読者です 読者をやめる 読者になる 読者になる

データサイエンティストを目指す大学生のブログ

データサイエンス系のメモとか備忘録とか。

効果的な車内広告のための分析

テクノロジー データサイエンス やってみた SPSS Modeler 予測分析 効果測定 マーケティング

f:id:flabf:20161017154056j:plain

 

みなさんこんにちは。

データがあれば社会が見える、そんなことに憧れながら日々データの処理に泣いている慶應義塾大学、湘南藤沢キャンパス4年の石原智哉と中島有希大です。今回も前回に続きSPSS Modeler*1 を使って身の回りで起こっていることを分析していきます。

 

 今回分析するテーマ

 

今回分析するテーマは電車の車内広告についてです。

最近、気になる電車広告は? と聞かれて何が思い浮かぶでしょうか。毎日、電車に乗る生活を送る方は少なくないと思いますし、自分もいつも見てしまうお気に入りの広告がいくつかあります。また、電車に乗っている時間が長いとつい広告を読んでしまいます。

一方、私たちの大学の友人で湘南エリアを中心とした芸能・エンタメ情報を配信するウェブサイトの運営企業を経営している人がいます。慶應は女優やアイドル、モデルなど芸能活動をしている人が一定数いたりするので、そのような起業がしやすい土壌があるのかもしれません。その友人が電車内に広告を出すとしたら、どこに広告を表示し、どのような人に向けた内容で広告を出せばよいかと私たちに相談をしてきました。

さらに注文は、TwitterFacebook、LINE、Instagramのどれかにつなげたいがどれがいいかということでした。

そこで、老若男女の乗客という視聴者が一定時間その場に存在し、目にする機会が充分あると思われるこの“電車の車内広告”の見られ方について分析し、どうしたら車内広告をより効果的に活用できるのかSPSS Modelerを使って検討してみることにしました。

 

今回の狙いは3つあります。

1. 広告をどこに設置すればよいのか考える

特定の電車内広告について、どのような人が、どんな場所に掲示されている広告を見ているのか現在の傾向を探ります。これを元に、どんな車内広告がよいか考察してみたいというわけです。

2. 分析を共有する

どのような分析をしているのかを友人に伝えるとともに、友人もしくは友人の起業仲間が分析を続けられるようにストリームを残します。

3. 後に生かすために

 今回の分析を踏まえ、広告を出稿した当事者がより効果が出るように改善を重ねることを目的に、どのようにPDCAをまわせるかを考えます。

 

 電車内広告にもいろいろある

 

電車に乗ると気づかれるかと思いますが、広告を貼る場所はさまざまであり、資料を見せてもらったところ場所によって費用も異なってくるようです。電車の中とはいえ、広告なのでけっこう高額です!(私からしたら

参考:jekiジェイアール東日本企画)より中吊り広告の広告料金表
 http://www.jeki.co.jp/transit/mediaguide/pdf/jmg_ml_026-029_tm2.pdf

 

 使用するデータ

 

使用するデータは株式会社マーシュの「電車内での過ごし方に関するアンケート調査」です。

調査項目は以下です。

  • 普段、電車に乗る時間はどの位ですか。
  • 電車に乗っている時、何をしていますか。
  • 電車内でどのような広告を見ることが多いですか。
  • 電車内の広告でどのような広告をよく見ますか。
  • 女性専用車両」導入についてどう考えていますか。
  • 女性専用車両」をどの位利用していますか。

 

1都3県の20代~60代の男女400名に対するアンケートの結果です。アンケートの実査期間は2016年6月3日(金)~2016年6月5日(日)です。

また、上記の調査項目のほかに回答者の属性などがデータには入っています。

 

 分析の目的と手法

 

1. 目的

今回の分析の目的は、芸能・エンタメ関連広告を見ている人が、電車内のどこにある広告を見ているか、また電車内でよく何をしている人なのかを分析し、より効果的に広告を打ち出していくことです。

 

2. 手法

SPSS Modelerの決定木分析(ディシジョンツリー)を用いて分析していきます。

決定木分析とは、決定において実際に問題になる属性だけを自動的にルールに取り込むものです。ツリーの精度に関係ない属性は無視されます。これにより、データに関する非常に有益な情報が得られます。

