なぜマーケティングで機械学習を使うのか？ 戦略と活用例

Pythonで学ぶマーケティングのための機械学習

Karolis Urbonas

Head of Analytics & Science, Amazon

機械学習の種類

  • 教師あり学習
    • XからYを予測できるか？
    • 分類: Yがカテゴリ（例: 解約/非解約、Yes/No、魚/犬/猫）
    • 回帰: Yが連続値（例: 購入数、クリック数、サイト滞在時間）
  • 教師なし学習
    • Xから同質なパターンやクラスタを検出できるか？
  • 強化学習
    • 現在の状態と複数の行動から、報酬を最大化する経路はどれか？
Pythonで学ぶマーケティングのための機械学習

教師あり学習のデータ構成と手順

  1. 目的変数（従属変数、Y）を定義 — 何を予測するか

    • 例1 — どの顧客が解約するか［分類］
    • 例2 — どの顧客が再購入するか［分類］
    • 例3 — 今後30日で顧客はいくら使うか［回帰］

  2. 予測力のありそうな特徴量（独立変数、X）を収集

    • 例1 — 解約前の購買パターン
    • 例2 — 延滞発生前の未払い回数
Pythonで学ぶマーケティングのための機械学習

教師あり学習のデータ形式

  • X×(N+1) 行列：
    • X = 観測数（顧客、取引先、製品）
    • N+1 = 列数（N個の特徴量 + 目的変数1列）
特徴量1 特徴量2 ... 特徴量N 目的Y
11 21 N1 Y1
12 22 N2 Y2
Pythonで学ぶマーケティングのための機械学習

教師なし学習

利用・購買データを収集し、同質なグループ（クラスタ／セグメント）を特定するモデルを実行します。

  • 例1 — 購買商品に基づく顧客セグメンテーション
  • 例2 — バンドル化のための製品セグメンテーション
Pythonで学ぶマーケティングのための機械学習

教師なし学習のデータ形式

  • X×N 行列：
    • X = 観測数（顧客、取引先、製品）
    • N = 列数（特徴量N個）
  • 各観測に対し、独立変数（特徴量）の列を並べたデータ
特徴量1 特徴量2 ... 特徴量N
11 21 N1
12 22 N2
Pythonで学ぶマーケティングのための機械学習

Passons à la pratique !

Pythonで学ぶマーケティングのための機械学習

Preparing Video For Download...