アーカイブ動画

POSデータを自然言語処理AIで分析し、マーケティングや新商品開発に活用

イオン株式会社　データイノベーションセンター
シニアデータサイエンティスト　趙 堃氏

最初に登壇したのは京都大学で博士号を取得した後、IBM東京基礎研究所、BCG（ボストン・コンサルティング・グループ）でAIの研究などに従事し、特許も保有する趙堃氏だ。データイノベーションセンター（DIC）に所属し、イオングループ全体のAIイノベーションの推進を担っている。

趙氏はまず、イオングループがいかに大きな組織であるか、多様な事業に着手しているかを紹介。その上で、イオングループのデータ活用における方針ならびに、所属するDICの役割を次のように話した。

「イオングループが持つ多様なデータをつなぎ、お客さまのニーズを多面的に理解する。その上で最先端のデータサイエンスの力を使い、お客さまの体験価値向上とイオングループの利益最大化の両立を目指しています」（趙氏）

趙氏は実際に、イオングループが保有している膨大で多様なデータも紹介した。1つ目は全国各地域のPOSデータだ。時系列でトランザクションの量や客単価が把握できる。

もう1つは電子マネーやポイントカードの機能を有するWAONカードから取得した、顧客がイオンのどの店舗で購入したかが分かるデータである。どちらも都市部に集中していること。都市部では客単価の高いことなどが、これらのデータが分かると趙氏は実際にダッシュボードを見せながら述べた。

趙氏は、DICが取り組む具体的な内容も紹介した。今回のセッションでは、POSデータから顧客を理解するというテーマが語られた。

1つ目は、「購買履歴から顧客を理解し、嗜好を分布する」という取り組みだ。グループ各社から上がってくる顧客の購買履歴に属性を加えたデータをAIに分析させ、顧客がどのようなトピックに興味を持っているかを推定。得られた結果をマーケティングなどに活かす。

趙氏らは、LDA（Latent Dirichlet Allocation）と呼ばれる技術に着目する。LDAとは文章のトピックを判断・抽出する自然言語処理手法であり、AIトピックモデルの1つだ。このLDAでPOSデータを分析することで、人が文章データから顧客の属性を理解している判断を、AIが担うことが可能になる。

2つ目は、「顧客の購買パターンから商品を分類する」である。趙氏は一般的なマーガリンと高級マーガリンを題材に、商品を購入する属性の顧客は、どのような他商品と比較したり、一緒に購入する傾向があるのかを紹介した。

プレミアムマーガリンを購入する顧客は、山形食パンやはちみつなどを購入する傾向がある。対して、一般的なマーガリンは角食パンやジャムなど、時短を意識している顧客が多いとの傾向が見られるという。

さらには自然言語処理AIを利用し、レシートを文章と見なして、顧客が購入した商品のクラスタ分けや類似性の分析なども実施、可視化した事例も紹介。こうした取り組みがどのような価値を生み出すのか、次のように語った。

「商品購入時における、レコメンデーションが行えます。実店舗の場合には関連商品をまとめてレイアウトすることで、業務効率化や売上向上も目指せます。例えば、鍋に入れる商品を集めた鍋物コーナーの開設などです」（趙氏）

最後に紹介された事例は「自然言語処理を活かした商品開発支援」だ。LADによるトピックの抽出など、趙氏らは自然言語処理を活用するために、自分たちでも複数のモデルを開発しており、口コミ要約などに活用していく計画があるという。

計画の1つでもある、購買履歴とSNS分析による新商品開発支援が説明された。まずは、繰り返し紹介してきた膨大なPOSデータから、自社商品にとって注力すべきエリアを抽出する。定めたエリアに関連するSNSからデータを取得し、重要なトレンドやトピックを探るというものだ。

趙氏は実際に「ギルティフード」を例に挙げた。データ元はSNSで「唐揚げ」「チャーハン」「カップ麺」といったキーワードが上位を占めていることだ。

加えて、感情分析も行うことでチャーハンをベースとした、調味料にはガーリックや玉ねぎを、サイドメニューとして唐揚げや餃子を付け合わせる。このような商品を開発すれば人気商品になるのではないかという具体例も示した。

