機械学習 | 「viz」×購買データを活用してコカ・コーラ爆買いする人推察してみた

● はじめに

マーケティングをおこなう上で、「機械学習って色んな所で聞くけど難しいんでしょう…」「結局コストがすごくかかるんじゃないの…」そう思っている方いらっしゃいませんか？

本記事を書いている私自身、機械学習なんて…そう考えていましたが「viz」を知って、こんなに簡単に機械学習を回せるんだ！と感動したので、皆さんにも是非知っていただき、本ツール「viz」を使えば機械学習を用いた新たな視点でのマーケティングが出来るかも！と、データ分析に興味をもっていただければと思います。

今回は、機械学習アシストツール「viz」を活用した例として
コカ・コーラを爆買いする人を普段の購買傾向から推察した事例についてご紹介いたします。

● 今回の目的

機械学習（AI）を活用し、「コカ・コーラ」を爆買いする人の普段の購買傾向予測してみた。

＜目的＞
コカ・コーラを爆買いする人とあまり買わない人を捉えたい！
- 「コカ・コーラ」爆買いしやすい人を機械学習によって定義する
- 爆買いする人と、あまり買わない人の差を捉える。

●目的に対して、機械学習ツール「viz」で出来ること

・今回の事例では、vizの機能の一つ「ターゲット抽出」を使います。
⇒ターゲット抽出とは、目的に対するID毎のスコアを返してくれる機能。

実際のviz「ターゲット抽出」機能を使って出力される結果は下記です。

・・・具体的に…どういうこと？

今回は、ターゲット抽出で算出された結果を用いて説明致します。

スコアが8~10の人（お見事！）
コカ・コーラ爆買い戦士
スコアが5~7の人
買った経験もあるし、それなりのペースで購入してます層
スコアが5未満の人
たまたま手を取ったor飲んだことがない層

⇒ID単位で、爆買いする人かあまり買わない人かをスコアにより分類可能

今回の目的は、「コカ・コーラ」爆買いの人を定義し、あまり買わない人の特徴差を確認したいので、スコアhigh者とスコアlow者に分類する。

● 普段の購入傾向を把握する

データ用意

まず分析に必要なデータを作成します。今回分析に必要なデータ要素は下記になります。
- ユーザー識別子
- 目的変数（予測したい情報）
- 説明変数（予測の材料となる情報 )

今回の分析ではユーザー識別子を購買者ID、目的変数を「コーラの購買合計金額」、説明変数を普段の購買行動（お菓子類、弁当などその他商品）として、下図のようなデータを作成しました。
※説明変数は多いため、一部抜粋

pricesは対象コーラの合計購買金額を表しており、説明変数の部分は、各ID毎のカテゴリ購買金額になっております。