JP5635475B2 - ブランド選択推定方法及びブランド選択推定プログラム - Google Patents

Description

本発明はマーケティング分野におけるブランド商品の選択性を推定する技術に関する。

マーケティング分析において、商品入荷数決定、販売価格決定の際、顧客の予算（購買予定金額）に応じて、自社の顧客がどのようなブランドを選択するかをシミュレートする必要がある。従来のシミュレートの手法としては例えば非特許文献１に開示された手法が知られている。

非特許文献１に開示されたシミュレート法は基本的なブランド選択モデル（ロジットモデル）に基づきブランドの選択をシミュレートしている。多くのブランド選択モデルは価格項をモデルに含んでいる。したがって、本手法によれば例えば価格の高い商品ほど買われにくいというようなシミュレート結果が得られる。

前記ブランド選択モデルの多くはブランド商品の販売価格が安いほど購買されやすい構造を持っており、その価格が安すぎるときに起こる不信（非特許文献２のシミュレート法における下限価格）が表現できない。

非特許文献２に開示された分析法では図１１に示したように顧客が支払うる価格の上限Ｍ₁，下限Ｍ₂を定義し、顧客が販売価格を許容する確率Ｌ（ｐ），Ｈ（ｐ）を推定することでブランド商品の選択性をシミュレートしている。この方法では支払意思額の上限Ｍ₁と下限Ｍ₂を考慮したある価格に対する顧客の購買確率を示す関数である購買反応曲線Ｂ（ｐ）を組み込んだブランド選択モデルに基づきブランド商品の選択性を推定している。

しかしながら、上記の購買反応曲線のパラメータ（上限価格Ｍ₁、下限価格Ｍ₂、分散σ²）の決定は顧客のアンケートに基づき行っているので、アンケート回答者の質によりシミュレート結果の信頼性が低下する。

P. M. Guadagni et al, "A Logit Model of Brand Choice Calibrated on Scanner Data, "Marketing Science, vol.2, No.3., Summer 1983,p.203-238 出口義和，"顧客調査に基づく価格分析"，早稲田経済学研究６７号，２００８年１０月，ｐ．４１−５６

本発明は上記の事情に鑑みなされたもので購買反応曲線を組み込んだブランド選択モデルの信頼性を向上させることを課題とする。

そこで、本発明は顧客のブランド商品の閲覧履歴に基づく購買反応曲線を組み込んだブランド選択モデルによりブランド商品の選択性を推定する。

本発明のブランド選択推定方法の態様としては、ブランド選択推定装置が実行するブランド選択推定方法であって、ブランド商品の閲覧ログのデータから指定されたブランド商品の価格の最大値並びに標本分散をパラメータとする累積正規分布と当該ブランド商品の価格の最小値並びに標本分散をパラメータとする累積正規分布とに基づき当該ブランド商品の任意の価格が顧客に許容される確率を算出するための選択モデルを当該閲覧ログに含まれるブランド毎に生成する手順と、購買予定価格の指定を受けるとこの購買予定価格を前記選択モデルに供して当該購買予定価格が顧客に許容される確率を前記閲覧ログに含まれるブランド毎に算出しこの算出された確率の値順に当該各ブランドの識別子を出力する手順とを有する。

本発明のブランド選択推定方法の他の態様としては、ブランド選択推定装置が実行するブランド選択推定方法であって、ブランド商品の閲覧ログのデータから指定されたブランド商品の価格の最大値並びに標本分散をパラメータとする累積正規分布と当該ブランド商品の価格の最小値並びに標本分散をパラメータとする累積正規分布とに基づき当該ブランド商品の任意の価格が顧客に許容される確率を算出するための選択モデルを当該閲覧ログに含まれるブランド毎に生成する手順と、購買予定価格の指定を受けるとこの購買予定価格を前記選択モデルに供して当該購買予定価格が顧客に許容される確率を前記閲覧ログに含まれるブランド毎に算出し当該購買予定価格が顧客に許容される確率を視覚的に認識できるように任意の価格とこの価格が顧客に許容される確率との関係を当該各ブランドの識別子と共に表示させた画像情報を作成する手順とを有する。

