AI活用でECのレコメンドはどう変わる？事例と効果を専門家が解説【future AI Recommendセミナー】
- 2023.05.25
2024.01.30
近年、人工知能（以下、AI）が身近なものになり、検索や買い物など生活のさまざまな場面で使われるようになりました。ECサイトにAIを活用する企業も増え、パーソナライズされたレコメンドや広告配信など、売上拡大につながる新たな取り組みも広がっています。
一方で、「実際のところ、AIで何ができるのかよく分からない」「AIをECに活用したいけれど、ツール選びで迷っている」といったEC事業者さまもいらっしゃるようです。
そこで株式会社フューチャーショップは、ECサイトにおけるAIの活用法をテーマとしたオンラインセミナー「AIが顧客行動を学習して最適な商品を提案する『future AI Recommend』の実力とは？」を2023年4月に開催しました。
講師を務めてくださったのは、AIを搭載したデータ活用プラットフォーム「Conata（コナタ）」を提供している株式会社フライウィールの長島崇さんと黒川隆雄さん。
「Conata」を導入しているCO・OPやTSUTAYA、 NETSEAなどの事例を踏まえ、EC事業や小売業へのAIの活用法について分かりやすく解説していただきました。
また、オンラインセミナーではfutureshopの次世代版レコメンド機能「future AI Recommend」の仕組みや効果も解説しました。「Conata」を搭載して性能が大幅に進化した「future AI Recommend」の機能を、レポート記事の後半で詳しく紹介していますので、そちらもぜひチェックしてください。
100人以上が聴講した注目のオンラインセミナーをレポートします！
スピーカーを務めてくださった株式会社フライウィールの黒川さん（写真右上）と長島さん（写真右下）
目次
AIプラットフォーム「Conata」を提供している株式会社フライウィールが登壇
株式会社フライウィールは「データを人々のエネルギーに」というミッションを掲げ、AIを活用して企業の経営改革を支援しているデータソリューションプロバイダです。 Engineering比率が全体の6割、その内3割がGAFAM経験者となるAIやデータ分析の専門家が集い、2018年に設立しました。
同社が提供している「Conata（コナタ）」は、企業を取り巻くさまざまなデータの収集・蓄積から、分析、ソリューションの提供まで一気通貫で行うプラットフォームです。
雑多なデータを分析に使えるかたちに整える「データ基盤」と、取り込んだデータをレコメンドや需要予測といった具体的なソリューションに落とし込んで提供する「オファリング」までカバーしています。
食品宅配の「CO・OP」や書店の「TSUTAYA」、卸サイトの「NETSEA」などへの導入実績があり、業種・業態を問わず売上拡大や生産性向上などの成果が出ています。
企業を取り巻くさまざまなデータの収集・蓄積から、分析、ソリューションの提供まで一気通貫で行うプラットフォーム「Conata」
AIの仕組みと小売・ECへの活用法を解説
AIとは、目的を与えられたコンピュータが、さまざまなかたちで集まってきたデータにもとづいて機械学習を行い、その学習結果を踏まえて予測や判断を実行するものです。
さらに、出力した予測や判断などの実行結果も、学習データとして取り込み、機械学習を行います。このサイクルを続けることで、学習データの規模がどんどん大きくなり、予測や判断の精度が向上します。
自動翻訳やチャットボット、交通渋滞予測システム、スパムメールのフィルタリング機能、スマートフォンの顔認証機能、文章・画像の自動生成ツールなど、AIは、すでにさまざまなかたちで私たちの生活に浸透しています。
セミナーの冒頭、「Conata」のプロダクトマネージャーを務めている長島さんはAIの基本的な仕組みについてこのように説明した上で、AIを小売りやECに活用する方法と効果について、「CO・OP」「TSUTAYA」「NETSEA」の事例を挙げて具体的に解説してくださいました。
AIが機械学習を行い、賢くなっていく仕組みについて図解を交えて解説した
【スピーカー】株式会社フライウィール プロダクトマネージャー 長島 崇 氏
売上高を落とさずカタログ配布数を削減した「CO・OP」の事例
日本生活共同組合連合会（CO・OP）は「Conata」を活用してDXに取り組んでいます。その一環でコープ東北の宅配事業におけるカタログやチラシの配布数の最適化に成功しています。
コープ東北では組合員のニーズの多様化に伴い、カタログやチラシの種類が増え、宅配利用者に対して必要以上にカタログやチラシを配布していることが課題になっていました。