参考:日本IBM公式サイト  ディシジョン・ツリー・モデルの説明(参照:2016-09-27)
https://www.ibm.com/support/knowledgecenter/ja/SS3RA7_18.0.0/modeler_mainhelp_client_ddita/clementine/nodes_treebuilding.html?view=embed#nodes_treebuilding

 

今回使用するデータは、分析に使用できる変数のうち、ダミー変数が非常に大きな割合を占めており、回帰分析などは非常にしづらいデータです。そのため、条件分岐もできて、今回のデータを扱いやすいディシジョンツリーを使って分析をします。

 

 使用するモデル

 

使用するモデルはC5.0です。

f:id:flabf:20161017150822p:plain

SPSS Modelerには決定木(ディシジョンツリー)だけでもいくつかのモデルが搭載されています。

C5.0 ノードは、ディシジョン・ツリーとルール・セットのどちらかを構築します。このモデルは、各レベルで最大の情報の対応をもたらすフィールドに基づいてサンプルを分割します。対象フィールドは、カテゴリーでなければなりません。複数の分割を 2 つ以上のサブグループに分割できます。

参考:日本IBM公式サイト  C5.0ノードの説明(参照:2016-09-27)
http://www.ibm.com/support/knowledgecenter/ja/SS3RA7_18.0.0/modeler_mainhelp_client_ddita/clementine/c50node_general.html 

 

 

では分析に取り掛かります!

 

 広告を見る人はどのような行動をしているのか

 

1. ストリームの作成

まず芸能・エンタメ関連の広告を見ている人が電車内でどのような行動を最もしているのかをみていきます。

ストリームは以下です。

 

図1:ストリーム

f:id:flabf:20161017150816p:plain

 

「データ型」ノードの設定で 「芸能・エンタメ関連」広告を見る(Q6-1、複数回答)を対象(目標変数) に設定します。入力(説明変数) には性別、年齢、住んでいる地域、結婚しているか、子供はいるか、どのような勤務体系か、世帯収入、電車に乗る頻度、電車に乗る目的、電車に乗っている時間、どのような電車に乗るか、電車内でどのようなことをしているか(「広告を見る」を除く)、スマートフォンで何をしているか、どこの広告を見るか、を選択しました。

 

電車内ですることの設問において、スマートフォンを使用しているという回答は、のちのスマートフォンですることの前提となる質問であり、回答が重複してしまうため、分析から除外しています。

 

また、今回は条件抽出ノードを追加しています。今回は乗車時間と世帯収入を未回答にしている人を分析から除外しています。

乗車時間と世帯収入は実数ではなく、カテゴリーに分かれているいわゆる順序尺度となっています。未回答を含むとこの順序が乱れてしまうため、排除しています。

 

条件抽出はExcelを使う際にはIf関数を利用すると思いますが、関数をExcel上に残しているとどんどんデータが重くなっていきますし、SPSS Statisticsなど別のソフトウェアに関数を残したまま読み込ませると不具合が起きる場合があります。

また、値として貼り付けてしまうと、後からどのような基準でデータを作成したのかわからなくなったり、他の人との意思疎通が困難になったりします。

 

その点SPSS Modeler上でこのようなデータ加工処理を行えば、オリジナルのデータを保持しつつ、処理の記録が残るため、どのようなロジックで条件を抽出したのかを後から思い出したり、他者と共有したりする時に非常に便利です。

 

最後に、友人からの依頼上、“人々がスマートフォンを使ってやっていること”はなるべく分析に追加できるよう、ノードのデータ型で調整しました。

 

2. 解釈

 

芸能・エンタメ関連広告を見るは0:見ない、1:見るとなっています。芸能・エンタメ関連広告を見ると回答した人は、106人でした。これは、全体(400人)の約25%、Q-2で電車内広告を見ると回答した人(168人)のうちの約63%です。

さらに①で記載したように条件を抽出すると対象サンプル数が151、広告を見る人が97、割合として約64%となります。

 

出力されたディシジョンツリーは図2のようになります。

 

