Search

JP-2026077588-A - 算出装置、算出方法、及びコンピュータプログラム

JP2026077588AJP 2026077588 AJP2026077588 AJP 2026077588AJP-2026077588-A

Abstract

【課題】対象者及び／又は行動関連項目の分析に役立つ新しい分析指標を提供する。 【解決手段】算出装置は、取得部と、算出部と、を備える。取得部は、複数の対象者に関する行動ログデータを取得するように構成される。算出部は、行動ログデータに含まれる複数の行動関連項目における各項目についての反応量に基づき、項目反応理論に基づく確率モデルを用いて、行動に関する特性パラメータを算出するように構成される。特性パラメータは、第１特性パラメータ及び第２特性パラメータの少なくとも一方を含む。第１特性パラメータは、複数の対象者における各対象者の特性パラメータである。第２特性パラメータは、複数の行動関連項目における各項目の特性パラメータである。 【選択図】図３

Inventors

  • 小竹山 祐輝
  • 安永 遼真
  • 道本 龍

Assignees

  • 株式会社博報堂ＤＹホールディングス

Dates

Publication Date
20260513
Application Date
20251010
Priority Date
20241025

Claims (20)

  1. 複数の対象者に関する行動ログデータを取得するように構成される取得部と、 前記行動ログデータに含まれる複数の行動関連項目における各項目についての反応量に基づき、項目反応理論に基づく確率モデルを用いて、行動に関する特性パラメータを算出するように構成される算出部と、 を備え、 前記特性パラメータは、第１特性パラメータ及び第２特性パラメータの少なくとも一方を含み、 前記第１特性パラメータは、前記複数の対象者における各対象者の特性パラメータであり、 前記第２特性パラメータは、前記複数の行動関連項目における前記各項目の特性パラメータである、 算出装置。
  2. 請求項１に記載の算出装置であって、 前記算出部は、第１確率モデルと、前記第１確率モデルとは異なる第２確率モデルと、を用いて前記特性パラメータを算出するように構成され、 前記第１確率モデルは、前記反応量がゼロである確率を定義する確率モデルであり、 前記第２確率モデルは、前記反応量がゼロ以外である確率を定義する確率モデルである、 算出装置。
  3. 請求項１に記載の算出装置であって、 前記確率モデルは、ゼロ過剰モデル、ゼロ過剰ポアソンモデル、ハードルモデル、又はハードルポアソンモデルに、前記項目反応理論を適用した確率モデルである、 算出装置。
  4. 請求項１に記載の算出装置であって、 前記取得部は、過去の所定期間における前記特性パラメータの時間変化量を更に取得するように構成され、 前記算出部は、前記時間変化量に更に基づいて、前記特性パラメータを算出する、 算出装置。
  5. 請求項１に記載の算出装置であって、 前記第１特性パラメータは、前記各対象者について、組合せごとの特性パラメータである組合せ特性パラメータを含み、 前記組合せは、対応する対象者と、前記各項目との組合せである、 算出装置。
  6. 請求項１に記載の算出装置であって、 前記行動ログデータは、前記各対象者の属性を表す対象者属性情報を含み、 前記算出部は、前記各対象者の前記対象者属性情報に更に基づいて前記特性パラメータを算出するように構成される、 算出装置。
  7. 請求項６に記載の算出装置であって、 前記対象者属性情報は、人口統計学的属性、心理学的属性、行動学的属性、及び地理学的属性の少なくとも１つを表す情報を含む、 算出装置。
  8. 請求項１に記載の算出装置であって、 前記行動ログデータは、マーケティングに関する前記各対象者の行動履歴情報を含み、 前記算出部は、前記各対象者の前記行動履歴情報に更に基づいて前記特性パラメータを算出するように構成される、 算出装置。
  9. 請求項１に記載の算出装置であって、 前記行動ログデータは、前記各項目の属性を表す項目属性情報を含み、 前記算出部は、前記各項目の前記項目属性情報に更に基づいて前記特性パラメータを算出するように構成される、 算出装置。