そこで、「Conata」のプラットフォーム上で注文データを分析し、組合員ひとりひとりが必要とするカタログやチラシの種類を特定。配布するカタログやチラシの内容を、顧客ごとに変えるなど、配布物のパーソナライズを実現しました。
その結果、必要以上に配布していたカタログやチラシの発行数を削減することに成功し、売上高を落とすことなく、カタログ配布にかかるコストを50%も削減しています。
また、売れ筋商品を把握してユーザーごとにレコメンドを行なっているほか、販売データの分析結果から得られた需要予測にもとづき、発注量を自動的に調整する仕組みも構築しました。
カタログの発行数を最適化しただけでなく、属人的な品ぞろえを廃止し、注文量の調整も自動化するなど、デジタルトランスフォーメーションが進んでいます（長島さん）
需要予測にもとづく“AI選書”を実現した「TSUTAYA」の事例
「TSUTAYA」を運営しているカルチュア・コンビニエンス・クラブは、店頭に並べる書籍の品ぞろえの提案や、在庫発注量の調整などをAIが実施しています。
TSUTAYAの約7000万人の会員データと、約800店舗で取り扱っている約450万タイトルの書籍の販売データを「Conata」に取り込み、需要予測を目的とした機械学習を実施。店舗ごとにジャンル別の販売動向を分析し、その分析結果から「棚に並べる書籍の種類」を決定する “AI選書”を実現しました。さらに、需要予測にもとづいて在庫発注量の調整も自動化しています。
Conataを導入した結果、実売率（書店向けに出荷された書籍のうち、実際に売れた割合）が約20%改善されるなど、大きな成果をあげました。約800店舗あるTSUTAYAの8割以上に、AI選書・自動発注のシステムを導入済みです（長島さん）
レコメンドや検索広告の効果が向上した「NETSEA」の事例
卸サイト「NETSEA（ネッシー）」を運営しているSynaBizは、サイト内検索やレコメンド機能などに「Conata」を活用しています。
約4,500社のサプライヤーが販売している商品データと、約48万社に上るバイヤーの行動データ（購買データや検索クエリなど）を「Conata」に取り込んで機械学習を実施。バイヤーごとに関連性の高い商品を表示するなど、商品提案のパーソナライズによってCX（顧客体験）を改善しました。
さらに、「利益率の重視」や「物流負荷の軽減」といった目的に応じて、レコメンドする商品の内容を変えるなど、サプライヤーの業績改善に直結する機能も実装しています。
レコメンドや検索広告のCTVR※1が改善し、Conataを導入することでこれまでのシステムと比較して購入率は約7倍、売上高は約4倍の効果が得られました（長島さん）
※１ CTVR＝クリックスルーレートとコンバージョンレートを掛け合わせた指標
AIが顧客行動を学習し、最適な商品をレコメンドする「future AI Recommend」
futureshopの次世代型レコメンド機能「future AI Recommend」も「Conata」を活用しているソリューションの1つです。ここからは、「future AI Recommend」の機能や効果について詳しく解説します。
AIを取り入れている「future AI Recommend」の特徴について、株式会社フライウィールの黒川さんは次のように説明しました。
ECサイトの商品データや購買データなどにもとづく機械学習によって、ECサイトを訪れたお客さまが「購入しそうな商品」や「興味がありそうな商品」を予測し、レコメンド枠に表示します。
さらに、レコメンド枠に表示された商品がクリックされたか否かや、購入の有無といったデータも収集・蓄積し、機械学習に使用するループ構造になっています。
黒川さんはこう説明し、「future AI Recommend」における機械学習の流れについて次のように解説しました。
- データの収集・蓄積：ECサイトに登録されている商品データや、ECサイトにおける顧客の行動データ（商品閲覧、お気に入り登録、購入など）を収集し、Conataに蓄積する
- 機械学習：上記で収集・蓄積したデータにもとづき、複数の機械学習モデルを使用し、商品ごとに顧客との関連度の高さをスコアとして算出する
- レコメンド候補の生成：顧客の行動履歴や、ECサイトに滞在しているときの状態（閲覧中の商品やカートに入れた商品など）に合わせて、購入されやすい順に商品リストを生成する
- 絞り込み（フィルター）：あらかじめ設定した表示条件や除外条件にもとづき、レコメンド候補のカテゴリや商品を絞り込む
- レコメンド表示：表示件数やデザインなど、あらかじめ設定した条件にもとづいてECサイトのレコメンド枠に商品を表示する
