Target Finder

専門知識なしでビッグデータから見込み顧客を発見する分析ツール

お問い合わせ

Target Finderで使用している分析手法「PLSA」とは

PLSA (Probabilistic Latent Semantic Analysis)

確率的潜在意味解析

デモグラフィック属性を超えたCRMプランニングで不可欠な最新クラスタ手法

  1. 1.分析には、顧客ID、購入商品、ウエイト(購入回数、数量等)を使用します。
  2. 2.デモグラフィック属性や顧客ランクではない購入パターンによる新たなクラスタ手法です。年齢、年収などの属性データを直接的には使用しないので、属性情報が整備されていない顧客データでも分析可能です。
  3. 3.購買行動類似性によって顧客と商品のクラスタリングを同時に行うという特徴があります。
  4. 4.全顧客と全商品が、全てのクラスタへの所属確率*で表されます。
    *所属確率…どんな人に買われやすい商品か、どんな商品を買いやすい人か、を数値で示したもの
  • クラスタへの所属確率の高い商品、顧客は類似している買い方、買われ方をしているので、この結果をもとにクラスタ別リコメンデーション、売場(店舗)配置計画などに応用できます。
  • 潜在クラスタを想定した所属確率によって次元縮小を行う計算方法からID-POSなど比較的疎データ*に強い分析手法といわれています。
    *疎データ…ID×購買商品の行列データ内に空欄もしくはゼロの欄が多数あるデータ

計算イメージ

①ID付き購入データを用意し、セット

ID付き購入データ
PLSAで分析

②ローデータをクラスタリング

ローデータをクラスタリング

似た買い方をする人/縦方向にみると、顧客No.001さん、No.004さん、
No.007さんは似た買い物をしている

似た買われ方をする商品/横方向にみると、食料品は婦人服や趣味雑貨の
購入者が買いやすい

お問い合わせ

株式会社 東急エージェンシー
データドリブンマーケティング局CRMコンサルティング部 担当:久保、藤居

お問い合わせ