非負値行列因子分解を用いたプラットフォームビジネスにおける顧客生涯価値予測

• Item type: Journal(1)
• 公開日: 2019-07-15
• タイトル: 非負値行列因子分解を用いたプラットフォームビジネスにおける顧客生涯価値予測
• タイトル / 言語: en
• タイトル: A Prediction of Customer Lifetime Value in a Platform Business using Nonnegative Matrix Factorization
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] 顧客生涯価値（CLV），プラットフォームビジネス，非負値行列因子分解（NMF），RFM分析
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 早稲田大学大学院創造理工学研究科経営システム工学専攻
• 著者所属: 早稲田大学大学院創造理工学研究科経営システム工学専攻
• 著者所属: 早稲田大学理工学術院
• 著者所属(英): en
• 著者所属(英): Department of Industrial and Management Systems Engineering, Graduate School of Creative Science and Engineering Waseda University
• 著者所属(英): en
• 著者所属(英): Department of Industrial and Management Systems Engineering, Graduate School of Creative Science and Engineering Waseda University
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Engineering Waseda University
• 著者名: 蓮本, 恭輔; 雲居, 玄道; 後藤, 正幸
• 著者名(英): Kyosuke, Hasumoto; Gendo, Kumoi; Masayuki, Goto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年のオンラインビジネスにおいて，楽天市場やメルカリなどのマーケットプレイス型ビジネスやApple Payのような決済サービスなど，消費者と事業者の双方にサービスを提供するビジネスの躍進が目覚ましい．これらはプラットフォームビジネスと呼ばれ，様々な参加者をひきつけ，ビジネスを拡大し，市場を席巻している．プラットフォームビジネスの多くは顧客の新規獲得や利用頻度向上のために，様々なマーケティング施策を行っているが，適切な投資対効果を得るためには自社の顧客が将来どれだけの収益をもたらすのか，優良な顧客がだれなのかを把握することが非常に重要となる．そのため，多くの企業では過去の購買行動に基づき，顧客をセグメント化し，顧客生涯価値を算出している．しかし，それらは過去の購買行動の結果であって，必ずしも将来の購買を約束するものではないため，正しい顧客生涯価値を把握するためには適切な予測モデルが必要になる．本研究では非負値行列因子分解（NMF）を用いて，顧客の購買パターンを抽出し，顧客生涯価値の予測に適用するモデルを提案する．従来のNMFを予測問題にそのまま適用すると，学習データと予測データはそれぞれ異なるクラスタを生成してしまい，学習に基づく予測ができない．そこで学習結果を予測時のNMFに利用できるようアルゴリズムの改良方法を示す．また提案手法を実データ分析に適用し，その有効性を検証する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In the recently online business industry, marketplaces such as Rakuten Ichiba and Mercari in Japan, or payment platforms such as Apple Pay are servicing both consumers and merchants and growing tremendous speed. These businesses, called “platform businesses”, are attracting various participants on their platform and expanding and conquering the markets. Many of the platform businesses are investing various marketing initiatives to acquire new customers and improve customers' engagements. It is crucial for them to identify the most valuable customers and how much they can contribute to the business so that proper ROI is maintained. As such, many of them are segmenting customers and calculating Customer Lifetime Value basing on the past purchase behaviors. But the CLV from the past purchases are not always the good prediction of future purchases. Therefore, comprehending and calculating Customer Lifetime Value require a proper prediction model. In this research, we propose a model to apply NMF to extract purchase behaviors of customers and use outputs from NMF to predict future Customer Lifetime Value. When conventional NMF is applied to a prediction task, a training data set and a test data set generate different sets of clusters resulting the training result not being reflected to the test result. We showed an adjusted model of NMF to overcome such problem. Finally, we validated our model using actual business data from a platform business.
• 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: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 60, 号 7, p. 1283-1293, 発行日 2019-07-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764