顧客情報を対象としたデータ解析に関する研究の重要性が近年高まっています。データ解析の分野において、機械学習に代表されるAIの要素技術はデータに内在する規則性を見つけ出す上で強力なツールとなります。当研究室では、これらの技術をデータ解析に応用することで大規模なデータをビジネスにおける課題解決に有効利用することを目指しています。

顧客に関する情報は年齢や性別などのデモグラフィクスに限らず、価値観や生活様式、心理要因といったサイコグラフィクスからも構成されます。製品やサービスに対する評価もこれらの情報から影響を受けると考えられており、顧客情報の解析はマーケティング領域を中心に重要視されています。ここでは、大規模アンケートやカスタマーレビューなどといった顧客データの解析を通じて経営において有益な知識を抽出することを目指しています。

製品・サービスに対する需要や、顧客の行動に関するデータから市場における潜在的なニーズの抽出や顧客の意思決定支援につながる技術の構築を目指しています。例えば、購買履歴や顧客行動からニーズを特定することでデータに基づいた推薦システムが構築されています。顧客情報を有効活用することで顧客の嗜好を推薦結果に反映させ、推薦や意思決定支援の精緻化ができればと考えています。

自律AIの行動獲得において広く利用されている強化学習の研究を行っています。これらの手法は様々な領域における自動化技術として活用されており、近年ではマーケティングオートメーションなどといったビジネスや経営工学領域を対象とした応用も進んでいます。その一方でこれらのアプローチは膨大な計算が要求されることから、計算の効率化が実応用を目指す上で大きな課題となっています。当研究室では既に獲得された知識を再利用する転移学習や、タスクの難易度を段階的に調整するカリキュラム学習などのアプローチを通じて行動獲得の効率化を目指した研究を行っています。