データセットには、以下の項目が含まれています：

• 顧客ID: 各顧客の識別子

• 主要商品購入額: 顧客が主要な商品に支払った金額

• 関連商品購入額: 関連する商品に支払った金額

• 顧客セグメント: ゴールド、シルバー、プラチナ、ブロンズといった顧客のセグメント分類

• 最終購入日: 顧客が最後に購入した日

• 累計購入回数: 顧客の全体的な購入回数

これを基に、主要商品購入額と関連商品購入額の関係を回帰分析で明らかにし、クロスセルおよびアップセルの提案を行います。次に、回帰分析を行い、提案に基づく分析結果を生成します。

図10：回帰分析の結果

回帰分析の結果、以下のことが明らかになりました：

• 回帰係数 (主要商品購入額の影響度):0.42
  主要商品購入額が1円増えるごとに、関連商品購入額が約0.42円増加することを示しています。

• 切片 (固定値): -7,905円
  これは、主要商品購入額が0円の場合でも、関連商品購入額が理論上は-7,905円であることを示しています。ただし、これは現実的ではないため、一定の購入金額以上から関連商品が売れると考えられます。

• 決定係数 (R²):0.996
  モデルの説明力が非常に高く、主要商品購入額が関連商品購入額の変動を非常によく説明できていることを意味します。

営業現場での活用方法：

• クロスセル提案:
  顧客の主要商品購入額に基づいて関連商品購入額を予測し、提案を行います。例えば、主要商品に5万円を支払った顧客には、予測される関連商品購入額（約1.4万円）を基に、適切な関連商品の提案を行うことができます。

• アップセル提案:
  主要商品購入額が高い顧客に対して、さらに高額な商品を購入する可能性が高いことを前提に、アップセルの提案を行います。このモデルを基に、関連商品購入額の増加が見込まれる顧客には、高付加価値の商品を提案できます。

これらの分析結果を基に、効率的なクロスセル・アップセル戦略が営業現場で実行可能です。