同一顧客の購入数が少ない商品群を対象とした購買履歴に基づく商品特性分析モデル

山極綾子; 雲居玄道; 後藤正幸

文献

J-GLOBAL ID：202202237082789803 整理番号：22A1337896

同一顧客の購入数が少ない商品群を対象とした購買履歴に基づく商品特性分析モデル

An Analytical Model Based on Purchase History for Products with Low Multiple Purchases from Each Customer

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1337896&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1337896&from=J-GLOBAL&jstjournalNo=U0473A") }}

著者 (3件)： , ,
資料名：
巻： J105-D 号： 5 ページ： 297-309 (WEB ONLY) 発行年： 2022年05月01日
JST資料番号： U0473A ISSN： 1881-0225 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：日本語 (JA)

近年,購買履歴データに基づく商品や顧客分析を行い,マーケティング施策に活用する研究が多くなされている.例えば商品分析方法について,顧客と商品の共起関係に基づき商品の特徴量を分析するモデルがある.しかし,同一顧客による被購買数が少ない商品群には,従来研究されてきたモデルを適用することが難しい.本研究ではこのような特徴をもつ事例として生花ECサイト上の購買履歴データを対象とし,商品ごとに購買有無を識別する二値分類器を学習して,推定される偏回帰係数に基づく商品特性分析手法を提案する.具体的には,購買履歴データが商品,購入用途,顧客属性の組み合わせで与えられることに着目し,商品購買有無を目的変数,その他の情報を特徴量とする二値分類器を学習する.そこで得られた各特徴量の偏回帰係数を,購入用途と顧客属性が商品の購買有無に与える影響と捉え,商品特性を表す指標とみなすことで商品間の類似度を評価する.なお,それら関係性のモデル化には,特徴量間の交互作用を考慮可能なFactorization Machineで学習される回帰係数を用いる.最後に,提案手法を実データに適用し,その有効性を示す.(著者抄録)

, , , , , , ,
,

マーケティング

引用文献 (28件)：

経済産業省,“令和元年度内外一体の経済成長戦略構築にかかる国際経済調査事業(電子証取式に関する市場調査),”2020.
J.K. Gerrikagoitia, I. Castander, F. Rebón, and A. Alzua-Sorzabal, “New trends of intelligent e-marketing based on web mining for e-shops,” Procedia-Social and Behavioral Sciences, vol.175, no.1, pp.75-83, 2015.
L. Ma and B. Sun, “Machine learning and ai in marketing-connecting computing power to human insights,” International Journal of Research in Marketing, vol.37, no.3, pp.481-504, 2020.
O. Barkan and N. Koenigstein, “Item2vec: neural item embedding for collaborative filtering,” IEEE 26th International Workshop on Machine Learning for Signal Processing, IEEE, pp.1-6, 2016.
Z. Li, H. Zhao, Q. Liu, Z. Huang, T. Mei, and E. Chen, “Learning from history and present: Next-item recommendation via discriminatively exploiting user behaviors,” Proc. 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining, pp.1734-1743, 2018.

, , , , ,

前のページに戻る