図2:ディシジョンツリー

f:id:flabf:20161017150810p:plain

 

まず、芸能・エンタメ関連広告は窓上広告の場合に最も見る人と見ない人との差異が大きくなるようです。

芸能・エンタメ関連の窓上広告を見る人は90人で、窓上広告を見る128人の約70.3%でした。

 

さらに、電車の中でLINEのメッセージ交換をしていて、電車に乗っている時間が15分以上の人が多いようでした。

 

このディシジョンツリーに表示されている変数以外にも 1. ストリームの作成 で書いたように、様々な変数を投入しています。その中でも特に影響力の強かった変数が図2に表示されている変数になります。

例えば、電車内広告といって思い浮かべるのは、中吊り広告である人が多いと思いますが、芸能・エンタメ関連広告に関していえば、窓上広告のほうがよく見られているので、影響力が大きい可能性があります。

また、スマートフォンでできることにはさまざまなものがありますが、TwitterInstagramといった別の媒体よりもLINEのほうが利用されているということがわかります。

この2点が分かったことは、非常に大きな意義があるのかなと思います。

また、ディシジョンツリーに現れなかった性別や年代、職業などは強い関係はなさそうです。

 

3. 考察

以上より、エンタメ・芸能関連の広告を出す場所としては、窓上広告が最適であろうことがわかります。

そして、広告から次につなげる先は、TwitterInstagramFacebookなどではなく、LINEであると言えます。LINEをしない人でも窓上広告を見てくれやすいとも言えますが、LINEをしている人のほうが割合として高いため、LINE利用者のほうが確実であると言えます。

ターゲットとしては、電車に15分以上乗る人に向けた広告がよさそうです。

 

 まとめ

 

1. 芸能・エンタメ関連の車内広告をより見てもらえるようにするにはどうしたらよいのか

芸能・エンタメ関連の車内広告を見てくれるのは、LINEをよく利用する人、15分以上の長い時間乗っている人でした。それを考慮に入れてデザインにしたほうが、アウトカムにつながるのではないかと思います。

最後に広告を出す場所は、荷物置き場の上にある窓上広告がよいですと提案しました。

 

2. 分析を共有する

今回私たちが使った分析は、ストリームとしてビジュアル化されているので、これを利用して、起業した友人に、どのような分析をしたのか、なぜこのような提案に行き着いたのか、説明することができます。説明している中で、彼から別の視点や意見が出てくるかもしれません。その意見を取り入れて別の分析をしてみるということも、その場で簡単にできます。試行錯誤によって、分析を改善し、新しい施策のアイデアを出していくことができそうです。また、このストリームを 保存して、メールなどで添付することで他の方のPCでも見ることができます。どのような変数を入れて、どのようなモデルを使ったのかを見ることができるので再現性に優れています。

 

3. 今後のために

今回作ったストリームを基盤として広告効果測定のデータを追加し、ノード同士をつなげて1つのストリーム内でPDCAをまわしていくのがModelerならではの使い方なので、 引き続きPDCAをまわしていくためにはどのようなデータを集めるとよいのかを考えます。

今回、電車内の広告を見ている人との親和性を考えると、LINEを利用する乗車時間が長時間の人に対して窓上広告が有効ということが導かれました。そのため今後見ていくべきデータとしては、例えば湘南で行われる新着イベント等の情報を配信するようなLINE@のアカウントを作成し、電車内広告を載せている期間、LINE@アカウントの友達数の増減などと車内広告との関連があるかの確認などをすることで、今後どのように改善するかなどが導けそうです。

 

ちなみに、広告の具体的なデザイン内容についても友人とディスカッションしました。15分以上乗車している人に関しては、乗車時間が長いということは、読み物や問いかけ系、複雑な図など、すぐに飽きず読み込むようなものがよいかもしれない。一方で、LINE@の友達数の増減をPDCAで見ていくという点から、広告を見た人がアカウントページに行って友達に追加してくれるような広告にするべきではないかという話も出ました。結論としては、これらの情報をうまく実際の広告デザインに落とし込む際は、デザイン系の研究室に所属している別の友人にも相談してみようという話になりました。その友人と話をする時も、今回の分析内容を振り返ったり、別の視点で見たりするためにSPSS Modelerが活躍しそうです。

