2020 Fiscal Year Annual Research Report
データ・理論・分析手法の統合によるマーケティングモデルの進化と理論構築
| Project/Area Number |
17H01001
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
照井 伸彦 東北大学, 経済学研究科, 教授 (50207495)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
李 銀星 東北大学, 経済学研究科, 特任助教 (00845084)
石垣 司 東北大学, 経済学研究科, 准教授 (20469597)
近藤 文代 筑波大学, システム情報系, 講師 (40322010)
佐藤 忠彦 筑波大学, ビジネスサイエンス系, 教授 (40400626)
中野 純司 中央大学, 国際経営学部, 教授 (60136281)
|
|---|
| Project Period (FY) |
2017-04-01 – 2022-03-31
|
| Keywords | マーケティングモデル / ベイズ統計 / 機械学習 / 大規模データ / テキスト解析 / 消費者行動 |
|---|
| Outline of Annual Research Achievements |
研究課題に関する研究に関し、消費者行動モデルと機械学習モデルの融合研究を中心に実施した。具体的な個別の研究成果は下記の通りである。
・ソーシャルメディア上のテキスト情報を考慮した社会ネットワーク分析モデルを次数異質性を持つモデルへ拡張し、消費者行動へ分析への応用を研究した。
・スマートフォンユーザー接続時間時系列データの畳み込みニューラルネットワーク(CNN)により性別と年齢範囲の分類方法を開発と消費者行動への応用について研究し、Webアプリのログのみ取得可能だが性別や年齢層が取得できない企業にとっての応用の可能性を示した。
・百貨店とドラッグストアのID付POSデータを用いて，消費者行動のメカニズムを解明するための研究を継続的に実施した．百貨店のデータを用いた研究では，階層ベイズモデルの枠組みで来店と購買量の生起メカニズムを同時に捉えるためのモデルを提案し，ドラッグストアのデータを用いた研究では，ポアソン潜在ブロックモデルを活用し，顧客セグメンテーションと製品クラスタリングを同時に実現するためのモデルを提案し，その有効性を示した．
・e-commerceや映画視聴サービスに関する消費者の購買・視聴行動について、消費者への情報推薦を想定し、消費者へのありきたりな推薦を避けるために推薦の多様性を維持したままで、かつ、推薦精度も保持するための方法を提案し、その有効性を示した。
・機械学習におけるテキスト解析手法であるLDA2vecを数値データのID-POSデータに応用する研究を行い、大規模データから購買コンテクストを顧客ごとに推測するモデルを提案し、実データにより有効性を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本課題に関する研究論文10件、学会報告3件の成果を挙げており、おおむね順調に進展している。
|
| Strategy for Future Research Activity |
今後は各自の個別研究を相互に共有できる機会を増やしながら組織的に研究を展開し、当該課題を総括する。
|
