Column

コラム

  • 機械学習 | 「viz」×ビール購買傾向を分析してみた!...

機械学習 | 「viz」×ビール購買傾向を分析してみた!

● 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、「アサヒ:スーパードライ」
「キリン:一番搾り」「サッポロ:エビスビール」「サントリー:プレモル」を
①各銘柄、購買しやすい人
②各銘柄を爆買いしやすい人の
2軸で分析してみた事例についてご紹介致します!

● 分析を進める前に


なぜ、買いやすい人と爆買いする人を分けて分析する必要があるのだろうか?

食の特徴(傾向)が似ていても、そもそもビールを飲む人
飲まない人に世の中は分類されるため、分析手法として、
まずは二値分類を実行して、ターゲットを明確化しているんだよ!

爆買いする人を後で出す理由は?

買う人の中でも、さらに継続して買ってくれる(爆買い)の人を
深堀することで、ビール大好きな人を捉えて、
実際の、アプローチ方法を考えるためです!

だから、2軸に分けて分析を行うんだね!

● 今回の目的


  • 機械学習(AI)を活用し、「各ビール」を買いやすい人の特徴と、
    爆買いする人の特徴を捉える

    <目的>
    各銘柄を買いやすい人の特徴はターゲット選定に活かし
    爆買いしやすい人は、有望顧客像を明らかにすることに活用したい
    • 各銘柄ビールを買いやすい人の特徴を捉え、4銘柄で比較する
    • 「ビール」を爆買いしている人の傾向を把握する

・・・具体的に…どう算出するの?
弊社の機械学習ツールvizを用いて、実施していきます!

●目的に対して、機械学習ツール「viz」で出来ること


vizでは、分析に用いるデータを用意するだけで、簡単3分程度で機械学習が行えるツールです。
今回は、vizの機能の一つ「ターゲット抽出」を使うことで、目的に合わせた分析を行っていきます!

⇒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。
①各銘柄、購買しやすい人  :買うか買わないかのため、二値分類を用いる
②各銘柄を爆買いしやすい人:購買金額で分類したいため、連続値を用いる

まずは、①のビール購買しやすい人の分析を進めるよ!

①各銘柄、購買しやすい人を分析してみた!


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、弊社保有のサンプルデータを活用して、ユーザー識別子を購買者ID、目的変数を「各銘柄買ったか買わなかったかのフラグ」、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。
※1:説明変数は多いため、一部抜粋 / ※2 : 下記データを銘柄毎に用意

二値分類データセットt

vizで分析

買う、買わないの分類はviz機能のターゲット抽出の二値分類を選択。
※データアップロード選択も可能

二値分類_データ

出力結果

1分程度で、ID毎のスコアによって、各銘柄買いやすい人かを判断できるようになります。
また、ビールを購入するうえで、普段の重要な購買傾向(特徴量)が出力結果として出てきます。

二値分類結果

スコアイメージ

  1. スコアが8~10の人(お見事!)
    各銘のビールを買うしかない人
  2. 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
  3. スコアが5未満の人
    たまたま手を取ったことがあるor飲んだことがない層


⇒結果ID単位で、購入する人か。購入しにくい人かをスコアにより分類可能!

BIツールで可視化

各銘柄ごとに、スコア分布/性年代/居住地/購買曜日/購買時間/普段の購買傾向/併売商品など
をBIツールで、可視化することで、買いやすい人の特徴を把握しやすくする。
※ダッシュボード一部抜粋

<年代分布>

年代分布

<自社以外購買商品ランキング>

二値分類併売

分析した結果

①の分析目的は、各銘柄、買いやすい人の特徴を把握し、ターゲットを明確にしたい!
ということだったので、出力結果の「普段の購買傾向からターゲット像を可視化しました」

スーパードライ:魚介好き、仕事終わりの一杯として飲む人が多い。
一番搾り:お菓子購買が多く、自分の料理で乾杯する人が多い。
ヱビス:お酒好き!焼きそばや惣菜と共に買いやすい人が多い。
プレモル:飲み物必須!柑橘系のお酒もビールも飲みたい人が多い。

あくまで、今回の期間で分析した結果での考察ですが、
ターゲット像の示唆があると、施策に活かしやすいですね!

そんな買いやすい人の中でも、爆買いしている人の特徴も
早く見てみたいですね!


②各銘柄を爆買いしやすい人


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「各銘柄毎の購買合計金額」、
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

連続値

vizで分析

爆買いするかの分類はviz機能のターゲット抽出の連続値を選択。
※データアップロード選択も可能

連続値_viz

出力結果

1分程度で、ID毎のスコアによって、各銘柄爆買いしやすいか判断できるようになります。
また、ビールを購入するうえで、普段の重要な購買傾向(特徴量)が出力結果として出てきます。

連続値_viz結果

スコアイメージ

  1. スコアが8~10の人(お見事!)
    各銘柄大好きで、爆買いしやすい層
  2. 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
  3. スコアが5未満の人
    たまたま手を取ったことがあるor一度買ったっきり飲んでいない


⇒結果ID単位で、爆買いしやすい人かあまり買わない人かをスコアにより分類可能!

BIツールで可視化

各銘柄ごとに、スコア分布/性年代/居住地/購買曜日/購買時間/普段の購買傾向/併売商品など
をBIツールで、可視化することで、爆買いする人の特徴を把握しやすくする。
※ダッシュボード一部抜粋

<スコア分布>

スコア分布

<予測スコア×別期間_実購買金額の相関性>

連続値結果

分析した結果

②の分析目的は、各銘柄を爆買いしている人の特徴を把握し、
有望顧客を明らかに!ということだったので、「爆買いしている人の詳細を分析(N1分析も実施済」
することでアプローチ方法を模索しました。

カエル泥酔

連続値と、二値分類の結果に大きな違いはありませんでした。

スーパードライ:平日も毎日飲んでおり、お寿司との併売。
一番搾り:甘党で、様々なもの楽しみたい。
ヱビス:お酒中心の生活で、焼きそばや和食好き。
プレモル:パスタやコーヒー等が好き。

どんな人が買いやすくて、その中で爆買いしてくれる有望顧客像が
明らかになりました!これによって、CRの方向性やブランド方針も
考えていくことが出来ますね!

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!
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

※vizの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!
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
機械学習 | 「viz」×袋麺と併売されている食材予測してみた

※vizの「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」× 広告施策の最適化と広告効果シミュレーション
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

※他にもデータ連携により、分析やBIツールで可視化出来るパターンがございますので、
 ご興味がある方はお問い合わせフォームよりご連絡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

【テックコラム】Chromeブラウザによる User Agent の削減と User-Agent Client Hints への移行

【テックコラム】時系列データの基礎と可視化

22年4月 改正個人情報保護法の施行に向けて Cookieを活用する企業が知っておくべき3つのポイント

【テックコラム】JavaScript Web Crypto API で SHA256 ハッシュ値を作る

【テックコラム】データ活用!相関関係と因果関係の違いと擬似相関について

PICK UP

【データプライバシーコラム】電気通信事業法改正の解説(2022年7月時点)

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

CMP導入時の注意点

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

Treasure Data CDPを活用したOneID(統合ID)構築4 日付の落とし穴

CDPCDP活用ID統合PICK UP コラム

今、CMPは導入するべきか?

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

TOPへ
戻る