消費者購買行動のモデル

マーケティング科学

消費者購買行動のモデル

3

予定

„

日用消費財領域における 市場データの変遷

„

消費者の意思決定プロセス

„

購買時期のモデル

„

その他

4

日用消費財領域における 市場データの変遷

„ ３０年代：ニールセンの店舗監査データ

„ ６０年代：SAMIの倉庫出荷データ

„ ５０年代：シカゴトリビューンなどの 日記式パネルデータ

„ ７４年：オハイオ州マーシュで初のPOSシステム

„ ８０年：IRI BehaviorScan

„ ８２年：７－１１ジャパンがPOS全店導入開始

„ ８３年：IY浦和店でスキャンパネル稼動

7

ＰＯＳ

(Point of Sales)

システム

販売時点（販売）情報管理システム

„販売した瞬間

„レジ（販売した場所）

„単品（アイテム）

„バーコードをスキャン

8

POS

データと関連データ

„POSデータ

„アイテムごとの販売履歴

„

コーザル・データ

„販促状況，天候，気温など

„

スキャナー・パネル・データ

„顧客ごとの購買履歴

„ストア・スキャン方式顧客ID付きPOSデータ

„ホーム・スキャン方式

9

ＰＯＳデータ

（週ごとに集計したもの）

日付 JAN 点数

98/02/02 49143669 5 98/02/02 4902201030243 29 98/02/09 49143669 16 98/02/09 4902201030243 31 98/02/16 49143669 82 98/02/16 4902201030243 50 98/02/23 49143669 68 98/02/23 4902201030243 148

価格 エンド 598 0 1098 0 598 0 1098 0 423 1 1196 0 398 1 966 1

コーザルデータ

アメリカにおけるマーケティング分析と

11

モデルの活用状況に関する調査結果

出所：Prevision Corp(1997）

„

調査期間：1996年12月―1997年1月

„

調査方法：30分間の電話調査

„

調査対象：米国の大手消費財メーカーに 在籍するマネジャー，56名

„

主なスキャナー・パネル・データ供給業者

„A.C.Nielsen:50%

„IRI:50%

12

主な利用目的

„ Pricing Decisions :3.80

„ Consumer Demand/Sales Forecasting:3.57

„ Trade Funds Management:3.57

„ Consumer Promotion Evaluation:3.51

„ Products Assortment/SKU Optimization:3.48

„ New Products Introductions :3.47

„ Category Management :3.46

„ Micromarketing/Store Cluster Analysis:3.23

„ Market Structure Analysis:3.22

„ Advertising Effectiveness:3.22

„ Shelf Space Allocation:3.16

„ Allocation of Marketing Mix Dollars:2.98

„ Continuous Replenishment:2.80

„ Measurement and Management of Brand Equity:2.74

„ Sales Force Deployment:1.72

13

日本における

スキャナー・パネル・データ

„ ストア・スキャン方式

„流通経済研究所：GIS

„約1万世帯（関東、関西のスーパー6店舗）

„ ホーム・スキャン方式

„社会調査研究所：SCI/SS

„約1万1千世帯（全国：沖縄を除く：の2人以上世帯）

„東急エージェンシー：QPR

„約2,500世帯（首都圏３０ｋｍ圏）

„NTTデータ：食MAP

„240世帯（首都圏３０ｋｍ圏）

„約2,500世帯（藤沢、葛西地区のスーパー2店舗）

„ビデオリサーチ：VRパーソナル・スキャン・システム

„東京圏30kmの2,000人：個人パネル（15歳～39歳）

„飲料，スナック，タバコなどの購買履歴＋電子日記式のテレビ視聴記録

15

消費者の意思決定プロセス

1.問題認識 2.情報探索 3.評価・選択

5.購買 6.購買後評価 4.購買意思決定

購買時期 購買ブランド 購買量

16

購買時期

„

購買生起

(purchase incidence)

„時点ごとに、購買する確率をモデル化

„

購買頻度

„一定期間内の購買回数をモデル化

„

購買間隔

(purchase timing)

„購買間隔を確率変数としてモデル化

17

購買間隔と購買頻度

購買頻度 購買間隔

平均値 密度関数

（回帰分析）

モデル化の対象

ﾎﾟｱｿﾝ分布など 指数分布など

18

購買間隔モデル：指数分布

( )

