顧客の閲覧行動分析のための時間窓トピックモデル

• Item type: Journal(1)
• 公開日: 2023-01-15
• タイトル: 顧客の閲覧行動分析のための時間窓トピックモデル
• タイトル / 言語: en
• タイトル: Time Window Topic Model for Analyzing Customer Browsing Behavior
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] トピックモデル，時系列トピックモデル，閲覧履歴データ，崩壊型ギブスサンプリング
• 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
• ID登録: 10.20729/00223425
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 早稲田大学
• 著者所属: 早稲田大学
• 著者所属: 早稲田大学
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者名: 伊藤, 史世; 雲居, 玄道; 後藤, 正幸
• 著者名(英): Fumiyo, Ito; Gendo, Kumoi; Masayuki, Goto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 現在，ECサイトをはじめとした様々なサービスがインターネット上で展開されており，膨大な閲覧履歴データを取得することが可能になっている．そのため，マーケティング分析上の観点から，蓄積された閲覧履歴を用いてユーザの嗜好を詳細に分析し，効果的な施策に結び付ける活動も広がっている．ここで，ECサイト上の購買においては，Webページを閲覧する中で徐々に興味の対象が絞られていき，最終的にある商品を購入するというユーザ行動が想定される．よって，各ユーザの興味の時間変化を分析し，この変化に基づいて適切なタイミングで施策を実施することで，施策の効果を高めることが期待できる．従来，時間とともに変化するユーザの興味をモデル化することが可能な手法として，購買履歴データを対象とした時系列トピックモデルであるTopic Tracking Model（以下，TTM）が提案されている．しかし，TTMは比較的長い購買履歴データを想定して提案された手法であり，1つのセッション内の閲覧系列のように，数十ページ程度のサイトの遷移のなかでユーザの興味が移り変わっていくという状況を想定していない．そのため，TTMを閲覧履歴データに適用した際には，モデルの学習が困難となり，ユーザの興味の変化を検出できない恐れがある．そこで本研究では，モデルのパラメータを段階的に推定する，時間窓トピックモデルを提案する．提案手法により，ユーザの興味が様々に移り変わるという複雑な状況が仮定され，かつ1セッションあたりの閲覧ページが数十ページ程度の閲覧履歴データにおいても，安定したパラメータ推定が可能となり，各ユーザの興味の収束度合いに基づいた施策の実施の実現が期待される．最後に，人工データと実データに対して提案手法を適用し，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: Nowadays, various services like EC sites have been expanding on the Internet, and huge amount of browsing history data are being accumulated. It is, therefore, desiblack to take effective marketing action by analyzing users' interest in detail by using accumulated browsing history data. Generally, users narrow down their interest while browsing pages and finally purchase an item on the EC site. Hence, to improve the effectiveness of marketing measures, it is important to analyze the change points of users' interest and to timely conduct it based on those change. Conventionally, Topic Tracking Model (TTM) has been proposed as a method which can model the changes of uses' interest over time by purchase history data. However, TTM assumes the relatively long purchase history data and doesn't consider the situation where users change their interest in short browsing site transition of about several dozen pages. Therefore, TTM cannot estimate the changes of users' interest when applied to the browsing history data. In this research, we propose a new topic model which estimates parameters in step by step, named Time Window Topic Model. The proposed method enables us to estimate parameters and clarify the change of users' interest while browsing. It will be possible to conduct effective marketing measure based on the convergent of users' interest by applying the proposed model. Finally, we apply the proposed method to both of the artificial and real data set and show the usefulness of our proposed method.
• 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 64, 号 1, p. 214-228, 発行日 2023-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764
• 公開者 / 言語: ja
• 公開者 / 出版者: 情報処理学会