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。takashi.miyatani@algonomy.com

弊社のレコメンドサービスは、欧米の主要なトップブランドであるアパレル業者に選ばれていますが、この度、アジア最大のファッション オンラインストア ZALORA においてWinを勝ち取りました。これにより、ZALORAはパーソナライズスイートを活用して、検索、コンテンツ、閲覧、商品のレコメンド、Web、モバイル、電子メールなど、すべてのデジタルタッチポイントで一貫したエクスペリエンスを生成できるようになりました。

ZALORAは、Algonomyのリアルタイム カスタマー データプラットフォームを活用して、すべての顧客とのやり取りを統合し、デジタルチャネルにおいてパーソナライズされたやり取りを活性化します。ディープラーニングを使ったビジュアルAIレコメンデーションと、ロングテールや新商品のレコメンドを得意とする自然言語処理（NLP）を含む150以上のパーソナライズアルゴリズムが、買い物客の個々の好みや購入過程の段階に合わせて、最適化された一連の商品レコメンドを提供します。

Burberry, Tiffany&Co, Swarovski, LOREAL, Barneys New York, John Lewisなど、なだたるファッションブランドと超一流のデパートメントストアがオンラインショップとして、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。この記事ではその８つの秘密を明らかにしていきましょう。

1.    ディープマイニング技術 Visual AI 

2020年9月に発表されたディープマイニング機能は、現在15を超えるアパレルブランドによって活用されており、デジタルコマースにおいて、店舗での店員の案内のような個人的な体験を再現しています。買い物客は、AIのレコメンドによって数ある商品の中から、視覚的に類似した商品の提案を受けることができます。商品データの画像に基づいて解析された数学モデルから完全なスタイルのレコメンドを得られる事がわかります。購入や再訪問を改善するように設計されたクライアントサイトは、ビジュアルAIベースのレコメンドにより、クリック率、サイト滞在時間、訪問者1人あたりの収益を大幅に向上させました。

2.    ストラテジー再構成機能

「マーチャンダイザーとマーケターは常に新しいアイデアを持っています。ストラテジー再構成機能は、eコマースサイトや電子メールプロモーションなど、これらの仮説をテストするための非常に便利なツールです。カスタム カテゴリとブランドの親和性を活用したパーソナライズされたキャンペーンは、既存のアルゴリズムと比較して356％もの多くの収益を達成しました。同様に、eコマースサイトのブランドページでは、主要なカテゴリで 3％ のコンバージョン率増加が見られました。」

John Lewis、デジタルプロダクトオーナー、ロブ ヒッチマン

 


2020年5月に提供されたストラテジー再構成機能は、技術者以外のユーザーが新しいパーソナライズ戦略を迅速に構築、テスト、反復できるようにしています。ユーザーは、事前に構築されたアルゴリズムのライブラリから選択して、新しい戦略を作成し、仮説をテストして、独自のニーズに応えることができます。今年は従来からあったアルゴリズムである、「トップセラー」、「新着」、「属性でのトップセラー」、「ベストオファー」、「カテゴリとブランドでの親和性」に対して、カテゴリーの多様性を適用するコントロールが追加されました。カテゴリまたはブランドに対する買い物客の親和性をシードとして使用できるため、結果として得られるレコメンドはお客様の親和性と一致します。ユーザー属性としての値の追加、置換、削除が可能になり、マーケターとマーチャンダイザーに高い柔軟性を提供します。

3.    コンタクトセンターでのパーソナライズアプリ

あらゆる場所でのパーソナライズというビジョンに沿って、コールセンターアプリケーションはパーソナライズを販売員や代理店にまで拡張します。買い物客のオンライン行動、意図を示すシグナル、検索データ、アフィニティ、カートの中身、および過去の購入記録は、コールセンターの従業員がリアルタイムで利用できるため、パーソナライズされた代替またはクロスセルのレコメンドを行うのに大きく役立ちます。コールセンターの担当者は、さまざまなレコメンドストラテジーを活用して、エクスペリエンスを断片化することなく、お客様の嗜好に沿った商品の発見と意思決定を支援し、平均注文額と売上を高めることができます。

4.    ソーシャルな視線

お気に入りのブランドショップや高級百貨店のセールに興味のある人なら、必ず経験がある筈です。他人の視線、誰かが手に取った商品が気になる。やっぱり、人気がある！オンラインショップでそんなソーシャルな視線を感じさせる仕組みがこのソーシャルプルーフという機能です。

ソーシャルプルーフは、リアルタイムの表示数と購入データを使用して買い物客を引き付けるように設計されており、デジタルコマースにおいて動的なメッセージングオーバーレイを表示します。例えば、「過去1時間にxx人がこれを購入しています。」、「今日、xx人がこの商品を閲覧しました。」などの高度にカスタマイズ可能な一連のメッセージは、購入意欲への早急な欲望を生み出し、商品を検討している買い物客に商品に対する社会的な価値を案内できます。この戦略は、商品ページだけでなく、カテゴリページや検索ページでも使用できます。オンラインサイトとブランドは、購入意欲を高めるメッセージでコンバージョン率の即時の上昇とカート放棄の削減を期待する事ができます。

ファッション及びアパレル業者をサポートする機能は、まだまだございます。
世界の超一流アパレル業者がALGONOMYを選ぶ８つの秘密（後編）をお待ち下さい。

ご質問やご相談は、アルゴノミーまでお問い合わせ下さい。

takashi.miyatani@algonomy.com

ブランド名を変更後、初めての開催となるオンラインイベント アルゴノミー パーソナライゼーションサミット　 をご案内します。

今回のキュレーションとしては、アジア太平洋および中東のリテイル業者および消費者向け業務の専用となっております。ただ、日本のお客様には残念なことに、ゴールデンウィーク中の2021年5月5日になりますので、お時間の許すタイミングでご参加を頂ければ幸いです。

パーソナライズのトレンドは更に進化していきます。その範囲と粒度は毎年、確実に進歩しており、今日のお客様はオンラインショップに個人として扱われることを望み、そして高く評価しています。

今回ご案内をさせていただく、2021年のサミットのテーマは、

Redo Digital with Hyper-personalization - ハイパーパーソナライズによるデジタル化やり直し

です。成功事例やベストプラクティスを共有、迫り来る変化がどのようにビジネスに影響し、いくつかの難しい問題をアルゴリズムにより如何に解決しているかについてリテイル業界のリーダーの話を特集します。この目的は、パーソナライズの進歩を常に把握し、他のリテイル業者から、パーソナライズを活用して優れたカスタマーエクスペリエンスを作成する方法を学ぶことにあります。

キーノート、パネルディスカッション、ケーススタディなどを含む半日のイベントです。

講演者の中には、ZALORA、eXtra、Forever 21、BigBasket、Danube Home、Miinto、Verkkokauppa.comなどの業界リーダーが含まれており、 商品のレコメンドを超えて、パーソナライズの視野を広げてくれます。

これは2021年の最大のパーソナライズイベントになります。

言語はすべて英語となります。

日本の皆様には、ゴールデンウィークの真っ只中の開催となり、大変申し訳ございません。

お時間の許すタイミングにて、ご参加を頂ければと思います。

COVID19によるニューノーマルが訪れた今日、レコメンドとコンテンツが埋め込まれたパーソナライズされた電子メールを配信することがこれまで以上に重要になっています。買い物客は、ブランド、小売業者、サービスプロバイダーからの圧倒的な量のコミュニケーションに溢れ、大量の電子メールを分類して、関心のあるコミュニケーションやプロモーションをクリックして開くことが求められます。

お客様へ送付される基本的なエクスペリエンスメール「購入された商品がどのように気に入ったか教えてください」や、基本的なレコメンデーションメール「この商品を購入されたので、こちらの商品が好きかもしれません」といったメールは、このような状況下では、送信しても煩雑さのみを感じることになりかねません。このタイプの標準的な電子メールマーケティングは、買い物客がサイトに戻ることを奨励するための粘着性をもはや失っており、クリックスルー率を損なっています。小売業者は、真のリアルタイム パーソナライズ アプローチで電子メールを送信し、個々の買い物客に合わせた電子メールコンテンツ、件名、画像をリアルタイムで配信する必要があります。

お客様の注意を引くことと、電子メール通信で彼らを悩ますことの間には非常に微妙な線引きがあります。電子メールのリズムを戦略化する簡単な方法は、お客様の購入頻度を評価し、それを電子メールキャンペーンと整合させることです。たとえば、週に1回は購入を行うお客様のグループがある場合は、放棄された商品に戻るか、プロモーションをプッシュするように継続的に通知する必要があります。同様に、休暇中でも定期的なコンバージョンを達成しているお客様の場合、ホリデーシーズンの販売やプロモーションに、プレビューメッセージとコンテンツを含む事で、ホリデーショッピングに参加して満足を得られています。重要なのは、お客様のオンサイトおよび/またはオフラインの行動データを活用し、電子メールを介したお客様とのコミュニケーション方法とデータを結び付けることです。