尚、本発明はコンピュータに上記のブランド選択推定方法の手順を実行させるためのブランド選択推定プログラムの態様とすることもできる。

以上の発明によれば購買反応曲線を組み込んだブランド選択モデルの信頼性が向上する。

本発明の実施形態に係るブランド選択推定装置のシステム構成図。 本発明の実施形態に係るブランド選択推定装置の全体シーケンス図。 本発明の実施形態に係るモデル生成処理のフローチャート。 本発明の実施形態に係るモデル生成処理の説明図。 本発明の実施形態に係るランキング生成処理のフローチャート。 本発明の実施形態に係るランキング生成処理の説明図。 本発明の実施形態に係る可視化処理のフローチャート。 本発明の実施形態に係る可視化処理の説明図。 本発明の実施形態に係る可視化処理によって得られた画像情報（遷移図）の一例。 従来技術に係る確率Ｌ（Ｐ），Ｈ（Ｐ）のパラメータ決定の説明図（ａ）、本発明に係る購買反応曲線Ｂ（Ｐ）のパラメータ決定の説明図（ｂ）。 従来技術に係る購買反応曲線Ｂ（Ｐ）のパラメータ決定の説明図。

以下、図面を参照しながら本発明の実施の形態を説明するが本発明は下記の実施形態に限定されるものではない。

［概要］
図１に示された本実施形態のブランド選択推定装置１はＥＣ（電子商取引）サイトにおける顧客の閲覧行動に基づく購買反応曲線をブランド選択モデルに組み込むことで購買予定金額が与えられたときのブランド商品の選択確率を推定する。これにより単純なブランド選択モデルによる推定に比べて信頼度が高く、また、単純なモデルでは考慮されていなかった予算の上下限を考慮したブランド推定が可能となる。

前記推定されたブランド商品の選択確率は正規化されその値の順に前記各ブランド商品の識別子を示したランキング１３として出力され、これを分析者（例えば、マーケター、商品開発者）１０がネットワークを介して取得できるようになっている。

また、前記ブランド商品の選択確率は前記ブランド商品毎に視覚的に認識できるように任意の価格とこの価格が顧客に許容される確率との関係を当該各ブランド商品の識別子と共に遷移図１４にて表示される。遷移図１４も分析者１０がネットワークを介して取得できるようになっている。

［装置の構成］
ブランド選択推定装置１は図１に示されたようにモデル生成処理部２、ランキング生成処理部３、可視化処理部４を備える。ブランド選択推定装置１の各機能部２〜４はサーバ（コンピュータ）のハードウェアリソースによって実現される。すなわち、ブランド選択推定装置１は少なくとも演算装置（ＣＰＵ）、記憶装置（ハードディスク装置等）、通信インタフェース等のコンピュータに係るハードウェアリソースを備える。そして、これらのハードウェアリソースがソフトウェアリソース（ＯＳ、アプリケーション等）と協働することにより各機能部２〜４が実装される。

モデル生成処理部２は図１に示したように分析者１０から商品カテゴリ（例えば、靴、鞄、衣服等の物品名）または顧客の指定を受ける。前記カテゴリ及び顧客は単数のみならず複数受け付けることができる。次いで、商品カテゴリまたは顧客に対応したブランド商品の価格の最大値、最小値、並びに、標本分散に基づき当該ブランド商品の任意価格が顧客に許容される確率を算出するための選択モデルをブランド毎に生成する。前記ブランド商品の価格はログＤＢ（データベース）１１に格納されたログデータ１２から取得したものである。

ログデータ１２は顧客がＥＣサイトで閲覧したブランド商品の価格の閲覧履歴を例えばブランド、商品カテゴリ及び顧客毎に格納したものである。尚、前記指定が行われない場合、ログデータ１２に含まれる全てのブランドについて前記選択モデルを生成する。

前記分析対象の顧客はログＤＢ１１に含まれる全てまたは一部の顧客を対象としている。前記一部の顧客について分析する場合は上述のように分析者１０によって当該一部の顧客が指定（フィルタリング）される。尚、全ての顧客について分析する場合は前記指定が不要である。

また、分析対象の商品もログＤＢ１１に含まれる全てまたは一部の商品カテゴリの商品を対象としている。前記一部の商品カテゴリについて分析する場合は上述のように分析者１０によって当該一部の商品カテゴリが指定される。尚、全てのカテゴリを指定する場合若しくはログＤＢ１１に単一カテゴリの商品しかない場合は前記指定が不要である。

ランキング生成処理部３は分析者１０から指定された購買予定価格を前記選択モデルに供して当該購買予定価格が顧客に許容される確率をログデータ１２に含まれるブランド毎に算出する。次いで、この算出した確率の値の順に前記各ブランドの識別子を示したランキング１３を作成する。

