59f94bd3c91a7264b3ba4c07608ef0be

センシング技術の発達で、さまざまな事象をデータ化できるようになりました。例えば、店舗にカメラやスマートミラーを設置することで、来店顧客の店内での移動経路や売り場での滞在時間などを、その表情とともにデータ化できます。これを活かし、ECサイトでも実店舗でも同じレコメンドや顧客体験を提供するOMO(Online Merges with Offline:オンラインとオフラインの融合)への取り組みが進んでいます。その取り組みを深い洞察によって加速させるのがAIです。ここでは、マクニカが取り組むOMOやAI、センシング技術などについて解説します。

【講演者プロフィール】
マクニカネットワーク株式会社
DX事業部AIビジネス部 第1課 担当
阪田 陽樹

マクニカネットワーク株式会社
DX事業部AIビジネス部 第1課 担当
太田 愛美

株式会社マクニカ
新事業本部プロジェクト推進室 室長
林 雅幸

ロイヤルカスタマーを増やす3つのステップ

オンライン購買が進む中、リアル店舗側でもデジタル変革を起こす必要があります。では、どのような考え方を持ち、施策に取り組んでいけばいいのでしょうか。

まず、リアル店舗のさまざまな課題を解決する方法のひとつが、「ロイヤルカスタマー」を増やすことと言えます。ロイヤルカスタマーは、商品を継続的に買ってくれる「優良顧客」とは別のもので、商品やブランドに対して愛着を持ち、他者にも勧めてくれるような顧客のことを指します。マクニカネットワークのDX事業部AIビジネス部の阪田陽樹は以下のように述べます。

「ロイヤルカスタマーを増やすためには、『顧客を知る』『顧客とのタッチポイントを増やす』『顧客をえこひいきする』の3つのステップを押さえる必要があります。なお、オンライン領域ではすでにデータドリブンの取り組みが進んでおり、今後はオフラインにも拡大していくことでしょう。そこでキーワードとなるのが、オンラインとオフラインを統合した『OMO』です」(阪田)

OMOを実現していくためには、これまでの経験や勘に基づく店舗施策から脱却し、データを第一としたマーチャンダイジングやマーケティング施策を取り入れていく必要があります。現在は顧客の嗜好や行動が多様化しているため、データを収集する仕組みを作り、収集したデータを分析して顧客理解を深めるのですが、ここにAIを導入することで、顧客体験を深めるだけでなく業務効率の向上も図ることが可能になります。

2b080f018f394afefee7191f2dd21c90ca26e67c

データドリブンによってOMOを実現し、勘と経験に依存した店舗運営から脱却

データドリブンな店舗改革でOMOを実現

データドリブンな店舗改革を実現するためには、次の6つのステップがあります。このうち、1~3は机上で進めます。

1:オンラインとオフラインを融合したカスタマージャーニーを描く
2:顧客との各タッチポイントにおける提供価値を定義する
3:価値を提供するために必要なデータを洗い出す
4:必要なデータを保有していない場合は、データを取得する
5:データを蓄積・分析する仕組みを構築する
6:データを活用し、AIでパーソナライズされた価値を提供する

「ここで重要になるのが、『顧客のフィードバックを取得すること』と、その内容をもとに『AIのレコメンド内容をアップデートしていくこと』です。顧客ごとのプロファイルに応じたレコメンドを最適な媒体を介して配信した後に、顧客からの評価や購買などの行動を基に、さらに各顧客のプロファイルをアップデートしていきます」(阪田)

7ca024c66dea1decb15630a8cb965e7a388acb4c

顧客のプロファイルは常にアップデートしていく必要があります

AI分析がロイヤルカスタマー拡大施策の第一歩

実際に、ある小売業では、不特定多数の顧客に対する棚割りのレコメンドの施策を実施しています。カメラから来店顧客の動線や商品棚のモニタリングのデータを蓄積し、そこにさまざまなデータを加え、あらかじめ要件定義の上で開発したAIにより分析させました。その結果を元に商品棚を陳列したことで、ふらっと来店された顧客にも新たな出会いや発見を体験させることで購買行動に至らせ、差別化によってファンになっていただくきっかけを作りました。