これを念頭に置いて、お客様が電子メールを開いてクリックスルーすることを確実にするために、電子メールコミュニケーション戦略に組み込まれるべき、いくつかの重要な電子メールのテーマをご紹介いたします。 

ウェルカムメール

第一印象ほど重要なものはありません。ニュースレターをオプトインしたか、新しい買い物客のプロモーションにサインアップしたか、パーソナライズされたウェルカムメールで最初の購入を完了したお客様を獲得します。プロモーションオファーや割引コードを含むウェルカムメールは、最高の開封率のいくつかを達成します。ロイヤリティをさらに印象付けて奨励するには、最新のオンサイトセッションの閲覧データに基づいたコンテンツやレコメンドを追加します。 

パーソナライズされた商品発見メール

購入や「カートへ追加」につながらない場合でも、すべてのやり取りが重要です。 閲覧セッションと購入から収集したデータを使用して、コンテンツをカスタマイズし、パーソナライズされた電子メール内で関連するレコメンドを提供します。 これらのメールは、必ずしも特定のプロモーション、放棄されたカート、またはトランザクションに関連付けられている必要はありません。これらのやり取りを活用して、認知度を維持し、ブランドへの親しみを維持します。 

放棄されたカートのリマーケティング/メールの閲覧

買い物客がサイトをブラウジング後、カートにアイテムを追加したが放棄した場合や何らかの理由で中断した場合には、パーソナライズされたリマーケティングメールをトリガーして、購入の完了を促します。ここで重要なのは、電子メールコンテンツ自体をパーソナライズして商品のレコメンドをする事ではありますが、それだけでなく、件名を工夫することも重要です。 「ご覧になった商品は、まだカートに入っています」といった退屈な件名ではなく、「もしかして、足を滑らせましたか？」などの気が利いた件名を検討してみてください。

買い物客が商品をカートに追加した場合、その特定の商品に関心があることは明確なので、別の方向に誘導する可能性のある同様の商品のレコメンドを提供することは避け、プロモーションのオファーでコンバージョンを促すことを検討してください。場合によっては、買い物客がカートに商品を追加して、送料無料などの基準を満たしていないために購入しないことがあります。このような場合は、カートに追加した商品と、適切な価格帯の関連商品を組み合わせて送料無料のしきい値を達成できることを思い出させるメールを送信することは、一つの購入促進戦略になります。

パーソナライズされたトランザクションメール

ショッピングの旅が購入の完了で終わると思ってはいけません！

今のお客様は、パーソナライズされた注文確認メールに続いて、パーソナライズされた注文出荷通知、さらには配達後のメールで1対1のエクスペリエンスを継続することを期待しています。購入後にもお客様を引き込むことは顧客サービスの素晴らしさで驚かせるというだけでなく、彼らが購入した商品に、できるだけ興奮をおぼえて頂いたり、満足したりすることを手助けする機会でもあります。

必要に応じて、商品、ブランド、または購入のカテゴリに関連するコンテンツを出荷確認内に送信します。これにより、出荷を待つ間、ブランドとの関わりを継続することができます。配達通知内で、買い物客が質問、懸念、または交換要求がある場合に、カスタマーサービスの連絡先情報を利用します。また、配信後も、ソーシャルレビューを介して購入を共有するように求めるメールで、ブランドへの関心を高め、こうしたフォーラムを通じて、サイトに戻って新しく在庫のあるアイテムを確認したり、新しいプロモーションをチェックしたりするように促すことができます。購入をうまく使い会話を続けることは、関心と関連性を維持するのに役立ち、最終的には顧客生涯価値の向上を促進します。

特に電子メールに関しては、あまり多くの情報をメールで提供するというのは良くありません。 時間をかけて買い物客を1つのセグメントとして理解し、目的を持ってメールを送信します。目的は必ずしもコンバージョンである必要はないことを忘れないでください。 新規顧客の場合、パーソナライズされたコンテンツや最近閲覧した商品が、お客様にとって最も影響力がある一方で、エンゲージメントを促進する方法で電子メールを介して通信することがしばしば最善のアクションとなります。 プロモーションオファーを活用して、メールの開封を促した上で、実際のメールを使用して、お客様に感謝していることを知らせます。 電子メールは、各買い物客と1対1で、大規模に通信するための最も簡単な方法です。 行わなければならないのは、すでに持っているデータを使うことだけです。 

リッチレリバンスのコンサルタントが、動画にて電子メールレコメンド戦略を解説します。
このリテイル戦略に、ご興味をお持ちでしたら、ぜひ、参考にしてください。

メールキャンペーンを最適にパーソナライズする方法の詳細については、tmiyatani@ richrelevance.comにメールを送信するか、ここをクリックしてください。

お問い合わせは、こちらまで：https://richrelevance.jp/about/contact/

Artificial Intelligence（AI）と聞くと、二年ほど前に、とあるコンサルティング会社がやたらと打ち上げていた「シンギュラリティ」と言う言葉を思い浮かべてしまう。

2045年には、シンギュラリティが起こると言うのだ。シンギュラリティ (singularity) とは、人工知能（AI）自身の「自己フィードバックで改良、高度化した技術や知能」が、「人類に代わって文明の進歩の主役」になるという想像上の事象だ。簡単に想像してみると、人間と同じ学習能力を備えた人工知能が自らの学習能力を向上できる機能があるとすれば、限りなく学習能力と処理スピードが向上していき、あっという間に人類の能力を越える存在になり、人類の脅威となるという概念でもある。 

しかし、この概念は、今の技術で呼ばれているArtificial Intelligence（AI）とは次元の異なる議論である。例えば、随分と前にチェスの世界チャンピオンを破り、クイズ大会で雑学世界一を競ってニュースになったコンピューターがあったが、あれは、データをプールして並列分散処理を行えば、実は人工知能は必要ない。敢えて言えば人工無能である。Siriが言葉を分析して、回答してくれるのと何一つ変わりがないものなのだ。Siriを使ってみればわかるだろうが、一定の言葉に関しては反応し、それ以外は、「すみません、よく判りません。」と反応する。一見、言葉を理解し、対応してくれるAIなのかと勘違いする人もいるだろうが、自身が持つデータベースとそれに伴うアクション以外には発展がない、改良を続けるには人手が必要なのである。

シンギュラリティの示す、「自己フィードバックで改良する。」とは、自分自身でコードを書き、自らの規定や枠組みを拡張する事を意味しているが、これは必要に応じて、アプリやライブラリを追加するとか、１万通りの手法を並列分散で処理してみるとか、といった事とは次元の異なる事で、コンピューターが自ら処理能力を拡張するという事を意味している。そんな事ができるようになるかどうかはさておき、そもそも、シンギュラリティの実現には、それだけでは程遠いのだ。

プログラマーの創造の過程をよく考えてみるといい。コーダーではなく、プログラマーである。プログラマーは、解決策はわからないが結果はどうしたい、という課題を与えられる。

つまり、そのコンサルティング会社が指摘している「シンギュラリティ」の実現課題は、#4 だけを意味しているが、現状で言われているAIが可能なのは、せいぜい #3 くらいである。

例えば、言語や文章のような非定型のデータを処理するのであれば、#4 は可能だ。言語処理部分をデータ条件に応じて自動コード生成し、再コンパイルする。これを再起的に繰り返せば、一定の処理結果を出せる。私自身も２６、２７年前にUNIXで、この程度のコードは書いている。非定型文の解釈においてコード拡張すること自体は私には問題ではない。しかし、非定型文以外の課題はどうすればいいのだろう？

問題はゴール、そのものの決定である。

結果を満たす条件の決定ができなければ、再帰的学習プログラムは無限ループに陥る。例えるなら、コンピューターゲームで何が勝敗条件なのか分からずに、ゲームに参加してしまったようなものである。コインを取る事なのか、モンスターを倒す事なのか、脱出口を見つけ出す事なのか、それとも複数のパーティが総合得点を競うゲームなのか知らずに、とにかくログインしてしまい、ログアウトも出来なければ、ゲームオーバーになる事もない、しかし、ゲームは続けなければならないという、そんな状態だ。これでは、Netflixで見られる「ソードアートオンライン」をさらに地獄にしたような動画は作れるだろうが、そんな動画を見せられている方はもっと辛い。

加えて、結果を満たす条件を決定付けるのに、現状の分析が必要になる。

現状分析を行うには現実世界は広すぎる。一定の仮定や方法論から始まり、現状を理解する上での間違った経験を総当たり的に繰り返す中で、最も現状に近いと思われる最適解を抽出して、それを基に、現状の分析を行わなければならない。

AIは不完全な世界では成立しない。これは、合理性を意味しているのではなくて、どのようにデータを取得したら良いか？どのようなデータを取得すべきか？を把握できない世界では AI は成立しないのである。

