2023 Fiscal Year Annual Research Report
Understanding of Consumption Context Using User Generated Big Data
| Project/Area Number |
23H00859
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
石垣 司 東北大学, 経済学研究科, 准教授 (20469597)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
李 銀星 東北大学, 経済学研究科, 講師 (00845084)
五十嵐 未来 大阪大学, 大学院経済学研究科, 講師 (30925326)
佐藤 忠彦 筑波大学, ビジネスサイエンス系, 教授 (40400626)
|
|---|
| Project Period (FY) |
2023-04-01 – 2027-03-31
|
| Keywords | ユーザー生成コンテンツ / 統計的モデリング / マーケティング / ビッグデータ / 深層学習 |
|---|
| Outline of Annual Research Achievements |
消費者によるSNSやレビューサイト上への書き込み等で構成されるユーザー生成型コンテンツのマーケティングへの活用は学術界・産業界で課題となっている。本研究では、大規模な購買データベースとユーザー生成型コンテンツを統合的に利用して「多様な消費者 × 多様な商品・サービス × 消費文脈」の情報を抽出することで、高度な個別化マーケティング活動を支援する消費文脈活用基盤を開発することを目指している。マーケティングモデルや大規模データ計算を専門とする4名の研究者でチームを構成してビッグデータを用いた消費文脈活用基盤の開発を行っている。また、3つの小目標と1つの最終目標を立て、それらを段階に沿って達成することで研究テーマ全体の実現を目指している。
今年度は本科研費研究の初年度のため計算機環境やデータの整備を行った。大規模なユーザー生成コンテンツを利用した深層学習モデルを学習するためのGPUサーバーの環境整備、ならびに、そこで利用するマーケティングデータの整備を行った。その構築した環境をベースとして、来年度以降の本格的な研究目的達成のための実験を行う予定である。また、ユーザー生成コンテンツから有益な情報を抽出するためには、複雑な現象をモデル化する統計モデルも必要となる。それをビッグデータでの有効性を検証するための準備も進めている。
本科研費研究の最終目的の達成のための前段階として行った研究により2編の査読付き論文の公表と7件の学会発表を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度は主に以下３つの研究を行った。
①大規模マーケティングデータにおける疑似データ生成モデルの応用、および検証を行った。特に、既存の疑似データ生成モデルVAR（Variation Auto-Encoder)をベースに、既存モデルより高品質の疑似データの生成を実証分析で確認し、ユーザー生成コンテンツを活用したマーケティングへの応用の基盤モデルを構築した。
②ユーザー生成コンテンツプラットフォームにおけるユーザー行動の背後に存在する駆動要因を解明し、効果的なマーケティング施策の立案・評価に役立てていくための統計モデル構築を進めた。本年度は、プラットフォーム上のユーザーが生成するコンテンツと他ユーザーとのつながりである社会ネットワークの共進化モデル、およびコンテンツの生成と閲覧という二面市場における相互依存関係を考慮したモデルの構築に取り組み、提案モデルを適用いた実証分析の結果を学会等で報告した。
③マーケティング現象で生じる分布の形状が様々に変化する現象を一つの確率分布で表現するために、階層ベイズ型構造化ベータ分布を提案し検証を進めた。
今年度の研究は申請書類に記した初年度の研究計画通りに進行している。
|
| Strategy for Future Research Activity |
今後は、今年度で整備した環境を利用して、具体的なデータ分析を推進していく。特にユーザー生成コンテンツから消費文脈を抽出できる統計モデルの開発を本格的に推進していく。そこでは、階層ベイズモデルなどの柔軟な統計的なモデリング、大規模なユーザー生成コンテンツを利用できる深層学習モデルなどをベースに目的達成に資する統計モデルを構築する予定である。
|