可視化処理部４は分析者１０から指定された顧客毎の購買予定価格を前記選択モデルに供して当該購買予定価格が当該顧客に許容される確率をログデータ１２に含まれるブランド毎に算出する。次いで、当該購買予定価格が前記顧客に許容される確率を前記ブランド毎に視覚的に認識できるように任意の価格とこの価格が顧客に許容される確率との関係を当該各ブランドの識別子と共に表示させる画像情報として遷移図１４を作成する。

［処理手順の説明］
以下にブランド選択推定装置１によって実行される処理手順について説明する。

（ランキング生成処理の手順）
ランキング生成処理の手順は図２に示されたようにモデル生成手順Ｓ１０１〜Ｓ１０３とランキング生成手順Ｓ２０１〜Ｓ２０３とから成る。手順Ｓ１０１〜Ｓ１０３はモデル生成処理部２によって実行される。手順Ｓ２０１〜Ｓ２０３はランキング生成処理部３によって実行される。

以下、図３，図４を参照しながら手順Ｓ１０１〜Ｓ１０３について説明する。

Ｓ１０１：分析者１０から分析対象の顧客名と商品カテゴリの指定を受けるとログＤＢ１１のログデータ１２から当該指定された顧客及び商品カテゴリに対応したブランド毎の閲覧商品価格を引き出す。例えば、図４に示されたようにブランドＡについて価格データａ１，ａ２，ａ３，…が、ブランドＢについて価格データｂ１，ｂ２，ｂ３，…が引き出される。価格データａ１はブランドＡで１番目に閲覧された商品の価格を示し、同様に価格データｂ１はブランドＢで１番目に閲覧された商品の価格を示す。尚、前記指定がなされない場合、ログデータ１２に含まれる全てのブランド毎の閲覧商品価格が引き出される。

Ｓ１０２：手順Ｓ１０１で取得されたブランドのうち例えばブランドＡを選択し、このブランドＡの各価格データを対数化する。そして、このブランドＡの価格データを対数化させた値の最大値Ｍ_1,A，最小値Ｍ_2,A並びに標本分散σ² _Aを算出する。

Ｓ１０３：手順Ｓ１０２で算出した最大値Ｍ_1,A，最小値Ｍ_2,A並びに標本分散σ² _Aを以下のＢ（ｌｏｇｘ，Ａ）を算出する式（１）に代入してブランドＡの選択モデルを生成する。

式（１）で示された選択モデルＢ（ｌｏｇｘ，Ａ）はブランドＡの商品の価格がｘのとき、その価格ｘが前記顧客に許容される確率を示す。式（１）は、最大値Ｍ_1,A，標本分散σ² _Aをパラメータとする累積正規分布関数から、最小値Ｍ_2,A，標本分散σ² _Aをパラメータとする累積正規分布関数を減じた関数となっている。図４に例示された選択モデルＢ（ｌｏｇｘ，Ａ）の値の例は、Ｂ（ｌｏｇｘ，Ａ）＝（１／２）・（１＋ｅｒｆ（（ｌｏｇｘ−６）／２））−（１／２）・（１＋ｅｒｆ（（ｌｏｇｘ−８）／２））となっている。

上記の手順Ｓ１０２，Ｓ１０３は図４に示されたように手順Ｓ１０１で取得された全てのブランドｋ（ｋ＝Ａ，Ｂ，…）について実行される。前記取得されたブランドｋについて価格ｘのときその価格ｘが前記顧客に許容される確率を算出するための選択モデルｋ（Ｂ（ｌｏｇｘ，ｋ））の一般式は以下の式（２）で示される。Ｍ_1,k、Ｍ_2,k並びにσ² _kはブランドｋの価格データを対数化させた値の最大値、最小値並びに標本分散を示す。

次に、図５，図６を参照しながら手順Ｓ２０１〜Ｓ２０３について説明する。

Ｓ２０１：分析者１０から購買予定価格ｘの入力を受けると、この価格ｘの対数値ｌｏｇｘを式（２）の選択モデルに代入することにより、価格ｘが顧客に許容される確率Ｂ（ｌｏｇｘ，ｋ）をログデータ１２に含まれるブランド毎（ｋ＝Ａ，Ｂ，…）に算出する。例えば図６には価格Ｘの値として１０００が入力される。

Ｓ２０２：手順Ｓ２０１で算出した各ブランド商品それぞれ（ｋ＝Ａ，Ｂ，…）について価格ｘが顧客に許容される確率Ｂ（ｌｏｇｘ，ｋ）を下記の式（３）によりＰ（ｌｏｇｘ，ｋ）の総和が１となるように正規化することでＰ（ｌｏｇｘ，ｋ）を算出する。

