AIサービスのご案内

人間の知能や行動をモデル化し未踏の問題を解決
”ベイジアンネットワーク”ד行動予測・推薦エンジン”

Usage & Applicationサービスの用途と適用例のご案内

サービスの具体的用途の一例です。様々なプロジェクトを推進し、多くのノウハウを蓄積しております。

サービスの用途

長年の研究成果である

  • マーケティング戦略の最適化による売上拡大・コスト削減
    (ダイレクト・マーケティングやマス・マーケティング施策の効率化)
  • インターネットによる通信販売における商品推薦
    (推薦エンジンの提供)
  • 電話での通信販売における商品推薦
    (アウトバウンドによるテレセールスやインバウンド時のクロスセル)
  • 新商品企画や仕入れ商品の最適化
  • 顧客の審査と会員獲得
  • 優良顧客の早期検出と重点的育成
  • トラブル診断とベストソリューション提供
  • 業務課題の分析とベストソリューション提供

この他、人・企業の行動、判断に係る経営判断全てに幅広く対応可能です。

サービスの適用例

世界的なトップ企業様、日本を代表するメーカー様、大手小売企業様といった多くの大企業様と様々なプロジェクトを推進し、多くのノウハウを蓄積しております。 各シーンでのサービスの適用例についてご紹介いたします。

1.ダイレクトメール送付先・カタログ配布先選定

有効なマーケティング施策であるダイレクトメールやカタログは、封筒外見に工夫を凝らすといったビジュアル面での創意工夫や、チラシやカタログの概観や内容を工夫するといった同封コンテンツの見栄えや 読みやすさ改良に時間やコストを費やす企業は多いようです。
ただし、

  • a.ダイレクトメールを送信、又は、カタログを配布した方が良いお客様グループを抽出
  • b.その期待効果を定量的に予測する

ことにより、最小限の送付・配布コストで売上の最大化を図るような先進的なダイレクトメール送付先・カタログ配布先選定ソリューションを実行し、売上向上を実現している企業は少ないようです。
その理由として、従来の手法では過去の購買時期、購買頻度や購買額だけから優良顧客を単純に判別するRFM分析に基づき配布の有無を選定するため、実効性の高い配布先選定が十分行われていないことが あげられます。
ベイジアンネットワークを活用したダイレクトメール送付先・カタログ配布先選定ソリューションは、過去の購買時期、購買頻度や購買額だけではなく、

  • a.購買ジャンル;(例)和風が好み、流行色に敏感
  • b.購入傾向;(例)夏前の購入が多い、記念日に必ず購買行動を起こす
  • c.購買志向;(例)素材こだわり派、低価格志向が強い

といった要素も盛り込んだ顧客モデルを運用します。
このため、仮にRFM分析で優良顧客と判別しなかった顧客であっても、RFM分析では反映出来ない他の要因分析を行い、当該ダイレクトメールやカタログへは敏感に反応するといった予測が出来るため、重大な機会損失を防止します。又、RFM分析で優良顧客と判別した顧客であっても、当該ダイレクトメールやカタログに対しては、「購買ジャンルが異なる」又は「購買嗜好が異なる」といった要因から、送付・配布すべきではないといった予測も可能です。
このため、RFM分析で非優良顧客と判断してしまう顧客の掘り起こしだけでなく、当該ダイレクトメールやカタログに興味の無い顧客に対し送付・配布するといった無駄を省き、コスト削減につなげることが出来ます。
売上向上、コスト削減、更に的確な配布によるCS向上を実現するダイレクトメール送信先・カタログ配布先選定ソリューションを是非ともご活用下さい。