「このようにオンラインとオフラインで別々に行っていた施策を融合させ、顧客を知る、タッチポイントを増やす、えこひいきするといった施策を顧客ごとに実施していくことで、各顧客の満足度が高まり、ロイヤルカスタマーが拡大していきます。そのためには、カスタマージャーニーを描き、データを取得することが第一歩になります。そこにAIを導入することで、より効率的な施策につなげることができます」(阪田)

「選ばれるEC」になるためのポイントと施策

またここ数年、BtoC、BtoBともにEC化率が高まる傾向にあり、さらにコロナ禍の影響も相まって市場規模も急成長しています。それに伴い、ECのユーザーも増えており、購入する商品のカテゴリにも変化が見られます。さらには、リアル店舗のみの企業もEC展開を始めています。ですが、その際の施策に失敗すると、従来のロイヤルカスタマーも離れてしまいます。では、「選ばれるEC」になるには何が必要なのでしょうか。

消費者がECに求めるものとそれに対する施策は、次のようになります(カッコ内が施策)。

・適正な価格(オートプライシング)
・配送スピード(プロセス最適化)
・在庫がある(需要予測)
・欲しい商品が売っている(品揃え)
・欲しい商品が見つけられる(検索性)
・購入の判断ができる(商品情報の量と質)
・嗜好に合った・興味のある商品の情報が提供される(パーソナルレコメンド)

「ECにおいて活用すべき重要なデータは、商品情報と顧客情報です。これらの情報を活用するには商品情報×顧客情報、つまり両方のデータの整備と掛け合わせが大切になります。顧客情報に目が行きがちですが、別々に考えず、全体のつながりやビジネスインパクトをイメージしながら有機的に連携して実現するアプローチが重要です」とマクニカネットワークのDX事業部AIビジネス部の太田愛美は話します。

有機的アプローチでは、商品情報と顧客情報をしっかり集めて構造化したデータにすることが重要です。これにより、初めてそれらのデータを活用することができます。

「パーソナルレコメンドやオートプライシング、需要予測、品揃えの最適化、検索性の向上を実現することで、選ばれるECに近づきます。これによりPVやCVR、平均購入単価などが向上し、結果としてロイヤルカスタマーの増加につながり、KPIが改善する、つまりビジネスが変わるわけです」(太田)

7024d09bb9fb114624a53ebc3f14076604cf2d80

「有機的アプローチ」のイメージ

有機的アプローチを実現するソリューションとは

有機的アプローチを実現するためには、さまざまな取り組みが必要です。「商品情報の整備」を例に挙げると、各所から収集されるデータは、フォーマットも多種多様にあるため、まずはデータから商品属性情報を抽出し、商品付加情報を推定、そしてデータを構造化し、後処理・出力する必要があります。そこにAIを導入することで、データの整備を自動化することができます。

「顧客情報はそもそもデータ収集が難しく、また十分な属性情報が付随しているとは限りません。AIを活用すれば、過去の購買データや検索のログ、メールへの反応などから、顧客DNAを推定し作成することができます。これにより顧客のセグメントを詳細に分析し、顧客とのコミュニケーション精度を向上し、コンバージョンにつなげることができます」(太田)

この他にも、「検索性向上のためのサイトコンテンツの最適化」として「商品名のレコメンド」「商品カテゴリのレコメンド」「重要属性(フィルター項目)レコメンド」、あるいは「オートプライシング」「品揃えの最適化」「需要予測」などがあり、これらもAIで行うことが可能です。

