あなたのレビューがあなた自身を再現する：コンジョイント分析におけるLLMベースのエージェントによる顧客デジタルツイン

要旨: 共役分析は、消費者の嗜好を推定するためのマーケティングリサーチにおける基盤となる手法です。しかし、従来の方法は、時間・コスト・回答者の疲労という点で、いずれも継続的な課題に直面しています。これらの限界に対処するため、本研究は、大規模言語モデル（LLM）に基づく「顧客デジタルツイン（CDT）」を仮想の回答者として用いる枠組みを提案します。私たちはRedditコミュニティ内のアクティブユーザを特定し、彼らの包括的なレビュー履歴を集約して、個別化されたベクトルデータベースを構築しました。検索拡張生成（RAG）とプロンプトエンジニアリングを統合することで、本研究は、過去の特定の嗜好や制約について、それぞれを動的に検索し推論できる顧客エージェントを開発しました。これらの顧客エージェントはCDTと呼ばれ、分割因子計画（fractional factorial design）によって生成された製品プロファイルに対して一対比較タスクを実行し、その結果得られた選好データをロジスティック回帰によって解析して部分効用（part-worth utilities）を推定しました。実証的な検証により、これらのCDTは実際のユーザの嗜好を87.73%の精度で予測できることが示されました。さらに、コンピュータモニタのカテゴリに関するケーススタディでは、パネル種別や解像度といった属性間のトレードオフを適切に定量化し、市場の実態と整合する嗜好構造を導出することに成功しました。最終的に、本研究は、従来手法に比べて機動性とコスト効率の両面で大幅に改善しうる、スケーラブルな代替手法を提示することで、マーケティングリサーチに貢献します。