 

*1:SPSS Modeler 30日間無料の評価版 : http://ibm.biz/SPSSModelermarketplace3

自治体や企業が大注目!外国人観光客のインバウンド消費を予測分析してみた

テクノロジー 予測分析 やってみた データサイエンス SPSS Modeler インバウンド

f:id:flabf:20160901135156p:plain

 

 みなさんこんにちは。慶應義塾大学、湘南藤沢キャンパス4年の石原智哉と、中島有希大です。普段はRを使ってPOSデータや選挙における投票行動の分析をしています。このたび研究室のプロジェクトの一環でSPSS Modeler*1を使えるようになったので、備忘録や学習用としてブログを書いていくことにしました。SPSS Modelerを使って、これまで学んできた予測の手法を実践していくとともに、仮説構築、分析している間に感動したこと、困ったことを共有できればと思います!

 

 ◉ 今回分析するテーマ

 

 まず、第1弾として、最近僕たちが気になっているトピックの一つ「インバウンド消費」について考えてみました。

 一時期に比べて消費の勢いはやや収まったと言われているものの、都心や観光地に行くとあちこちに大勢の外国人観光客がいる風景は変わらないですよね。以下の図は訪日外国人1人当たりの消費額です。

 

<図1> 訪日外国人1人当たりの消費額

f:id:flabf:20160830194922p:plain

 

 自治体や企業でも、インバウンド消費を狙って地域振興をしていきたいと考えているところは多いと思います。そこで、観光庁のホームページで公開されている訪日外国人の行動に関するオープンデータとSPSS Modelerを使って分析をおこなってみたいと思います。

 具体的には、インバウンド(訪日外国人旅行)に関する分析をテーマに、架空の観光地を想定して、地域の産業はどこの国の人の消費スタイルに合っているのか、そしてその国の人はどれだけのお金を使ってくれるのか。を予測分析してみたいと思います!

 

 ◉ 類似性からのアプローチ

 

 この記事を読んでいる方で、商品の特徴を元に競合相手を見つけたり、顧客を増やしたりしたいと考えたことのある方はいませんか? 

 「ウチの商材の競合や顧客をフィーリングでなく、数字で見つけたい」

競合となる商品と顧客になりそうな人が求めているものが自分の商品とどれだけ似ているかという、“市場の製品比較”が共通していえる手法だと思います。

 例えば、消費財であれば成分比較や入っている量や価格によって似ている製品、つまり競合製品を見つけ、そのうえで差別化を図り市場に投入する前に売り出していくポイントを決めることができます。

 また、店舗に年齢層ごとにどれくらいの割合で来店しているのかがわかれば、顧客割合の似ている店舗を見つけ出し、店内のレイアウトを参考にしたりすることができます。

ひとことで言えば、「類似性」からのアプローチです。

 

 ◉ 分析手法

 

 その類似性を探索するために、最近傍分析k最近傍法KNN分析)を使った分析を行っていきます。k最近傍法は機械学習のひとつで、保存されたパターンまたはケースに完全に一致する必要なしにデータのパターンを認識する方法として開発されました。類似したケースはお互いに近く、類似していないケースはお互いに離れています。つまり、2 つのケース間の距離は、それらの非類似度の尺度です。

 その類似性を探索するために、最近傍分析のk最近傍法(KNN分析)を使った分析を行っていきます。k最近傍法は機械学習のひとつで、保存されたパターンまたはケースに完全に一致する必要なしにデータのパターンを認識する方法として開発されました。類似したケースはお互いに近く、類似していないケースはお互いに離れています。つまり、2 つのケース間の距離は、それらの非類似度の尺度です。

 k最近傍法の結果、互いに近いケースを「近傍」と呼びます。新しいケース (ホールドアウト) が存在する場合、モデル内の各ケースからその新しいケースへの距離が計算されます。最も類似したケースの分類である「最近傍」が集計され、新しいケースが、最大数の最近傍を含むカテゴリーに投入されます。