クチコミの要約事例も紹介された。AIが要約することにより、ポジティブ・ネガティブポイントを一瞬で抽出、閲覧できるようになったと成果を語った。

商品に関する各種情報をAIに読ませることで、商品名、セールスコピー、商品説明文を自動生成するAIモデルも開発した。実際、プライベートブランドのギリシャヨーグルトはまさに同AIがコピーなどを考案したそうである。趙氏はこのように述べ、セッションを締めた。

「人が行っていた業務をAIが行うことで、工数削減になります。加えて、『日々の元気なスタートにぴったり』など、魅力的な文章を数多く自動で生成することもできます」（趙氏）

イオンが取り組む、IDPOSデータを活用するための人材育成と環境整備

イオンマーケティング株式会社
マーケティングソリューション事業本部
データ価値創造統括部　統括部長　山本 卓也氏

続いては、イオンマーケティングでデータ分析組織や環境の構築、分析官の育成などに携わる山本卓也氏が登壇した。山本氏はカルチュア・コンビニエンス・クラブに勤めた17年間、Tポイント分析組織の立ち上げや運営、データ職人材の育成や採用、マネジメントに従事してきた。

イオンマーケティングはその名のとおり、マーケティングに特化した機能会社である。「WAON POINTのプログラム運営・管理」「マーケティングリサーチ」「分析サービス」「販促サービス」と主に4つの事業を手がける。

WAON POINTの会員数は8326万人、イオングループ約2万6000店舗でポイントが付与されるという規模を誇る。

IDPOSデータを保有することに、データのポテンシャルを感じたという山本氏だが、現状はWAON POINTの運営だけで業務が手一杯のため、人材育成ならびに分析環境の開発に取り組むことを決意。昨年10月の入社から現在に至るまで、走り続けている。

「まずは一定のデータリテラシーを持つ人材を集めて、全体を強化しようと考えています」（山本氏）

人事部とも連携しながら、まずは環境領域においてスキル定義など6つのタスクを設け、業務を進めている段階だという。その上で山本氏は、データ職と一概に言ってもどこか曖昧な部分があるため、まずは職種、職務領域を明確に定義するところから着手。意図を次のように話した。

「もちろん重なる内容もありますが、自分は何をすればよいのか。今、どの程度のレベルであり、次のレベルにステップアップするにはどうすればよいのか。参考になると考えています」（山本氏）

さらには職位定義も明確に定義すると共に、該当職位になれば市場でどの程度の価値があるのか。年収の相場も示すことで、育成対象者のモチベーションアップを狙っている。

それぞれのポジション、マーケティングソリューションにおけるコアスキルも明確に定義。コアスキルに関しては研修形式など時間をかけてじっくりと取り組む一方で、コア以外のスキルにおいては、オンラインコンテンツ活用などの学習カリキュラムを整えていった。

学習計画においては、まずはOJTで各人のスキルレベルを把握する。その上でどこを重点的に学んでいくのか、上司とも相談しながら決定していく。以降は、実際に計画が達成されたのかどうか。つまりスキルアップしたのかどうかを再び上司や人事が把握することで、フィードバックや評価を行う。

IDPOSデータを最大限活かすための環境作りも語られた。具体的にはマーケティングプラットフォームの構築である。これまで何度か取り組んできたという山本氏は、その経験からマーケティングプラットフォームの目的などについて、次のように述べた。

「顧客を知ることが目的です。ただ、自社の顧客を知ることはどこでも取り組んでいますが、もう一つ。イオンの外をよく知るということが、これまでの経験から難しいと感じています」（山本氏）

山本氏は、市場理解、顧客理解、顧客への発信との3つの軸から成る、マーケティングプラットフォームの概念図も示すと共に、グループ会社それぞれで異なる課題を解決するためのプラットフォームでもある。

課題においてはいわゆる3C・4P分析を行った。山本氏はマーケティングプラットフォームのイメージを示し、次のようにセッションをまとめた。 「市場を知り、顧客を知った上で、顧客に伝えていく。それぞれのコンテンツを使いながらも一気通貫でグループの事業会社にソリューションを提供していきたいと考えています」（山本氏）