これはつまり、データの意味を解釈する存在が必要である、という事を意味している。

某コンサルティング会社が高々と宣伝している「シンギュラリティ」の実現課題は、人々が、まさにコンサルティング会社に求めたい過程と成果であり、与えたい課題なのだ。別の視点からみれば、「シンギュラリティ」をコンサルティング会社が議論すること自体が矛盾していると言えないだろうか？

さて、某大手クラウドサービスベンダーが提供しているAIサービスが一昔前からあるが、そのベンダーに勤めていた人によると、昔はインドにあるデータセンターのオペレーターがデータマイニングした結果を人手でサジェスションしたり、お知らせしたりしていただけ、だったそうだ。似たような話が日本にもあり、グラフや３次元可視化システムでデータを表示するのではなく、１００文字ほどの文章をいかにもコンピューターが抽出したかのような形で印刷されたレポートに掲載しておくと、AIが文章で指示してくれた！などと勘違いしているマーケティング担当者が20年ほど前にたくさんいた。いや、10年ほど前にもいた。

現在、最も先行している AI 技術は、ディープラーニング技術である。

各種のデータマイニング技術を駆使して、データからパターンや傾向を学習するもので、言語構造を問わない自然言語処理（NLP）や画像解析処理などが存在する。これをもっとも早く商業化してサービス提供しているのが、リッチレリバンスであり、業界では少なくとも18ヶ月は AI 技術で先行していると言われている。何ができるのかというと、各個人に最適な商品の推薦、推奨をリアルタイムで行う事ができる。1年前の自分や３ヶ月前の自分が欲しい商品ではなくて、今、欲しい商品をレコメンドする。そしてそれだけでなく、Webサイトをその人が注目している商品を中心に並べ替えて表示したり、検索結果でも各個人への最適な商品の推奨を行ったりできる。言語学的な正確性だけでなく、個人の嗜好と文脈に沿った検索結果を抽出する事ができる。例えて言うなら、レコメンドエンジンのAmazon Prime Nowだ。Prime Nowは２時間以内にお届けしてくれるだろうが、RichRelevanceに２時間と言う時間は必要ない、リアルタイムで商品のレコメンドをやってのける。更に極め付けは、Amazon Prime Before のようなサービス、現実に、Amazonにはそんなサービスは無いのだが、AIが必要な商品を予測して届けてくれるような、電子メールを使ったレコメンデーションサービスができる。つまり、各個人は、今は気が付いていないが、（時間軸としてのリアルタイムを超えて）予測的に、あなたは、この商品にきっと興味を持つ、あるいは必要になるであろう、という予測的なレコメンドまでやってのける。

この12月には、Shopify Plus向けのコネクターも提供された。ニューノーマルでの社会的距離と接触リスク回避が叫ばれる中、優秀な店員の代わりとなるパーソナライズ レコメンデーション エンジンの採用は米国と欧州で更に進んでいる。...ここ、日本においても、オンラインビジネスを次のステージに進めるべきではないだろうか？

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

リッチレリバンス のNLPストラテジーは、これまでのレコメンデーション技術ではレコメンドが困難であったロングテール製品や新商品のレコメンドを改善します。

ディープラーニングを使用した自然言語処理（NLP）に基づく類似性レコメンドアルゴリズムとクロスセルアルゴリズムを使用し、デジタルチャネルでの顧客体験やお客様の関心を向上させます。

皆さんは、日本語が特別な言語で、いわゆる英語圏での単語で区切られた言語とは全く違うので、自然言語処理など出来ないのでは、と思っていませんか？

先日、とある若い２０代後半か３０代前半だと思われるミレニアム世代のCTOの方とAIを使った言語処理について議論した時の事ですが、この方の言語処理の理解は、全て形態要素法に基づいていたので、助詞はどう区別して同義語やシノニム、打ち間違いなどと判断するのか？といった話の展開になって、それ以外の言語処理アルゴリズムの説明をするのに苦労しました。

さて、日本でも、ようやく自然言語処理（NLP）を使った、ロングテール レコメンデーションの事例をリッチレリバンスが作成させて頂くことができましたので、ここに発表をさせて頂きます。

この事例の凄さは、英語と同じNLPアルゴリズムを使用しつつも、日本語の商品説明データを解析学習し、近似するロングテールや新商品の商品を見つける事ができる点でした。しかし、そこで話は終わらずに、では、日本語の商品説明データを使用して、海外サイト向けに（欧米の方々向けに）ロングテール レコメンデーションが可能か？という命題を持ちかけられました。このサイトには200万点の商品があり、日本語の商品説明文はあるが、英語で全ての商品説明文を用意できないからです。

そして、リッチレリバンスは見事に、その難題を解決したのです。

事例発表にご協力を頂いたNeowing 及びCDJapan の代表取締役である片桐社長は、新しくNLPストラテジーを追加した顧客向けサービスへの期待を次のように語られています。

neowing.co.jp/cdjpan.co.jpは、人気のあるユニークな日本のオンラインショップで、世界中の消費者に日本のPOPカルチャー製品を提供しており、200万を超える商品を扱うオンラインショップにおいて、迅速で便利なショッピング体験を提供うしています。RichRelevanceのパーソナライズ戦略など、最先端のオンラインテクノロジーを積極的に活用して、音楽やアニメ等に関連したCD/DVD/ゲームソフト、書籍、コミック、キャラクター商品などで構成される日本のエンターテインメント商品をオンラインチャネルで販売しています。

日本だけでなく世界に向けて「日本で旬な商材の提供」を目的に、高度な顧客向けサービスの提供と供に、さまざまな商品やサービスを提供している企業です。オンラインショップは、最終的な購入がどこで行われるかに関係なく、カスタマージャーニーにおいて重要な役割を果たしており、Webページと電子メールでのレコメンドをすばやく簡単に利用できることを戦略的な優先事項として、登録メンバーへの素晴らしいカスタマーエクスペリエンスを提供しています。現在、約80万人の外国人が会員登録しており、月に約100万人以上の外国人が訪れる人気のサイトです。海外の方々が、日本で人気のCD、DVD、ゲームソフト、本などを検索する場合は、彼らは最初に、「CDジャパン」を検討します。実際、毎月約2万件以上の注文があり、年間売上高は15億円を超えています。

それでは、MVTを実施したNLPによるレコメンド結果を、ほんの一部だけご紹介しましょう。

・クリックスルー率（CTR）の上昇は4.541%で、統計的有意性は信頼度100％でした。

・注文毎のアイテム数は8.391%上昇しました。統計的有意性は信頼度99.7%でした。

もっと知りたくなった方は、是非、NLPの成功事例をダウンロードして下さい。

AIに興味が無くても、ニューノーマルのオンラインビジネスの中、上の数字を見れば、きっと興味が沸くはずです。

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

スマートフォンとモバイルアプリを介した注文は、全世界で380億ドルの業界になり、2020年までにすべてのQ S R（クイックサービスレストラン）の売上の約11％を占めるようになります。2016年のニールセンの調査によると、ミレニアル世代がスマートフォンユーザーの最大のグループであることがわかりました。そして、それだけでなく、ミレニアム世代は最も頻繁に外食する世代です。更に、過去数年間、すべての年齢のユーザーがモバイルアプリベースでの購入にますます慣れ親しんできています。実際、App Annieの調査によると、世界の消費者がモバイルで食事を注文する件数は、2016年から2018年で30％増加しました。多くのレストラン企業が、この急成長するトレンドを活用してビジネスに影響を与えるさまざまな方法を模索しているのは当然のことです。これを行う方法のいくつかを見てみましょう。

リアルタイムでユーザーをアクティブ化、売上を伸ばす

マイクロセグメントベースのプロモーション

顧客を誘導するためのロケーションベースのターゲティング

アプリが取得する位置データを使用して、最後に購入したアイテムやお気に入りのコンボに関する情報とともに、都市の位置に基づいて顧客へのプッシュ通知をトリガーできます。革新的なレストランは、ロケーションベースのターゲティングを創造的に活用して、新しい顧客を獲得できます。バーガーキングが実施したそのようなキャンペーンの1つは、マクドナルドから600フィート以内の顧客を対象に、彼らのWhopper（バーガー）を1セント（約1円）で販売しました。

顧客価値を最大化するためのアップセルキャンペーン

時間とイベントベースのパーソナライズ

顧客の好みの食事時間を知ることで、リンク付きのプッシュ通知を適切な時刻に提供して、購入を促進する事ができます。高度な分析は、洞察を活用してピーク時のお客様の行動を理解し、タイムリーなメッセージで売上を伸ばすのに役立ちます。

モバイルレストランの未来

DMIリサーチによると、食事をする人が最も望んでいるモバイルアクティビティには、メニューの表示、最寄りの場所の検索、注文などがあります。したがって、適切なツールを備えたレストランは、モバイルテクノロジーの力を活用して、コンバージョンを増やし、ロイヤルティを構築、市場シェアを向上させることができます。

