オンラインショッピングデータに基づくスマートドアロック「ショッピングガイド」

オンラインショッピングデータに基づくスマートドアロック「ショッピングガイド」

ビル・ゲイツは1995年に「The Road Ahead」の中でこう述べています。「将来、スマート家電のない家はただの空き家になるだろう。」昨今、人々の生活はますます便利になり、人々はスマートホームに傾倒しています。「人工知能」が価値があるかどうかまだ疑問に思っている間に、最近、多くの友人の家にスマートドアロックが登場しています。従来のドアロックと比較して、それらはどれほどスマートなのでしょうか?

Tecdat の研究者は、主要な電子商取引プラットフォーム上の膨大なユーザーの評価データを分析し、スマートドアロックの購入ガイドを作成しました。

セマンティックレンズを使用した顧客の懸念と満足度の分析

評価データに LDA モデリングを適用して、コーパスからさまざまなトピックをマイニングし、分析します。つまり、LDA は、研究トピックを定量化するのに便利な機械学習手法を提供します。

*** 尤度推定を使用して *** 個のトピックを選択します。トピック数を 20 に設定すると、尤度推定値は *** となり、メッセージ ボード データを 20 のトピックに分割できる可能性が高くなります。モデルによって生成された 20 個のトピックから高頻度単語を削除します。

各トピックの高頻度キーワードに基づいて、顧客の懸念は、販売者のブランド、価格と品質、顧客サービス、使いやすさ、梱包物流の 5 つに大まかに分類できます。上の写真から、ユーザーの関心は主に、製品に関する質問に対するカスタマーサービスの丁寧な回答、ドアロックの取り付けに関するマスターの指導、梱包と物流に集中していることがわかりました。同時に、多くの顧客レビューがスマートドアロックの利便性(例:鍵を持ち歩く必要がない)と進歩性(例:指紋認識能力が高い)を反映していることもわかりました。同時に、セキュリティ関連の高頻度単語は見つかりませんでした。

顧客苦情分析: 品質、顧客サービス、物流

次に、価格とテーマのカテゴリーごとに顧客苦情率を比較しました。

価格面では、2,000円以下のスマートドアロックが最も多く購入されており、苦情率も高いことがわかりました。焦点を当てると、顧客からの苦情は主に製品の品質とカスタマーサービスの忍耐に集中していました。 2番目に多い購入価格は4,000以上で、全体的な苦情率は***です。 3番目に大きい購入範囲は2,000〜3,000で、この範囲の顧客の苦情は主に販売店のブランドと物流に集中しています。 *** は 3000 ~ 4000 の範囲で、顧客の苦情は主に価格、品質、物流に集中しています。したがって、顧客はスマートドアロックの価格について一定の心理的期待を持っており、主な不満は品質、顧客サービス、物流に関するものであることも反映していると考えられます。

自営と非自営の価格と満足度の比較

左の図から、セルフ運営型と非セルフ運営型の製品では顧客満足度に大きな差はなく、非セルフ運営型の製品の満足度がセルフ運営型製品よりも若干高いことがわかります。同時に、顧客満足度が4000以上の範囲で最も高く、いずれも非自営製品であることがわかります。右の図から、価格に対する満足度の回帰予測結果がわかります。図中の赤い線はセルフ運用商品を表しています。3,000以下の範囲では価格が高いほど満足度が低く、3,000以上の範囲では価格が高いほど満足度が高くなります。非自営商品のうち、3,000円以下の価格帯では、価格と満足度の関係は明らかではないが、3,000円以上の価格帯では、価格が高いほど満足度が高くなる傾向がある。

前回の記事から、3,000元以下の商品の苦情率が最も高いのは、利便性と効率性にあり、人々に高い費用対効果と高い満足度を与えていることがわかりました。価格が3,000元に近づくと、顧客はカスタマーサービス、物流、品質などに対してより高い期待を持つため、苦情が最も多く寄せられる分野になりやすいのです。 4,000円近くまたはそれ以上になると、商品のブランドや品質が保証されていることが多いので、満足度がまた高まります。

<<:  AIを使って内部脅威を特定することの倫理

>>:  量子プロセッサのパフォーマンスはなぜ変動するのでしょうか? Googleが見つけた答えは、素材に欠陥があるということだ

ブログ    
ブログ    
ブログ    

推薦する

AI 開発の加速: 企業はどのように MLOps を使用して生産効率を向上できるでしょうか?

企業が初めて AI を導入し、機械学習プロジェクトを構築するときは、理論に重点を置くことがよくありま...

ニューラルネットワークにおける量子化と蒸留

この記事では、ディープラーニングにおけるモデルを合理化する技術、量子化と蒸留について詳しく説明します...

...

NeurIPS 2019: Google が機械学習における分布外異常検出を改善する新しい手法を提案

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

人工知能への恐怖現象を探る

現在、人工知能は人類に大きな発展の機会をもたらす一方で、さまざまなリスクや課題も伴っています。科学技...

...

AIの導入は増加しているが、障壁は残っている

AI の可能性は魅力的ですが、導入までの道のりには課題がないわけではありません。企業は、急速に変化す...

シリコンバレーの大手企業のAIスタートアップへの投資レイアウトを解明! Nvidiaが全力で取り組み、MicrosoftとOpenAIの関係が独占禁止法調査につながる

今年、新たな AI スタートアップ企業がシリコンバレーとビジネス界全体に衝撃を与えました。 Open...

ポストコロナ時代の住宅建設において、スマート建築はどのように変化するのでしょうか?

スマート コンストラクションは、最適化されたプロセス、モデリング、仮想現実、3D レンダリング、監視...

...

自動運転のための不確実性を考慮した動作計画:強化学習ベースのアプローチ

[[429196]] 2021年10月1日にarXivにアップロードされた論文「強化学習を使用した不...

2018 年に最も人気のあるディープラーニング フレームワークはどれでしょうか?この科学的なランキングからわかることは

ディープラーニングは、機械学習の分野で最も注目されているテクノロジーです。ディープラーニング フレー...

...

アメリカの企業は単純なタスクを処理するためにAIを活用することに熱心だが、若者にはトレーニングや開発の機会が不足している

7月18日のニュース、Businessinsiderによると、米国の若い労働者はキャリア危機に直面し...