| 研究課題/領域番号 |
20K13576
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分07080:経営学関連
|
|---|
| 研究機関 | 同志社女子大学 |
|---|
研究代表者 |
金子 雄太 同志社女子大学, 現代社会学部, 助教 (40770300)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | パスデータ / 消費者行動モデル / 売場レイアウト / 購買行動モデル / 生成型AI / アイトラッキングデータ / 顧客動線データ / インターネット検索 / ブランドイメージ / データ分析基盤 / 購買履歴データ / 売上予測モデル / 状態空間モデル / オンライン環境 / オフライン環境 / マーケティング変数 |
|---|
| 研究開始時の研究の概要 |
本研究では、顧客動線データなどのパスデータをオンライン/オフライン環境の視座から体系化し、購買に関する消費者行動モデルを組むことでマーケティング変数の有効性を評価する。顧客の購買行動に着目し、売場訪問や購買意欲、購買行為にマーケティング変数が与える影響について調べていく。
|
| 研究成果の概要 |
顧客動線研究では買い物行動の複雑性の指標化の研究に取り組み、改良KNNアルゴリズムを用いて、フラクタル次元と店舗内滞在時間に基づく顧客分類モデルを考案した。本提案モデルは数値実験において、SVMや従来のKNN分類モデルと比較して良好なF1スコアを示した。化粧品ブランドの購入意向の調査研究からは、各ブランドの顧客層の特徴を明らかにし、精度の良い購入意向の予測モデルとしてLGBM分類器が選択された。説明変数の重要度からアンチエイジングが上位の重要なキーワードであることが判明した。
|
| 研究成果の学術的意義や社会的意義 |
本研究によって、優良顧客の特徴を掴むことに複雑性の指標が有効であることが示され、非線形統計量の活用に新たな可能性を提示することができた。消費者行動モデルにデータ駆動型の機械学習モデルを採用することで、予測モデルの観点から消費者の特性に関する情報を得ることができ、そうした情報を活用しながら商品やサービスの販促を考えることで、従来にはなかった施策を考案していくことが期待される。このようにパスデータと調査観測データのモデリング、指標の活用に新たな知見が得られたことは、学術的および社会的に意義があり今後の研究開発にもつながっていく成果と考えられる。
|
