| 研究課題/領域番号 |
17K03989
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
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 – 2021-03-31
|
| キーワード | オンライン・オフラインチャネルでの商品購買 / 消費者セグメンテーション / マルチメディア / TV情報 / デバイス・メディア・チャネルミックス / スマートフォンアプリ起動データ / ウエーブレット変換 / CNN |
|---|
| 研究実績の概要 |
１．オンライン・オフラインチャネルでの消費者購買研究に関して，伝統的メディアのTV及び複数のソーシャルメディア情報を取り入れ，利用デバイスと購買チャネルのデータを反応変数にした潜在クラスクラスタ分析により消費者セグメンテーションを行った．伝統的メディアのTV情報とデジタル系メディア情報を含めて同時に消費者のセグメンテーションを行った研究はなく，ソーシャルメディアと購買チャネル選択の関係を示す事も課題であった．分析の結果，既存研究より一つ多い8セグメントを得，購買チャネル・利用デバイスの各セグメントと相性の良いメディアの関係を示した．具体的には，（１）マルチチャネル購買者ではTV利用頻度が多いセグメントと少ないセグメントがあり，ソーシャルメディアの中でInstagramを多く利用すること，（２）非デジタル消費者ではTVを多く利用し，かつTwitter, Facebookを利用する傾向にあること，（３）（webでの商品情報取得，実店舗購買の）リサーチショッパーのTwitter, mixiの利用傾向，その一部では，TV利用が少ない傾向にあることを示した．
２.スマートフォンユーザーの３つのカテゴリーの自動収集を用いて１次元畳み込みニューラルネットワーク (CNN :convolutional neural network)により３カテゴリ分類および２カテゴリ分類に関する予測精度比較を行った。本研究ではウエーブレット変換データと原データを分析に用いた。３カテゴリ分類では高い予測精度は得られなかったものの、２カテゴリの分類ではウエーブレット変換データの結果の方が高い予測制度が得られることが示された。本研究によりデジタルマーケティング領域での応用が今後期待されるアプリデータに１次元CNNが適用できることが示された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
オム二チャネルに関する研究であるが、令和元年度では、全商品カテゴリまたがったマルチチャネルまでにしか到達していない。1年研究を延長したので、令和2年度においてオム二チャネルに関する研究を行う。
|
| 今後の研究の推進方策 |
令和2年度において下記の方策でオム二チャネルに関する研究を行う。
（１）商品カテゴリを絞ってチャネルを横断したオム二チャネルに関する研究を行う．
（２）トピックモデルの手法を導入し，購買チャネル・情報チャネルを統合した形のトピックを潜在情報として抽出する．
|
| 次年度使用額が生じた理由 |
研究の進み具合が遅かったため、使用しなかった旅費等の予算が生じた。
次年度に研究活動を加速するために人件費・謝金等に使用する予定がある。
|