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

皆さんは、QSR という言葉を聞いたことはございますか？

初めて聞いた、という方も多いのでは

ないかと思います。QSRとは、Quick Service Restaurantのことで、所謂、ハンバーガーショプやピザデリバリー、ケンタッキーフライドチキンなどのレストラン業態を指す言葉になっています。

こうしたQSR業界では、ハンバーガーをひっくり返すのと同じくらいの早さで、顧客ベースが消えてなくなることがよくあります。より多くの人が、こうしたショップに戻ってくるようにするには、需要の細かい変化を理解するだけでなく、バックオフィスの運用機能から適切な顧客体験の提供まで、あらゆるレベルで対応する能力を備えた、機敏で応答性の高いデジタルビジネスに、レストランシステム自体をデジタルトランスフォーム（DX）する必要があります。 優れた意思決定とデータ主導のビジネスオーケストレーションは、DXを実現するための基盤となります。 

RichRelevanceと統合されるManthanのSaaSベースのレストラン分析ソリューションは、レストラン業界向けに構築されており、ゲストエクスペリエンスの向上、運用効率の最適化、顧客分析からの洞察に基づくメニューの組み合わせ推奨、トラフィックを促進するプロモーションの特定、全体的な売上に影響を与えるさまざまな要因の分析と最適化を実現します。

これらすべてがリアルタイムで自動化され、アルゴリズムとAIによって強化されています。
 

カスタマーエクセレンス

レストラン業界向けに構築されたManthanの分析サービスは、何が魅力的で、どのメニューコンボが機能し、どのプロモーションがトラフィックを促進し、フィードバックスコアが全体の売上にどのように影響するかを予測することで、顧客エンゲージメントをリアルタイムで高めることができます。

 

オペレーショナルエクセレンス

Manthanのレストラン分析システムは、配達時間、調理時間、店​​舗の効率、労働力などの主要な運用指標を分析します。このAIを活用したインテリジェンスにより、データに基づいたリアルタイムの意思決定が可能になり、これは収益へのインパクトに直結します。

 

アナリティクスがレストランビジネスを変える10の方法 

レストランのオーナーは、従業員情報からモバイルアプリ、サプライチェーン ロジスティクスからタッチスクリーンキオスク、eコマース番号からソーシャルメディアレビューまで、大量のデータを利用しています。ボストン コンサルティング グループは、5つのレストランブランドのうちの4つが、複数のソースからの豊富なデータにアクセスできると報告していますが、5つに1つだけがそのデータを包括的に使用しています。

もし、レストランビジネスに携わっているなら、おそらくレストラン分析がより多くの顧客を呼び込むのにどのように役立つかについて耳にしたことがあるでしょう。しかし、分析が、ビジネスの他の領域に影響を与える可能性のある運用上の、あるいは予測的な方法をご存知でしょうか？

1. 販売：高度なレストランビジネス分析ソフトウェアを使用すると、店舗や商品のパフォーマンス、リソースの生産性、販売カテゴリのパフォーマンスに関する重要な洞察をすべてリアルタイムで明らかにすることができます。土曜日の前半に売り上げが落ちている場合、月曜日の午後にレポートを見るのが遅すぎるのとは対照的に、システムがその日のパフォーマンスをすぐに改善するためのオファーを送信します。
2. 運用：ビジネスに直接影響するのは、運用効率です。レストランのデータ分析を使用して、配達時間、調理時間、待ち時間、店舗の効率、労働力などの主要な運用指標をどのように処理しているかを確認します。地域や店舗ごとのフランチャイズオーナーのパフォーマンスを把握します。
3. メニュー：どのメニューの商品が最も売れているのか、そして最も悪い商品は何かはすでに分かっているかもしれません。しかし、高度なレストランビジネス分析ソフトウェアは、どの商品が一緒に売れるか、統計による上位顧客の選択、過去の販売パターンが売上にどのように影響するかなど、より深い質問への答えも提供します。
4. 場所：レストランのデータ分析は、新しい店舗を開くのに最適な場所を見つけるのに役立つでしょうか？はい、その通りです！場所とゲストの人口統計を使用して、足場となる場所と潜在的な売上を仮定し、新しい店舗での場所における売上の可能性を分析します。高い需要につながる包括的なデータセットを使用して、レストランに最適なサイトを比較して選択します。
5. モバイルアプリ：詳細な分析と理解を通じて、モバイルアプリのエンゲージメントを向上させます。顧客がアプリをいつ、どこで、どのように使用して、文脈を含むメッセージをリアルタイムで利用するかを把握します。場所、現在の注文、カートコンポーネント、およびゲストとブランドとの過去の関係に基づいて、モバイルアプリの注文をレコメンドします。
6. 顧客満足度：高度なレストラン分析ソフトウェアは、チャネルおよび店舗ごとに顧客満足度のビューを提供できる必要があり、ネットプロモータースコア（NPS）が店舗のパフォーマンスにどのように影響するかを詳細に分析できます。したがって、分析を使用すると、各ゲストレベルに至るまで、不満の幅広い（店舗全体）理由と狭い（店舗内）理由の両方を特定できます。
7. Eコマース：分析により、オンラインでの顧客の購入行動、トラフィックのソース、トラフィックコンバージョン、優先オファー、一般的な注文サイズなどをより詳細に理解できます。この情報を使用すると、顧客が好きな関連商品をレコメンドし、タイムリーな介入でカート放棄を最小限に抑え、注文時に顧客に影響を与えることができます。
8. マーケティング：レストランソフトウェアを使用すると、キャンペーンのパフォーマンスとその売上への影響を明確にすることができます。さまざまなソースシステムからの顧客データを活用することで、ゲストの興味と文脈からキャンペーンのパフォーマンスを理解し、好みのチャネルでパーソナライズされた1オン1キャンペーンを配信できます。 すべてが自動化されたデジタルマーケティングでの対応が可能となります。
9. パーソナライズ：頻繁に訪れるゲスト、および、リスクのある顧客は、収益に最も大きな影響を与える顧客です。分析的な行動クラスタリング、傾向モデル、およびチャーン予測アルゴリズムは、顧客の機会とリスクを明らかにするのに役立ちます。時間帯、注文額、訪問頻度、価格感応度、好み、機会の好みなど、複数の次元で顧客を動的にセグメント化できます。各顧客が属するマイクロセグメントを知ることにより、特定のプロモーションでメッセージを調整し、解約を減らし、ロイヤリティを高めることができます。
10. コンプライアンス：株式およびフランチャイズ店全体でブランド、安全性、および従業員のトレーニング基準を維持することが重要です。高度な分析は、運用と食品安全コンプライアンスの確保、従業員トレーニングのステータス監視、才能の特定、および店舗のパフォーマンスに対する従業員パフォーマンスの影響を理解するのに役立ちます。

 

次のアクション：
COVID-19により、ネキストノーマルの世界は、既にニューノーマルとなりました。QSRにも新しい秩序が必要となっています。分析の高度化は、単なる日々のレポートを超えて進化しました。異種システムを統合し、適切な高度な分析ソリューションを適用することで、すべてのデータの背後にある隠れた意味を明らかにすることができます。知識豊富なレストランの起業家は、これらの分析を活用して、運営、キャンペーン、顧客、戦略に関するより良い意思決定を行い、競争を考え抜くことができます。

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

オンラインショップ時代の新しい幕開けとも言える、2020年。
小売業者の皆さんは、自分たちはどうしたらいいのだろうか、とお悩みなのではないでしょうか？

これから、本格的なオンラインショップを立上げるのなら、Shopify がお勧めです。

Shopifyの登場は、Amazonや楽天などの大型ショッピングモールでの商品運用に疲弊したEC事業者が、自社内でのECサイト運用に対する意識が高まっていき、自社運営サイトの重要性を再認識した結果だと言われています。Shopifyは全世界175カ国、100万店舗以上のストアで利用されている世界最大のECプラットフォームで、グローバルでの流通総額はなんと10兆円を超えています。デザイン性とカスタマイズ性の高さで人気を博しているShopifyですが、自社ECサイト構築および既存サイトからのデータ移行が可能で、現代のECサイト構築プラットフォームとして高く評価されています。通常の在庫がある商品はもちろん、コンテンツ・ダウンロード商材、ドロップシッピングなどの製品販売にも対応、初期費用がいらず月額課金制です。

Shopifyには「テーマ」と呼ばれる多様なデザインテンプレートが用意されており、サイトのデザインをカスタマイズできます。テーマは100種類を超えており、9つの無料テーマも存在します。在庫や配送の管理に関しても、独自の管理画面を用意しており、発送の抜け漏れを防ぐ仕組みを構築しています。さらにECの売上や在庫もスマホアプリから簡単に管理できるため、いつでもどこでも自社サイトの状況を把握することが可能です。もちろん、ECサイトを始めるにあたり必要な決済システムも充実しており、クレジットカード決済やコンビニ決済、代引きに対応しています。

Shopifyが開放しているAPIを使う事で、独自アプリの作成だけでなく、パーソナライズ レコメンデーションなどの外部システムと連携することができます。例えばPOS連携を行えば、実店舗での在庫管理もオンライン上から行えますし、リッチレリバンスの提供するパーソナライズ レコメンデーションを利用すれば、顧客情報のみならず、サイト訪問者の行動履歴、実店舗での購入履歴から、各個別のお客様が最大限の関心を示している商品について、パーソナライズされたレコメンドを行う事が可能になります。リッチレリバンスでは2020年の12月にSpotify Plusと連携できるコネクターを発表させて頂きました。

（英語記事：リッチレリバンス Spotify Plusとのコネクター連携を発表）

Power of Data

オンラインサイトでの頭の痛い種の一つが、在庫管理と補完商品のオススメです。在庫が無い場合に、代替え商品はどうしますか？メイン商品に併せて販売すべき補完商品と付属商品はどうしますか？クロスセルで売上を上げなければならないのに...