2.コールセンター効率化

トラブルシューティング等を担うインバウンド型コールセンターのオペレーターは、

  • a.最小の質問数と最短の時間でお客様のトラブル状態をヒアリングすること
  • b.最短・最小のアドバイスでお客様のトラブルを解決すること

を求められます。当課題を解決するために、トラブルシューティング向けの多くのコールセンターではオペレーターの教育や研修等に多くの費用をかけ、オペレーターのノウハウ吸収を図っています。また、オペレーターの定着が悪いコールセンターでは、十分なノウハウを持たないオペレーターがお客様対応せざるを得ないため、更なるクレームにつながりトラブルが悪化し、CS低下やオペレーターの定着悪化に拍車をかけている事例も少なくないようです。
ベイジアンネットワーク(ベイズ理論)による推薦(レコメンド)エンジン(コールセンター版)が、過去の対応履歴やトラブル事例から、経験の乏しいスタッフの接客レベルをベテランオペレーターレベルに引き上げることで、CS向上だけでなく、経費削減・コスト削減に繋がり、コストセンターであるコールセンター部門を売上拡大・収益拡大のためのプロフィットセンターへ転換することができます。不況対策に、ベイジアンネットワーク(ベイズ理論)を活用したコールセンター・ソリューションをお試しください。

3.金融商品の推薦(レコメンド)

パーソナルローン、企業向け融資、証券、投資信託などの金融商品の推薦(レコメンド)には、個人・法人毎の属性、好み、行動履歴、リスク許容度、さらに、商品の内容やスコアリング(金額、利率や与信枠)などから、複雑な分析が必要となります。
ベイジアンネットワーク(ベイズ理論)による推薦エンジンを活用した金融商品の推薦(レコメンド)では、複雑な因果関係を持つ多変数を高速に分析できるため、売上拡大に繋がる金融商品の推薦(レコメンド)が可能です。 例えば、パーソナルローンのスコアリングにおいては、最適利率の予測だけでなく、最適与信枠も同時に高速で予測することができます。
このように、パーソナルローン提供会社の利益を最大化する高度な推薦エンジンを現場レベルで容易に運用することにより、高度なスコアリングを実現できるため、現在の様な金融不況下にあっても、売上拡大・収益拡大を図ることができます。パーソナルローンだけでなく、他の金融商品推薦(レコメンド)においても、ベイジアンネットワーク(ベイズ理論)を活用した推薦エンジンをご活用ください。

4.マーケティング・プロモーション最適化

企業にとって、商品のマーケティング費用をどの施策(TVCM、新聞広告、インターネット広告、懸賞、販売奨励金、お試し版配布など)にどれだけかけるかというのは、コスト削減・経費削減、売上拡大・収益の拡大やブランドの死活にかかわる大きな問題ですが、これらを精緻に分析、予測することは困難です。
ベイジアンネットワーク(ベイズ理論)を活用したマーケティング・プロモーション最適化では、対象ユーザーの行動、知能を、量的因子だけではなく質的因子や非線形因子も含めてモデル化し、シュミレーションすることにより、インターネット広告などのプロモーション効果を最大限に上げることが可能です。

ベイジアンネットワーク(ベイズ理論)による推薦エンジンはインターネットとの親和性が高いため、特に、インターネット広告において優れた効果を発揮します。 また、インターネット広告だけでなく、他のマーケティング・プロモーションでも活用が可能で、各プロモーションが売上拡大に影響を及ぼす度合いを事前にシミュレーションすることで、コスト削減・経費削減や広告費等の最適化を実現している事例もあります。
不況対策に、ベイジアンネットワーク(ベイズ理論)を活用したマーケティング・プロモーション最適化をご利用頂き、コスト削減・経費削減、売上拡大・収益拡大を実現してください。

5.優良顧客の推薦

全ての顧客を平等に取り扱うのではなく、自社にとってメリットのある顧客を大事にするロイヤル・カスタマー・マーケティングが主流になりつつあります。RFM分析のように、過去の購買高や購買時期から、ロイヤル・カスタマーを区分する方法がありますが、当RFM分析では単純な顧客分析しか実施しないため、
"隠れたロイヤル・カスタマー"を非ロイヤル・カスタマーと誤認し、誤った顧客管理へ繋がってしまう可能性があります。 ベイジアンネットワーク(ベイズ理論)による推薦(レコメンド)エンジンは、RFM分析のように過去の購買高や購買時期といった要素だけでなく、様々な他の要素(例;顧客のパーソナリティ、家族構成、可処分所得、学歴など)を一度に分析することができるので、高度な顧客分析が実現できます。
結果、売上拡大・売上向上や利益向上貢献に資する真のロイヤル・カスタマーを的確に判別することができ、高度な顧客管理が可能となります。不況対策に、ベイジアンネットワーク(ベイズ理論)による優良顧客の推薦(レコメンド)ソリューションをご活用頂き、高度な顧客分析と顧客管理を実現してください。

