CASE STUDY

過去のPOSデータを学習させることでDNN（ディープニューラルネットワーク）モデルを作成。POSデータをモデルに読み込ませることで未来の顧客ランクがどのように遷移するのかを予測することでき、ランクが上下する顧客それぞれに対して適した対策を練ることができる。また顧客ランクを予測した結果からPOSデータのどのような要因からランクが遷移するのか分析を行った。

販売と買取、また商材ごとの関係性を明らかにし、それが個人にどのように影響を与えるかを階層ベイズモデルを用いて分析した。商材ごとの過去の購入、買取実績や顧客属性など複数の要素を変数として、顧客ごとの個人差を推定し、購入ポテンシャルを算出。それによって対象商材の購入経験がない顧客であってもターゲットとして捉え、その中から効率的に潜在顧客を絞り込むことが出来るようになった。 戦略的商材であるAのキャンペーンを行う際に、予測モデルから未購入者も含めた潜在顧客をターゲティングし、需要喚起のダイレクトメールを送付した。