Spotifyを利用しつつ、訪問者の振舞いデータ、そして、商品データの力を使用して、オンライン上で先進のマーチャンダイズシステムを容易に構築できます。どのように構築するかに興味がある方は、是非、下記の動画をご覧ください。

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

RichRelevance が登場する前は、インターネット レコメンデーションシステムへの最も一般的なアプローチは、サイトから大量のデータを収集し、48時間以上分析してから、その結果を使用してレコメンデーションを作成することでした。インターネットで数週間も遅れてレコメンドを配信することは、例えば、農場の新鮮な牛乳を数週間後に配達するようなものです。それは酸っぱく、その意図された目的には不向きです。

今日のインターネット ライフスタイルに適合するような動的なレコメンデーションを提供したい商品販売業者にとって、顧客の行動に継続的に適応するモデルに代わるものはありません。

オンラインの消費者は、インターネットのニュースアウトレットや電子メール、ブログ、インスタントメッセージ、ポッドキャスト、YouTubeビデオ、テキストメッセージ、バイラルマーケティング キャンペーンに至るまで、新しい情報源にますます晒されています。 

現在、情報は非常に迅速かつ自由に移動するため、人口全体の購入パターンは数時間で変化する可能性があります。そのため、オンライン小売業者は、関連性のあるパーソナライズされた商品のレコメンドをすべての消費者にリアルタイムで提供することにより、

「分単位で商品化」

をする必要性ががあり、その能力がなければ、市場破壊（ディストラプション）の波に飲まれる状態にあると言えます。

• アクセサリと補償：互換性のあるアクセサリと補償を家電製品や事務用品の買い物客にレコメンドします。

商品データの力を知りたいですか？
是非、下記の動画をご覧ください。



お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

パーソナライズは通常、個人の履歴を使用してレコメンドを行いますが、オンラインショップで展開される商品のさまざまな属性に対する買い物客の親和性（アフィニティ）に気付いていないため、これが売上への足枷となる可能性があります。

ブランド、カテゴリ、色、価格、プロモーションなどの属性で、すべての個人の親和性を再スコアリングし、検索や購入だけでなく、カート内のビューや商品などへの各種のアクションも考慮する、アフィニティバイアスのレコメンデーションを新たな機能として追加しました。

マーケティング担当者は、ブランドよりも色の重みが高くなるなど、必要に応じてさまざまな商品属性を追加して、それぞれの重みを制御できます。新しく定義された属性への重み付けが買い物客の親和性に一致するように、レコメンデーションが自動的に再ランク付けされます。
さらに、このアフィニティバイアスは、以前からある多数のレコメンデーション ストラテジーにブレンドを行う事ができます。これは、まさに珈琲豆を好みのテイストでブレンドするかのように、お客様の好み、親和性に基づくアフィニティを、一般的なレコメンデーション ストラテジー「この商品を見た人は、こちらも見ています。」「この商品を購入された方は、一緒にこの商品も購入されています。」といった混ぜ合わせて、新たなストラテジーを作ることを可能にしています。

早期導入の弊社のクライアントでは、アフィニティベースのレコメンデーションにより、20220年の第1四半期において、ベースモデルと比較して、売上寄与率が35％以上も増加しました。現在、このサイトではこのアフィニティバイアス レコメンデーションが最高の売上パフォーマンスを提供するストラテジーとなっています。

下記の動画では、アフィニティベースのレコメンデーションとストラテジー混合（ブレンディング）について、AIの自動音声生成によって詳しく説明しています。

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

ご利用を頂いているお客様の声を、是非、ご確認ください。（ダウンロード）
お客様の声：Eコマース部門責任者、Anton Paasi

　（スウェーデン）

「ディープレコメンデーションは、現時点で当社の最高業績戦略となりました。 クリック1回あたりの平均貢献額は10.68ユーロです。この恐ろしくなるほどの結果は、大変素晴らしいものです。RichRelevanceの存在によって、これらの革新的なAIテクノロジーが生まれ、私たちを差別化して成長を促すことができるようになりました。」

 早期適用プログラムにより、NLPの 『オススメ革命』 を駆使しているリテーラー

英語のケーススタディをダウンロード

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

お客様の声：オムニチャネル カスタマーエクスペリエンス マネージャ　Sylvain Lys

「商品の視覚的側面をレコメンドのために使用することは、ファッションおよびライフスタイルビジネスで効果的であることを本能的に知っていました。初期の結果に興奮しています。NLPを適用したお客様の商品購入は、私たちのそれまでの商用実績を40％ も上回っております。例えば、1000インプレッションあたりの収益は、他のレコメンデーションモデルと比較して19％ 増加したという結果が得られています。」

次世代の高度なパーソナライゼーション「ディープレコメンデーション」をリッチレリバンスが発表：

サンフランシスコ、  2020年9月1日  / PRNewswire / パーソナライゼーション エクスペリエンスのリーダーであるRichRelevanceは本日、従来のレコメンダーエンジンとは異なる、高度なパーソナライゼーション テクノロジーのセットとして「ディープレコメンデーション」を新発表しました。この技術では、履歴イベントや行動データは必要なく、関連する製品の推奨を即座に生成します。

新しいアプローチは2つの問題を解決します：

（a）季節商品や急速に変化する商品カタログ、ロングテールの商品など、データがまばらな小売業者やブランドでは機能しない従来のレコメンデーションにおける制約を取り除きます。

（b）商品の視覚的特徴やテキストによる説明を通じて、ユーザーの好みを把握することにより商品の発見を支援します。

ディープレコメンデーション により、定期的に新商品を投入する小売業者やブランドは、すぐにこれらの新商品を買い物客にレコメンドすることができるようになります。さらに、買い物客が「視覚的に類似した」または「視覚的に補完的な」商品を探すファッションや家具などのカテゴリでは、関連性が高く、コンバージョン率の高い、視覚AIベースのレコメンデーションで、今までは難しかったご案内の自動化を突破する事ができます。

RichRelevance のディープレコメンデーションは、Xen AIによって実現されています。XenAIは、業界で最も先進的な機械学習エンジンで、複合型ディープラーニングを備えた唯一のエンジンであり、すべての既知のデータと決定をブレンドして次善のエクスペリエンスを予測する業界初のアプローチを提供します。

XenAIは、製品テキストの説明、カタログ画像、行動データ、派生したアフィニティ、設定された好みに一致する特徴ベクトル（「DNA」）を抽出して組み合わせ、買い物客の意図とリアルタイムで一致させ、関連性の高いコンバージョンのレコメンデーションを作成します。これは、顧客が最初に探していたものを手に入れるだけでなく、ショッピングにおけるカスタマージャーニー全体で、ニーズを満たすための文脈的なレコメンデーションを発見させて触発させることにも役立ちます。

Xen AIの決定層であるエクスペリエンスオプティマイザー（XO）は、特許取得済みのレイヤですが、従来からあるストラテジーとパーソナライズされたストラテジー、そして今ではディープラーニングストラテジーを組み合わせて、適切な場面でのマッチングを行います。そして継続的な評価を行うことで、最も好ましい予測結果を抽出します。

30を超えるアーリーアダプターと顧客からの結果では、Xen AIディープレコメンデーションにより、現在の業界での一般的で標準的なレコメンデーションと比較して、エンゲージメントが平均40％ 増加し、売上への貢献度（寄与率）が80％ となる、極めて高い、素晴らしい結果が明らかになりました。

フランス、プロモートのオムニチャネル カスタマーエクスペリエンス マネージャであるSylvain Lysは、次のように語っています。「製品の視覚的側面をレコメンデーションに使用することは、ファッションおよびライフスタイルの業界では効果的であることを本能的に知っていました。これは、マーチャンダイザーの専門知識に非常に近いものです。早期の結果に大変、興奮しています。– エンゲージメントはマーチャンダイジングルールより40％増加し、1000インプレッションあたりの収益は他のレコメンデーションモデルと比較して19％増加しています。」

