企業が抱えている顧客・消費者はすべて一様な特徴を持っているわけではなく、製品・サービスに対する態度やマーケティングアクションに対する反応の仕方などにおいて異質性を持っています。

各グループに属する顧客が似通った特徴を持つように顧客をグループ化することを顧客セグメンテーションと呼びます。

各グループの特徴やグループ間の差異を理解することで、効率的なマーケティングアクションが可能となります。


顧客セグメンテーションはいわゆるクラスタリングの問題と呼ばれ、それぞれの顧客がどのグループに属するかはデータから推測することになります。

一方で、ロジスティック回帰モデルの文脈と同様に、購買の有無やブランド選択を予測するという問題は分類の問題に含まれます。

うまく分類を行えるようなモデルを構築することで、購買を促進させたり自社ブランドが選択されやすくなるようなマーケティングアクションが可能となります。


本セミナーでは顧客セグメンテーションのための教師なし学習の手法として、階層クラスタリング、k平均法、ガウス混合モデルによるモデルベースクラスタリングの手法、定期購買契約有無の予測のための教師あり学習の手法としてランダムフォレストを紹介します。

そしてPythonでこれらの手法を実装し、仮想的な定期購買契約に関する個票データを分析します。