AIを活用した価格設定支援モデルの検討―外部環境変化に即座に対応可能な次世代型プライシング―テクノロジー最前線 データアナリティクス&AI編（12）

製造業の地政学的変化への対応

ロシアによるウクライナ侵攻や新型コロナウイルス感染症の世界的な蔓延などの影響により、為替や需給バランス、原材料価格に大きな変動が見られています。製造業各社はこれらの影響を受けながらも生き残るために、顧客への提供価値に根差した利益の最大化を追い求める必要があり、そのために社会情勢に応じて適切な価格設定を行う必要に迫られています。

一方、常に情勢に応じて最適な価格を算出し続けることは企業にとって負担が大きく、また市場に影響を与える情報を人力で監視・採取し続けることは現実的ではありません。その代わりに、AIを活用することで最適価格の自動算出を実現するソリューションが有用であると推察されます。

自動車

ウェブ上から入手可能な製品仕様の各項目を説明変数として使用し、製品ごとに決定木アルゴリズムを適用することで、価格推定モデルを構築しました。

• 前提条件：
  中古車は新車と比較して、価格弾力性が大きく、かつ価格査定におけるノウハウが要求されます。そのため、AIによる価格予測の効果をより見込むことができます。
  今回の取り組みでは、メーカーやクラス別にAIモデルを構築し、査定価格の推定と寄与要因の分析を行いました。その一例として、代表的な輸入車メーカー3社におけるボリュームゾーンの車種について分析した結果を紹介します。
• 利用データ：
  2022年度の任意の4週間に、ウェブ上で掲載された輸入中古車（3社分:各社1,000～2,000件程度）の査定価格、製品仕様各項目（車種、年式、走行距離、排気量、標準装備など）に係る情報を取得しました。
• 分析手法：
  メーカー別に、XGBoost（勾配ブースティング決定木）を適用したモデルを構築し、中古輸入車の製品仕様各項目（説明変数）を基に、査定価格（目的変数）を推定しました。
  また、説明変数とした特徴量の査定価格への寄与度をSHAP値として算出し、重要な特徴量が何であるかを可視化し、分析しました。
• 分析結果：
  ＜精度＞
  いずれのメーカーでも、訓練・テストとも、R²：0.96、mape：0.1程度となり、データに適合するモデルを構築することができたと推察します。
  
  ＜価格推定に寄与する要因＞
  いずれのメーカーでも、重要な特徴量として「年式」「車種」「走行距離」「排気量」などが示されました。
  つまり、高値となる車には、下記のような特徴が共通します。
  -「年式」が新しい
  -「排気量」が大きい
  -「走行距離」が短い
  -「車種」がスポーツタイプや高級タイプである
  
  その後に、標準装備・仕様に関する特徴量が続きます。メーカーによって順位は異なるものの、「使用燃料」「サンルーフ・ガラスの有無」「シフトの種類」などが比較的重要な特徴量であると示されました。

• 考察
  中古輸入車の価格査定に寄与するのは主に下記の4項目であり、これらの項目を基におよその推定を行うことができました。
  
  - 年式
  - 排気量
  - 走行距離
  - 車種（標準タイプ、スポーツタイプ、高級タイプなど）
  
  
  一方、標準装備や仕様の中にも、一定の寄与を示す項目が存在し、正確な推定を行うための説明変数として不可欠であることが示唆されました。
  さらなる精度向上に向けたチャレンジの例として、下記の項目を説明変数に加えることが考えられます。
  
  - 特別仕様・装備
  - 限定車の情報
  
  実際の査定では、純正の特別装備を追加した場合、価格が大幅に上がるケースがあります。また、限定車はプレミア価格で査定されることがあります。
  これらの特徴量を詳細に表現することで、よりプロの査定と近しい推定モデルを構築することが期待できます。

化粧品

化粧品のプライシングには、他業界と比較して、原価率や原材料費が低い一方で、ブランドに直結する販管費・マーケティングコストが高いという特徴があります。

よって、原材料費（成分、パッケージコストなど）の価格構成率が低く、製品単位での販管費・マーケティングコストは公表されていないことから、コストベースでの価格予測は難しいものになります。

コストベースでの価格予測が難しいため、私たちはブランドから予測する手法を試しました。アプローチとしては、ブランドは価格構成要素が定義されていないものの、商品価格が適正か否かは反響分析により評価できると仮定し、検証しました。

• 前提条件：
  適正価格で商品が販売されている場合はユーザからの「反響」、つまりクチコミが多く、評価も高いと仮定し、「クチコミ評価×クチコミ数」を適正価格か否かの判断指標として定義しました。
• 利用データ：
  ウェブ上で入手可能なクチコミ情報を使用しました。
• 分析手法：
  クチコミ情報での「クチコミ評価×クチコミ数」はユーザの反響の大きさを表します。価格は反響に影響する要素であることを考慮し、価格を変動させて「反響」の推移を確認することで適正価格を算出しました。
  1. 商品情報、ユーザが付与した商品タグ情報（購入場所、ユーザの年齢、使用感など）、そして商品説明およびクチコミから抽出した頻出単語を説明変数として定義
  2. 上記説明変数と「クチコミ評価×クチコミ数」を目的変数とした機械モデルを作成
  3. 価格を変動させたデータを使って「反響」の推移を確認

• 分析結果：
  百貨店系ブランドの化粧水について、商品情報とクチコミで頻出する単語を説明変数にしてモデルを作成しました。R2は0.87でした。クチコミの中で「口コミ」「パック」「スキンケア」という単語が含まれている化粧水の反響が高いことが分かりました。また、「限定」や「高級感」といった単語も上位に来ており、化粧水に特別感を求めているユーザが多いことが分かります。

• 考察
  原価から価格を予測することが困難な製品に対して、クチコミからそのブランド力を分析することによってブランド価値を明らかにし、そこから適正価格を予測するモデルを構築できました。精度に関してはさらなる改善が求められますが、ある一定の精度は達成されており、今回の取り組みのアプローチが有効であることを示すことができました。

執筆者