「future AI Recommend」の機械学習には「collaborative filtering（コラボレイティブ・フィルタリング）」「graph embedding（グラフエンベディング）」「doc2vec（ドックツーベック）」などを使用。 株式会社フライウィールが継続的にチューニングを行って精度を高めている
「future AI Recommend」は設定が簡単で安価。ECに活用しやすい
黒川さんは、AIをECサイトのレコメンドに活用するメリットについて、「より良いユーザー体験を創出し、店舗に対するロイヤリティを高めることにつながる」（黒川さん）と指摘。AIツールは導入のハードルが高いと思われがちですが、その点についても「future AI Recommendは活用しやすい」と強調しました。
future AI Recommendは機械学習に必要なデータが自動的に取得されるため、店舗側で運用の手間がかかりません。設定も簡単ですし、安価に始めることができますので、ECサイトに活用しやすいと思います（黒川さん）
機械学習に必要なデータは自動的に収集・蓄積される
【スピーカー】株式会社フライウィール データコンサルタント 黒川 隆雄 氏
企業のデータ戦略の策定およびデータ活用支援に従事。これまで、LINEにてデータ活用のストラテジックプランナーとして大口顧客向けのプラットフォームデータ活用支援を行う。それ以前は動画広告のスタートアップFIVE社、博報堂、日本経済新聞社での広告営業・商品企画などを担当。
次世代型ECレコメンド「future AI Recommend」の機能と導入効果
オンラインセミナーでは、2023年3月にリリースした「future AI Recommend」の機能や導入効果について、株式会社フューチャーショップの水岩が詳しく解説しました。
「future AI Recommend」はECサイト構築プラットフォーム「futureshop」のcommerce creatorのオプション機能として提供しているレコメンド機能。従来から提供しているレコメンド機能「futureRecommend2」の後継版として提供しています。
表示レイアウトはデザインテンプレートから選択。1つの枠に最大10件（オプション契約で最大50件）の商品を表示することが可能
▶︎future AI Recommendのサービス詳細ページはこちらをご覧ください！
▶︎future AI Recommendをオプション機能として提供中。ECサイト構築プラットフォーム「futureshop」についてはこちら！
株式会社フューチャーショップ サービスプロデュース部 ビジネスアナリスト 水岩 雄一
外資系CRMベンダーのセールスコンサルタントを経て、テーマパーク運営会社におけるCRMシステムの企画/導入のプロジェクトマネージャーを担当し、ユーザーの立場でCRMを推進。その後、国産CRMベンダーにおいてプロダクト企画責任者やエバンジェリストなどを歴任。その後、国産CRMベンダーにおいてプロダクト企画責任者やエバンジェリストなどを歴任。2018年7月よりフューチャーショップに入社。現在はサービスプロデュース部に所属し、EC市場のリサーチ、futureshopにおける新機能の企画、CRM並びにデジタルマーケティングに関するセミナー講師やブログの執筆など、幅広く活動を続けている。
「future AI Recommend」5つの特徴
「future AI Recommend」の特徴は、AIが顧客行動を学習し、お客様ひとりひとりに合わせた最適な商品をAIがおすすめすること。ECサイトのトップページや商品ページ、購入完了画面など、さまざまなページにレコメンド枠を設置し、その瞬間の顧客にとって最適な商品をレコメンドすることで、購買意欲を喚起したり、サイト回遊を促したりして購入を後押しします。
【future AI Recommend５つの特徴】
- 顧客ごとに最適な商品を表示
- 運用するほどレコメンドの精度が向上
- コールドスタート問題を回避
- AIベースとルールベースのレコメンド
- データ連携作業は不要、設定も簡単
特徴① 顧客ごとに最適な商品を表示
「future AI Recommend」は、futureshopで構築・運用しているECサイトの商品データや購買データ、顧客の行動ログなどを「Conata」に取り込み、そのデータにもとづいて機械学習を行います。そして、顧客の興味関心や親和性、過去に購入した商品との関連度などにもとづいて商品をスコアリングし、レコメンド枠の表示内容を顧客ごとに最適化します。
特徴② 運用するほどレコメンドの精度が向上