AIを活用したOne to Oneコミュニケーション

AIを活用したレコメンドの事例では、あるアパレルの事業者があります。同社では、お客様の好みを把握して、その好みに合わせた「One to One コミュニケーション」を実現しています。まず、扱っている商品にタグ付けを行い「スタイルイメージDB」を構築。アプリケーションでのアクティビティログからAIによりユーザー趣向の抽出を行い「ユーザー趣向DB」に格納しました。

この2つのデータベースを組み合わせて、レコメンドAIによって顧客ごとにさまざまな組み合わせの販促メールを送信し、その結果をフィードバックしていくことで、顧客ごとに提案を最適化。結果として販売機会を最大化することができました。

「AIでデータを活かすことで有機的アプローチを実現し、ECビジネスにおけるさまざまな課題を解決することができます。マクニカでは、『CrowdANALYTIX』というAIの会社を有しておりますので、有機的アプローチのどの部分でも支援できますし、さらに高度な取り組みにも対応します」(太田)

レコメンデーションの仕組みと課題

上述したアパレル企業のように、現在のレコメンデーションの多くは購買データや閲覧データといった「行動データ」をベースに行われています。そのレコメンデーションの仕組みを詳しく見ていくと、ユーザーが見たWebサイトのコンテンツや購入した商品などの情報は、すべてログとして格納。こうした情報をAIが処理をして、ユーザーごとに興味のある商品やコンテンツを推察し、該当するものを表示するのです。

「AIの処理を深堀りすると、大きな技術として『協調フィルタリング』と『コンテンツベース・フィルタリング』があります。これらの技術は非常に良さそうに思えますが、顧客によっては必要以上のレコメンドに不快感を覚えたり、EC側は売れている商品と売れていない商品のギャップが激しいといった課題もあります」とマクニカ 新事業本部プロジェクト推進室の林雅幸は述べます。

「五感×AIレコメンデーション」で顧客に新たな発見を与える

こうした課題を解決するひとつの方法として、「五感×AIレコメンデーション」があります。これは、「見る」「聞く」「食べる」「匂う」「触る」という五感に関わるデータをAIに組み込ませることで、新しい出会いを生むレコメンデーションができるというものです。

「例えば、世界最大規模の音楽配信サービスを提供しているSpotifyでは、ユーザーが聴いた音楽をアクセスログとして蓄積していますが、それだけではなく、曲のオーディオ波形データもAI処理にかけています。波形データには、テンポや曲調、曲の長さなどの情報が格納されています。

Spotifyのレコメンドは、まったく聴かれていない曲もレコメンドされるので、新しい発見を生みます。また、違うジャンルの曲も推薦されます。そうすると『自分よりも好みを知っている』と感じるようになります。新しい発見により視野が広がるので、ファンになるわけです」(林)

a5268cd2117d037516d75b6baa9ebcbe9a39923b

オーディオの波形データをレコメンデーションに活用

マクニカ独自の「五感×AIレコメンデーション」とは

マクニカでも「五感×AIレコメンデーション」の開発に取り組んでいます。具体的には、触覚データ、そして味覚データを活用したレコメンデーションです。触覚データでは靴、味覚データでは食材や料理などと組み合わせます。さらに、需要予測や文章作成にも取り組んでいます。

「五感×AIレコメンデーションの価値は、新しい発見を生み、"ちょっと"に対応でき、用途に対するナレッジが蓄積されることです。例えば、ちょっと爪先だけが痛いといった課題に対して、適切な商品をレコメンドしていくことで、そのデータ資産が作れるわけです。これにより、楽しさを促進されLTV(ライフタイムバリュー)が向上するのです。このように、五感×AIレコメンデーションは、現在のAIレコメンデーションが抱える課題を解決できる可能性を秘めているのです」(林)

be03f3a6744d7310615c654c782c85ccd3bf82ad

マクニカが取り組む「五感×AIレコメンデーション」

▼リテールDX 事例

▼世界2.5万人のデータサイエンスリソースを活用したビジネス課題解決型のAIサービス
詳細はこちらからご覧頂けます。フルカスタマイズAIサービス CrowdANALYTIX