アウトカム変数に与える各特徴量の影響度に基づく顧客セグメンテーション手法の提案

抄録

顧客ニーズの多様化に伴い，企業は顧客グループ毎に適切な施策を講じることが重要となっている．そのためには，特徴に応じて顧客を分類する顧客セグメンテーションが必要である．従来，顧客セグメンテーションにはk-means法などのクラスタリング手法や決定木などの分類モデルが用いられてきた．しかし，これらの手法は顧客ごとに異なる施策の効果を決める要因を十分に考慮しているとはいえない．顧客セグメンテーションの本来の目的は，セグメントごとに適切な施策を講じることで施策効果を向上させることである．従って，施策効果を決める要因が類似したセグメントを形成することが求められる．そこで本研究では，機械学習モデルの解釈手法で知られるSHAP値ベクトルを用いたクラスタリングを行うことで，施策によって期待される効果（アウトカム指標）への特徴量の影響の仕方が類似した顧客同士をセグメント化する手法を提案する．これにより，施策効果を決める要因の類似性を考慮することが可能となるため，顧客セグメント毎に最も効果的な施策を講じることが可能になる．本研究では，人工データを用いた実験を行い，提案手法の有効性を示す．