「future AI Recommend」は運用を続けるほど、AIの学習が進んでレコメンドの精度向上が期待できます。レコメンド枠に表示された商品に対する顧客の行動（クリックや購入など）を「Conata」にフィードバックすることで、運用期間が長くなるほど機械学習に使うデータが増え、学習効果が高まるためです。
ECサイトにおける顧客行動をAIが学習し、最適な商品をレコメンドする
特徴③ コールドスタート問題を回避
AIツールの導入直後は、AIの学習が足りないために効果が低いこと（いわゆるコールドスタート問題）が課題になる場合もありますが、「future AI Recommend」はその課題を回避することができます。futureshopに蓄積されている過去の受注データを機械学習に使用※2するためです。「future AI Recommend」を導入した直後から効果を上げることが期待できます。
※2 futureshopをご利用中の店舗さまのみ
特徴④ AIベースとルールベースでのレコメンド
「future AI Recommend」のレコメンドの方法は2種類あります。AIが表示内容を決める「AIベースのレコメンド」と、あらかじめ決めたルールにもとづいて表示する「ルールベースのレコメンド」です。
【AIベースのレコメンド】
顧客の行動データ（検索、閲覧、お気に入り登録、カート投入、購入等）などにもとづいて、購入確率が高いと予想される商品をレコメンドします。以下の３つのパターンで商品をレコメンドすることが可能です。
- 顧客が過去に閲覧した商品に合わせて、最適な商品をレコメンド（トップページなどへの配置を想定）
- 顧客が閲覧している商品に合わせて、最適な商品をレコメンド（商品詳細ページなどへの配置を想定）
- 顧客が購入した商品に合わせて、最適な商品をレコメンド（購入完了ページなどへの配置を想定）
【ルールベースのレコメンド】
「ランキング」「閲覧履歴」「ピックアップ商品」「新着商品」といった、あらかじめ決めたルールにもとづいてレコメンドの表示内容を決定します。オプション機能を契約すると「在庫僅少」「値下げ」「再入荷」の商品を表示することも可能になります。
- 商品ランキング
- 過去に閲覧した商品
- 新着商品
- ピックアップ商品
- 在庫僅少商品（オプション）
- 値下げ商品（オプション）
- 再入荷商品（オプション）
特徴⑤ データ連携の作業は不要、設定も簡単
機械学習に使用するデータは、futureshopと「Conata」のAPI連携によって自動的に収集・蓄積します。そのため、データの取り込みや蓄積に関して、店舗さま側で作業していただく必要はありません。
また、「future AI Recommend」は設定も簡単です。管理画面で表示条件などを設定し、commerce creatorの管理画面で表示場所を決めます。
【設定方法】
- レコメンドの種類を選択
- フィルター（絞り込み/除外）を設定
- デザイン（テンプレート）を選択
- 表示用のHTMLタグを取得
- commerce creatorでパーツを作成し、配置
「future AI Recommend」の設定方法の詳細はfutureshopオンラインマニュアル「future AI Recommendのはじめかた」をご覧ください。
「future AI Recommend」の導入効果
「future AI Recommend」を正式にリリースする前に、一部の店舗さまにパイロット版を約1ヶ月半ご利用いただき、導入効果を検証しました。
その結果、コンバージョン率やサイト内回遊率の大幅な改善が見られるなど、さまざまな成果が出ています。
例えば、アパレルECの店舗さまは、ECサイトのコンバージョン率が導入前と比べて10%以上向上しました。また、文具ECの店舗さまは、レコメンド機能を従来の「futureRecommend2」から「future AI Recommend」に変更した結果、ECサイト全体の回遊率が12.7%向上しています。
およそ1ヶ月から1ヶ月半という短期間にもかかわらず、これだけの効果が見られました。future AI Recommendは運用期間が長くなるほど効果の向上が期待できますので、長期間ご利用いただくことによって、さらに大きな効果が出る可能性があります（水岩）
コンバージョン率やサイト内回遊率の改善が見られるなど、さまざまな成果が出ている
「future AI Recommend」の価格
「future AI Recommend」の初期費用は2万5000円で、月額費用はレコメンド枠の表示回数に応じた従量課金制です（最低1万円）。なお、「futureRecommend2」をご利用中の店舗さまは、「future AI Recommend」の初期費用が無料になります。
▶︎future AI Recommendのサービス詳細ページはこちらをご覧ください！
