ID-POS意思決定支援クラウドサービスBiZOOPe
近未来のマーケット構造を予測するコツ

予測の本質は拡大解釈の適用にあります。

・来月の顧客は当月の顧客と同じような動きをするだろう。

・カード会員の来店目的は非会員、未利用者にとっても来店目的足り得るだろう。

・好調店の売れ筋商品は不振店活性化に繋がるだろう。

といったものです。

マーケティングにおいては、基本的に商品をもって既知／未知の人の利用行動の変化を企図する為、拡大解釈を適用するに足るだけの多数のマーケット参加者、充分に大きなマーケットの定義が必要です。

また統計の性質として、大きな単位である程当たりやすいという側面もあります。

論を進めるにあたって幾つか言葉の定義をしておきます。

前段で大分類、中分類レベルのマーケット構造であれば、100%に近い確率で近似させる事が出来ると書きましたが、小分類レベルになると、所属中分類の性質次第ではこの確度が50%近くに落ちて行きます。

但し、1stレコメンドレベルの的中率は高い為、それを理解した上で予測を業務に活かせば事は足ります。

これも前段でマーケットは常に前に進んでいる＝その為未来のマーケット構造は、前年よりも直近に近似すると書きましたが、小分類レベルになると、1stレコメンドであっても、一部季節や催事による繰り返しパターンを示す小分類（ex.)アレルギー性鼻炎薬）が出て来ます。

この場合についてのみ、直近データは未だ”ハネ”ていない事から、前年データを使う必要が出て来ます。

この際、表のように直近でレコメンドされていないものが、前年では1stレコメンドされていた場合のみを、”ハネる”と判定し、前年の購買者率、採用順、レコメンドを予測値として採用する事で、マーケット構造全体の近似度がより高まります。

１）直近データを使い、全体⇨大分類、大分類⇨中分類 と、どの大分類／中分類から商品を選抜するかを採用順とレコメンドに則り決めて行く。

２）直近データと前年データを使い、”ハネる”（直近レコメンド＝null ∧ 前年レコメンド＝1st）小分類のみ前年データに置き換え、商品を選抜する1stレコメンドの小分類を予測する。

３）直近データを使い、小分類中の単品のクラスター分析結果から1stレコメンド（∧条件が出せる）商品を予測期間の販促商品として採用する。