尚、ブランドｋ（ｋ＝Ａ，Ｂ，…）以外の他のブランドＶ_kの選択確率を考慮した下記の式（４）で示される確率Ｂ（ｌｏｇｘ，ｋ）の正規化によりＰ（ｌｏｇｘ，ｋ）を算出してもよい。この手法によれば他（分析対象以外）のブランドの選択確率に依存したＰ（ｌｏｇｘ，ｋ）が得られる。

Ｓ２０３：手順Ｓ２０２で算出したＰ（ｌｏｇｘ，ｋ）の値の順に各ブランド（ｋ＝Ａ，Ｂ，Ｃ，…）の識別子を示したランキング１３を作成する。分析者１０はネットワークを介してランキング１３を閲覧できる。

図６に例示されたランキング１３においては、価格ｘの値が１０００である場合、ブランドＡの識別子として「Ｂｒａｎｄ−Ａ」がそのＰ（ｌｏｇｘ，Ａ）の値「３０％」と共に出力表示される。そして、その下段にて、ブランドＢの識別子として「Ｂｒａｎｄ−Ｂ」がそのＰ（ｌｏｇｘ，Ｂ）の値「１０％」と共に出力表示される。

（可視化処理の手順）
可視化処理の手順は図２に示したようにモデル生成手順Ｓ１０１〜Ｓ１０３と可視化手順Ｓ３０１，Ｓ３０２とから成る。手順Ｓ１０１〜Ｓ１０３はモデル生成処理部２によって実行される。手順Ｓ３０１，Ｓ３０２は可視化処理部４によって実行される。

以下、手順Ｓ３０１，Ｓ３０２について図７，図８を参照しながら説明する。尚、本可視化処理に係る手順Ｓ１０１〜Ｓ１０３は上述のランキング生成処理に係る手順Ｓ１０１〜Ｓ１０３と同様の処理が実行されるのでその詳細な説明を省略した。

Ｓ３０１：分析者１０から購買予定価格ｘの入力を受ける。この購買予定価格ｘの対数値ｌｏｇｘを手順Ｓ１０１〜Ｓ１０３で作成された式（２）の選択モデルに供して価格ｘが顧客に許容される確率Ｂ（ｌｏｇｘ，ｋ）をログデータ１２に含まれるブランド毎（ｋ＝Ａ，Ｂ，…）に算出する。例えば図８に示したように価格ｘの値として１０００が入力される。

Ｓ３０２：手順Ｓ３０１で算出した購買予定価格ｘが前記顧客に許容される確率Ｂ（ｌｏｇｘ，ｋ）を前記ブランド毎（ｋ＝Ａ，Ｂ，…）に視覚的に認識できるように任意の価格とこの価格が顧客に許容される確率との関係を当該各ブランドの識別子と共に表示させた遷移図１４を作成する。分析者１０はネットワークを介して遷移図１４を閲覧できる。

遷移図１４は例えば図９に示されたように任意の対数価格の値を横軸、確率Ｂ（ｌｏｇｘ，ｋ）の値を縦軸とするグラフから成る。このグラフにおいてはブランド毎の任意の価格が顧客に許容される確率Ｂ（ｌｏｇｘ，ｋ）の値が視覚的に認識できるようになっている。すなわち、手順Ｓ３０１で指定された購買予定価格ｘに相当する対数価格の値を通る点線からなる予測線１５が前記縦軸と平行に表示されている。この予測線１５によって分析者１０は各ブランドの識別子「ＢＲ３５」「ＢＲ５０８５」「ＢＲ５４６」「ＥＬＬＥ０００９」について購買予定価格ｘが顧客に許容される確率Ｂ（ｌｏｇｘ，ｋ）を一見で視覚的に認識できるようになっている。尚、購買予定金額ｘを省略することも可能だが、その場合、予測線１５は表示されない。

［本実施形態の効果］
以上のブランド選択推定装置１によれば、ＥＣサイトにおける閲覧行動を利用して、購買反応曲線のパラメータを推定し、これをブランド選択モデルに組み込んでいるので、顧客が各ブランドに支払いうる価格帯（上限価格、下限価格）を考慮することができる。特に、顧客の閲覧データに基づき購買反応曲線のパラメータを推定しているので、ブランド選択モデルの信頼性が高まる。したがって、例えば自社ブランドが強い価格帯と顧客の購買予定金額がフィットした価格設定、商品入荷を行うことができる。