( ) ( )

( )

: :

1 1

n n

t

n n

n

n n

n

n

n T

f t e

f t

h t F t

λ λ

λ

λ

= −

= =

−

= 家計（消費者）

購買間隔 を表す確率変数

平均購買間隔

λ=0.4 λ=0.8

19

購買間隔が指数分布に 従う場合の購買頻度

„

購買間隔がパラメタλ

_n

の指数分布に従う

→平均購買間隔は１／λ

_n

→単位期間当りの平均購買回数はλ

_n

„

十分大きなmに対して、単位期間をm等分 すると、各小期間内で購買が発生する確 率はλ

_n

／mとなる

× × ×

20

Poisson

分布

ここで単位期間内の購買頻度を表す確率変数を Xnとすると、Pr(Xn=x)は二項分布に従う：

1

x m x

n n

m

x m m

λ λ ⁻

⎛ ⎞ ⎛ ⎞ ⎛ − ⎞

⎜ ⎟ ⎜⎝ ⎟ ⎜⎠ ⎝ ⎟⎠

⎝ ⎠

この時、単位期間の分割を 無限に細かくすると（m→∞）

( )

Pr !

n

x n

Xn x e

x λ ₋λ

= =

21

負の二項分布

(NBD)

„ λ_nは購買時期に関する各家計の特性を 表しており、原則として家計毎に異なっている。

„ しかしこの時λ_nがガンマ分布に従っていると 仮定するならば

( ) ^{1 1}

Pr 1

x x

Xn x x α α

θ θ

− − −

⎛ ⎞⎛ ⎞ ⎛ ⎞

= =⎜⎝ ⎟⎜⎠⎝− ⎟ ⎜⎠ ⎝ + ⎟⎠

23

NBDの特徴

„ 最寄り品のリピート購買に良く当てはまる (Ehrenberg, 1988)

„ モデルの構造が簡単で、

パラメターの推定が容易

„ マーケティング変数を含んでいない

„影響は全て、ガンマ分布に吸収されている

„マーケティング変数の最適化等には利用できない

„ベースラインとしての利用

24

指数モデルの問題点とその拡張

„

無記憶性

„購買間隔の最頻値が0

„購買間隔が0、すなわち次回購買は 前回購買の直後に行われる確率が最も高い

→直感的にも不合理

„

関数型の改良

„Erlang-2分布 Pr(Tn=t)=λ_n²texp(-λ_nt)

„モデルの当てはまりは、あまり違わない

26

Bawa (1990)

„

販促等が購買間隔の規則性に与える影響

„規則化する要因

„ﾌﾞﾗﾝﾄﾞ･ﾛｲﾔﾙﾃｨ、ｽﾄｱ･ﾛｲﾔﾙﾃｨ

„購買頻度

„不規則化する要因

„特売性向

„

規則的な買い物客に有効なＳＰ

„曜日サービス、長期的な広告

Neslin, Henderson & Quelch 27

(1985)

家庭内在庫 販促

購買量

購買頻度

＋

ー ＋

ー ー

28

販促効果のフロー

販促

購買量 購買時期 選択確率

客数

売上

2%

14%

84%

Gupta (1988)

14%

11%

75%

Bell (1999)

29

推定・予測・制御

β

y x

推定 予測 制御

( )

y = f x β

30

推定

(θX Y, )=log Pr(Yθ,X)

A 対数尤度関数 を最大化（極大化）する 最尤推定法

( ) ( )²

1

,

N

n n

n

LSβX Y y βx

=

=∑ −

最小自乗推定法 偏差平方和 を最小化（極小化）する

31

極値を求める方法

増減表

未知 数値計算による

最適化 代数的求解

既知

極値

解けない 解ける

方程式が（上段）

微分方程式が（下段）

33

数値計算手法

1 Newton法

任意のδ 最急降下法

擬Newton法 Newton- Raphson法

ステップ幅 更新の方向

( )

¹

H θ

⁻

− ( )

grad θ ^{− ⎣⎡grad( )θtgrad( )θ ⎤⎦−1}