さて、前回、お客のことを知るためにまずお客を特定しましょう。
ということで、各種技術を紹介しました。次にお客についての様々なことを知る必要があります。
たまったデータベースからお客のことをどのように理解すればいいのでしょうか？

今回は具体的手法ではなく、その考え方について解説していきます。まず、お 客があって、お客の買ったものというのがデータに溜まっていくとします。どのように理解していけば、お客への次のアクションに繋がるルールを発見できるでしょうか？

１・傾向を知る
これが一番基本的です。個々のお客が、何をどれくらいかったのかを時系列なんかで見れば、次どれくらい買ってくれるかをある程度予想できます。 当たるかどうかは別にして。

２・関連を知る
たとえば、商品間の関連を知ることも可能です。あるお客さんが、一緒に買う 可能性の高い物を調べれば、そのお客さんがあるものを買ったとき、一緒にその商品を紹介すれば、買ってくれる可能性が高くなるわけです。

３・仲間を知る
このへんから、高度な話です。が、簡単に流しましょう。たとえばＡさんとＢさんの買う製品がよく似ていたとします。ＡさんとＢさんを仲間とみなしてお きます。あるとき、Ａさんがとある新製品を気に入ってかったとします。そうすると、仲間とみなせるＢさんもその製品を知れば買うかもしれません。

４・あきらめる
これが最新技術の賜物です。いわゆる、ガラガラポン！というやつです。データを放りこむと、勝手にルールが出てくる物もあります。便利そうですが、使えないルールもいっぱい出てくる不思議な手法です。

実際の現場では、１～３を組み合わせた考え方でお客のことを分析します。
こうした手続きでルールを見出す活動やツールをデータマイニングやＯＬＡＰと呼びます。とうぜん、お客とその商品だけの関係以外にも、多種多様なデータを用いて行われます。
次回は、Web-DBでこのような手法をどのように実装して行くかをお話したいと思います。----- EXTENDED BODY: