[2M1-GS-10] AI応用：購買・広告

[2M1-GS-10-04] マーケティングサイエンスにおける自然言語処理の新たな利用方法の提案

併買データの可視化を例に

〇村本 遥香¹、上田 雅夫¹ (1. 横浜市立大学)

[[オンライン]]

キーワード：表現学習、クラスタリング、マーケティングサイエンス

マーケティングで分析するデータは、消費者の好みの偏り、異質性を反映し、０が多い疎のデータが多い。例えば、商品の併買状況を分析する際、組み合わせの偏りにより、商品間の併買回数に０が多くなる。本研究では、自然言語処理のstatic embeddingを用いて、併買される商品を低次元のベクトルに変換することで、疎のデータの問題を改善する手法の提案を目的とする。実証分析では、ある食品カテゴリーのID付きPOSデータを用いて、ID×商品のデータ（購買有無を０と１で表現）を作成した後、商品の併買状況を集計したデータとstatic embeddingを用いてベクトル化したデータを作成し、それぞれを階層クラスター分析（ward法）で分析した結果を比較した。分析した結果、１クラスタ内の商品数の分散は、併買状況を集計したデータでは5113.8であったが、static embeddingを用いると514.6となった。本研究を通して、自然言語処理で培われた方法が、言葉や文章の課題だけではなく、マーケティングの問題にも応用できることが示唆された。