罰則付き推定による潜在変数モデルの識別と消費者行動分析

点击翻译按钮获取中文摘要

本年度は（１）Latent Dirichlet Allocationと順序カテゴリカル因子分析モデルの統合モデルの検証と、（２）罰則付きニューラルネットワークを用いたテキストデータと顧客エンゲージメント尺度データの同時分析に取り組んだ。（１）については、テキストデータのBag of Wordsや購買履歴データなどの離散値データと、マーケティング尺度や心理尺度によって測定された順序カテゴリデータの同時分析を目標とした潜在変数モデルとなっている。このモデルは、行動データやユーザー生成データ（コンテンツ）の分析に、消費者心理を理解する観点から解釈しやすい心理変数を補助的に利用できる。既存の類似モデルとは異なり、心理変数と行動データの関係性を探索するだけでなく、同時分析によって推定される心理変数を活用して行動データを予測したり、未観測の心理変数を予測したりすることを狙いとしている。（２）では、ホテル業界を対象とした調査データをもとに、レビューデータからの顧客エンゲージメント尺度の項目得点を再現するモデルの学習を試みた。モデルには、マーケティング尺度（心理尺度）データの分析で一般的に利用される確認的因子分析モデルやPLS-SEM(Partial Least Squares Structural Equation Modeling)の自然な拡張である罰則付きニューラルネットワークを使っている。顧客エンゲージメント尺度を選んだ理由は、レビューの投稿行動や口コミ行動と顧客エンゲージメントには高い関連性が指摘されているためである。また、ホテル業界を選んだ理由は、レビューサイトやSNSでの投稿など、インターネット上で利用できるテキストデータが豊富であると考えたためである。しかし、モデルの精度だけではなく、既存の顧客エンゲージメント尺度の理論的かつ実用上の問題が見つかっている。