「AI需要予測」からはじめるデータアナリティクスによるビジネスプロセス変革

イオンリテール株式会社　営業・デジタル担当付
データソリューションチーム　リーダー　今井 賢一氏

続いては、イオングループの中核企業でもあるイオンリテールで、データソリューションチームのチームリーダーを務める今井賢一氏が登壇した。

イオンリテールのデータソリューションチームは、RPAグループ、機械学習グループ、データマーケットグループなどから構成され、現在のメンバー数は8名。独立した組織としてAIプロダクトの開発や運用、社内WEBアプリプロダクト開発の内製化などを横串的にリードしていく役割を担う。

イオンリテールでは実店舗、ECなどさまざまある顧客とのタッチポイントのIDを統合することで、顧客の購買・行動履歴を把握。その上で、リテールメディアを通じて顧客の購買体験の価値向上を目指すことで、新たな収益モデルにつなげていく。

リテールメディアとは、小売事業者が自社で保有するデータを活用して、効果的な広告を配信する仕組みであり手法である。

また、現状はバックオフィスやレジなどが半分以上を占める実店舗のレイアウトを、売り場面積を60％と高めることで、接客の生産性向上を実現する。

さらには従業員の満足度を高めるべく、おすすめのファッションアイテムを従業員がコーディネート。その姿を写真で撮影し、アップするような取り組みも実験的に進める動きがあるという。

データソリューションチームでは、データを蓄積するプラットフォームの構築を進めている。AIなどの技術を活用したプロダクト開発、これらのアセットを使いこなすことのできるデータ人材などの領域で活動を行っているが、「人材育成が喫緊の課題」と今井氏は語る。

データサイエンス、システム開発基礎など3つの学習コースを整備しており、現状、年間100名ほどが受講しているという。今井氏は次のように取り組み目的を述べた。

「各部署ならびに外部のベンダーとも連携しながら、学習を通じて実践的なデジタルスキルを持つプロパー人材を、内製化していきたいと考えています」（今井氏）

一方で、数値的なデータの解釈だけでは、今井氏たちが目指している業務効率化、購買体験の向上は難しいと指摘する。

「ギャップを埋めるためには、お客さまの生の声を集約するしかないと思っています」（今井氏）

今回は業務効率化の具体的な2つの例を示した。まずはAIを活用した「売価の最適化」である。なお同取り組みは、粗利率の高い衣料品で行われた。これまでは同業務の専門家であるMD（マーチャンダイザー）が、在庫や売上推移などを予測・検討し、商品ごとの対応を行っていた。

しかし、扱う商品が膨大なため、全商品をチェックするのが難しい状況であった。そのため影響力の大きい商品のみの確認に留まっていた。また、システムが分散していたためにフローも煩雑であったという。

そこで今井氏らは、MDに代わりAIを導入。すると全商品のチェックが可能となり、かつ、情報はBIツールに一元化されるようになった。

今井氏は、AIモデルがどのような予測を行っているかについても触れた。具体的には、現状の売価のままでの販売数の予測と、売価を下げた場合の予測。両者をかけ合わせることで粗利が最大化になるパターンを抽出。大きく3つの処理をしているという。

だが、新しい商品に対してはこれまでのデータがないため、カラー、サイズ、商品名といった商品の特徴、属性から類似の商品をマッチングさせ、販売数を予測している。しかし、こちらの取り組みはまだ期待しているような成果が出ておらず、「精度の向上を図っていきたい」と、今井氏は明かす。

一方で、ビジネス要件を満たしているかどうかも重要だと今井氏。具体的には実際にBIツールのダッシュボードを確認する商品部と一緒になって、アーキテクチャの仕組みなどについて、何度も討論や再設計を重ねた上で、現状のシステムに至ったという。

「使い勝手のよいシステムにするプロセスが必須だと思っています」（今井氏）

こうして出来上がったシステムは、前の週の土曜日までのデータを日曜日にAIに学習させ、結果は翌日の朝9時までにBIツールを通じて商品部に提供する、という流れとなった。

