|
本年度は、昨年度に実施したミクロデータとマクロデータの統計的データ融合手法を利用した購買間隔モデルの拡張を行った。マーケティングにおける顧客関係性管理や購買間隔モデルなどは、一般的に自社データベースの利用を前提としているが、自社データベースには他社店舗における購買が記録されていない。そのため、消費者が他社で購買を行っている場合は、自社データベース上に観測される購買間隔は複数の購買間隔の和となり、その和データを分析して得られた推定結果はバイアスがある可能性が高い。そこで本研究では、自社に観測される複数の購買間隔の和から本来の母数を正しく推定する方法を提案した。前年度に開発したモデルでは「観測される購買間隔の和が何個のデータから構成されるか」という情報を既知としていたが、現実的なマーケティング課題に対応するため、購買間隔の構成数を未知として推定するモデルに拡張した。これを適切に推定するために、ミクロレベルの購買間隔を基本データとしつつ、マクロ情報を融合し、さらに別のミクロデータを組み込む統計的データ融合法を提案した。人工データを用いたシミュレーション研究により、マクロ情報や別のミクロデータがないと母数を適切に推定できないが、提案モデルでは母数を適切に推定できることを示した。現在、購買履歴データを用いた実データ解析を実施し、海外誌に投稿準備中である。
また、マーケティングにおける購買間隔モデルのレビュー論文を作成した。特に、ブランド選択構造や他社店舗における購買行動などを考慮した購買間隔モデルについて整理するとともに、考察と現状の課題についてまとめた。また、ベイズ統計学を用いて、観測されない消費者異質性を含む様々な購買間隔モデルを構築して包括的な実証分析を行い、モデルの結果比較と考察を行った。研究成果は論文としてまとめた。
|
