顧客行動を把握！主成分分析とクラスタリングでデータの「本質」を捉える

「膨大な購買データをどう活用すればいいのかわからない…」
そんな課題をお持ちではありませんか？
例えば、小売店の購買データを見ても、「どんな商品が人気なのか？」「次にどんな商品を開発すればいいのか？」といった疑問を解くのは難しいですよね。
　そこで本講座では、機械学習の力を用いて、隠れたニーズや行動パターンを見つけ出す手法を紹介いたします。
　ご紹介する手法は主成分分析（PCA）とクラスター分析の２つです。クラスター分析は聞いたことがあっても主成分分析は聞いたことがないという方も多いかもしれません。

　主成分分析とは非常に簡単に言えば、「データの特徴をシンプルにまとめる」分析手法です。例えば以下のようなお客様ごとの購買データを考えてみましょう。各お客様ごとに様々な商品の購買が記録されていますが、商品の種類が多いとその特徴を捉えることは簡単ではありません。

そこで登場するのが主成分分析。主成分分析とはデータの特徴に合わせて機械的に情報を圧縮する分析手法です。例えば肉や野菜などの購買データが生鮮食品得点にまとまるといったように、複数あった商品も少ないカテゴリーにまとめることが出来るので、よりデータを解釈しやすくすることが出来ます。

このように機械的に特徴をまとめて解釈しやすいデータを作成する手法が主成分分析なのです。データが解釈しやすくなれば、その後の分析も解釈がしやすいものになります。例えば、主成分分析を用いた後にクラスタリング行ってお客様をグルーピングすれば、どういった購買傾向のお客様がいるのかをより分かりやすく表現できます。

このように主成分分析の手法と、その手法を他の手法とどう組み合わせて使うのかをこちらの講義では紹介していきます。

分析はR言語を用いて行っていきますが、基本的にはコードをコピペで動かしていくことになりますので、R言語を触ったことがない方でもご安心ください。
さらに演習内で扱うデータは業務と関連付けやすくするために、実際のマーケティングの場面でよく見られるデータを使います。学んだ内容をそのまま業務にご活用いただけますので、ぜひご参加ください！