社会知としての 消費者価値観構造モデルと 類型「Societas」の構築

2013年06月04日

1.  はじめに

2

人工知能学会　2013年次大会

デジタルマーケティングの2つの潮流

3

u インバウンドマーケティング • マーケティングは企業主導から顧客主導にシフト

• 企業は「商品のどこが優れているのか」ではなく「商品がそのお客様の希望をかなえるものか」を伝えなければならない。

• そのためには、顧客一人一人の性格、価値観、嗜好まで理解してメッセージを組み立てる必要がある。

u ビッグデータ • Webの世界では、顧客の行動がデータとして記録可能。

• 行動履歴データら顧客の情報を抽出しよう、マーケティングの知見を得ようとする試みが多くされている。

1-1　背景

人工知能学会　2013年次大会

データに基づき顧客を理解する

4

1-2　目的

人工知能学会　2013年次大会

5

u ほしいのは統一した顧客IDが振られている行動履歴データ •  １種類の行動履歴から得られる顧客の情報は限定的。

• より深い顧客像を得るために、あらゆる行動履歴データを顧客ごとに統合して分析したい。

• そのためには、様々な行動履歴データごとに、統一された顧客IDが振られ、行動履歴データ間で顧客を特定できる必要がある

u 「きれいなデータ」は存在しない • そもそも顧客分析のためにデータを取得していない。

• データ毎に管轄部署が違うため、統一した顧客IDが振られていない • 顧客はさまざまなメディアを通して企業とコミュニケーションしその記録も残っているが、データが分断されているため、企業は顧客を特定し総合的多面的

な顧客像を構築することができない。

1-3　課題　

人工知能学会　2013年次大会

消費者価値観構造モデルとその類型Societas（ソシエタス）の規定

6

1-4　提案手法

人工知能学会　2013年次大会

7

u Societas（ソシエタス）は価値観や嗜好、ライフスタイル、行動による顧客の類型 u 顧客の価値観構造を明らかにしモデル化した上でその類型「Societas（ソシエタス）」を構築する u Societas（ソシエタス）をハブとしてバラバラの行動履歴データをつなげることにより総合的多面的な顧客像を構築し、コミュニケーションに不可欠な顧客インサイトの理解を深める u Societas（ソシエタス）を介して企業間でマーケティングデータと知見をつなげることにより「社会知ネットワーク」を構築する

