@article{oai:ipsj.ixsq.nii.ac.jp:00215966,
 author = {新井, 和弥 and 北内, 啓 and 高柳, 慎一 and 早川, 敦士 and 林, 樹永 and 長田, 怜士},
 issue = {2},
 journal = {情報処理},
 month = {Jan},
 note = {B2B（Business To Business）領域における企業情報活用が著しい飛躍を遂げており，企業情報を用いた新たなB2Bマーケティング手法としてABM（Account-Based Marketing，アカウントベースドマーケティング）の活用が広がっている．ABMをソフトウェアによって実践する方法の1つとして，既存企業のデータを教師データとし，受注確度が高いと考えられる既存企業との類似度の高いターゲット企業を推薦するモデルを構築する方法がある．最終的に人間がどの企業に対してマーケティング施策を行うのかという意思決定を行う都合から，ターゲット企業の推薦モデルにはモデルの解釈性，すなわち，特徴量が企業類似度に与える影響を解釈しやすいことが要件として望まれる．（株）ユーザベースが提供するB2B事業向け顧客戦略プラットフォームFORCASでは企業の所属業界，企業の推定利用サービス等を特徴量としたナイーブベイズを独自拡張したモデルを従来使用していたが，ナイーブベイズにおいて仮定される特徴量の独立性は現実には満たされていない．このため特徴量間の正相関の効果によりアカウントスコアの値が嵩上げされるという問題が生じ，結果として推薦されるターゲット企業に偏りが出てしまっていた．この問題を解決するため，本稿ではL2正則化項付きのロジスティック回帰モデルを用いて企業類似度を算出し，この類似度に基づいた推薦アルゴリズムを提案する．FORCASが保有する1社あたり約1,500個の特徴量を持つ合計約11万社の企業データに対し，業種が異なる4種類の既存企業のデータに対して検証した結果，シンプルな手法ながらもナイーブベイズ拡張モデル，また一般的に高精度と評価されるGBDTと同等以上の精度を達成することを確認した．また，提案手法は業種の違いに対して頑健であり，ABMを実践するためのモデルとして適切であることも確認した．},
 pages = {d48--d59},
 title = {ビッグデータのデータサイエンス ～ニューノーマル時代のビッグデータ～：招待論文：3．Account-Based Marketingのためのターゲット企業推薦モデルの改善},
 volume = {63},
 year = {2022}
}