2016 Fiscal Year Annual Research Report
Development and application of next generation pattern recognition methods for user behavior analysis using large scale log data
| Project/Area Number |
26560167
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
後藤 正幸 早稲田大学, 理工学術院, 教授 (40287967)
|
|---|
| Project Period (FY) |
2014-04-01 – 2017-03-31
|
| Keywords | 大規模データ / 大規模ログデータ / パターン認識 / 機械学習 / ユーザ行動 / 潜在クラスモデル / テキストマイニング / 時系列分析 |
|---|
| Outline of Annual Research Achievements |
本研究では，ECサイト等のデータベースに蓄積される大規模ログデータに基づき，ユーザ行動の分析を通じて，経営判断やマーケティングツールとして活用するための次世代パターン認識手法の開発と応用技術の確立を目指しており，最終年度である平成28年度は，これまでの研究成果を踏まえ，実際のユーザ行動履歴データを対象とした分析を行いつつ，理論的にも汎用性の高いと考えられる手法について研究を行った。特に，ユーザのECサイト上でのページ閲覧行動履歴データに対して，リアルタイムクーポン発券ロジックを構築するための機械学習モデルを複数の観点から開発した。まず，潜在クラスマルコフモデルを改良した分析モデルにより，ユーザのページ閲覧行動の時系列推移より，リアルタイム割引クーポンに対する反応としてのコンバージョン率の予測モデルを構築し，その性能を実データを用いて評価した。また，アイテムの閲覧と購買を共起の事象として，ユーザの異質性を考慮するための潜在クラスモデルとクーポンの発行やその他のユーザの行動情報による購買確率への効果を分析するためにロジットモデルの２つのモデル統合した分析モデルの提案を行った。一般に，Webマーケティング施策の一つであるリアルタイムでの割引クーポンの発行は，その効果が高いユーザに対してのみ発券することが必要である．これに対して，本研究で提案した手法は，コンバージョン率の高いユーザのセッションを検出し，割引クーポンを発券すべき対象を明確化することが可能である。
また，前年に引き続き，就職ポータルサイトにおけるユーザの行動履歴データの分析モデルについて研究を行い，個社ページ閲覧履歴とエントリー履歴に基づき，今後のエントリー行動を予測するモデルを構築した。提案モデルの有効性を実データによって検証している。
以上の研究の成果は，平成28年度の国内学会，並びに国際会議にて発表の予定である。
|
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
[Presentation] An Approximate Bayesian Prediction Algorithm Based on Ensemble Learning2016
Author(s)
Takumi Arai, Yusei Yamamoto, Kenta Mikawa, Masayuki Goto
Organizer
The 7th Forum for Council of Industrial Engineering and Logistics Management Department Heads (CIEDH2016) & The 5th Institute of Industrial and Systems Engineering Asian Conference (IISEAsia2016)
Place of Presentation
Hong Kong, China
Year and Date
2016-07-21 – 2016-07-22
Int'l Joint Research
-
-
-
-
-
-
-