1-5　提案手法　

2. Societasの規定

8

人工知能学会　2013年次大会

9

2-1　Societas（ソシエタス）

17.4%  3.1%  

7.8%  8.4%  

8.0%  

7.6%  

4.5%  

12.1%  

9.0%  8.5%  

9.2%   4.4%  

-­‐1.5  

0  

1.5  

1-2 受け身な 清閑タイプ

1-1 受け身な隠者タイプ

3-1 アウトロータイプ

2-1 家族大好き 悠々タイプ

3-2 こだわりインドア派タイプ 6-1 繊細な

個人主義タイプ

2-2 家庭的な 真面目タイプ

5-2 社交的な 堅実ホームメーカータイプ

5-1 家族想いの 多忙ワーカータイプ

4-1 自分中心的な アクティブタイプ

6-2 好奇心旺盛な 人生謳歌タイプ

4-2 好奇心旺盛な バランス人間タイプ

u Societas（ソシエタス）とは、顧客をライフスタイル，価値観，感情，行動で類型化したもの

アクティブパッシブ

個人主義

協調的・家庭的

人工知能学会　2013年次大会

10

2-2　価値観項目    　

基本的な性格

ポジティブ価値観

ネガティブ価値観

友人関係

家族関係

仕事に対する価値観

お金に対する価値観

時間に対する価値観

好奇心旺盛  デリケート  マイペース  協調型  勤勉  上昇志向  短気  正義感  ルーズ・不精　無気力　文系的

自己愛  自己成長  アウトドア  スポーツ  恋愛  ギャンブル  ひとり時間

否定・批判  非常識  期待はずれ

ストレス  親友中心  ネットワーク重視  社交的  大人数派  消極的（独身）  仕事人脈中心  ノンストレス

結婚願望  不仲  責任感（主婦軸）  責任感（扶養軸）  良好（別居家族）  不十分  良好（同居家族）

満足  ストレス  プライベート重視  キャリアアップ転職願望  堅実  社会的意義

ギリギリ  ゆとり  貯蓄志向  家族優先  慎重派  自己投資  堅実生活  常識的

ゆとり  余裕がない  充実  仲間優先  家族優先  趣味優先  インドア派  アウトドア派  家事分担  退屈  自己投資

人工知能学会　2013年次大会

11

2-3　価値観構造モデル

基本的な性格ポジティブ価値観ネガティブ価値観

友人関係家族関係仕事に対する価値観

お金に対する価値観時間に対する価値観

Societas番号

人工知能学会　2013年次大会

12

u 価値観に着目した理由 • 消費行動の共通要因であるため企業の枠組みを超えた共通の物差しとなる

• マーケティング施策を企画する際のターゲティングやセグメンテーションにデモグラフィック属性だけでは叶えられないインスピレーションを与える

u 先行する価値観研究との違い • 消費者の価値観類型に関する先行研究はある • 定量的な手法によって価値観を抽出し類型を構築した点が異なる

• 定量的に構築したことにより、異なる文脈、企業で収集したデータに対して共通の価値観指標を提供することが可能となる

2-4　Societas（ソシエタス）  と価値観構造モデル（１）

人工知能学会　2013年次大会

13

u モデルにベイジアンネットワークを採用した理由 • 欠損に強いため、一部の情報を証拠として潜在する価値観とSocietasを推論することができる。

•  Societas（ソシエタス）の推論結果が確率分布で得られため、解釈がしやすい

• 社会知ネットワーク構想と親和性が高い

2-5　Societas（ソシエタス）  と価値観構造モデル（２）

人工知能学会　2013年次大会

14

1. 価値観調査 1)  定性調査

2)  定量調査（予備調査） 3)  定量調査（本調査） 4)  主成分分析

2. Societas（ソシエタス)の規定 1)  学習データの作成

2)  初期クラスタの規定

3)  価値観構造モデルの規定 4)  確率モデルによるクラスタの最適化

2-6　手順  　

人工知能学会　2013年次大会

15

定性調査 + 定量調査により62の価値観項目を抽出

2-7　価値観調査      概要　

価値観定量調査（約1.1万人）

定性調査

定量予備調査

定量本調査

主成分分析 価値観成分(62成分)

人工知能学会　2013年次大会

16

2-8　価値観調査 – 1. 定性調査  　

被験者

調査背景

調査項目

調査手法

性別、年代が異なる９人の一般消費者

ＡＩＯアプローチ（Activity, Interests, Opinion)

消費行動に影響のある価値観

デプスインタビュー/グループインタビュー

人工知能学会　2013年次大会

17

2-9　価値観調査　ー　2. 定量調査（予備調査）　

定性調査で得られた仮説に基づいて，予備調査を実施

被験者

• 約1,000人 •  20 歳以上 • 学生を除く • 男女比は  1：1 • 他の条件は自然発生

聴取項目

• 価値観に関する8設問 基本的な性格　ポジティブ価値観　 ネガティブ価値観　家族　人間関係 仕事　お金　時間

•  360項目

人工知能学会　2013年次大会

18

2-10　価値観調査　ー　3. 定量調査（本調査）  　

予備調査を踏まえて本調査を実施

被験者

• 約10,000人 •  20 歳以上 • 学生を除く • 男女比は  1：1 • 他の条件は自然発生

聴取項目• 予備調査で得られた回答の分析により項目決定 • 価値観に関する8設問 •  303項目

人工知能学会　2013年次大会

19

2-11　価値観調査　ー　4. 主成分分析　

学習データ

分析手法

予備調査と本調査の共通質問項目のみを混合

•  8 つの価値観フレームごとに主成分分析を実施 •  得られた成分のうち固有値が1.0（基本的な性格 は  1.1）以上のもの採用

•  プロマックス回転

人工知能学会　2013年次大会

20

2-12　Societas の規定  　

価値観定量調査 （約1.1万人）

２．クラスタリング （類型番号の付与）

価値観学習データ (価値観成分+類型番号)