現状は売上規模の大きい部門に絞っているが、作業の平準化や急激な予測変化にも対応できるようになったことで、最低でも年間数千万円の粗利改善を見込んでいるという。さらには業務効率化が図られたことで、こちらも年間数千人時程度の作業量の削減を見込んでいると、成果を力強く語った。

もう一つの事例が、「欠品ソリューションシステム」である。発注は自動で行われているので、本来であれば欠品は発生しないはずだが、発生する理由には、予測を超えた売上など、様々な理由がある。対応においては多くの課題を抱えているという。

例えば、スキャンした商品の在庫状況をシステムで確認し、対応を紙で記入するといったアナログ作業。欠品状況を確認した後、要因を分析する業務に多くの労力が使われていることも分かった。

それらの業務を自動化することで、欠品対応作業時間全体の削減や属人性の排除が可能となる。つまり、誰でも欠品対策が行えるような、平準化されたシステムの構築を考える。ベテラン従業員が経験と勘で行っていた対応を自動化。その結果、誰でも行えるようになる。

実際に開発したシステムでは、棚の状況をスキャンしてデータセンターに送れば、対応策が、自動で返信される。すでにイオンリテール全店で稼働している。機能拡張も考え、現在はクラウドでのWebアプリケーション化を目指している。

開発においては、ユーザー企業のシステム内製化支援サービス「TAP（Tech Acceleration Program）」を活用しながら進めている。

こちらの取り組みにおいても、チャンスロス改善による数億円の売上、年間で数万人時規模の工数削減が見込めていると成果を語り、セッションを締めた。

「あらゆる取り組みを実現するために、内製化は必須だと考えています。そのためにも紹介したように外部ベンダーとも協力しながら、データ活用をより推進するために、我々は人材育成などの環境整備に注力していきたいと考えています」（今井氏）

【Q＆A】参加者からの質問に登壇者が回答

セッション後はイベントを聴講した参加者からの質問に、登壇者が回答した。

Q．現場主体でデータの有効活用が進むために取り組んでいることは？

趙：我々から現場、事業会社に提案するプロセスがある一方、現場からの相談や現場主導で進めているプロジェクトもあり、後者の方が推進しやすいと感じています。例えば、廃棄物のロスに関する内容や、カメラを活用した店内の動線分析などです。

山本：現場とのフェイス・トゥ・フェイスのコミュニケーションを大事にしています。コミュニケーションの際には専門用語で話すのではなく、現場の人が理解する言葉で伝えることで納得してもらうよう、意識しています。

今井：実際に現場で導入し使ってもらった結果、成功した体験や事例を拾い上げ、その事例を広げていくことが大事だと思っています。

Q．プロパー人材の育成での工夫や苦労について

今井：そもそもデジタル人材が少ないという課題があります。とはいえ、イオンリテールには従業員が7万以上いるため、中にはスキルを持っている人や身につけたいと考えている人もいます。そうした人たちに研修を受けてもらい、デジタル化やDXに取り組んでもらう。得意分野を伸ばしてもらえるような研修を組んでいくことが必要だと考えています。

Q．職務レベルや評価基準策定で工夫した点

山本：企業ごとにフィットさせるために、徹底的にヒアリングを行うことを意識しました。

Q．データ分析基盤は各社で構築しているのか？　

趙：データの保有者は各事業会社であり、それぞれが自社でデータ分析基盤を構築しています。共通システムもあります。

Q．情報システム部門との役割分担はどうしているのか

趙：我々はあくまでアルゴリズムを開発する部隊なので、PoCを通じて活用できることが分かったアルゴリズムを、山本さんが所属するイオンマーケティングなどの会社に提供する位置付けです。

イオン株式会社
https://www.aeon.info/

イオン株式会社の採用情報
https://recruit.aeon.info/find-my-aeon/?result=on&recruit_type=career&recruit_info_category_occ%5B%5D=55
https://recruit.aeon.info/digital/information/1475/