  10. 請求項９に記載の算出装置であって、 前記各項目は、商品及び／又はブランドに関する項目であり、 前記項目属性情報は、前記商品及び／又は前記ブランドが有する属性を表す情報を含む、 算出装置。
  11. 請求項１に記載の算出装置であって、 前記算出部は、前記確率モデルとして、複数の確率モデル候補から前記複数の行動関連項目に対応する確率モデルを選択し、選択した前記確率モデルを用いて、前記特性パラメータを算出するように構成される、 算出装置。
  12. 請求項１から請求項１１までのいずれか一項に記載の算出装置であって、 前記行動ログデータは、前記複数の対象者の購買行動及び／又は購買意識に関するデータであり、 前記複数の行動関連項目は、商品及び／又はブランドに関する項目である、 算出装置。
  13. コンピュータによって実行される算出方法であって、 複数の対象者に関する行動ログデータを取得することと、 前記行動ログデータに含まれる複数の行動関連項目における各項目についての反応量に基づき、項目反応理論に基づく確率モデルを用いて、行動に関する特性パラメータを算出することと、 を含み、 前記特性パラメータは、第１特性パラメータ及び第２特性パラメータの少なくとも一方を含み、 前記第１特性パラメータは、前記複数の対象者における各対象者の特性パラメータであり、 前記第２特性パラメータは、前記複数の行動関連項目における前記各項目の特性パラメータである、 算出方法。
  14. 請求項１３に記載の算出方法をコンピュータに実行させるためのコンピュータプログラム。
  15. 請求項１に記載の算出装置であって、 前記算出部は、前記行動ログデータと項目反応モデルとに基づき、前記特性パラメータの値として、前記複数の対象者のそれぞれの、購買に関する特性値である購買特性値を算出するように構成され、 前記項目反応モデルは、前記項目反応理論における項目として、前記複数の行動関連項目を定義し、前記項目反応理論における前記項目に対する反応として、前記複数の行動関連項目のそれぞれに対応する前記反応量を定義し、前記項目に対する前記反応の発生確率を、前記特性パラメータを用いて定義する、前記項目反応理論に従う確率モデルである、 算出装置。
  16. 請求項１５に記載の算出装置であって、 前記取得部は、前記行動ログデータとして、前記複数の対象者の購買に関する時系列データを取得し、 前記算出部は、前記時系列データに基づき、前記複数の対象者のそれぞれの前記購買特性値の時間変化量を算出するように構成される、 算出装置。
  17. 請求項１５に記載の算出装置であって、 前記複数の行動関連項目は、複数のブランド又は複数の商品に対する購買行動に関する項目であり、 前記反応量は、一つのブランド又は一つの商品の購入金額、購入個数、購入種類数、購入ＳＫＵ（Ｓｔｏｃｋ Ｋｅｅｐｉｎｇ Ｕｎｉｔ）数、及び繰り返し購入回数の少なくとも１つに関する値を含む、 算出装置。
  18. 請求項１７に記載の算出装置であって、 前記各項目の特性パラメータは、前記項目反応理論における前記各項目の困難度を表すパラメータであり、 前記項目反応モデルは、前記困難度を表すパラメータを用いて、前記各項目に対する前記反応の発生確率を定義する確率モデルであり、 前記算出部は、前記困難度を表すパラメータの値を、前記複数の行動関連項目のそれぞれの特性値として算出するように構成される、 算出装置。
  19. 請求項１５に記載の算出装置であって、 前記複数の行動関連項目のそれぞれに対する前記複数の対象者の反応は、２つ以上の階級に分けられ、 前記対応する対象者の前記反応量は、前記対応する対象者による反応の前記階級によって表される、 算出装置。
  20. 請求項１５に記載の算出装置であって、 前記複数の行動関連項目のうちの購買行動に関する項目に対する前記複数の対象者の反応は、購入金額、購入個数、購入種類数、購入ＳＫＵ数、及び繰り返し購入回数のいずれか１つの大きさに基づく２つ以上の階級に分けられ、 前記対応する対象者の前記反応量は、前記対応する対象者による反応の前記階級によって表される、 算出装置。