 例えば、自動車メーカーが、2 つの新しい自動車 (乗用車およびトラック) のプロトタイプを開発しているとします。新しいモデルを範囲に導入する前に、メーカーは市場にある既存の自動車でどれが最もプロトタイプに近いのか、つまりどの自動車が「最近傍」なのか、そのためどのモデルが競争相手となるのかを判断する必要があります。*2

この考えを、視点を変えて使ってみます。

 

 ◉ 分析に使用するデータ

 

 KNN分析で使用するデータは平成28年4月~6月期の観光庁の訪日外国人消費動向調査*3です。

それを一部抜粋し、加工したものがこちらです。

 

<図2>KNN分析で使用するデータ

f:id:flabf:20160830194927p:plain

 

データの列は、

  • Nation国名
  • Snack 菓子類
  • AL その他食料品・飲料・酒・たばこ
  • Camera カメラ・ビデオカメラ・時計
  • Electric 電気製品
  • Cosme 化粧品・香水
  • Kimono 和服(着物)・民芸品
  • Clothes 服(和服以外)・かばん・靴
  • Animationマンガ・アニメ・キャラクター関連商品

 となっています。後の分析で過去のデータを取得した際、当時なかった品目は削除してあります。

 partitionは分析用に付け加えました。詳しくは後述します。

 数字は、該当する消費品目にどのくらいの割合の人が消費したかを示しています。

 黄色でハイライトしたAreaAとAreaBは、外国人消費動向調査から抜粋したデータに付け加えたデータです。仮に、今このブログを読んでくださっている皆さんが大型商業施設や観光地の広報担当者であると考えてみてください。AreaAまたはBは、皆さんが広報を担当している商業施設や観光地を示します。観光庁のデータからは、外国人が訪日した際にどのような品目にどのくらいの割合の人が消費したのかが国別にわかります。しかし、これはあくまでも日本全体のデータであり、自分がPRしていくべき場所だけのデータではありません。そこで、これからインバウンド消費を狙っていこうとしているAreaAとAreaBが「自分の地域(または商業施設)がどの国の観光客の消費品目の割合に近いのか」を知るために、架空の地域が自地域の観光客100人(100人の国に偏りはないと仮定)にアンケートを取り、データを追加した、というストーリーです。

 順序としては、既に品目別に消費金額が分かっているそれぞれの国の観光客のデータを計算したのち、AreaAとAreaBがどこの国の特性に近いのかを計算します。そのため、partitionという変数を入れ、値を0と1に分け、AreaAとAreaBを後から計算するようにしています。上図ではpartitionの列に青でハイライトを入れておきました。partitionの列のAreaAとAreaBが1となっています。

 

 では以下デモに移ります!

 

 ◉ 分析フロー

 

 ここでさっそく気づいたことですが…

 Modelerの中でデータを扱うときは、使用するデータ(エクセルなりcsv)は閉じなければならない。

 これ、やっている途中で気づいたんですが、意外とやっちゃうんですよね。データ編集して読み込ませて、いざ分析!ってなって結果を見ようとしたらエラーで・・・そのときに「あ!!」となること数多し・・・。要注意です!

 

 では気を取り直して、エクセルのデータを読み込んでいきます!

  1. 入力タブからExcelを追加します。

 

 <図3>

f:id:flabf:20160830194930p:plain

 

 追加したノードをダブルクリックすると以下の画面が出てきますので、ファイルの場所、ファイルを選択し、OK。

 

<図4>

f:id:flabf:20160830194932p:plain

  1. 出力タブからテーブルを追加し、先ほどのExcelファイルから結合します。 

 

<図5>

f:id:flabf:20160830194934p:plain

 

<図6>

f:id:flabf:20160830194935p:plain

テーブルの中身を見てみます。テーブルをダブルクリックし、実行。

 

<図7>

f:id:flabf:20160830194937p:plain

 

読み込み成功です!!

