ECサイトに単に商品を並べていませんか？ それ、やばいです！

データマイニングに関する有名な事例として、
ビールと紙おむつがあります。

これは、紙おむつを購入した男性は、
同時に缶ビールを購入することが多い

というデータに基づいて並べて陳列する
ようにした結果、売り上げが上昇した
という米国のあるスーパーでの事例です。

ECサイトに単に商品を並べていませんか？
それ、やばいです！

本題へ

データマイニングとは、
構造化されたデータベースから

情報を抽出して、自動的に傾向や
パターンを発見する分析手法です。

残念ながら、魔法の杖ではありません。

顧客の購買行動など、データを分析することにより、
商品の購入率の予測ができます。

商品と顧客の関連データ発掘などにも可能です。

データから有益な情報を採掘（マイニング）
することからこのように呼ばれます。

また、テキストデータを分析する際は、
テキストマイニングと呼ばれ、お客様の声
の分析には重要な方法です。

このテキストマイニングとは、
構造化されてないテキストデータから、
新しい情報を抽出する分析手法です。

通販ビジネスに代表される小売りの場合、
お客様の声を、テキスト化した後に
文章中の単語の使用頻度や傾向、相関関係など、
さまざまな特徴を分析する際に用いられます。

ネガティブワードやアクティブワードの深層心理
にも使えホンネが浮き彫りになります。

データマイニングは、「知識発見」と
「仮設検証」の2つに大別することができます。

１つ目
知識発見（探索）
データマイニングは、蓄積されたデータから、
新しいパターンやルールといった知識を
自動的に発見（探索）します。

よって、ファンコミュニティなどの場の中で
行われるコミュニティを蓄積できないといけません。

ビッグデータに活用ができ、
機械学習やディープラーニングにて多く利用されます。

２つ目
仮説検証
仮説検証は、目的に沿って、検証したい課題解決に
必要なデータを集めて分析します。

従来の統計的手法が使われることもあるので実践の現場では、
探索発見がメインとなります。

データマイニングの機能ですが、
データマイニングは、大量のデータの中から
有意義な情報を抽出することを目的としています。

データマイニングの機能は、

・発生確率の予測
・データクラスターの分類
・相関による関連性の抽出

の3つに大別できます。

１つ目の発生確率の予測は、
収集したデータから、受注、購入といった
特定の事象が発生する確率を明確にします。

小売業における通販は、発生確率を予測して
受注予測のグラフを自社で持っています。

２つ目のデータクラスターの分類ですが、
収集した顧客や商品などに関するデータを、
特徴に応じて分類します。

顧客の趣味嗜好などの価値観を分類することもでき
とても有効です。
クラスター分類は、顧客売上
だけでみてはいけません。

３つ目の相関による関連性の抽出は、
収集した大量のデータから、同時に発生するなど、
相関関係を見ていきます。

このようにデータマイニングは、
幅広い業界でマーケティングの課題を
解決するために役立っています。

たとえば、以下のようなケースで活用されています。

小売業では、
顧客データベースを活用することで、

より効果的なキャンペーンを実施することや、
顧客に対して効果的なオファーを行うことが可能になります。

教育業では、
学生の学習の進捗状況データから学生の

理解度を予測することにより、
教員が最適な指導を行えるようになります。

追伸：#データマイニング　西村公児