Description

本開示は算出装置に関する。 項目反応理論（Item Response Theory：IRT）を用いて、消費者ごとの価格反応度と商品の買われやすさとを同時に推定する技術が知られている。例えば、非特許文献１には、消費者特性と商品特性とを用いて消費者及び商品の組合せごとの購買確率を示す分析モデルを項目反応理論に基づいて作成し、消費者ごとの価格反応度を算出する技術が開示されている。 石橋 敬介 他、「項目反応理論を用いた消費者別価格反応度の推定」、日本行動計量学会、２０１７年８月２９日、第４５巻、ｐ．１８６－ｐ．１８７ 算出装置の構成を示すブロック図である。購買データを説明する図である。算出装置の処理を表すフローチャートである。ブランドに関する項目反応曲面の一例を説明する図である。ブランドに関する項目反応曲面の一例を説明する図である。ブランドに関する項目反応曲面の一例を説明する図である。複数の消費者のそれぞれに対して算出した能力値のヒストグラムの一例である。２つの能力値に対し、複数の消費者の数量についてプロットしたバブルチャートの一例である。消費者の能力値とブランド又は商品ごとの購入確率との関係を表す項目反応曲線の一例である。ゼロ過剰データである購買データを説明する図である。ブランドの初回購買のされにくさ及び継続購買のされにくさの２軸に基づく分類を説明する図である。消費者の初回購買能力及び継続購買能力の２軸に基づく分類を説明する図である。他の実施形態における購買特性値の時間変化量を算出する処理を表すフローチャートである。 以下、本開示の例示的な実施形態について図面を参照しながら説明する。 ［１．第１実施形態］ ［１－１．構成］ 図１に示す算出装置１は、複数の消費者に関する購買データＰＤを用いて、複数の消費者のそれぞれの購買に関する特性値である購買特性値を算出する装置である。算出装置１は、パーソナルコンピュータ等の情報端末に搭載される。 算出装置１は、プロセッサ１０と、メモリ２０と、ストレージ３０と、ユーザインタフェース４０と、通信インタフェース５０と、を備える。 プロセッサ１０は、ストレージ３０に記録されたコンピュータプログラムに従う処理を実行するように構成される。 メモリ２０は、プロセッサ１０による処理実行時に作業領域として使用される。メモリ２０の一例として、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ等がある。 ストレージ３０は、コンピュータプログラムと、コンピュータプログラムに従う処理の実行時に使用されるデータと、を保持する。ストレージ３０の一例として、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等がある。 ユーザインタフェース４０は、ユーザからの各種の入力操作を受け付けるためのインタフェースと、ユーザに対して各種情報を出力するためのインタフェースとの総称である。ユーザインタフェース４０の一例として、キーボード、マウス、タッチパネル、ディスプレイ等がある。 通信インタフェース５０は、所定の規格に従って各種データを外部のデバイスと通信可能なインタフェースである。 図２に示す購買データＰＤは、複数の消費者に対する、ブランドや商品等の購買に関するデータである。図２において、複数の消費者には、０００１から連番で番号が識別番号として割り当てられている。以下、複数の消費者のうち、ｉ番目（ｉは１以上の整数）の消費者を消費者Ｃｉともいう。図２では一例として、複数の消費者の数は、４０００人である。 購買データＰＤは、複数の消費者に関して、消費者ごとに、対応する消費者の購買に関する消費者購買データＣＰＤを含む。消費者購買データＣＰＤは、対応する消費者の購買に関する反応の有無又は大きさを表す値である反応量として、複数の購買関連項目Ｉのそれぞれについての対応する消費者の反応量Ｒを含む。 