表題番号：2025E-018
日付：2026/03/12
研究課題継続的ビジネス施策における複数ビジネス施策効果検証フレームワークの構築
| 研究者所属（当時） | 資格 | 氏名 | |
|---|---|---|---|
| （代表者） | 理工学術院 創造理工学部 | 助手 | 阪井 優太 |
| （連携研究者） | 理工学術院 創造理工学部 | 教授 | 後藤 正幸 |
| （連携研究者） | 東京都市大学 | 准教授 | 三川 健太 |
- 研究成果概要
本研究は、継続的に実施される複数のビジネス施策を効果的に評価・最適化することを目的とし、ECOC（Error-Correcting Output Codes）法を中核とするセグメントマーケティングのための分類モデルを提案した。本研究は大きく二段階の流れで構成される。
第一段階では、ECOC法を活用したニューラルネットワークによるラベル類似構造の説明手法の開発を行った。ECOC法は多クラス分類問題を複数の2値分類問題に分解する手法であり、コード行列を介してクラス間の関係性を構造的に表現できる特性を有する。本研究では、この特性をニューラルネットワークと組み合わせることで、分類精度の向上に加え、ハミング距離に基づくラベル間類似性を可視化・解釈可能とするモデルを構築した。これにより、従来ブラックボックスとなりがちであった深層学習モデルに対し、クラス構造の観点から説明性を付与することを可能とした。本研究成果はJSAI2025にて発表した。
第二段階では、第一段階で確立したECOC法に基づく分類および類似性評価の枠組みを、実際のビジネス施策へ応用することを検討した。具体的には、ユーザの閲覧履歴や行動頻度、カテゴリ遷移などの閲覧特徴量を入力として、ECOC法により年齢層や性別といったユーザ属性を推定した。さらに、推定された属性クラス間の類似性構造を分析することで、行動パターンが近いセグメントを特定し、効率的なセグメントマーケティングの実現を目指す。本研究成果はACMSA2025にて発表した。