权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Deep Learningを活用した広告コンテンツにおけるブランド混同の解明

使用深度学习阐明广告内容中的品牌混乱

基本信息

批准号：
20K01963
负责人：
中山厚穂
金额：
$ 2.75万
依托单位：
Tokyo Metropolitan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K01963/
关键词：
Artificial Intelligence deep learning 畳み込みニューラルネットワーク市場セグメンテーションブランドポジショニングブランド混同 Deep Learning CNN VGG16 Grad-cam Artificial intelligence ブランドストーリーテリング Classification Imagery brand confusion Image data analysis 機械学習 Ima

项目摘要

現在，大量のマーケティングデータがオンラインで入手できるようになっている．オンラインのクリックストリーム，メッセージング，口コミ，トランザクション，位置情報などのデータが自動収集されることでデータ収集にかかるコストが大幅に削減されている．そして，これまでにない量のデータが得られるようになり消費者の行動を非常に詳細に把握できるようになっている．実務においては機械学習手法(deep learningやコグニティブシステムを含む)の活用が推進されている．その背景には優れた予測性能と分析者の介入を制限して日常的に適用できるブラックボックス化された性質にあると考えられる．一方，マーケティングの研究者がこれらの手法についての研究を取り組む際には，これらの手法が因果関係を証明したり，一般化可能な理論的洞察を生み出したりするものではないことから，この課題への対応が必要となる．また，これらの手法をマーケティング分析のための古典的なモデルと組み合わせることで研究の発展も期待される．このような状況において，近年，Convolutional Neural Network(CNN)は，多くのコンピュータビジョンタスク(デジタル画像の取得・処理・分析)のための有力なアルゴリズムになっており，deep learningやAIを用いた研究や応用が多く行われている．そこで，deep learningによるアプローチの発展やAIがマーケティングや顧客行動に与える影響について整理し，マーケティング研究が抱える課題について検討を行った．そして，それらの課題を踏まえマーケティングにおける意思決定を支援することを目的に機械学習やdeep learningによるアプローチと従来からのマーケティング研究の知見を組み合わせた市場セグメンテーションとポジショニング戦略の策定にかかわる研究について検討を実施した．

Now, a large number of のマーケティングデータがオンラインで is available. Location informationなどのデータがAutomatic collection of されることでデータ collection of にかかるコストがsignificant reduction of されている. It's a good thing Consumer behavior is very detailed and well understood.実事においては Mechanical learning technique (deep learning やコグニティブシステムをincluding む) is used to promote されている．その Background には Excellent れた Predictive performance と Analyst ’s intervention を Limit して Daily にApplicable できるブラックボックス化された性にあると考えられる． On the one hand, the researcher's research on the research method of the マーケティングのがこれらのtechnique is the proof of causality. Ming したり, the generalization possibility of the theoretical insight を生み出したりするものではないことから, the このISSUE への対応がとなる．また，これらのtechniqueをマーケティングANALYSISのためのClassicalなモデルと组み合わせることで Research and Exhibition の発瀺される． In recent years, Convolutional Neural Network (CNN), 多くのコンピュータビジョンタスク(デジタルImage acquisition, processing, and analysis), deep LearningやAIを UseいたStudyや応用が多く行われている．そこで, deep learningによるアプローチの発开やAIがマーケティングやcustomer actionに与える Impact について finishing し, マーケティング research が Embrace える topic について検 Discussion を行った.そして，それらの题目をstepまえマーケティングにおけるmeaning decisionをsupportすることをpurposeにmachine learningやdeep learningによるアプローチと従来からのマーケティング研究の知见を组み合わせたcity Field セグメンテーションとポジショニング戦strategyのstrategyにかかわる Research について検 Discussion を実事した.

项目成果

期刊论文数量（27）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

広告コンテンツのDeep Learningを用いた分析によるimagery marketsにおけるブランド混同の予測

通过深度学习分析广告内容来预测图像市场中的品牌混乱

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Narimasa;Y.;Nobukazu;A. and Woonho;K.;中山厚穂;近藤公彦;中山厚穂・清田茂・堀博美・重野達也;近藤公彦;中山厚穂
通讯作者：
中山厚穂

日本統計学会公式認定　統計検定専門統計調査士対応　調査の実施とデータの分析

日本统计学会正式认证，统计测试，配备专业统计调查员，进行数据调查和分析

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
宮澤薫;松本大吾;石川和男;日本統計学会編
通讯作者：
日本統計学会編

Text mining and dimension reduction methods of exploring isomorphism in corporate communications

企业传播中探索同构的文本挖掘与降维方法

DOI：
发表时间：
2021
期刊：
Archives of Data Science
影响因子：
0
作者：
Nakayama;A.;Paliwoda-Matiolanska;A.;and Smolak-Lozano E.
通讯作者：
and Smolak-Lozano E.

米国IT多国籍企業による研究開発の国際化とネットワーク化 : Google社、IBM社とCanon社との比較を中心として

美国IT跨国公司研发的国际化和网络化：重点与谷歌、IBM、佳能的比较

DOI：
发表时间：
2021
期刊：
国際ビジネス研究
影响因子：
0
作者：
林倬史,;中山厚穂; 菰田文男
通讯作者：
菰田文男

米国IT多国籍企業による研究開発の国際化とネットワーク化：Google社、IBM社とCanon社との比較を中心として

美国IT跨国公司研发的国际化和网络化：重点与谷歌、IBM、佳能的比较

DOI：
发表时间：
2020
期刊：
影响因子：
0
作者：
Narimasa;Y.;Nobukazu;A. and Woonho;K.;中山厚穂;近藤公彦;中山厚穂・清田茂・堀博美・重野達也;近藤公彦;中山厚穂;近藤公彦・中見真也・白鳥和生;中山厚穂;東伸一・金雲鎬・横山斉理;中山厚穂;宮澤薫　　松本大吾;中見真也;林倬史・中山厚穂
通讯作者：
林倬史・中山厚穂