従来（特許文献２等）の方法では図１０（ａ）に示したように先に参照価格を決定し、当該価格の高い方，低い方の分散から確率Ｌ（ｐ），Ｈ（ｐ）のパラメータを決定するようにしている。したがって、上限価格と下限価格が近い場合（すなわち分布が重複している場合）、購買反応曲線Ｂ（ｐ）パラメータの推定精度が下がる。

これに対してブランド選択推定装置１では確率Ｌ（ｐ），Ｈ（ｐ）の分散が等しいという仮定に基づき図１０（ｂ）に示したように全体の価格の分散から直接に購買反応曲線Ｂ（ｐ）のパラメータを推定している。したがって、上限価格と下限価格が近い（価格の分布が重複している）場合も前記パラメータの推定が可能となる。

そして、上述のランキング生成手順Ｓ２０１〜Ｓ２０３を介することで任意の購入予定価格での各ブランドの選択性を正規化された値の順で取得できるので分析者１０は個々のブランドの選択性についての客観的な評価を得ることができる。特に、上記の式（４）のように前記購買反応曲線Ｂ（ｐ）の正規化にあたり分析対象外のブランドの選択率を考慮すれば当該選択率に依存した購買反応曲線が得られる。

また、上述の可視化処理手順Ｓ３０１，Ｓ３０２を介することで分析者１０は個々のブランドについて任意の購買予定価格が顧客に許容される確率を一見で視覚的に把握できる。

［本発明のプログラムとしての態様］
本発明はブランド選択推定装置１が実行する上記の方法の手順Ｓ１０１〜Ｓ１０３，Ｓ２０１〜Ｓ２０３，Ｓ３０１，Ｓ３０２の一部若しくは全てをコンピュータに実行させるプログラムで構成しこれを当該コンピュータに実行させることで実現できる。また、前記プログラムをそのコンピュータが読み取り可能な記録媒体、例えば、ＦＤ（Ｆｌｏｐｐｙ（登録商標） Ｄｉｓｋ）や、ＭＯ（Ｍａｇｎｅｔｏ−Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、メモリカード、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）−ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＨＤＤ、ＳＳＤ、リムーバブルディスクなどに記録して、保存したり、配布したりすることが可能である。さらに、上記のプログラムをインターネットや電子メールなど、ネットワークを介して提供することも可能である。

１…ブランド選択推定装置
２…モデル生成処理部
３…ランキング生成処理部
４…可視化処理部
１２…ログデータ（閲覧ログのデータ）
１４…遷移図（画像情報）

Claims (3)

1. ブランド選択推定装置が実行するブランド選択推定方法であって、
   ブランド商品の閲覧ログのデータから指定されたブランド商品の価格の最大値並びに標本分散をパラメータとする累積正規分布と当該ブランド商品の価格の最小値並びに標本分散をパラメータとする累積正規分布とに基づき当該ブランド商品の任意の価格が顧客に許容される確率を算出するための選択モデルを当該閲覧ログに含まれるブランド毎に生成する手順と、
   購買予定価格の指定を受けるとこの購買予定価格を前記選択モデルに供して当該購買予定価格が顧客に許容される確率を前記閲覧ログに含まれるブランド毎に算出しこの算出された確率の値順に当該各ブランドの識別子を出力する手順と
   を有すること
   を特徴とするブランド選択推定方法。
2. ブランド選択推定装置が実行するブランド選択推定方法であって、
   ブランド商品の閲覧ログのデータから指定されたブランド商品の価格の最大値並びに標本分散をパラメータとする累積正規分布と当該ブランド商品の価格の最小値並びに標本分散をパラメータとする累積正規分布とに基づき当該ブランド商品の任意の価格が顧客に許容される確率を算出するための選択モデルを当該閲覧ログに含まれるブランド毎に生成する手順と、
   購買予定価格の指定を受けるとこの購買予定価格を前記選択モデルに供して当該購買予定価格が顧客に許容される確率を前記閲覧ログに含まれるブランド毎に算出し当該購買予定価格が顧客に許容される確率を視覚的に認識できるように任意の価格とこの価格が顧客に許容される確率との関係を当該各ブランドの識別子と共に表示させた画像情報を作成する手順と
   を有すること
   を特徴とするブランド選択推定方法。
3. コンピュータに請求項１または２に記載のブランド選択推定方法の手順を実行させるためのブランド選択推定プログラム。

Images