価値観構造モデル

３．価値観構造モデルの構築

価値観データ (価値観成分)

類型の推論

４．最適化

１．学習データの作成

人工知能学会　2013年次大会

21

2-13　Societas の規定  ー　1. 学習データの作成／2. 初期クラスタの規定      　

1.  学習データ •  データ件数　：　11,410件

•  価値観成分は成分得点を基にすべて 「あり／なし」の  2値に離散化

2.  初期クラスタの規定•  Ward法によるクラスタリング

•  12の初期類型を獲得

価値観定量調査 （約1.1万人）

２．クラスタリング （類型番号の付与）

価値観学習データ (価値観成分+類型番号)

価値観データ (価値観成分)

１．学習データの作成

人工知能学会　2013年次大会

2-13　Societas の規定  ー　3.  価値観構造モデルの構築　

モデル

変数

学習データ

構造探索

ベイジアンネットワーク

•  62  の価値観成分とSocietas（ソシエタス）の計63変数

•  被験者ごとに離散化した価値観成分とクラスタを与えたもの•  11,140件•  上記構造でフリー探索•  全体のAICが最大になるように

基本的な性格

ポジティブ価値観 ネガティブ価値観

友人関係

家族関係 仕事に対する価値観

お金に対する価値観

時間に対する価値観

Societas

人工知能学会　2013年次大会

23

2-14　Societas の規定  ー　４.  最適化　

モデル構築

クラスタモデル（分類器）

推論（分類）

Ｅステップ

Ｍステップ

人工知能学会　2013年次大会

24

2-15　Societas（ソシエタス）  　

17.4%  3.1%  

7.8%  8.4%  

8.0%  

7.6%  

4.5%  

12.1%  

9.0%  8.5%  

9.2%   4.4%  

-­‐1.5  

0  

1.5  

1-2 受け身な 清閑タイプ

1-1 受け身な隠者タイプ

3-1 アウトロータイプ

2-1 家族大好き 悠々タイプ

3-2 こだわりインドア派タイプ 6-1 繊細な

個人主義タイプ

2-2 家庭的な 真面目タイプ

5-2 社交的な 堅実ホームメーカータイプ

5-1 家族想いの 多忙ワーカータイプ

4-1 自分中心的な アクティブタイプ

6-2 好奇心旺盛な 人生謳歌タイプ

4-2 好奇心旺盛な バランス人間タイプ

アクティブ

パッシブ

個人主義

協調的・家庭的

人工知能学会　2013年次大会

25

2-16　Societas（ソシエタス）  　

番号 名前 説明

1-1 受身な隠者タイプ 常に平常心を保ち，消極的で物静か．周囲に流されなることはあまりない．

1-2 受身な清閑タイプ 物事にあまりこだわりがなく達観しているところがある．その反面，夢中になれるものがあまりないので，趣味を見つけて楽しみたいと思っている．片付けが苦手な面も．

2-1 家族大好き悠々タイプ   こだわりや夢中になれるものはあまりなく，少しルーズなところがある．スポーツやアウトドア，趣味を楽しむ面も．

2-2 家庭的な真面目タイプ 勤勉で正義感が強いタイプ．アウトドアやスポーツ，趣味を楽しむ．

3-1 アウトロータイプ    デリケートだが，正義感がある．恋愛への憧れがあるが，消極的．一人で趣味に没頭する事が楽しい．

3-2 こだわりインドア派タイプ デリケートで感情の起伏が激しい面も．宝くじなどに当たると嬉しい．整理整頓が苦手．

4-1 自分中心的なアクティブタイプ 自分磨きや自己成長に余念がない上昇志向タイプ．恋愛にも積極的．

4-2 好奇心旺盛なバランス人間タイプ 成長意欲が強く，そのために周囲との協調性も大切にする好奇心旺盛な行動派

5-1 家族思いの多忙ワーカータイプ 協調性はあるが自分の価値や時間を大切にするマイペースなタイプ．非常識な事や批判されることが嫌い．

5-2 社交的な堅実ホームメーカータイプ 協調性があり，人に喜んでもらう事で幸せを感じる．また，好奇心も旺盛で，自分磨きも怠らない．

6-1 繊細な個人主義タイプ マイペースで，一人の時間を好む．また繊細な心を持ち合わせている．それゆえ，批判などに傷つきやすく，少し感情の起伏が激しい面がある．

6-2 好奇心旺盛な人生謳歌タイプ 好奇心旺盛で成長意欲が強い．協調性もあり，恋愛を楽しみたいタイプ

3.  Societas（ソシエタス）の有用性

26

人工知能学会　2013年次大会

27

3-1  　本当に価値観は消費行動に影響があるのか

u マーケティングの現場では、まだ性別や年齢などのデモグラフィック属性を用いたセグメンテーションも広く利用されている。

u そこには「性別や年齢が同じ人は、似た性格、嗜好をもち、消費行動も似ている」という仮説が根強く存在している。

u ライフスタイルが多様化している現在、デモグラフィック属性より性格や価値観、嗜好などのサイコグラフィック属性の方が消費行

動に影響があるのではないか

人工知能学会　2013年次大会

28

3-2  　実験

クラス

消費行動

調査データ

評価方法

•  Societas（ソシエタス）　－　12水準 • 性別・年齢によるクラス  －　10水準

• 車に感じるベネフィット • 車購入の際の情報源

•  「車にこだわりがある」と回答した消費者1,388人 にインターネットによるアンケート調査

• ベネフィット・情報源を複数選択方式で聴取

ピアソンのカイ二乗検定による有意水準の比較

人工知能学会　2013年次大会

29

3-3  　結果

情報源 性別・年齢クラス Societas（ソシエタス）

知人 0.08 0.00

店舗 0.01 0.00

雑誌 0.57 0.00

口コミサイト 0.00 0.00

検索 0.00 0.00

テレビ 0.01 0.00

ベネフィット 性別・年齢クラス Societas（ソシエタス）

実用的 0.14 0.00

デザイン 0.00 0.00

使い勝手 0.00 0.00

品質 0.00 0.00

耐久性 0.00 0.00

安全性 0.03 0.02

好きなブランド 0.14 0.00

人工知能学会　2013年次大会

30

3-4  　結果

22.4%  

17.1%  

0.0%  

5.0%  

10.0%  

15.0%  

20.0%  

25.0%  

#4-­‐2   #1-­‐1   #2-­‐1   #2-­‐2   #6-­‐1   #3-­‐1   #1-­‐2   #3-­‐2   #4-­‐1   #5-­‐2   #6-­‐2   #5-­‐1  

好きなブランド.0  

好きなブランド.1  

0.0%  

5.0%  

10.0%  

15.0%  

20.0%  

25.0%  

30.0%  

35.0%  

男40   男50   男60   男30   女60   男20   女50   女20   女30   女40  

好きなブランド.0  

好きなブランド.1  

Societas（ソシエタス）ではベネフィットとして「好きなブ ランドを上げる人は「4-2 好奇心旺盛なバランス人間 タイプ」「2-2 　家庭的な真面目タイプ」が多い

性別年齢によるクラスでは分布に差がない

4.  おわりに

31

人工知能学会　2013年次大会

Societas（ソシエタス）  をハブとして企業間でマーケティングデータと知見を統合した社会知ネットワークを構成する　

4-1　今後の研究

各企業の購買履歴

Web回遊履歴

Twitter Facebook

マスデータ

エンターテイメント データ

定期基礎調査データ

A社

B社

C社

D社

価値観 情緒ベネフィット

： ：

レビュー

定性調査データ

各企業の調査データ

問題解決型 確率モデル

各企業の メールクリック履歴

F社 G社E社

H社

I社

J社 K社 L社

M社