公平な機械学習による市場セグメンテーションと利潤最大化

人工知能学会 第121回 知識ベースシステム研究会 (SIG-KBS)

近年、人種や性別などに関する公平性は社会科学において大きな関心を集めており、マーケティングをはじめとする経営科学分野でも重要な課題となっている。本研究の目的は、公平性を考慮した自動的な市場セグメンテーション手法を提案することである。まず、消費者データに対して公平性配慮型クラスタリングを適用し、消費者のセグメント化を行う。次に、不公平性をコストまたはリスクとして考慮した利潤関数に基づき各セグメントの収益を算出する。さらに、その利潤を最大化する最適なセグメンテーションを決定する。最後に、本手法を銀行データを用いたセグメンテーション問題に適用して有効性を検証し、今後の課題について議論した。