• このエントリーをはてなブックマークに追加

EC領域におけるAI活用。DX化で高まるポテンシャル

小売、とりわけECの領域では、AIの活用が難しいと考えられてきました。

購買行動は不確定要素が強く、特にECとリアル店舗の両方を運用しているような企業にとっては、顧客の情報をAIに学習させるのは至難の技でした。

しかし、近年は様々な方法で小売にAIを活用させる動きが見られます。

AI活用を後押ししたのはDX化です。顧客にまつわるデータをDX化により一元管理・活用できることが、AIの利便性を大いに高めています。
EC領域で実際に導入され始めているのは、OMO的なレコメンドやそれにリンクしてパーソナライズに展開可能なマーケティング、受発注シーンにおけるAI活用や、音声注文、スコアリング、スマホ1つでできる手軽な自動採寸等です。

本稿では、ECにおけるAIの可能性をDX化の必要性も交えてご紹介しています。
また、レコメンドやマーケティングにおけるAI活用の実例を挙げながら、新しいECの展開について考えていきます。

様々な活用が試される小売とAI

小売にとって、消費者の思考と行動の傾向を把握することは最重要事項の一つです。
購買行動に関連するデータは多様化していて、誰がどの店で購入したのか、誰がどのようなタイミングで購入しているか等、細かいデータを取得することが求められるようになってきました。 小売にとって、消費者の思考と行動の傾向を把握することは最重要事項の一つです。

これを実現するのがAIの活用です。人の購買行動をAIを通して見つめることで、新しいマーケティングやEC戦略の展開が見えてくるかもしれません。

DX推進を考える上でもAI活用は不可欠

これまで、購買行動は不確定な要素が多く、「勘」や「長年の傾向」といった曖昧なデータのみで運用していかなければならないシーンが少なくありませんでした。いわば、現場の暗黙知に頼るような方法です。

特に、リアル店舗での購買行動の中は、例えば天気が急に悪くなったから傘やレインコートを買うという偶然が作用するものもあります。
また、顧客の姿を店舗カメラで捕捉していたとしても、AIが出で立ちや組み合わせから顧客属性を把握するのは、実は難しいことです。

ECとリアル店舗の顧客データを連携し活用しようとしてもうまくいかない理由の一つは、ここにあります。

AIに店舗での消費行動を学習させる場合、ヒトの生活習慣や思考といった変容しやすい項目をデータとして扱うことから、少しでも扱う学習内容が変わると一からデータを与え直さなければならない、一つの要素を加えるのに大量の学習データが必要になる等、効率の悪さが挙げられてきました。

この難点を解消できる可能性を秘めているのが、DX化です。 AIが推し量れない部分を一元管理された顧客データ、購買データから補うことで、効果的なAI活用が始まると予測されています。


言い換えれば、これからの小売に対応するために有効な手段であるAIを活用するには、DX化が不可欠ということです。
AIの活用とDX化の推進は、コインの裏表のような関係で、どちらも互いを成り立たせる、あるいは成功させるために互いを必要としています。

DX化について、「何のために行えば良いのか目的が不明確」、「DX化で具体的にどのような効果を上げられるかが見えにくい」という場合は、AI活用が一つのゴールポスト、あるいはメリットになり得るかもしれません。

EC領域でAIツールが広げるDXの可能性

AIツールは、具体的にECに何をもたらすのでしょうか? それを把握しなければ何を目指してDX化を検討すれば良いか、分かりにくいかもしれません。

AIテクノロジー導入の効果を発揮しやすい分野に、D2C(Direct to Consumer/消費者直接取引)があります。 D2Cは、大手ECモールを利用する方法と比べて中間コストを削減できる上、購買プロセスや顧客データを自社で把握しやすいという特徴があります。

商品やブランドのイメージを消費者に伝えやすいため、製品のファンになってくれるリピーターを増やしやすいという利点もありますが、ECシステムの構築やマーケティング施策が難しいという側面がありました。

AIは、D2Cのマーケティングを成功させるためのツールとして有力視されています。

具体的には、AIで顧客の好みを把握して潜在的な嗜好に沿った商品を届けるより強固なレコメンド機能、スマホやネットの不得意な顧客でも簡単に24時間注文が可能なAI音声注文、合うサイズを注文するのが難しいゆえに避けられやすいアパレル製品を注文しやすくなるAIによる自動採寸等があります。

レコメンドにもOMOの考え方

どんなターゲットにどんな商品をおすすめするか、といったレコメンドの分野ではAIの利用が拡大しています。

これまでもAIを利用したマーケティング戦略は様々なものが展開されていましたが、今ではデジタルと実店舗をシームレスに横断するOMO的なAIの活用が注目されています。
例えば、実店舗の購買データとECサイトの購買データを統合してAI分析を行い、より高い精度で最適な商品レコメンドを行う、というのも注目されています。

AIによるレコメンド機能の最大の特性は、億単位の組み合わせが存在する商品群からでも、それぞれの顧客が求める組み合わせを提供できるという点です。人力によるデータ分析や、現場の対応だけでは不可能なバリエーションを用意できるのは、デジタル技術活用の最大の強みと言えるのではないでしょうか。

