パーソナル人工知能(AI)のマーケティング変革

近年はあらゆる物がインターネットで手に入るようになった一方で、“自分が本当に欲しい物”にたどり着かない時代になっています。そんな時代のマーケティングに大きな変革をもたらすのが、人の感情のロジックである「センス」に注目した人工知能『SENSY』。今回は人工知能『SENSY』の特徴をはじめ、具体的なAIの活用方法、効果を最大限に高めるポイントなどをご紹介します。

最近はあらゆる物がインターネットで手に入るようになりましたが、物が増えすぎてしまい、かなりの検索スキルがないと自分が本当に欲しい物にたどり着かない時代になっています。
例えば黒いジャケットが欲しいときに「黒いジャケット」と検索すると、100万件近くのアイテムがヒットします。その中には本当に自分に相応しい物がたくさん眠っているはずですが、それを探し出すためのスキルが問われてしまうのです。
そんな近年の課題解決に貢献できるのが、弊社の開発した人工知能『SENSY』です。

SENSYは弊社の社名であると同時に、弊社が保有する人工知能の名前でもあります。
SENSYの開発理念は、「すべての人に人生が変わる出会いを」。
人工知能の力で最短で新しい発見に結び付く、自分が欲しい物と最高のタイミングで出会える、そして探す手間を省くだけでなく、自分で探しても出会えなかった物との出会いを実現する。私たちはそんな人工知能を作りたいと思っています。

弊社は人の感情のロジックである「センス」に注目して研究を続けています。
例えば普段洋服を買うときに、ロジカルな考え方で服を選ぶ人はいません。「この服が欲しい」と感じるのに、理由なんてありませんから。世の中のマーケターが苦労する理由は、おそらくそこにあると思います。例えば自社のお客様に「なぜうちのブランドが好きなんですか？」と質問しても、お客様自身がそれを理解していないため、回答が出てこないのです。

私たちは、物を買うきっかけになった気持ちやスイッチを「センス」と呼んでいます。それをディープラーニングの技術で解析するのです。本人が分かっていないことを人工知能の力で解析・理解することで、その人に最適な提案を折り込んでいくのがSENSYです。

SENSYの持っている技術と、従来のマーケティングアプローチには大きな違いがあります。
従来のマス・アプローチは顧客全体を共通のロジックで分析していくのに対して、SENSYは「感性のロジックは”個”客一人ひとりによって異なる」という仮定に基づき、共通のロジックで全体を説明するのではなく、個人ごとのロジックを導出します。顧客が100万人いれば100万人の消費行動を解析し、ノイズやブレが少ない、その人に最適な提案ができる。つまり、より効果的なパーソナルアプローチが実現するのです。

現在弊社ではSENSYをBtoB企業中心に提供しておりますが、BtoC企業もクライアント全体の約2割を占めています。弊社は、将来的には一人ひとりがパーソナル人工知能を持つ時代が来てほしいと考えています。

自分のさまざまなデータを蓄積し、そのデータからファッション・音楽・グルメなどの好みを分析できれば、最適なタイミングで最適なレコメンドが得られる生活が可能になるのです。例えば旅行に行く際には、旅行先にある自分の好きそうなお店やご当地メニューを的確に知ることができ、これまで以上に旅行を楽しめるようになります。

企業に対しても特定のカテゴリにとどまらず、商品開発、MD(マーチャン・ダイジング)、マーケティング、CS(カスタマー・サービス)領域など幅広いビジネスプロセスにソリューションを提供しています。

SENSYを導入するにあたって、まず弊社はクライアントから顧客属性データやPOSデータといったさまざまなデータを頂戴します。これにプラスして、取扱い商品の詳しい商品マスタを含め、お客様が買った物の内容を詳しくお聞きします。お客様が何に興味を持ったかという痕跡を徹底的に収集し、そのデータを詳しく解析することで「お客さまはきっとこんな人に違いない」と推測するのです。

SENSYを商品企画、MD(マーチャンダイジング)、販売マネジメントに使うクライアントもいらっしゃいますし、アフターフォローとして使うチャットボットに導入するクライアントもいらっしゃいます。

物を作って、仕入れて、お客様との接点を持って、販売して、アフターフォローするという、一連のビジネスフェーズに一つのAIで対応できるのがSENSYの大きな特徴です。弊社での取り扱いデータ量は年々増えており、2018年5月時点で購買データが約1兆5千億円、今年は約2兆円、数年後には約１0兆円まで伸びると見込んでいます。

私たちのマーケティングブレインは、複数の予測モジュールを扱っています。
マーケティング担当の方が抱える課題は、ある程度の数に集約することができます。その課題をあらかじめ弊社で先回りして予測モジュールを備えていれば、その組み合わせで各クライアントの悩みが解決できるのです。クライアントの課題に合わせて使用するモジュールを選び、それにクライアントが独自で所有するデータをお借りして混ぜ合わせることによって、各クライアント専用のアルゴリズムをセミオーダー制でお作りしてアウトプットします。

最も人気の高い予測モジュールはやはり「購買アイテム予測」です。
閲覧履歴や購入商品詳細などを読み込むことによって、お客様が次に最も興味を持ちそうなアイテムを予測することができるレコメンドです。例えば「来週渋谷店で家電を買う可能性がある人は、この100万人の中の誰で、どこの店舗に行きそうか」といったスコアリングが、データさえ揃えば可能になるのです。

AIの導入にあたって、コストを懸念する企業も多いでしょう。
例えば単価10円で通常DMを送っている場合、AIを導入すれば1通当たりの単価は上がります。しかし的確な分析によって無駄を省けば、送付件数が減り、郵送代を含めコストは削減できます。対象者の抽出やコンテンツ企画もAIに任せることで、人件費の削減にもつながるのです。そうして削減できたコストを、AIや新施策にあてることができると考えれば、コスト問題もクリアできるのではないでしょうか。

AIの大きな魅力は、自律的学習を積み重ねることによって効果がアップしていくという点です。
「このお客様が次に買いそうなものを分析して、それをはがき（DM）に落としこむ」という課題をAIに与え、レスポンス率（お客様がはがきを持参して購入した率）を4カ月にわたって追いかけたところ、1回目は約４％だったレスポンス率が4回目には約７％にまで向上したというデータもあります。

このようにAIを上手く活用するキーとなるのが「ヒアリング」です。弊社ではまずクライアントの提供している商品、顧客の購入サイクル、顧客ペルソナなどをじっくりヒアリングさせていただき、最適なターゲティングを実現するには何を最適化していくべきかを議論します。すると正しい課題がアルゴリズムにできるので、あとはAIに任せておけばよいわけです。

AIの成果を支えるためには、3つの重要項目を意識する必要があります。
まずはアルゴリズムです。しかしアルゴリズムが寄与できるのは、全体の成果の45～50％程度ですので、それ以上に重要なことが学習データの設計です。AIを提供している企業に、どんな種類の学習データやノウハウが蓄積されているかということです。例えは弊社ならアパレル企業とお取引が多いので、色・形・性能など、個人の好みが選択のキーになる商品を取り扱う企業の案件に強いという特徴があります。

そしてもう一つは担当者のAIに対する好奇心で、実はそれが成果を大きく左右することもあります。
ヒアリング時に意欲的にデータの話をしてくださったり、「これにも効果が出るのではないか」とアイデアをくださったりする担当者と一緒なら、本当に素晴らしいAIの使い方ができるのです。

AIは良くも悪くもツールの一つです。実際にどう活用するかを担当者が頭に描くことがAIの成果を最大限に高めるポイントとなりますので、さまざまなAIに興味を持ってリサーチしてみると良いでしょう。