6.マッチングビジネス

転職サイト、SNSやビジネスマッチングなど、個人を法人に紹介、個人を個人に紹介、法人を法人に紹介といったエージェントビジネスが成長していますが、実態ではベストマッチングはなかなか実現されておらず、 紹介される側も受け入れ側もハッピーでないことも少なくないようです。 ベイジアンネット ワーク(ベイズ理論)を活用した推薦エンジンにより、

  • a.紹介される側のプロファイル・要望を深く掘り下げること
  • b.受け入れ側の要望・状況を深く掘り下げること

が実現でき、それらを最適化した、より精度の高いマッチングを実現することができます。 このため、ベイジアンネットワーク(ベイズ理論)による推薦エンジンは、従来の予測手法に比べ的確な推薦(レコメンド)が可能となるだけでなく、推薦(レコメンド)する理由や、どうしたらマッチングが成立するかといった手法も提示可能です。結果、マッチング確率が向上し、売上拡大や業績向上につながります。 マッチングの応用例として、商品開発があります。商品開発時は、受け入れ側(通常はユーザーや消費者)が最も好むであろう要素を様々な角度から分析することが不可欠です。 この際、従来の商品開発ツールでは、様々な変数を一度に処理し、最も最適な解を得ることは難しいようです。ベイジアンネットワーク(ベイズ理論)を活用した推薦エンジンは当課題を高いレベルでクリアし、既存製品や商品の枠を超えた商品開発が可能となります。

7.小売業での商品推薦(レコメンド)

インターネット販売や通信販売では過去の購買履歴分析に基づくお勧め商品の提示が流行しつつあり、売上拡大に繋がっている事例もあるようです。 しかし、現行のインターネット販売や通信販売の推薦エンジンは、DVD間、CD間や書籍間といった同一商品セグメント内で商品をお勧めする例がほとんどです。 これらの推薦エンジンで採られている分析手法には以下の問題があります。

  • a.ユーザー同士の属性や行動から商品推薦する「協調フィルタリング」では、適切な商品推薦(レコメンド) のため、事前に大量の行動履歴データが必要であることに加え、顧客やコンテンツの属性を考慮していないため、 通常と異なる注文行動をした場合、その後に的外れな推薦(レコメンド)されることがある。
  • b.「コンテンツベースのフィルタリング」では、事前にコンテンツの属性を解析、分類する必要がある。また、ユーザーがまだ注文していないコンテンツの種類は推薦(レコメンド)できない。
  • c.購買にいたるまでの様々な変数の依存関係が把握できない。

これに比べ、ベイジアンネットワーク(ベイズ理論)を活用したお勧め商品掲示(推薦エンジン)では、

  • a.同一セグメント内のお勧めだけではなく、商品セグメントを跨いだ商品のお勧めが可能ですので、高度なクロスセルを実現することができ、売上拡大に大きく貢献可能です。
  • b.また、不確実、限定的な情報からも、より精緻なヒューマン・モデルを構築することが可能で、当モデル化により、購買確率が上がり売上拡大につながります。
  • c.なぜ購買にいたったかを深く掘り下げて把握できるため、購買理由や購買を促進する方法も提示できるため、他の統計的分析手法に比べて的確な推薦と売上拡大が実現可能です。

ベイジアンネットワーク(ベイズ理論)を活用した推薦エンジンをご利用頂き、実店舗、インターネット販売や通信販売の売上拡大を実現ください。