「ディープレコメンデーションは、現時点で当社の最高業績戦略となりました。 クリック1回あたりの平均貢献額は10.68ユーロです。この恐ろしくなるほどの結果は、大変素晴らしいものです。RichRelevanceの存在によって、これらの革新的なAIテクノロジーが生まれ、私たちを差別化して成長を促すことができるようになりました。」と、フィンランドの大手オンライン小売業者であるVerkkokauppa.com のeコマース部門責任者、Anton Paasi氏は述べています。 

RichRelevanceの製品管理担当副社長であるMark Buckallewは、次のように述べています。

「ディープレコメンデーションは、ショッピングの過程で明らかになった言語の手がかりと視覚的属性の組み合わせ、およびブランドや価格帯に対する過去の親和性の理解を通じて、買い物客の好みを解釈することを可能にしました。そして、店員が買い物客の購入をサポートする際にどのように役立つかを再現したものです。深層学習アルゴリズムがより多くのデータボリュームを収集し、ユーザーがこれらのレコメンデーションをどのように操作するか、XenAIが学習するにつれて、お客様が欲するものへの関連性が継続的に向上します。」

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

リッチレリバンス ー マンソン では、Customer Data Platform を使い込むためのスイートをカスタマー マーケティング プラットフォームと呼んでいます。

基盤となるCustomer Data Platformは、お客様の統一されたビューを作成します。

そして、CMPではAIと高度な分析により、アナリストとマーケティング担当者は動的セグメントを作成、顧客の行動を予測できます。オムニチャネルのパーソナライズされたキャンペーン管理により、大規模なキャンペーンを調整して、状況に応じた一貫性のあるリアルタイムの顧客エンゲージメントを実現できます。

CMPはマーケティングのゴールとなる４つの事柄を実現させます。

エンゲージメントと関連性：

お客様の好みのチャネルで、関連メッセージを送信して、ブランドへの親和性を構築します。

マイクロモーメント、またはリアルタイムでお客様を引き付け、差別化された体験を生み出します。分析の結果得られた洞察を使用して、関連するメッセージで各顧客に働きかけます。 来店、アプリの起動、プロモーションの応答、クーポンの書き込み、eコマースのクリックなど、あらゆる状況をパーソナライズするための動的トリガーとして扱います。 過去の行動、好き嫌いのパターン、マーケティングの優先順位に基づいて、次善の商品またはオファーですべてのお客様にインテリジェントに対応します。

ウォレットとバスケットサイズのシェア拡大：

クロスカテゴリー/クロスブランドの親和性を特定し、範囲、カテゴリー、ブランド浸透を拡大するための隠れた機会を明らかにします。 お客様のライフスタイル、ステージ、価格感度、および行動の理解に基づいて、新商品の採用とアップセルを加速します。 ショッピングカートの分析に基づいて、ターゲットを絞ったオファーで「チェリーピッキング（いわゆる、いいとこ取り）」動作へとお客様を勧誘します。ブランドと商品の採用傾向を特定し、お客様固有のアップセルと新商品のキャンペーンを促進することにより、あらゆるタッチポイントで購入価値を最大化します。

顧客離反を低減：

リスクのある顧客を特定し、解約を阻止するために積極的に行動を起こします。 プロモーション、アフィニティメッセージング、チャネル戦略の適切な組み合わせを特定して、積極的に関わります。

顧客獲得の改善：

カスタムされたオーディエンスにより、ソーシャルプラットフォームでお客様とコミュニケーションし、お客様に似ている見込み客を特定することで新しいリードを生み出します。 ウェブとアプリの分析でデジタルマーケティング予算のパフォーマンスを監視します。

リッチレリバンス ー マンソンの提供するカスタマー マーケティング プラットフォーム、ドミノピザなど日本でもお馴染みのブランドに活用されています。是非、皆様もご利用を頂き、データマネタイゼーション（データをお金に変える）を実現して頂きたいと思います。
以下の動画では、CMP - カスタマー マーケティング プラットフォームについて解説をしています。



お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

チーフマーケティングオフィサーの職務は近年、大きく変わりました。 少し前までの目標は、ブランド価値などの測定が難しい用語に関連付けられていて、ほとんどの時間は広告のデザインやその購入に費やされ、テクノロジーなどはほとんど関係していませんでした。 今日、CMOは収益における測定可能な改善を推進し、顧客体験のあらゆる側面に責任を負い、有料メディア、スタッフのコスト、または代理店よりもテクノロジーの検討に多くを費やすことが期待されています。

CMOの平均在職期間は、報告を行うCEOの半分であるのも不思議ではありません。

この新しい世界で成功するための鍵が1つあるとすれば、それは顧客データです。 マーケティング担当者はマーケティングテクノロジーを強化し、カスタマーエクスペリエンスを向上させ、結果を収益に結び付けるためのデータを必要としています。 また、優れたデータだけで成功が保証されるわけではありませんが、不十分なデータでは失敗を避けられません。

この記事では、データと収益の関係、新たなレベルのシステム（カスタマーデータプラットフォーム）がそれらの統合にどのように役立つかを詳しく説明します。

各種の調査結果:

カスタマーデータの重要性

最近まで、ほとんどのマーケティング担当者は、顧客が誰であるかについてほとんど情報を持っていませんでした。小売における、ほとんどの購入は現金で行われ、誰が何を買ったかの記録はありませんでした。広告はほぼ全てがマスメディアを通じて配信され、誰が何を見たのかを知ることは不可能でした。セールスが常に既存顧客に結び付けられていた通信販売業界でさえ、データは通常はアクセスできないコンピュータファイルに保存されていました。

今日の世界はかなり異なります。現在、ほとんどの広告はデジタルであり、少なくとも誰がどのメッセージを見たのか、どのように反応したのかを知る事ができる可能性があります。多くの購入はオンラインで行われ、オフラインでの購入でさえ、トランザクションを個人に結び付けることができる、デジタルシステムに記録されます。さらに、顧客は追跡されていることを知っており、その情報が利益のために使用されることを期待しています。つまり、関心に合わせたオファーと割引、迅速で簡単な購入プロセス、および、以前のやり取りの詳細な知識に基づく顧客サービスを期待しています。CEOは、詳細なデータが広く利用可能であるという顧客の仮定を共有しますが、実は利益を最大化するために使用されることを期待しています。

ほとんどのマーケティング担当者は、データの実際の状態が、顧客やCEOが想定するほど良くはないことを痛感しています。 そのため、彼らは同時に情報を改善し、すでに手元にあるものを最大限に活用するために苦労していることに気づきます。 最終的な目標は、顧客の行動に対する各アクティビティの影響を測定することです。これにより、アクティビティを最適化して、可能な限り最良の結果を得ることができます。プロセスは4つの主要なタスクに分けることができます。

各顧客を特定する：すべての広告、電子メール、電話、小売店での購入、およびサービスリクエストは、既存の個人に結び付ける必要があります。 これは、顧客に一意の識別子でのみ対応できる電子メールのようなチャネルでは簡単です。 Webサイトへの訪問や店舗でのショッピングなど、購入の準備ができるまで顧客が本人であることを証明する理由がない他のチャネルでは、それははるかに困難です。 テクノロジーは、アイデンティティを故意に明らかにしなくても個人を追跡する方法を提供しますが、これらは常に効果的であるとは限らず、プライバシー規制によりますます制限されています。 顧客を識別するには、本質的に接続されていない識別子をリンクすることも必要です。特定のメールアドレスと電話番号が同じ人物に属しているということは確認する事ができません。

顧客の行動をキャプチャ、結びつける：顧客が誰であるかを知るだけでは不十分です。 彼らが何をしているかを知る必要があります。 これは、Webサイトの訪問、購入トランザクション、オファーへの応答、電子メールの開封、モバイルアプリのクリック、通常の支出、製品の使用、サービスの問題、参照したもの、ソーシャルメディアコメントのやり取りなどの詳細をキャプチャすることを意味します。 このデータは、完全なプロファイルにアセンブルされ、年齢や興味などの属性で強化され、さらに使用できるようにする必要があります。

 

分析と予測：マーケティング担当者は、過去の行動を理解し、将来のイベントを予測できるように、組み立てられたデータ内のパターンを見つける必要があります。 これらのパターンの一部は、データが収集されると簡単に表示されますが、それ以外は検出するために高度な分析プロセスを必要とします。 最終的な目標は、顧客が行う理由や行う事に関する洞察を生み出すこと、そして、自社が顧客の行動に前向きな影響を与える方法を発見する事です。

プログラムを実行し、結果を測定、改善する：最後に、マーケティング担当者はデータを使用して新しいプログラムを実行し、結果を測定する必要があります。 これには、処理を選択し、メッセージを送信し、トランザクションを処理し、サービスを提供するシステムとデータを共有する必要があります。 これらのシステムには、マーケティングによって管理されるものとそうでないものがあります。 それらはすべて顧客の体験へ貢献することとなり、将来の行動に影響を与えます。 したがって、マーケティング担当者は何が起こったかから学び、将来の結果を改善するために調整を行うことができるように、それらはすべてキャプチャされてシステムにフィードバックされる必要があります。

