• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2021 年度 研究成果報告書

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

研究課題

  • PDF
研究課題/領域番号 17H01001
研究種目

基盤研究(A)

配分区分補助金
応募区分一般
研究分野 商学
研究機関東北大学

研究代表者

照井 伸彦  東北大学, 経済学研究科, 教授 (50207495)

研究分担者 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)
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)
近藤 文代  筑波大学, システム情報系, 講師 (40322010)
研究期間 (年度) 2017-04-01 – 2022-03-31
キーワードベイズモデリング / 大規模データ / 機械学習 / 消費者行動 / 非構造データ / User Generated Contents / 異質性モデル
研究成果の概要

異なる分野の理論や分析手法の統合による知の獲得は現代社会において求められる共通の考え方であり、これをマーケティングにおいて実践し、実務と学術研究の乖離を埋める研究成果が得られた。とくに機械学習手法のマーケティングモデルへの取り込みの研究について、喫緊の課題と認識されているソーシャルメディア情報の活用のモデル化や異質性モデリングの研究を組織的に行い多くの研究成果を得た。本研究はこの流れに沿って行われ、学術論文や学会発表を通じて研究成果を公表した。具体的には、雑誌論文は合計38件、うち査読論文は33件、国際共著論文は4件であり、学会発表は合計36件、うち国際学会は9件の研究成果を得た。

自由記述の分野

マーケティング

研究成果の学術的意義や社会的意義

学術的意義として、マーケティング研究で急務とされている機械学習手法のマーケティングモデルへの取込みに関し、従来の情報源である顧客データベースに加えて大規模化したソーシャルメディア非構造データも取り入れたモデル研究を関連理論を取入れながら異質性モデリングの枠組みで進展させた。
社会的意義としては、マーケティング実務で高精度の予測性能を発揮している機械学習手法は因果構造を利用しないため中長期的マーケティング戦略策定に得られる知見は限定的であるが、因果構造理解と予測性能を同時に追求する本研究課題の視点とアプローチにより、実務に有用な知見が得られること実証した。

URL: 

公開日: 2023-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi