データマイニング手法

データマイニングには多くの分析手法があり、それぞれに得手不得手がある。

主要なデータマイニング手法について紹介。

マーケットバスケット分析(アソシエーション分析)

■概要

「マーケットバスケット分析」とは、ユーザーが同時(一定期間内)に行うアクションを抽出するデータマイニング手法である。

「マーケットバスケット分析」の「バスケット」は「買い物かご」を意味しており、顧客取引データを分析し、買い物かごに入れられた商品の組み合わせから、何が一緒に購入されているかを明らかにする。

「商品Aを購入したユーザーは、同時に、商品Bも購入する可能性が高い」という分析結果から、オンラインストアでは、「商品Aを購入したユーザーに対して、商品Bをレコメンドする」などの販促活動に利用できる。

また、実店舗であるスーパーやコンビニなどでは「商品Aと商品Bを近くに陳列する」などに活用できる。

■ユースケース

Amazonなどのオンラインストアサイト上での「あなたへのおすすめ商品」機能などに利用されている。

ロジスティック回帰分析

■概要

「ロジスティック回帰分析」とは、Yes/No形式データに向いている分析手法で、発生確率予測に使用される。

■ユースケース

ダイレクトメール送付において、ダイレクトメールにより「購入する=1」「購入しない=0」と設定することで、顧客それぞれの購入率を算出できる。

ダイレクトメールをきっかけとした購入率が高い顧客に対して優先的にダイレクトメールを送付することで、購入率を高めることができる。

予測分析

■概要

「予測分析」とは、ユーザーの「現在のステータス」や「直近の行動」により、将来の行動予測を行う分析手法。

■ユースケース

予測分析結果から、「サービス利用を終了しそうなユーザーに対して離脱対策を行う」「課金する可能性の高いユーザーを優先的に有料コンテンツへと誘導」など、それぞれのユーザー特性に合わせた対策を行える。

■主なアルゴリズム

予測分析に利用できるアルゴリズムとして、「ランダムフォレスト」「線形回帰分析」「ロジスティック回帰分析」「ニューラルネットワーク」「SVM」などがある。

決定木分析

■概要

「決定木分析」とは、顧客の行動分岐を繰り返し、分類ごとに確率を算出する分析手法。

分析を深めるほど分岐していくため、分析結果のアウトプットはツリー構造状になる。

■ユースケース

「もし商品購入が発生したら、その次に○○が発生する」のように分岐を繰り返すことで顧客分類を行い、分類された顧客グループごとに確率を算出できる。

ABC分析

■概要

ABC分析は、重要度に応じて傾向ごとにクラス分けを行う手法。

■ユースケース

在庫管理では、売上順に商品を並べ、総売り上げに対する構成比を計算し、A(70～80％)、B(80～90％)、C(90～100％)のように3つ程度のクラス分けを行い、重要商品の適切な管理を行うために利用される。

クラスター分析

■概要

「クラスター分析」とは、各データの類似性に基づき分類する分析手法。「似たような特性」や「似たような行動を行う」グループ分けを行い、特定のグループをターゲットにした施策を行える。

■ユースケース

マーケティングにおいては「セグメンテーション」と言われ、顧客セグメントを作成時に、クラスター分析が活用される。

「それぞれのセグメントごとに、それぞれ異なるPR施策を行うことで購入率を高める」などの使い方がある。

参考元サイト

• https://www.netyear.net/service/data/analysis_datamining3.html
• http://tech.furyu.jp/blog/?p=5204
• https://ja.wikipedia.org/wiki/データマイニング
• https://ja.wikipedia.org/wiki/データ・クラスタリング

※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。