世界の超一流アパレル業者がALGONOMYを選ぶ８つの秘密（後編）

Burberry, Tiffany&Co, Swarovski, LOREAL, Barneys New York, John Lewisなどの超一流アパレル企業がALGONOMYのパーソナライズ レコメンドサービスを選ぶのにはワケがあります。

勿論、世界の超一流アパレル業者がALGONOMYを選ぶ８つの秘密（前編）でご紹介した最新テクノロジーもそうですが、先ず弊社のサービスの根本的な違いとしてクラウド インフラに対する投資があげられます。日本も含め、世界には数多くのレコメンドサービスがございますが、多くのサービスの場合、オペレーターがデータマイニングを使ったクラスタを作り、それを手動で適用することでサービスを提供しています。弊社のようにリアルタイムでパーソナライズされたレコメンデーションがAIにより完全自動化で提供されるサービスは極少数です。その極少数のサービスのインフラはAWS上に構築されている事が多く、このため、システムが重く、サイトの速度が遅くなることで有名です。AWSを利用しているレコメンドサービスの場合、通常、サイト全体のページの読み込みに1.5〜2秒かかります。つまり、エンタープライズレベルの規模とパフォーマンス、データセンターでの障害時に瞬時に他のデータセンターへ切り替えを行える冗長性を提供できるのは、全世界に14のオリジナルデータセンターを持つALGONOMYだけになります。

さて、世界の超一流アパレル業者がALGONOMYを選ぶ８つの秘密（後編）として、最新テクノロジーの続きをご紹介していきましょう。今回は、アパレル産業におけるバックヤードのソリューションを含んでします。

5.    Criteo統合

ALGONOMYのプラットフォームは、Criteoとのカスタムオーディエンス統合を自動化しており、マーケターは動的でパーソナライズされた広告をチャネル全体で既知の顧客にプッシュできます。モバイルとウェブサイトのリターゲティング、オムニチャネルジャーニーのオーディエンスプッシュを可能にし、マーケティングROIの測定に役立ちます。手動のリスト管理やキャンペーンの設定が不要になります。

6.    スタイルインテリジェンス

Visual AIと同じ機能を元にして商品のデジタル画像を分析、コンテキストスタイルのレコメンドを取得してグローバルトレンドをランク​​付けします。これにより、オンラインショップ（実店舗でも可）が品揃え計画に含めることができるスタイルと属性に関する定性的なレコメンドを提供します。これは、ファッション小売業者が、選択したクラスと期間において、競合やインスピレーションを与えるブランドの市場でトレンドとなっているトップ商品の属性トレンド、トップスタイルに関する洞察を得るのに役立ちます。

7.   商品ライフサイクル価格

商品ライフサイクルに基づく価格設定により、小売業者は主要な割引価格計画シナリオに取り組むことができます。 強化されたユーザーインターフェースは複数の割引計画戦略を計画するためのソリューションを簡単に構成できます。

事前設定された戦略のいくつかは次のとおりです。

n  割引価格の変更が素早いオンライン小売業者向けのプロモーション価格または一時割引価格の設定。

n  ファッションのようなより短いライフサイクル商品のための恒久的な値下げ計画。

n  商品ライフサイクル全体で割引を最適化するために提供される新商品の値下げ価格のプラニング。

n  価格設定期間の終了時に目標在庫単位を達成するための在庫清算価格の設定。

8.    サイズパック品揃えプラン

ファッション小売業者が正規価格のセルスルーを改善するための重要な品揃え計画の必要性は、主要なサイズ戦略（単一および複数サイズのパック、それぞれ、フィルインパック、およびハイブリッドサイズの計画）を計画できるようにすることです。 購入プランは、オプション、サイズ、およびストアグレードレベルで作成されます。これは、全体的な需要および需給プランと調整され最適化された地域に基づく購入に役立ちます。 複数サイズのプロファイルがストア クラスタリングモデルと統合され、品揃えのレコメンドをさらに調整できるようになりました。ユーザーは、推奨サイズに新しいサイズパックを追加することもできます。 新しいサイズパックを追加すると、現在の予測と合計サイズパックが変更されます。 ユーザーは任意のサイズプロファイルを変更でき、システムは残りを100％に自動スケーリングします。マニュアルでの再調整の労力が軽減されます。

店舗データのマッピングは、販売、品揃え、サイズ戦略を予測するのに十分な履歴がない可能性のある新しい店舗や新しいクラスの計画に役立ちます。AssortmentEdgeは、十分な履歴データがない店舗や計画クラスのウェッジをモデル化します。 

ストアレベルのサイズパックのレコメンドにより、ユーザーは、ウェッジの詳細とともに、各ストアのスタイルオプション、ストアクラスター、サイズパックのレコメンドなどの詳細を表示できます。 ユーザーは、この情報をエクスポートして、ダウンストリームアプリケーションとシームレスに統合し、初期割り当てと補充を行うこともできます。

さて、「世界の超一流アパレル業者がALGONOMYを選ぶ８つの秘密」を全てご紹介しました。

弊社のレコメンドエンジンであるXen AIはブラックボックスではありません。多くのAIサービスでは何故、そんな指摘やレコメンドが行われるのかを説明できませんし検証もできませんが、ALGONOMYのXEN AIでは、個人に対して行われたレコメンドに対して、そのエクスペリエンスが選択された「理由」と「方法」に関する完全な透明性をビジネスユーザーに提供します。つまり、何故、そのような商品レコメンドを実施したかを説明することが可能です。

加えて、世界の超一流アパレル業者がALGONOMYを選ぶ８つの秘密（前編）でご紹介したVisualAIやテキストマイニング（NLP）に対するアプローチは、業界標準から少なくとも18ヶ月進んだ技術を市場に提供しております。こちらに日本でのNLP事例も紹介しておきます。 

ファッション及びアパレル業者をサポートするソリューションは弊社にお任せください。

ご質問やご不明点がございましたら、遠慮なく、アルゴノミーまでお問い合わせ下さい。[e-mail]