[論文レビュー] A Data Mining Framework for Optimal Product Selection in Retail Supermarket Data: The Generalized PROFSET Model

Tom Brijs, Bart Goethals+3 more|ArXiv.org|Dec 11, 2001

Data Mining Algorithms and Applications参考文献 12被引用数 11

ひとこと要約

本論文は、頻度集合分析を用いてクロスセリング利益を最大化することで、スーパーマーケット小売における製品選定を最適化する一般化された PROFSET モデルを提案する。カテゴリ制約と実世界のデータを統合し、チョコレートバーなどの主要カテゴリで個別利益ランキングを上回る最大588％のクロスセリング利益向上を達成した。

ABSTRACT

In recent years, data mining researchers have developed efficient association rule algorithms for retail market basket analysis. Still, retailers often complain about how to adopt association rules to optimize concrete retail marketing-mix decisions. It is in this context that, in a previous paper, the authors have introduced a product selection model called PROFSET. This model selects the most interesting products from a product assortment based on their cross-selling potential given some retailer defined constraints. However this model suffered from an important deficiency: it could not deal effectively with supermarket data, and no provisions were taken to include retail category management principles. Therefore, in this paper, the authors present an important generalization of the existing model in order to make it suitable for supermarket data as well, and to enable retailers to add category restrictions to the model. Experiments on real world data obtained from a Belgian supermarket chain produce very promising results and demonstrate the effectiveness of the generalized PROFSET model.

研究の動機と目的

• オリジナルの PROFSET モデルが頻繁な併購入を伴う大容量のショッピングカゴを処理できないという限界を解消すること。
• 小売業者が定めたカテゴリマネジメント原則を製品選定に統合し、実務的妥当性を高めること。
• 個別利益ではなく、クロスセリング効果を含めた総利益に基づいて製品選定を最適化すること。
• ベルギーのスーパーマーケットチェーンから得た実際の取引データを用いて、モデルの実証的妥当性を検証すること。
• クロスセリングの潜在的影響が、個別利益ランキングと比較して最適な製品選定を著しく変える可能性を示すこと。

提案手法

• オリジナルの PROFSET モデルを、スーパーマーケットのデータに一般的な大容量のマーケットバスケットを処理できるように拡張する。
• 各カテゴリに1つの製品のみを選択する制約を導入し、棚割りの制限を反映する。
• 頻度集合ごとの利益を計算し、個別利益とクロスセリング利益を統合する。
• 関連ルールマイニングを用いて、特に目を引く製品（アイキャッチャー）間の共起パターンを特定する。
• クロスセリング貢献を含めた総利益に基づいて製品セットをランキングする利益最大化フレームワークを適用する。
• 実世界の取引データを用いて頻度集合をマイニングし、モデルの出力を検証する。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてデータマイニングフレームワークを、頻繁な併購入を伴う大容量のスーパーマーケットバスケットを処理できるように一般化できるか？
• RQ2 カテゴリ制約は、クロスセリング状況における最適な製品選定にどの程度の影響を及ぼすか？
• RQ3 クロスセリング利益は、最適な製品選定を決定する上で、個別製品利益を著しく上回ることができるか？
• RQ4 関連ルールは、選択された製品の利益性と併購入パターンをどの程度検証できるか？
• RQ5 個別利益が低いがクロスセリング潜在能力が高い製品の順位に、クロスセリング効果がどのように影響を与えるか？

主な発見

• 218の製品カテゴリのうち24.7％（54カテゴリ）において、一般化された PROFSET モデルは、個別利益が最も高い製品とは異なる製品を選択しており、これはクロスセリングの影響が顕著であることを示している。
• チョコレートバーのカテゴリでは、個別利益が最も高い製品を選んだ場合と比較して、クロスセリング利益が最大588％向上した。
• 「Leo 10パック 10+2」は、個別利益が最低（BEF 12,028）であったが、クロスセリング利益はBEF 264,228に達し、総利益が最も多い選択肢となった。
• 関連ルールは強い併購入パターンを確認した。例えば、「Leo 10パック」とチーズ製品の組み合わせは信頼度55％、「Milky Way Mini」と果物/野菜の組み合わせは信頼度50.82％であった。
• 頻度集合が存在しないカテゴリでは、モデルは全体のセット利益を最大化するため、個別利益が最も高い製品を選択する。
• モデルは、個別利益が低くてもクロスセリングを促進する「アイキャッチャー」を効果的に同定でき、小売マーケティングミックス意思決定において有効であることを実証した。