[論文レビュー] Data Mining Techniques: A Source for Consumer Behavior Analysis

Abhijit Raorane, R. V. Kulkarni|arXiv (Cornell University)|Sep 6, 2011

Data Mining Algorithms and Applications参考文献 5被引用数 11

ひとこと要約

本稿では、特に関連ルールマイニングを活用したデータマイニング技術を用いて、スーパーマーケットの販売データにおける消費者行動を分析することを提案する。信頼できる顧客の行動パターンを抽出することで、従来の消費者行動分析を改善できることを示しており、主な結果としてターゲティングマーケティングに役立つ行動ルールパターンが得られた。

ABSTRACT

Various studies on consumer purchasing behaviors have been presented and used in real problems. Data mining techniques are expected to be a more effective tool for analyzing consumer behaviors. However, the data mining method has disadvantages as well as advantages. Therefore, it is important to select appropriate techniques to mine databases. The objective of this paper is to know consumer behavior, his psychological condition at the time of purchase and how suitable data mining method apply to improve conventional method. Moreover, in an experiment, association rule is employed to mine rules for trusted customers using sales data in a super market industry

研究の動機と目的

• 従来の方法を超えて、データマイニング技術が消費者購買行動の分析をどの程度向上できるかを調査すること。
• 購買の瞬間に消費者の意思決定に影響を与える心理的および行動的要因を理解すること。
• 消費者行動モデリングにおける正確性とインサイト生成の向上に寄与する適切なデータマイニング手法を特定・適用すること。
• 実際のスーパーマーケット取引データを用いて関連ルールマイニングを実験し、信頼できる顧客に特化した意味のあるパターンを抽出すること。
• 実世界のデータを用いて、伝統的な消費者行動研究とデータ駆動型分析手法のギャップを埋めること。

提案手法

• 取引データを対象として関連ルールマイニングを適用し、頻出アイテムセットおよび相関ルールを発見すること。
• 抽出されたルールの有意性と信頼性を評価するために、サポートとコンfidエンス指標を用いること。
• 顧客のロイヤルティまたは購入頻度に基づいてデータをフィルタリングすることで、「信頼できる顧客」に焦点を当てる。
• 大規模な取引データベースから関連ルールを生成するために、Aprioriアルゴリズムを実装すること。
• データクリーニング、正規化、変換などのデータ前処理ステップを実施し、マイニングに適した形に元の販売データを準備すること。
• 分野特化型の検証を通じて結果を評価し、マーケティングおよび顧客セグメンテーションにおける実用的妥当性を確保すること。

実験結果

リサーチクエスチョン

• RQ1 データマイニング技術は、従来の方法と比較して、消費者行動分析の正確性と深さをどの程度向上できるか？
• RQ2 データマイニングを用いることで、取引データからどのような心理的および行動的パターンを推定できるか？
• RQ3 信頼できるまたは忠誠心の高い顧客の購買パターンを特定するのに最も効果的なデータマイニング手法は何か？
• RQ4 スーパーマーケット販売データからどのような具体的な関連ルールが抽出され、意味のある消費者行動を反映しているか？
• RQ5 データマイニングの結果をどのように実践的に応用することで、マーケティング戦略および顧客関係管理を強化できるか？

主な発見

• 関連ルールマイニングにより、スーパーマーケットデータセットにおける信頼できる顧客の頻出購買パターンが成功裏に同定された。
• 高サポートおよび高コンフィデンスのルールにより、忠誠心の高い顧客が繰り返し一緒に購入する製品の組み合わせが明らかになった。
• 本研究では、従来の分析では容易に検出できないインサイトを抽出できることが示された。
• 「パンとバターを購入する顧客は、ジャムも購入する傾向がある」といった具体的なルールが発見され、強い同時出現パターンが示された。
• データマイニングと消費者行動研究の統合により、購買意思決定をより動的でデータドリブンなアプローチで理解できるようになった。
• 結果から、データマイニングは小売環境における顧客セグメンテーションおよびターゲティングマーケティングの取り組みを顕著に強化できる可能性がある。