以下、図２に示すように、消費者Ｃｉに対応する消費者購買データＣＰＤを消費者購買データＣＰＤｉともいう。複数の購買関連項目Ｉのうち、ｊ番目（ｊは１以上の整数）の購買関連項目Ｉを購買関連項目Ｉｊともいう。消費者Ｃｉの購買関連項目Ｉｊに対応する反応量Ｒを反応量Ｒｉｊともいう。すなわち、消費者Ｃｉに対応する消費者購買データＣＰＤｉは、購買関連項目Ｉｊに対応する消費者Ｃｉの反応量Ｒｉｊを含む。 購買関連項目Ｉｊは、購買行動又は購買意識に関する項目である。 購買行動に関する項目は、マーケティングにおけるアクチュアルデータに基づく項目である。購買行動に関する項目は、複数のブランド又は複数の商品に関する項目である。購買行動に関する項目は、例えば、ブランド又は商品の購入金額、購入個数、購入種類数、購入ＳＫＵ（Ｓｔｏｃｋ Ｋｅｅｐｉｎｇ Ｕｎｉｔ）数、及び繰り返し購入回数の少なくとも１つに関する項目である。購入ＳＫＵ数は、当該ブランド又は商品のＳＫＵ単位の購入数である。繰り返し購入回数は、所定の期間における当該ブランド又は商品を繰り返し購入した回数である。 購買意識に関する項目は、マーケティングにおけるアスキングデータに基づく項目である。購買意識に関する項目は、例えば、ブランド又は商品に関するアンケート調査やインタビュー調査における、消費者に対する質問に基づく項目又は当該質問によって得られた回答に基づく項目である。 複数の購買関連項目Ｉは、購買行動又は購買意識に関する項目を複数種類組み合わせたものである。 図２では一例として、複数の購買関連項目Ｉは、ブランドＢ１からブランドＢ１０までの各ブランドの購入金額である。 反応量Ｒｉｊは、購買関連項目Ｉｊに対する消費者Ｃｉの反応を表す値である。反応量Ｒｉｊは、一つのブランド又は一つの商品の購入金額、購入個数、購入種類数、購入ＳＫＵ数、及び繰り返し購入回数の少なくとも１つに関する値であり得る。一例として、購買関連項目Ｉｊが特定のブランドの購入金額である場合、反応量Ｒｉｊは、所定の期間における消費者Ｃｉの当該ブランドの購入金額に対応する値である。反応量Ｒｉｊは、所定の期間における消費者Ｃｉの当該ブランドの購入金額の合計と一致してもよい。 ［１－２．処理］ プロセッサ１０が実行する一連の処理について、図３のフローチャートを用いて説明する。 プロセッサ１０は、ユーザインタフェース４０を通じてユーザからの指示が入力されると、図３に示す処理を開始する。 まず、Ｓ１００で、プロセッサ１０は、あらかじめストレージ３０に保存されている購買データＰＤを取得する。プロセッサ１０は、通信インタフェース５０を介して、算出装置１の外部から購買データＰＤを取得してもよい。 続いて、Ｓ１１０で、プロセッサ１０は、２つ以上に分けられた階級を反応量Ｒｉｊに対応付ける。 本実施形態では一例として、階級は、ブランドＢｊにおける反応量Ｒの大きさを四分位数によって４つに区切った群により表される。すなわち、階級の数は４つである。 続いて、Ｓ１２０で、プロセッサ１０は、購買データＰＤを項目反応モデルに適用し、項目反応理論における能力値、識別力、及び困難度のそれぞれに対応するパラメータを算出する。 本実施形態では、項目反応モデルは、多値型かつ多次元の項目反応理論に基づく確率モデルである。 多値型項目反応モデルは、項目に対する反応を２値（例えば、０又は１の数値）で扱う一般的な項目反応モデルを、多値（例えば、１から４までの整数値）で扱うように拡張したモデルである。多値型項目反応モデルの一例として、段階反応モデル（ＧＲＭ：Ｇｒａｄｅｄ Ｒｅｓｐｏｎｓｅ Ｍｏｄｅｌ）や一般化部分採点モデル（ＧＰＣＭ：Ｇｅｎｅｒａｌｉｚｅｄ Ｐａｒｔｉａｌ Ｃｒｅｄｉｔ Ｍｏｄｅｌ）がある。本実施形態では、項目反応モデルは、段階反応モデルである。 