Amazon Web Services ブログ

小売業におけるアダプティブ分析: 顧客の行動とエンゲージメントに影響を与える

小売業界において、日常業務におけるデータの重要性に異論のある方はいないでしょう。バッチレポートから意思決定支援、ビジネスインテリジェンスシステムまで、小売の意思決定における運用データの進化は非常に多岐にわたります。今日、アダプティブ分析プラットフォームは、小売業者が次のことができるよう、業界のイノベーションを推進しています。

  • ビジネスにおける重要なシグナルを検出します。
  • これらのシグナルの現在の意味と将来の予測を導き出します。
  • データドリブンな顧客、製品、マーケティング戦略で対応します。

しかし、アダプティブ分析プラットフォームを構築するためには、小売業の経営者が直面する多くの戦略的課題があります。例えば、急速に変化する買い物客の影響や行動のトリガー、人口動態の変化、COVID-19 などの世代別市場レベルの影響、主要な経済圏の景気低迷といった課題や、お客様対応とオペレーション業務を効果的に行うために、予測に基づいた洞察が求められる小売業の職種が一層増えていることなどが挙げられます。

アダプティブ分析戦略の重要な要素

AWS 小売業界全体で、幅広い手段で小売業者が成功を収めるための戦略的な柱として「インサイトを改善する」という概念を捉えています。これには場所およびチャネル固有の売上予測に加えて、カスタマージャーニー、マーケティングキャンペーン、パーソナライズされたオファー、製品の品揃えなどが含まれます。

グローバルな小売顧客や AWS リテールコンピテンシーパートナーと協力して革新的なインテリジェンスプラットフォームを提供するため、これらの重要な優先事項が小売分析プラットフォームへの投資を支える必要があることがわかりました。

クラウドベースのデータレイクから始める

アダプティブ小売分析プラットフォームの基盤は、単一でスケーラブルなクラウドベースのデータストアから始まります。データストアはストレージおよびコンピューティングリソースとは別にする必要があり、標準に基づいたデータ形式、ETL メソッドをサポートし、あらゆるタイプの分析処理（運用、リアルタイム、予測、ビッグデータなど）を可能にし、データセキュリティとプラットフォームガバナンスを管理する必要があります。データレイクのコスト効率が高い場合にも役立ちます。

AWS は、クラウドベースのデータレイクを開発および構築するための 2 つの主要なツールを提供しています。これらは文字通り、よく設計されたデータレイクにとって「必需品」です。

  • AWS Lake Formation — データソースとセキュリティポリシーを迅速かつ効率的に定義します。
  • AWS Glue — 名前が示すように、サーバーレスなデータ統合環境を提供します。

カナダの小売業者 Parkland は、デジタルイノベーションプログラムをサポートするために AWS クラウドデータレイク構築しました。同社は、データを使用して、パーソナライズされた顧客オファーでロイヤルティプログラムを最適化し、機械学習（ML）でリアルタイムで価格設定を調整する予定です。同社がコンビニエンスリテールとカスタマーエンゲージメントの将来を定義するための取り組みを加速する中、AWS のデータレイクは長期的な戦略の重要な要素です。

データソースの拡大と深化

クラウドデータレイク基盤を導入することで、リアルタイムのコンピュータビジョン、顧客の位置データ、IoT センサーデータストリーム、行動分析、天気予報、ソーシャルメディア投稿からの感情分析など、追加の運用データソースを活用できます。追加の情報を既存のデータソースと組み合わせることで、重要できめ細かい洞察を非常に迅速に得ることができます。

AWS は、小売業者がこれらの追加の情報から洞察を得るのに役立ついくつかの製品を提供しています。

  • AWS Panorama — オンプレミスのカメラでリアルタイムのコンピュータービジョンを有効にします。
  • Amazon Location Service — ロケーションデータをアプリケーションに安全に追加します。
  • Amazon Kinesis Data Streams — 数十万の IoT データストリームから 1 秒あたりギガバイトのデータを継続的に収集します。
  • Amazon Comprehend — ML アルゴリズムを使用したソーシャルメディア投稿の感情分析を行います。

利用可能な運用データの拡大することで、新しい段階の洞察や知見を得るための分析が可能となり、小売企業の顧客向けおよび関連付けを志向する分野の最適化がさらに進んでいくことでしょう。これには、製品ミックス、パーソナライズされたエンゲージメント、食品安全、デジタルコマース、エネルギー管理などが含まれますが、これらに限定されません。

AI/ML 駆動の自動化と分析をすべてのデータ指標に組み込む

豊富なデータソースを追加して運用データを強化したら、人工知能（AI）モデルと ML モデルを活用して分析ライフサイクルを自動化し、きめ細かい知見を迅速に発見できるようにする必要があります。詳細なレベルのインテリジェンスが分析プラットフォームとそのインサイトに統合されなければ、アダプティブ分析のビジネスへの影響と ROI を厳しく制限できます。

AWS では、次のようないくつかの AI/ML ベースのデータサービスを提供しています。

  • Amazon Forecast —時系列データを使用して予測を構築します。
  • Amazon Personalize — 製品の推奨事項、製品の再ランキング、カスタマイズされたダイレクトマーケティングなど、幅広いパーソナライゼーションエクスペリエンスでアプリケーションを強化します。
  • Amazon Fraud Detector — 不正検出プロセスを自動化します。
  • Amazon SageMaker — カスタマイズされた検出/予測モデルを設計およびデプロイします。

インドの小売業者 More Retail が AI/ML を在庫最適化戦略の重要な要素とした後、同社の予測精度は 27% から 76% に向上しました。

ペルソナ駆動のユーザーエクスペリエンスを提供

特に重要な洞察が ML のレコメンデーションによって導かれている場合は、分析の業務への適用が迅速になればなるほど、分析の作業に対するリターンが速くなります。つまり、店舗管理、サプライチェーン、財務、経営管理など、特定の小売ペルソナに合わせた実用的な情報を、可能な限りプロアクティブで摩擦のない方法で提供することを意味します。理想的には、主要な利害関係者がデータとその受信方法をパーソナライズできるように、データ配信機能は柔軟であるべきです。

AWS は、次の強力なビジネスインテリジェンスツールを提供しています。

  • Amazon Redshift — エクサバイトのデータを結合してクエリを実行します。
  • Amazon QuickSight Q — 自然言語の Q&A 処理を使用してデータを分析します。
  • Amazon Lex — 会話型 AI チャットボットを作成します。

本稿で紹介した内容はほんの一つの側面にすぎません。アダプティブな小売分析プラットフォームを作成して活用するには、他にも多くの要因、考慮事項、課題があります。とはいえ、本稿で述べた内容はブランドの差別化、顧客行動への影響、収益の増加を支援する次世代の小売インテリジェンスとインサイトエンジンを構築する際の基本的な戦略となります。

AWS が小売業の分析戦略にどのように役立つかについては、AWS の担当者にお問い合わせください。

著者について

Scott Langdoc

Scott Langdoc は、AWS において食料品チェーン、ドラッグストア、コンビニエンス/燃料販売セグメントの領域でグローバル戦略とソートリーダーシップを主導しています。彼のロールにおいては変化の速い小売企業がテクノロジーを使用して、変化する顧客の期待と市場のダイナミクスに対応する支援を行っています。Scott は AWS に入社以前も 30 年以上にわたってテクノロジー、市場調査、コンサルティングの分野で活躍し、小売企業のリーダーシップ役職も経験しています。

翻訳は Solutions Architect 金丸が担当しました。原文はこちらです。