 

  1. フィールド設定タブからデータ型を追加します。

 

 <図8>

f:id:flabf:20160830194939p:plain

 

エクセルノードから結合し、データ型をダブルクリックします。

Nationのロールを“なし”にして、partitionの尺度を“フラグ型”にします。

 

<図9>

f:id:flabf:20160830194947p:plain

  1. モデル作成タブからKNN(=k近傍法)を追加します。

 

 <図10>

f:id:flabf:20160830194950p:plain

 

データ加工タブから結合します。KNNノードをダブルクリックし、目的タブから最近傍のみを識別を選択します。

 

<図11>

f:id:flabf:20160830194953p:plain

 

設定タブより、重要レコードの識別にチェックを入れ、プルダウンからデータ型を選択し、partitionを選択して実行!

 

<図12>

f:id:flabf:20160830194955p:plain

 

ちなみにここまででストリームは以下のようになります。

 

<図13>

f:id:flabf:20160830195001p:plain

 

 ◉ 分析結果1

 

KNN分析の結果は以下になります!

 

<図14>

f:id:flabf:20160830195003p:plain

 

左側の3次元の図は回転させることができるので視覚的にどの項目がどの程度近いのか把握することができます。

 

<図15>

f:id:flabf:20160830195006p:plain

 

 また、ピアのタブからピアを隣接および距離の表に変更すると、もっとも近い(似ている)ものがわかります。

 これを読み解いていくだけでもなかなか興味深い結果が出てきます。たとえば、各国の消費行動には、以下のような類似性が見られました。*4

全20カ国のうち、フランス、スペインが似通っています。地理的に近い国なので気候などの影響でKimonoやClothesが似ているのは想像がつきますが、Animationが高水準で似ているのは興味深いです。

また、マレーシアとフィリピンにも強い類似性がみられます。特にCosmeやSnack、Clothesが似通っていることからフランス、スペインと同じく地理的に近いと文化や好みが似ているのかもしれませんね。

USとAUS、カナダはすべての品目で似通っているというわけではないですが、ALとKimonoでは高い水準で似通っており、英語圏の人には人気があるのでしょうか。

Kimono、Clothes、Animationは地理的に近いと、似通った数値をとることから、流行というものが伝わりやすい品目であることが推測でき、興味深い点でした。

 

 

 さて、本題であるAreaAとAreaBの類似性の高い項目の考察に移りましょう!

 

 ◉ KNN分析結果からの考察

 

<図16>

f:id:flabf:20160830195010p:plain

 

 KNN分析では、partitionを1としたAreaAとAreaBの観光資源の割合に対して、partitionを0としたKorea(韓国)からAUS(オーストリア)の20カ国それぞれの外国人の購買割合の距離が、それぞれ計算されています。距離が近いほど互いに似ているということになります。

 まずはAreaA(=図16中の「21」が該当)を見ていきます。最近傍にあたるのは「4」=中国ですので、AreaAが提供する消費財は中国からの観光客に受けそうということになります。

 各消費財ごとに、もっとも距離が近い最近傍のみを表示したのが以下の図です。

 

<図17>

f:id:flabf:20160830195018p:plain

 

 中国からの観光客の購入割合とAreaAでの観光客の購入割合をみると、Snack(菓子類)やElectric(電気製品)が高い水準で近い割合をとっています。一方、Kimono(和服(着物)・民芸品)の距離は購入割合が低いものの近い割合で、両者が似ていることがわかります。Snackや電化製品はAreaAの強みなので、それらを押し出していくことで多くの中国人観光客を獲得できると考えられます。

 次にAreaBを見ていきます。最近傍は「13」=ドイツです。AreaBはAreaAに比べてAL( その他食料品・飲料・酒・たばこ)で強みを持っています。その分野で高い購入割合を持つドイツが一番AreaBの観光資源との親和性が高いということになったようです。結果として、AreaBはドイツ人に対し食料品や飲料、酒、たばこを全面に押し出してPRするのが良いと考えられます。

 ここまででAreaAの最近傍が中国人観光客、AreaBの最近傍がドイツ人観光客であることがわかりました。距離をみると、AreaAと中国人観光客は1.525であり、AreaBとドイツ人観光客は0.392となっていました。AreaBとドイツ人観光客の距離の方が近く、似ていることがわかりましたが、どこの国の人に爆買いをしてもらうともうかるのかという観点から、一人当たりの消費額が多く、訪日外国人旅行者数も多い中国人観光客の分析をAreaAにおいて引き続き行なっていきます。