 

顧客データの課題

これらの4つのタスクはそれぞれ、マーケティング活動を業績に結び付けるチェーンのリンクです。 それぞれが独自の課題に直面しています。

各顧客を特定する：

一部のやり取りはどの識別子にもリンクされていません。 一部の識別子は実際の人にリンクされていません。 また、複数の識別子が同じ人物に関連している場合は明確でない場合があります。 人々は、偶然または故意に誤ったID情報を提供することがよくあります。 プライバシー規制により、識別子の収集と共有が困難になっています。 最終的な結果として、識別は常に完全ではありません。 マーケティング担当者は、これらの制約の範囲内でできる限り最善を尽くさなければなりません。

顧客の行動をキャプチャ、結びつける：

顧客データは多くの異なるシステムで取得されます。 データは、マーケティング担当者が必要とする可能性がある限り、常にアクセス可能、完全、一貫性、正確、または保持されるとは限りません。 その結果、マーケティング担当者は通常、ソースシステムからデータを抽出し、それをクリーンアップして標準化し、顧客IDをリンクして、結果を保存する必要があります。 その後、理想的には元の詳細を失うことなく、他のシステムが効率的にデータにアクセスできるように、データを再フォーマットする必要があるかもしれません。 これらのプロセスの一部またはすべては、特定のマーケティングニーズをサポートするためにリアルタイムで発生する必要があります。

分析と予測：

データを分析して予測を行うシステムでは、データを処理する前に特定の形式に変換する必要があることがよくあります。分析プロセスでは、通常、熟練したユーザーが作業を行うか、自動システムを監視する必要があります。自動化されたシステムでは、気付かないほど簡単に間違いを犯してしまいます。マーケティングアトリビューション（マーケティングプログラムが顧客の行動に与える影響を測定するプロセス）は、特に難しいタスクであり、多くの場合、特殊な分析手法が必要で、プロジェクトの開始時にコントロールグループを確保するなど、特定のマーケティングプログラムの設計に依存する場合があります。

プログラムを実行し、結果を測定、改善する：

顧客との対話は、マーケティング、販売、サービス、および運用部門と外部エージェントによって実行されるシステムで発生します。中央の顧客データベースとの接続は、特にリアルタイムでは、困難または不可能な場合があります。一部のシステムは、顧客の識別やパーソナライズされたメッセージの配信など、マーケティング担当者が望む種類のプログラムを実行できません。同様に、システムは顧客の行動を詳細に追跡するために必要な特定の情報を返すことができない場合があります。

カスタマー データ プラットフォーム

カスタマーデータプラットフォームは、CDP Instituteによって「他のシステムからアクセス可能な永続的で統一された顧客データベースを作成するパッケージソフトウェア」として定義されています。つまり、カスタマーデータプラットフォームは、顧客プロファイルを組み立てて共有するために特別に設計されたシステムです。それぞれを解決するのに役立ちます。

上記の各課題の解決に役立ちます。

各顧客を特定する：

CDPは、顧客IDがソースシステムによって取得されるときに、それらを集められる場所を提供します。すべてのCDPは、共通の識別子が提供されている場合、顧客レコードをリンクできます。特定の電子メールアドレスと電話番号が同じ人に属しているという事実など、ほぼすべてが識別子間の関係を保存できます。多くの場合、独自のデータに基づいて追加の関係を提供する外部システム（「アイデンティティグラフ」）に接続しています。一部のCDPは、ルールとアルゴリズムを適用してレコードを比較し、自分で一致を見つけます。これらの一致には確率推定を伴う場合があり、ユーザーは一致を有効として受け入れるために必要な信頼度を決定するオプションを選択できます。

顧客の行動をキャプチャ、結びつける：

CDPはソースシステムからデータを取り込み、独自のデータベースに保存します。 API接続、クエリ、ファイル転送を介してデータを収集するように設計されています。構造化ファイルから非構造化テキストまで、すべてのデータタイプを受け入れる。取り込んだすべてのデータの完全な詳細を保持するため、必要なだけデータを保存します。多くのCDPには、取り込んだデータをクリーンアップして変換し、他のシステムで特殊な形式で使用できるようにする広範な機能があります。詳細はさまざまですが、ほぼすべてのCDPが保存データへのリアルタイムアクセスを提供します。一部のCDPは、システムの外部に保存されているデータにもアクセスできます。これは、頻繁に変化するデータに最も関連させる機能で、天気、場所、在庫レベル、株価などを連結させます。

分析と予測：

すべてのCDPは、データベースの抽出を他のシステムに送信できるようにする基本的なセグメンテーション機能を提供します。一部には、熟練したユーザー向けの予測モデリングツールキット、自動モデル構築用の機械学習アルゴリズム、オファーまたはコンテンツ推奨エンジン、データ探索ツール、レポートライター、視覚化などの追加の高度な分析機能があります。いくつかは、マーケティングアトリビューションのための特殊なアルゴリズムを備えています。

プログラムを実行し、結果を測定、改善する：

すべてのCDPは、メッセージ配信のために外部実行システムに接続できます。これらのシステムは、電子メールやWeb広告などのアウトバウンドチャネルや、Webサイト、モバイルアプリ、コールセンターでのリアルタイムの対話のために、パーソナライズされたメッセージを引き続き生成する場合があります。一部のCDPには統合実行システムが含まれているため、ユーザーは他のシステムと統合する必要がありません。しかし、これらのベンダーでさえ、クライアントに外部配信システムを使用するオプションを提供しています。

CDPの利点

CDPの主な利点は、統合された顧客データベースを構築および管理するために特別に設計されていることです。多くのCDPには、一般的なソースおよび実行システム用に構築済みのコネクターの大規模なライブラリーがあります。柔軟なデータ構造を備えているため、広範なデータモデリングを行わなくても、新しい入力を簡単に受け入れることができます。そうしたCDPは統一された顧客プロファイルを組み立てます。また、最小限の技術的な労力でプロファイルのコンテンツを共有できます。この機能の特定の組み合わせは、顧客データも管理する他のタイプのシステムと比較するとユニークです。

他のデータストレージシステムとの比較：

l  データウェアハウスは高度に構造化されており、多くの場合、新しいデータ要素またはソースを追加するために広範な技術的努力が必要です。

l  データレイクは、統合された顧客プロファイルに統合することなく、取り込んだデータを保存します。

l  統合プラットフォームはシステム間でデータを移動しますが、永続的なデータベースには保存しません。

l  マーケティングオートメーションとCRMシステムは、主に内部で生成するデータに限定されており、外部システムへのアクセスが制限されています。

l  マーケティングクラウドは、単一の統合顧客データベースを構築することなく、データを別々のサイロに保存します。

 

CDPが必要でしょうか？

CDPがビジネスにとって意味があるかどうかを判断する最良の方法は、CDPが可能にするマーケティングプログラムを特定することです。 これらは、システムのギャップが原因で現在実行できないプログラムで、CDPが埋める事ができるものです。 CDPは幅広い機能を提供するため、6つの異なるブロックでこれらを検討することは理にかなっています。

統合プロファイル：

これには、データの取り込み、識別子のリンク、統合プロファイルの作成、他のシステムとのプロファイルの共有など、すべての機能が含まれます。 その典型的な使用例は次のとおりです。

l  オンボード サードパーティデータのエンリッチメント：新しい顧客の電子メールアドレスを外部データプロバイダーのオンボーディングサービスに送信します。 顧客のプロフィールに追加する住所と人口統計を取得。

l  オンラインデータとCRMデータを組み合わせる：eコマースの注文で提供されたメールアドレスを既存の顧客ロイヤルティアカウントと照合して適切なクレジットで購入を促す。

l  ブラウジングデータと店舗内購入データを組み合わせる：Cookie IDを使用して、Webサイトで閲覧した顧客および店舗の製品を識別します。 その顧客によるその後の店内購入と相関させる。

l  過去のアクティビティを顧客プロファイルにマッピング：同じデバイスを使用してeコマースにサインアップ/ログインした後に、匿名の顧客の閲覧行動を個人プロファイルにマッピングすることにより、豊富なプロファイルを作成。

