[論文レビュー] eBay users form stable groups of common interest

Joerg Reichardt, Stefan Bornholdt|arXiv (Cornell University)|Mar 16, 2005

Consumer Market Behavior and PricingBusiness, Management and Accounting参考文献 3被引用数 17

ひとこと要約

本稿では、商品の類似性指標や分類階層に依存せずに、入札競合データのみを用いて、共通の関心を持つ安定的で重複するグループを同定するネットワークベースのコミュニティ検出手法を提案する。主な発見は、ユーザーの関心プロファイルが時間経過とともに極めて安定しており、個人の専門性と社会的強化によって形作られる持続的な消費者の環境が存在することである。

ABSTRACT

Market segmentation of an online auction site is studied by analyzing the users' bidding behavior. The distribution of user activity is investigated and a network of bidders connected by common interest in individual articles is constructed. The network's cluster structure corresponds to the main user groups according to common interest, exhibiting hierarchy and overlap. Key feature of the analysis is its independence of any similarity measure between the articles offered on eBay, as such a measure would only introduce bias in the analysis. Results are compared to null models based on random networks and clusters are validated and interpreted using the taxonomic classifications of eBay categories. We find clear-cut and coherent interest profiles for the bidders in each cluster. The interest profiles of bidder groups are compared to the classification of articles actually bought by these users during the time span 6-9 months after the initial grouping. The interest profiles discovered remain stable, indicating typical interest profiles in society. Our results show how network theory can be applied successfully to problems of market segmentation and sociological milieu studies with sparse, high dimensional data.

研究の動機と目的

• 商品の類似性指標や分類階層に依存せずに、eBayのマーケットセグメンテーションを入札行動の分析によって検討すること。
• オークションにおける入札競合に基づいて、共通の関心を示す安定的で一貫性のあるユーザークラスタを同定すること。
• グループ化後の購入行動を用いて、同定された関心プロファイルの時間的安定性を検証すること。
• ネットワークベースのコミュニティ検出が、スパarsな高次元オンライン取引データにおいて社会学的環境をどのように明らかにできるかを示すこと。

提案手法

• ノードを入札者、エッジを少なくとも1つのオークションで競合する関係として定義するネットワークを構築し、共通の関心を持つ商品の入札を捉える。
• 共通の入札パターンを持つユーザーのクラスタを特定するため、階層的かつ重複を許容するコミュニティ検出アルゴリズムを適用する。
• ランダムネットワークの帰無モデルを用いて、入札ネットワークにおける非ランダムかつ非自明なクラスタ構造の妥当性を検証する。
• データの圧縮や類似度計算に使用せず、eBayの公式製品カテゴリ分類体系を用いてクラスタの解釈を行う。
• 6〜9か月後の購入行動を分析することで、クラスタをサンプリングし、ユーザー行動の時間的変化を追跡し、プロファイルの安定性をテストする。
• カテゴリ別の入札・購入のオッズ比を計算し、クラスタ間での関心プロファイルの定量的比較を実施する。

実験結果

リサーチクエスチョン

• RQ1 商品の類似性指標に依存せずに、オンラインオークションデータから共通の関心を持つユーザーグループを信頼性高く同定できるか？
• RQ2 eBayの多様な商品が利用可能であるにもかかわらず、ユーザークラスタの関心プロファイルは時間経過とともに安定しているか？
• RQ3 入札ネットワークの構造的特性（階層性や重複性）は、現実の消費者行動をどのように反映しているか？
• RQ4 ユーザーの好みはeBayの公式製品分類体系とどの程度一致しているか。また、この分類体系は、潜在的な関心クラスタの解釈に利用可能か？

主な発見

• 85%のeBayユーザーが、明確で一貫性のある主要関心を有する少数の大きなクラスタに分類可能であった。
• 各クラスタのユーザーの関心プロファイルは、6〜9か月の期間にわたり顕著に安定しており、二次的関心のわずかなシフトを除いて変化が少なかった。
• クラスタ1のユーザーは、映画の入札から音楽への関心が強くなったが、クラスタ9（テクノロジー関連ユーザー）は関心分野の多様性が広がった。
• コレクター（クラスタ7）やおもちゃモデル製作者（クラスタ4）は、プロファイルの変化が最小限に抑えられており、長期的で安定した関心が確認された。
• 関心プロファイルの安定性は、ユーザーが事前に経験のある分野の商品にしか入札しない傾向にあることを示しており、なじみのない分野へのリスク回避が関与していると考えられる。
• オンラインレコメンデーションシステムは、既存の関心プロファイルを強化しており、ユーザークラスタの長期的持続性に寄与している可能性がある。