近年、ディープラーニングやサポートベクターマシン（SVM）など人工知能（AI）における機械学習の技術が消費者行動や売上予測など数多くの予測に利用されている。これらの予測は、ブラックボックス型もしくは複雑な階層構造をもっており、線形回帰などにみられるような単純な構造を有していない。そのため、利潤を最大にするための「価格」や「広告量」といったマーケティング変数を決めるためにはグリッドなどを用いて最適な値を求める必要があった。しかし、詳細にこれらを調べるのには多くの時間や計算が必要であり、実務的な問題があった。
そこで、本研究では過去のデータがある状況でより効率的に価格などの戦略変数を決定するために、ベイズ最適化と呼ばれるバンディット問題に利用される方法を用いて、利潤を最大化する方法を提案する。具体的には複数のブラックボックス・非線形な手法で需要を予測したうえで、利潤を計算してベイズ最適化を行い、最適な戦略をえる。これらを拡張し、異時点間における価格の最適化についても議論する。