▶︎future AI Recommendをオプション機能として提供中。ECサイト構築プラットフォーム「futureshop」についてはこちら！
「future AI Recommend」の機能開発の計画
オンラインセミナーでは、「future AI Recommend」の機能開発の予定もお伝えしました。主に4つの機能強化を計画しています。今後の進化にご期待ください。
- ECサイトに登録した商品を、即座にレコメンドに反映させるボタンを実装する（現在は1日２回の反映）
- レコメンド表示枠のデザインを、任意のHTML・CSS・JavaScriptで変更できるようにする（現在はテンプレートから選択）
- futureshopおよび連携済みMAツールにおいて、レコメンドメールを配信できるようにする
- リアル店舗の購買データも機械学習のデータに使用し、レコメンドに反映する
従来版「futureRecommend2」との違い
futureshopが従来から提供しているレコメンド機能「futureRecommend2」と、新たにリリースした「future AI Recommend」の主な違いを解説します。特に現在futureRecommend2をご利用いただいている方はぜひお読みください。
AIによるレコメンド機能を実装
「futureRecommend2」はルールにもとづくレコメンドのみでしたが、「future AI Recommend」はAIによるレコメンドが追加されました。また、ルールにもとづくレコメンドの種類も「future AI Recommend」は「在庫僅少商品」「値下げ商品」「再入荷商品」の３種類が追加されています※3。
※3 オプション機能を契約した場合に利用可能
商品は1日2回、自動的にレコメンドに反映
「future AI Recommend」は1日に2回、futureshopの商品データを「Conata」に自動連携しています。futureshopに登録した商品は自動的にレコメンドの対象になります。
なお、「futureRecommend2」は登録した商品ページを一度閲覧しないとレコメンドの対象になりませんでしたが、「future AI Recommend」ではそういった作業も必要ありません。
詳細な絞り込み条件（フィルター）
「future AI Recommend」は、レコメンド枠に表示する商品について、詳細な絞り込み条件（フィルター）を設定することができます。具体的には「特定の商品グループのみ表示させる」「特定の商品グループを表示させない」「特定の商品を除外する」といった設定です。
フィルターは100件まで登録でき、1つのフィルターにつき商品グループや除外商品などを200件まで登録することが可能です。
フィルターを重複して設定することもできます。例えばファッションECサイトで「ニット」と「トップス」のカテゴリを表示するが、その中で「秋もの」と「冬もの」の商品は表示させない、といった運用です。
まとめ
今回のオンラインセミナーでは、AIの専門家をお招きし、AIの仕組みやECへの活用法を解説していただきました。セミナーを聴講していただいた方には、AIを活用した次世代レコメンド機能「future AI Recommend」の機能や効果についても、ご理解いただけたのではないでしょうか。
最後に長島さんと黒川さんは、参加者に対して次のように訴えかけてセミナーを締めくくりました。
ビジネスを加速させるために、AIを活用することは今後ますます重要になっていくでしょう。この機会に、AIを活用したレコメンドを使っていただければと思います（長島さん）
future AI Recommendは、ネットショップの継続的な収益向上にも貢献できるはずです。ぜひ一度、AIの力を実感してください （黒川さん）
「future AI Recommend」の申し込み方法
「future AI Recommend」 は、AIを活用した高性能なレコメンド機能を、難しい設定が不要で、かつ安価にご利用いただけます。ぜひこの機会に、ECサイトにAIを取り入れて、ビジネスの成長を加速していただければ幸いです。
「future AI Recommend」 のお申し込みは、futureshopの管理画面で「システム＞申し込み・登録情報変更」＞「オプション追加の申し込み」の画面内で、「future AI Recommend」のバナーの「申し込み」を押してください。
▶︎futureRecommend2から移行する店舗さまは、下記のページをご覧ください。
▶︎futureshopをご利用中の店舗さまからの「future AI Recommend」に関するご質問は、サポートでも対応しています。