 

<図18> 訪日外国人の国別旅行支出、旅行者数および旅行消費額

f:id:flabf:20160830203205p:plain

 

 ◉ 最近傍に対するアプローチ

 

 ターゲットにするべき対象が分かったら、次は誘致のためのキャンペーンを検討することにします。ただし、キャンペーンを打つには多大なコストがかかります。そのためキャンペーンを打つからには高い確率で確実な収益を上げたいものですよね。そこで、今回はAreaAを例にとって最近傍である中国人観光客を相手に何を買ってもらえるように訴求すれば一人当たりの平均購入額がさらに上がるのかを予測し、キャンペーンに活かすことにします。

 

 ◉ なぜ、来訪者の出身地区の割合を使わないのか

 

 ちなみに、ここまで読んで「なぜ、AreaAに来ている人の出身地別の割合を使って分析しないのか?」と思われる方もいらっしゃるかもしれません。もちろん、今回は架空の地域を分析しているため、そのような情報がないというのもあるのですが、ちゃんと理由があるのです。

そもそも、中国人観光客が断トツで多く来ていることが明らかな状況では、似ている地域などというものを考えずとも目の前の観光客に販売をしていれば自然と中国人観光客の望むような品ぞろえになっていることでしょう。そうではなくて、様々な国の観光客が来ていて特徴がわからず、売上が伸び悩んでいる地域だからこそ、いま当地を訪問してくれている外国人観光客が何に関心を持っているのか、どのような傾向にあるのか、データ分析をし、お客様を理解して販売戦略を考えていく必要性が出てきます。さらに売り上げを伸ばしていくために、ターゲットを設定し、新たにキャンペーンを打っていくのです。

 

 ◉ 平均購入額向上のための予測分析手法

 

 今回はシンプルに1人あたりの購入額を、これまで用いた購入割合で重回帰分析を用いて予測します。時系列データとして扱い、経済データなども集めればもっと精度をあげられそうですが、壮大な量になってしまうので割愛します。

 

 ◉ 使用するデータ

 

 データ元は先程と同じ、観光庁の訪日外国人消費動向調査です。ここまでのKNNの分析でAreaAの最近傍が中国人観光客であることがわかりました。そのため中国人観光客の消費動向に関するデータを、3か月ごとのデータ22期分集めました。

 右端の列のconsumeは一人あたりの平均購入額です。それ以外の変数の意味はKNNのときと同じです。

 

<図19> 中国人観光客の消費動向データ(3ヶ月区切り/消費カテゴリ毎)

f:id:flabf:20160830195026p:plain

 

 ◉ 分析フロー

 

 ModelerではデータをKNNのときと同様読み込ませ、データ型で目的変数のConsumeのロールを対象にします。

 

<図20>

f:id:flabf:20160830195029p:plain

 

線形回帰のノードを追加し、データ型からつなげます。

線形回帰のノードで方法をステップワイズ法*5にします。

 

<図21>

f:id:flabf:20160830195034p:plain

 

ストリームは分析が終わると以下のようになります。

 

<図22>

f:id:flabf:20160830195038p:plain

 僕たちが普段回帰分析を行うときはRを使うことが多いのですが、Rだとlm(y~x1+x2)でsummary, step, summaryと手順を踏まなければならないのに対し、Modelerだと1回で変数選択から要約まで出してくれるので、とても便利だと思いました!慣れるとModelerの方が早いと思います!

 

 ◉ 回帰分析の結果

 

 では結果を見ていきます!