顧客分析：

これには、顧客プロファイルを分析し、セグメントを作成、行動を予測し、クラシファイアを適用する機能が含まれます。 使用例は次のとおりです。

l  価値の高い顧客の発見：長期にわたるオンラインと店内の購入履歴を組み合わせて使用し、高価値の顧客を正確に特定する。

l  キャンペーンの効果を測定：分割テストを使用して、Web広告オーディエンスに含まれる、または除外される顧客の店舗での購入を比較。

l  解約の可能性を予測：リスクのある顧客をプロアクティブに特定し、顧客を引き付ける戦術へ到達させる。

l  顧客価値のジオマッピングに基づいてフィールドイベントを特定：顧客生涯価値と購入の可能性を使用して、フィールドイベントに対する最適な店舗を選択。

アウトバンド メッセージの選択：

これらは、電子メール、Webおよびソーシャルディスプレイ広告、ダイレクトメールなどのアウトバウンドキャンペーンのレコードを選択する機能です。

l  パーソナライズされたメッセージの選択：過去の購入履歴に基づいて、毎週のロイヤルティメールで提供する製品を選択します。

l  再アクティブ化キャンペーン：プロモーションメールの開封をやめた顧客に対して、Web広告ダイレクトメールまたはアプリ通知のターゲット設定

l  トリガーメッセージ：製造元の保証がまもなく期限切れになるアプライアンスの購入者に延長保証オファーを送信

リアルタイムの相互作用：

Webサイト、モバイルアプリ、コールセンター、プログラマティック広告などのチャネルでリアルタイムの対話を管理します。

l  リアルタイムの行動プロファイリング：匿名のWebサイト訪問者をその行動に基づいてリアルタイムで分類。

l  位置情報に基づくパーソナライズ：小売店の近くまたは店舗内の特定の通路にいる顧客に、モバイルアプリを介してパーソナライズされたオファーを送信。

l  個々のプロファイルへのエージェントアクセス：Webサイトでの振舞いをリアルタイムで更新することを含めた顧客履歴の完全なビューをコールセンターエージェントに提供。

予測分析：

予測モデルの出力を顧客プロファイルに追加します。 モデルは、単一のアクションの可能性を推定し、最良のコンテンツまたは製品を推奨、将来の顧客価値を推定するなどができます。

l  価値予測：顧客のCDPデータに基づくモデルを使用して、新規のeコマース顧客の将来の価値を推定し、それに応じてオファーを調整。

l  最良のオファーの選択：CDPデータに基づくモデルを使用して、最良のWebサイトオファーを選択。

l  類似モデル：CDPデータに基づくモデルを使用して、有料ソーシャル広告をターゲットとする最適な見込み客を選択。

オムニチャネルマーケティング：

チャネル全体で顧客への対応を調整する機能です。

l  維持キャンペーン：各顧客に最適な維持メッセージを見つけて、優先するアウトバウンドチャネルで送信を行う。

l  クロスチャネルキャンペーン：異なる顧客に最適な割引オファーを選択し、各顧客がすべてのチャネルで常に同じオファーを確認できるようにする。

l  プリエンプティブサポート：オンラインヘルプセンターで解決策を探すために過度の時間を費やしたお客様に、関連情報を記載したメールを自動的に送信。

統合されたメッセージ配信：

これらの機能は特定のチャネルに関連しています。ユースケースの最初のブロックである統合プロファイルのみがCDPに固有です。 他のブロックの機能はすべて統合プロファイルの恩恵を受けますが、CDPによって、または分析、セグメンテーション、メッセージ選択、または配信を行う個別のシステムによって提供される場合があります。 企業がCDPでそれらを必要としているかどうかは、すでに導入されている他のシステムに依存します。

l  店舗内アプリメッセージング：カスタマイズされたオファーメッセージをモバイルアプリ経由で店舗内の顧客に送信。

l  メールでの領収書：店舗での購入時に要望されたお客様に対して、領収書をメールで送信。

l  リターゲティングリストの更新：オンラインで購入した顧客をメールのリターゲティングリストからすぐに削除。

l  広告費を最適化：店頭で購入したばかりの顧客に対するオンラインデジタルキャンペーンを抑制

次のアクション：

今日のCMOは多くの課題に直面しています。 優れた顧客データは、マーケティングをより効率的にし、マーケティングテクノロジーのより良い使用を可能にし、マーケティングプログラムの収益への影響を測定し、顧客体験を改善することにより、それらの多くを解決するのに役立ちます。 カスタマーデータプラットフォームは、顧客データを改善するための強力なツールであり、分析からパーソナライズおよびメッセージ配信までの追加のギャップを埋めることができます。 会社が顧客データをより有効に活用する必要がある場合、CDPが成功の鍵となります。

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

すべてのインタラクションをパーソナライズするリアルタイム イノベーション プラットフォームを使用して、すべてのタッチポイントで記憶に残るエクスペリエンスを提供します。

ショッピングは基本的に個人的なものなので、お客様の期待は、単なるオンライン上の買い物客という扱いだけでなく、その方を個人としても扱って欲しいという事になります。 Personalization Cloudは、小売業者とブランドに対して、あらゆる個人の求めるカスタマーエクスペリエンスをお客様に提供できるようにします。これは、お客様のコンテキストに関連した、個人的で、魅力的、かつ動的なものです。
私たちは、迅速に革新する能力と個人的なものを深くキュレートする事により、ブランド中心のショッピング環境、お客様の幸せと満足、その関係の存続期間を通じて、より大きな価値へと変換します。

科学に裏打ちされた...

データ主導の顧客体験

 
インパクトのあるデータ主導のカスタマーエクスペリエンスを作成するために、Personalization Cloudは、何百万もの買い物客、コンテキスト、データストリームに基づいて正確な意思決定を行うリアルタイムXEN AIエンジンを搭載しています。 高度な機械学習を使用して、Personalization Cloudは常に、何百ものアルゴリズムとパラメーターをテスト、測定、最適化して、個々のインタラクションに最適なものを決定します。 私たちのモデルは、行動、在庫、価格設定などの微妙な変化に合わせて調整し、より大きな相互作用と収益の増加を確実にします。

店内とデジタル資産全体の両方を通して、比類のない顧客体験を提供することは、バーニーズニューヨークにとって不可欠な部分になります。 RichRelevanceにより、当社の顧客データを利用して、Webサイト、モバイルデバイス、タブレットデバイス、および実店舗で買い物客を引き付ける新しいユニークなデジタルエクスペリエンスを作り上げることができました。

コマースライフサイクル全体で

パーソナライズを加速させるソリューション

Personalization Cloudは、モバイル、Web、店舗、コールセンター、メールなどで買い物をしているお客様に対して、お客様の関心が高い商品を対話的にAI がご案内するソリューションで構成されています。詳しくは動画をご覧下さい。



お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

Xen AIは、エクスペリエンスのパーソナル化に焦点を当てた次世代の人工知能（AI）

ブラックボックスAIの不確実性を置き換えて、パーソナライズのためのオープンなAIスタックが提供、完全に透明化します。 10年以上にわたるAIと機械学習のイノベーションの集大成であるXen AIには、デジタルリーダーにより、人間の専門知識と機械学習の知能を完全に融合させられる - 信頼と制御を兼ね揃えた - 差別化されたエクスペリエンスをグローバルスケールで提供できるようにする複数の画期的な機能が含まれています。
 

AIの成果を理解し、導く

Xen AIは、すべての決定の背後にある戦略、ルール、およびセグメントを明確に表示および理解できる複数の機能を備えています。 リアルタイムのレポートと視覚化を使用して、何が機能し、なぜか？についての真の洞察を引き出し、インタラクティブな分析を使用して、パフォーマンスを改善するためのアクションを導き出します。

データサイエンスへの投資を収益化可能に

Xen AIは、データサイエンティストとマーケティング部門のパワーユーザーが、世界規模で、独自のエクスペリエンス パーソナライゼーションでの洞察と戦略を展開し、テスト、反復できる完全なライフサイクル管理システムを提供します。

 パーソナライゼーションに対する投資の正しさを証明

教師付きおよび教師なし予測モデルを進化させた包括的なセット、さらに加えて、300以上となった事前構築された戦略ライブラリが、すべての意思決定で、コンテキストへ関連する適切な戦略が適用されます。 Xen AIが投資判断の正しさを説明し、証明します。

パーソナライゼーションのための世界初のオープンAI

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com

オンライン取引におけるリアルタイムのカタログ更新技術について考えたことはありますか？カタログの鮮度や有効性はオンライン取引を大きく左右する可能性があります。

在庫状況の更新、入荷商品の更新、入荷待ち商品の代替え商品など、商品カタログを素早く更新することで、クロスセルやアップセルの機会を作り出し、まさに、そこに担当者がいるかのように、オンラインにおけるお客様の期待に対して、タイミングを捉えた価値ある対話をする事が可能になります。

特に、検索ソリューションでの威力は絶大です。

eコマースにおけるレコメンドや検索の精度は、ユーザーの意図を特定するエンジンの機能だけでなく、カタログの鮮度や有効性に左右されます。このストリーミングカタログAPIにより、リッチレリバンスの検索ソリューション FIND™ は、カタログ内のアイテムの価格と在庫状況の変更を自動的に識別し、これらの属性をリアルタイムで更新できるようになります。他社サービスにおいて、ほとんどのエンジンは1日に1回しか更新されないため、これは業界で初めての技術であり、特に検索結果について業界をリードすることになります。カタログの鮮度に保つことに加えて、価格範囲の新しいファセットを提供できるようになりました。たとえば、1100円 〜 2000円 の商品または他の任意の価格範囲を示すファセットを追加できます。

お問い合わせは、こちらまで：takashi.miyatani@algonomy.com