Column

コラム

  • 機械学習 | 「viz」×アイス購入しやすい天気要因を分析し...
  • viz
  • データ分析
  • データ活用
  • 機械学習

機械学習 | 「viz」×アイス購入しやすい天気要因を分析してみた

● 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、アイス購入に影響する天気要因を分析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、「アイス」購入に影響している天気要因を探る

    <目的>
    アイス購入者は天気要因ありそうだけれど、具体的に何が影響しているか知りたい!
    • 「アイス」を買う人がどの天気要因に影響されているかを探る
    • 天気データを活用して、いつ売り出せば良いかタイミングを把握する!

●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「貢献度分析」を使います。
⇒貢献度分析とは、目的と変数の相関度や目的に対する変数の影響度を算出してくれる機能

実際のviz「貢献度分析」機能を使って出力される結果は3つあります。

  • 相関度:数値が高い方がアイス購入への影響度が高いことを表しています。
  • 施策ボリューム対効果:数値が高い方が各変数ボリュームに対するアイス購入影響度が高かった
  • 施策ごとの貢献度:数値が高い方がアイス購入影響度が高かったという結果を表しています。

⇒色んな視点で影響を確認することが可能ですが、今回は相関度を用いてみていきましょう!


見る視点が決まったところで、早速vizで分析を開始致します。

● アイスを購入しやすいタイミングを把握する


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。
    • 日付
    • 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 )

今回の分析では売上/天気情報を月単位で集計。

目的変数を「月ごとのアイス支出金額」で設定。※総務省統計局家計調査データ
説明変数を天気情報(東京都)の「気温」「湿度」「降水量」「日射時間」で設定。
※弊社では日本気象協会の天気情報をAPIで取得しております。
(天気情報詳細:https://www.jwa.or.jp/service/others/others-01/
【API・データ検証奮闘記】#2.天気 APIやってみた

上記データを基に、下図のようなデータを作成しました。

説明変数の単位が違う場合は各説明変数で確認することをお勧めします。
vizが簡単に使えるツールだからこそ何度も回せる点が功を奏しています!

湿度~日射時間

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貢献度分析を選択し
予測対象のデータにcsvファイルをアップロードします。予測したい項目と日付を選択します。
まずは、気温が一番関連が高そうなので、気温のデータを入れてみましょう!

貢献度分析画面_気温

出力結果

1分程度で、結果が出力されます。気温との相関度は92で高い相関があることが分かりました。
※一般的に50以上で「相関がある」といえます。
※グラフの色の濃淡は分析結果の信頼度を表しています。
 データ量が十分でないなど、分析結果の信頼度が低い場合に色が薄くなります。

気温相関度:92.4

気温のみ結果

気温はやはりアイス購入に影響が高そうなことが分かりました。
ただ、どのくらい影響があるのか他の天気要因と比較しながら、確認していきましょう!

同様の分析を「湿度」「降水量」「日射時間」でも実施してみます!
※今回は相関度部分のみ抜粋して掲載

湿度相関度:78.2

湿度結果

降水量相関度:50.3

降水量

日射時間相関度:-14.5

日射時間

分析した結果

今回の目的は、天気の何が影響してアイス購入に至っているか知りたい!ということだったので、出力結果の「相関度」を確認しました。

アイス購入への影響は、気温⇒湿度⇒降水量⇒日射時間となっておりました!
気温はなんとなく想像できましたが、湿度が影響しているのは驚きですね。
また、日射時間は意外にも影響していないということが分かりました。

意外にも日射時間は影響していないんですね!
でもよく考えたら、6月に夏至で真夏に向けて日射時間が短くなっているのか!

活用方法

アイスを売り出すタイミングとして、気温が高い日はもちろん、
湿度が高く降水量が多い時にもアイス購入に影響が高そうなので、
6月から注力して売り始めるなど、注力タイミングの模索に活用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
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!

※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
【アドテクコラム】CV数を機械学習アシストツール「viz」で予測分析してみた!

※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ツールであわせて確認

vizの結果をBIツールと連携することでダッシュボード上で、相関度と他の指標も確認することが可能です。※今回はTableauツールを使用

図はアイス売上と天気の日付変移と相関度をダッシュボード上で確認できるようにしたものです。


①アイス※総務省統計局の支出金額データ(グレー)②アイス検索者※Y!DSinsight(青色)
③降水量(水色)④最高気温(赤色)⑤日射時間(オレンジ)⑥平均気温(緑色)

アイス売上ダッシュボード
相関度

※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。
お困りごとが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