Column

コラム

  • 機械学習 | 「viz」×購買データを活用してアルコール購買...
  • viz
  • データ分析
  • データ活用
  • 機械学習

機械学習 | 「viz」×購買データを活用してアルコール購買しやすい人を分析してみた!

● 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「アルコール」購買傾向が高い人を
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、「アルコール」を買いやすい人を普段の購買傾向予測してみた。

    <目的>
    アルコールを買いやすい人の特徴を知って
    店舗の棚づくりに活用したり、一緒に売り出すと良い商品について知りたい!
    • 「アルコール」を買う人が普段買う商品の特徴を知る
    • 弊社保有の購買データを活用して「アルコール」を買いやすい人vs買いにくい人の特徴を捉える

●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。

・・・何となくイメージ出来るが…どういうこと?

今回のアルコール購買しやすい人で分析した事例を用いて説明致します。

  1. スコアが8~10の人(お見事!)
    アルコール購入経験ありますよね、むしろアルコールめちゃめちゃ買ってますよね層
  2. スコアが5~7の人
    アルコール買いたいですよね…?層
  3. スコアが5未満の人
    アルコール買わないですね…仕方ないですね層
vsうさぎ

⇒結果ID単位でスコア分類することが可能に!


今回の目的は、アルコールを買いやすい人 vs 買いにくい人の
特徴を捉えたいので、スコアが高い人とスコアが低い人で比較しよう!

● アルコール以外の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「アルコール購買者」、説明変数を普段の購買行動(合いびき肉、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
flag部分の0はアルコール購買なし、1はアルコール購買者という表記で、
説明変数の部分は、各ID毎のカテゴリ購買個数になっております。

viz_購買分析_データセット

vizでデータセット

上記データ用意が完了したら、vizに早速アクセスしてターゲット抽出を選択し予測対象の
データにcsvファイルをアップロードします。予測したい項目と顧客IDを選択します。

viz_購買_ターゲットセット

出力結果

3分程度で、ID毎のスコアと、アルコール購買有無を判断するうえで、
重要な普段の購買傾向(特徴量)が出力結果として出てきます。

viz_購買_ターゲット抽出結果

分析した結果

上部の「予測結果とスコア」では、ユーザーの中でスコアが高い(=アルコール購買する可能性が高いと予測された)上位10IDと、スコアの分布が表示されています。

下部の「特徴量ごとの重要度」では、ユーザーをアルコールを買いやすいか判断する際に大事とされた項目(=アルコール飲料購買者と親和性が高いカテゴリ)が表示されています。

今回の分析結果から、加工食品やお菓子、お弁当を普段買っている人がアルコールを購買しやすい人であると判別する材料として比較的有効であるということが分かりました。

活用方法

加工食品とセットで売り出すことや、お弁当に出来るだけ近いところで
棚づくりをしていただくなど実際の店舗へ交渉する際の材料にしていただければと思います。

その他にも、下記コラム記事でvizを使った分析事例をご紹介しているので是非ご覧ください。

※vizの同機能「ターゲット抽出」についてのコラムはこちら
機械学習|「viz」×「DataCurrentセグメント」にて、性別を予測してみた

※vizの別機能「貢献度分析」についてのコラムはこちら
機械学習|「viz」× 広告施策の売上貢献度を分析する

※vizの別機能「施策シミュレーション」についてのコラムはこちら
機械学習|「viz」×「viz」× 広告施策の最適化と広告効果シミュレーション

● viz発展編

BIツールで可視化

vizの結果をBIツールと連携することで可視化出来るケースがあります。
※今回はTableauを使用

今回はvizのスコア結果を基に、年代と掛け合わせた結果をBIツールで可視化しました。
①スコア8以上のIDをhigh(青色) ②スコア8未満のIDをlow(グレー)

viz_購買_Tableau

※他にもデータ連携により可視化出来るパターンがございますので、
 ご興味がある方は下記フォームにてお問合せいただければと思います。

● さいごに:機械学習アシストツールvizについて


vizでは本件のように、機械学習を活用した予測をスピーディーに実行することが可能です。
また、エクセル等で分析用データを用意しておけば、直感的な操作のみで実行できるため、
プログラミング等の専門的な知識がなくても手軽に予測を行うことができます。

弊社では、新規データソースの連携方法の整理や実際の連携作業、開発といったことから、
既に連携しているデータのトラブル、ご相談まで幅広くサポートしています。
お困りごとございましたらお気軽にご相談ください。

またvizについてもっと知りたい方は、詳細資料を公開しております。
デモを用いてご説明することも可能ですので是非お問い合わせください。

》vizサービスサイトはこちら
》詳細資料・お問い合わせはこちら

vizバナー

本件に関するお問い合わせは下記にて承ります。
株式会社DataCurrent
info@datacurrent.co.jp

人気のコラムランキング

PICK UP

今、CMPは導入するべきか?

コラム

Treasure Data CDPを活用したOneID(統合ID)構築3 姓名突合での落とし穴

コラム

機械学習 | 「viz」×焼肉のたれの売上を肉の売上でシミュレーションしてみた

コラム

CMPツールの導入手順について

コラム

TOPへ
戻る