多次元項目反応モデルは、一次元の能力値及び識別力を扱う一般的な項目反応モデルを、多次元の能力値及び識別力を扱うように拡張したモデルである。多次元項目反応モデルの一例として、補償型（Ｃｏｍｐｅｎｓａｔｏｒｙ）モデルや被補償型（Ｎｏｎ－ｃｏｍｐｅｎｓａｔｏｒｙ）モデルがある。本実施形態では、項目反応モデルは、補償型モデルである。 本実施形態の項目反応モデルは、購買関連項目Ｉｊを項目反応理論における項目として定義し、複数の購買関連項目のそれぞれに対応する反応量Ｒｉｊを項目反応理論における項目に対する反応として定義する。項目反応モデルは、反応量Ｒｉｊの代わりに、反応量Ｒｉｊに対応する階級を項目反応理論における項目に対する反応として定義してもよい。 項目反応モデルは、項目反応理論における特性パラメータである能力値θｉ、識別力αｊ、及び困難度関連パラメータｄｊｋを用いて、項目に対する反応の発生確率を定義する。すなわち、項目反応モデルが表す確率は、購買関連項目Ｉｊに対する消費者Ｃｉの反応量Ｒｉｊがｋ以上である確率として、次の式（１）によって定義される。 能力値θｉは、消費者Ｃｉの能力値を表すｍ次元ベクトルである。識別力αｊは、購買関連項目Ｉｊの識別力を表すｍ次元ベクトルである。困難度関連パラメータｄｊｋは、多次元項目反応モデルにおける、購買関連項目Ｉｊに対する反応量Ｒｉｊがｋ以上となる場合の困難度に関連するパラメータである。困難度関連パラメータｄｊｋは、スカラー値である。式（１）の右辺における指数関数の引数は、能力値θｉと識別力αｊとの内積に困難度関連パラメータｄｊｋを加算する式である。 プロセッサ１０は、項目反応理論に従って、複数の消費者のそれぞれの購買特性値として、複数の消費者のそれぞれの能力値θｉを算出し、さらに、複数の購買関連項目Ｉのそれぞれの識別力αｊ及び困難度関連パラメータｄｊｋを算出する。プロセッサ１０は、出力として、算出した購買特性値をユーザインタフェース４０に表示する。プロセッサ１０は、算出した購買特性値をストレージ３０に出力してもよい。 その後、プロセッサ１０は、図３の算出処理を終了する。 このようにして、プロセッサ１０は、購買データＰＤと項目反応モデルとに基づき、複数の消費者のそれぞれの購買特性値を算出する。 ［１－３．効果］ 以上に説明した実施形態によれば、以下の効果が得られる。 （１ａ）図２に示すように、購買データＰＤにおける複数の購買関連項目Ｉが、所定の期間における複数のブランドのそれぞれの購入金額を表す場合を考える。消費者Ｃｉの消費者購買データＣＰＤｉには、所定の期間における複数のブランドの購入金額の階級が、ブランドごとに表される。 このような前提において、購買データＰＤを項目反応モデルに適用することにより、項目反応理論における消費者Ｃｉごとの能力値θｉをｍ次元ベクトルとして算出することができる。ここで、ｍ次元ベクトルの能力値θｉにおける各要素が、商品又はブランドの購買に関する消費者Ｃｉの特性を表していると仮定することができる。 例えば、ｍ＝２のとき、２次元ベクトルの能力値θｉは、θｉ１、θｉ２の２つの要素を有する。このとき、１人の消費者Ｃｉに対して、能力値θｉ１、θｉ２によって表される２つの特性が推定される。 消費者Ｃｉごとの能力値θｉ１、θｉ２とブランドごとの購入確率Ｐ（θｉｊ）との関係は、図４，５，６に示すような項目反応曲面によって表される。図４，５，６において、購入確率Ｐ（θｉｊ）は、購買関連項目Ｉｊ（すなわち、ブランドＢｊの購入金額）に対する消費者Ｃｉの反応量Ｒｉｊがｋ以上である確率を、複数のｋに対してプロットした３次元グラフとして示されている。 図４には、ブランドＢｊ１の購入確率Ｐ（θｉｊ１）が示されている。ブランドＢｊ１の購入確率Ｐ（θｉｊ１）は、能力値θｉ１の値によっては大きく変動しているが、能力値θｉ２の値によってはほとんど変動して