進化型神経回路網モデルによるデータ駆動型ブランディング手法の提案

• Item type: SIG Technical Reports(1)
• 公開日: 2016-09-09
• タイトル: 進化型神経回路網モデルによるデータ駆動型ブランディング手法の提案
• タイトル / 言語: en
• タイトル: Data-Driven Branding Approach using Evolutionary Neural Network
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属(英): en
• 著者所属(英): Department of Information Media and Environment Science, Yokohama National University
• 著者所属(英): en
• 著者所属(英): Department of Information Media and Environment Science, Yokohama National University
• 著者名: 綿貫, 真也; 長尾, 智晴
• 著者名(英): Shinya, Watanuki; Tomoharu, Nagao
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: マーケティングにおいて，ブランディングは重要な戦略である．特に，競合との差別化を明確にするブランド・ポジショニングと自社内のブランド体系を整理するブランド・ポートフォリオは，重要な戦略策定課題である．従来，両戦略課題に対して，仮説検証型の構造方程式モデル （SEM: Structural Equation Model） が有効であった．しかし，近年のデータリッチなマーケティング情報環境においては，多くのデータから迅速な仮説生成と検証が求められており，事前に明確な仮説を持たない段階では SEM の構造決定は難しい．こうした中で，データ駆動型ブランディング手法が求められている．本研究では，SEM の中でも，パス解析モデル (PAM: Path Analysis Model) に焦点を当て，ブランディングのための構造決定をデータ駆動的に行うアプローチとして進化型神経回路網モデルの一つである Real-valued Flexibly Connected Neural Network(RFCN) の応用が有効であることを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Branding is the key strategy in marketing. Especially, brand positioning and brand portfolio are important tactics to success brand strategy and Structural Equation Model (SEM) has been a useful method to analyze these tactics. SEM was an appropriate approach for testing hypotheses. However, in recent years, it has been difficult for researchers and marketers to determine SEM structures in an environment full of marketing data without having clear hypotheses in advance as they are required to rapidly make and test hypotheses from immense amount of data. Therefore, a data-driven branding approach has been requested. In this study, we will focus on Path Analysis Model (PAM) which is a method of SEM and demonstrate the usefulness of our data-driven method to build SEM for branding using Real-valued Flexibly Connected Neural Network (RFCN), which is a kind of evolutionary neural network model.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2016-MPS-110, 号 2, p. 1-5, 発行日 2016-09-09
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会