商品群として扱うことが可能である。グラフ研磨を適用することで直接の接続関係だけではなく、他の商品間の繋がりから間接的に重要な接続関係を抽出できることから、接続関係のない購入候補となった商品を捉えるためには有効な方法である。この方法を利用することで推薦精度が向上した。
またモデルを精緻化するために、類似度グラフに相互類似関係を利用した枝のフィルタリングを適用する方法を提案した。これまで相関ルールの抽出では問題となっていた、よく購入される商品の影響が大きくなり、商品間の購買頻度に偏りのあるルールが抽出されるという問題点を相互類似関係を利用した相関ルールの抽出によって、改善できることを示した。
最終年度は、モデルを構築する前に分析対象となる顧客を購買関係の類似性によりクラスタリングし、比較対象となる顧客群をそのクラスタに紐付けることで、より意味解釈がしやすいモデルが構築できることを示した。データマイニングでは自明なルールばかりが抽出されるという点が指摘されていたが、この方法によってその点が改善できることを示した。
|