 

<図23>

f:id:flabf:20160830195042p:plain

 

 ステップワイズ法を使用したところ、変数としてElectric(電気製品)とKimono(和服(着物)・民芸品)が選ばれました。

 

<図24>

f:id:flabf:20160830195045p:plain

 

 予測式として、

平均消費金額= 3931*Electric - 2306*Kimono + 25339

という結果が得られました。

 

 ◉ 考察

 

 上の予測式はつまり、電気製品を買う人が1%増えると平均消費金額が3931円増え、和服(着物)・民芸品を買う人が1%増えると平均消費金額が2306円減少するということになります。

 

 AreaAがターゲットとしたい中国人観光客との相性を見てみましょう。電気製品を買う人が1%増えると平均単価を99%有意水準で3931円押し上げることがわかりました。購入割合を見ても、中国人観光客は電化製品で他国の観光客よりも高い購入割合を示していますから、中国人観光客の電化製品を購入する意欲は高いと思われます。AreaAでは電化製品の販売は既に多いように見えますが、様々な国の人々が購入している中での販売量なので、中国人観光客に向けてより電化製品のPRをすることで売り上げが伸ばせそうです。

 逆に和服(着物)・民芸品目当てで来た人は平均消費金額を押し下げてしまうようです。そのうえ中国人の和服(着物)・民芸品の消費額は他国の観光客に比べても低く、あまり求めていない傾向にあると言えます。AreaAにおいてもそこまで販売が多いわけではないですから着物などが特産品であるという地域ではないでしょう。よって、AreaAにおいては着物や民芸品は売り上げを伸ばすためのPRには向かない品目だと考えられます。

 キャンペーンやPRをするにはコストがかかることから、確実に消費額が伸びる品目である電化製品をPRしたいところです。

 

 

<まとめ>

 

 

<図25> 今回の分析にあたり作成したストリーム

f:id:flabf:20160830195049p:plain

 

 今回はそれほど大きな元データを使わなかったため*6、実は頑張れば目視でも分かるような結果だったのですがw、今回の分析よりももっと項目数が増えた場合、グラフを目視することだけではどの商品、製品が似ているかを見つけるのは難しくなるでしょうし、このKNN分析を利用することで今まで気づかなかった競合や売り込み先、顧客を見つけられるかもしれません!さらに特筆すべきは、一度Modelerでまとめておくと、新しいデータが出た時に再度分析するのも簡単ですし、分析方法を研究室内の後輩に説明するのも楽でした!ストリームを見せさえすれば再現が可能なので、まだ分析が不慣れな人でも私たちと同じ結果を得ることができます。また、複数人で作業をする時にも、お互いが何をやりたくて、何をやってきたのかを共有しやすいなと感じました。

 予測に関しては、今回は単純な回帰分析でしたが、コードを書いて分析するRよりも簡単な手順で分析結果を出すことができました。ほかのモデルでもどの程度わかりやすく、かつシンプルに分析できるのか気になります。

 Modelerには重回帰分析以外にも時系列モデルや、一般化線形モデルなどが用意されているので、次回は予測に重点を置いて分析していきます!

*1:SPSS Modelerのページ: http://ibm.biz/SPSSModeler-marketplace2

*2:IBMさんのサイトより一部引用しました。

http://www.ibm.com/support/knowledgecenter/ja/SS3RA7_18.0.0/modeler_tutorial_ddita/clementine/example_knn_intro.html

*3:http://www.mlit.go.jp/kankocho/siryou/toukei/syouhityousa.html

*4:2016/9/3 各国の類似性の内容を書き換えました。上で提示している分析結果と少し異なる内容であったため。

*5:ステップワイズ法について少しだけ解説です:回帰分析において、変数を増やせば増やすほどモデルがデータをどれだけ説明しているかという説明力は増加します。目的変数には実際には関係のない変数を入れてもです。ですが、そのような変数によって予測しても有意義であるとは言えません。そこで求められることが、変数を一つ加えることに対してモデルが複雑になることと、どの程度モデルの当てはまりの良さが高まるのかを考慮して、その変数を加えるべきかを判断する基準です。一般的にはAIC基準(赤池情報基準)という、元統計数理研究所所長の赤池弘次さんが1973年に発表した指標が使われています。それによって、ある変数を入れたほうが良いのか、入れないほうが良いのかを判断しています。AICがなるべく小さい値の方がよいとされています。

*6:今回はデモンストレーション目的で元データとして20行程度のcsvを使いましたが、統計解析のモデル精度を担保するためには最低限100行くらいはあるべきで、ターゲット人数を考慮に入れたら統計的には384行は必要でしょうという指摘が先生からありました。これ以下の場合1%が与える影響が非常に大きくなってしまうそうです。次回以降気をつけます。