精度の高いレコメンドは、購買体験の向上をもたらします。リピーター率の向上や1回あたりの買い物における購入点数の向上は、売上増加につながっていきます。実際に、顧客にAIを活用したレコメンドエンジンを導入したことで、購入金額が150%向上したというデータもあり、ECとリアル店舗の垣根をなくしたOMO的なアプローチは高い効果が期待できるといえるでしょう。

オフライン/オンラインを通じて購買体験を高めることで、LTV(顧客生涯価値)を高めていくことが期待されます。

■マーケティング

メールやアプリのプッシュ通知で、パーソナライズされた商品をおすすめしたり、商品購入後にメッセージを送ったり、顧客の最適なタイミングをAIによって分析することで、マーケティングの効果をより狙うことができます。

画一的なアプリ通知やDMは開封されないことも少なくありませんが、 個々の消費者に最適なタイミングで、その人にふさわしい情報を届けられれば、比較的高い開封率や利用率を見込めるでしょう。

どれだけ顧客が多くても、AIならそれぞれに最適なタイミングをデータによって把握することが可能です。

■受発注

受発注をAIによって自動化するツールも、導入され始めています。
受発注を人力で行う場合、在庫データを見ながら発注リストを作るため、比較的長い時間が必要です。
AIを活用した発注リスト作成システムでは、受注データと在庫データの集計から分析、発注リスト作成までを自動で行うため、注文へのタイムラグを削減できる可能性があります。

また、在庫と受発注のデータを一元管理することで、過剰発注や在庫切れの売り逃がしを防ぐ効果も見込まれます。
さらに、需要予測をAIで行えば、仕入担当との連携により、仕入業務の効率化も同時に対策することが可能です。

■スコアリング

顧客の購買行動だけをデータ収集するのではなく、商品にハッシュタグをつけてトラッキングする方法もあります。

商品の色やサイズ、特徴といった詳細をハッシュタグとして付与して、商品を閲覧した順番や傾向から、最適なレコメンドを行うというものです。サードパーティcookie規制等の問題をふまえた、新しい形の情報収集といえるかもしれません。

この場合、商品情報を効率よくAIに学習させるためには、商品のラベリング、カテゴリ分け、最適なキーワードによるハッシュタグ付与がポイントになります。

EC注文において、商品詳細を読み込む消費者は意外に多くありません。特に商品数の多いサイトでは、検索しているうちに何が欲しかったのかが曖昧になり、サイトを離脱してしまうリスクがあります。

ラベリングやタグ付けといったスコアリングは、こうした消費者の潜在的なニーズを把握して、求める商品を提案するのに有効な手段です。

■音声注文

音声通販(ボイスコマース)も、AI技術によって可能性が広がってきたジャンルの一つです。

AI技術により、電話で会員登録や商品注文が可能になるため、高齢者等ネットに慣れていない新規ユーザーを獲得できるかもしれません。実際、チラシ・カタログ、ライブ配信といった方法で通販告知をした事業者がボイスコマースを導入したところ、ボイスコマース利用者の94%以上が注文を滞りなく完了できたという事例があります。

ネットに不慣れなユーザーにとって、フォーマットに沿って住所やメールアドレス、パスワードを一つ一つ入力するのは困難を極めます。電話なら欲しい商品や送ってほしい住所を言うだけで注文が完了するので、注文に対するハードルを低く下げることができるのです。

なお、ユーザーの注文はAIが自動でテキスト化するため、事業者はネット注文と同じように受注対応を行います。電話対応であっても、AIならオペレーターを配置せずに24時間対応が可能になるという点も事業者にとって魅力的といえるかもしれません。

■自動採寸

スマホ1台で自動採寸を行う技術も、AIによって進化を遂げています。

ユーザーが体の正面や側面の写真を撮影し、いくつかの情報を入力すると、体の採寸が実行され、顧客が洋服や靴を選ぶ時に役立ちます。

従来は、オーダーメイドは高価なものというイメージがありましたが、AI技術によって自動採寸が簡便になり、自分の体に合った衣服を注文できるセミオーダーシステムが提供しやすくなりました。
特に、スーツ、礼服や喪服といったフォーマルアパレルで導入が広がっています。

■多品種ECの最適化

画像や動画を人間の目で見ても分からない程度に圧縮し、商品掲載ページの読み込み速度をあげるAI技術があります。
また、商品点数の多いECサイトの最適化を完全自動で行う、あるいは商品ごとの広告配分を自動で振り分けるAI技術もあります。

このように、見えないところでも、AIはECショッピングの利便性を高めるのに役立っています。

改めて「小売」を多角的に捉え直す必要性

これからの仕入れや売上予測は、「例年はこうだから」、「勘で何となく」といった感情で決めることはできません。これからの小売においては、現場の暗黙知に頼るだけでなく、デジタル技術を活用させていくことが肝要になります。

消費者の動向や思考をデータ分析することで、より正確で的確な予測が立てられるようになります。また、予測にAIを役立てることにより、成功しやすいマーケティングを展開できるようになるでしょう。

必要なのは、小売を新しい技術を用いて多角的に捉え直すことです。
デジタル技術を活用することによって、顧客により高い満足感を与えることが可能になり、ブランドや店舗を長く利用してくれるファン層を形成しやすくなります。

これに伴って、LTVの向上も見込めるため、マーケティング視点で捉えた長期的な経営戦略としても有効です。

アーカイブ

ページ上部へ戻る