Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

AI-as-a-Serviceが中小企業にも公平な競争をもたらす

私たちは「デジタルの力によって強化されるインテリジェンスの時代」に入りつつあり、多くの企業が、そこに驚異的な可能性を見出しているのではないでしょうか?

たとえば、コーヒーチェーンであるスターバックスでは、顧客が欲しいものを、欲しいと感じる前に予測できるように人工知能(AI)を利用しようとしています。また、報道機関であるAP通信社は、AIを利用して企業の四半期決算に関する記事を1年に数千本も「執筆」しています。コールセンターにはチャットボットが導入され、あらゆる言語の問い合わせを認識し、その応対に利用されています。企業は、幅広い分野にわたり、顧客の動向を事前に予測するためにAIを活用し始めています。

中小企業へのAIに関する価値とは

AIとは、システムが自然言語を理解し、画像を認識し、学習、予測、対応できるようにする技術の総称です。

Tata Consultancy Servicesによる調査によれば、一般的なイメージとは対照的に、AIリーダー達の考えるAIは「自ら走行する車、自ら掃除するバーベキューグリル、自ら補充する冷蔵庫」を指すのではないのです。

AIができることは、多くの基本的なタスクを自動化することで、業務を最適化し、顧客体験を向上させることです。

データサイエンティストであり、deepPiXELの事業成長を牽引する部門を統括するトルグト・ジャッバーリ(Turgut Jabbarli)氏は、企業方針に関する応対やパスワードのリセットといった例を強調し、AIによって現在人間が行っている処理の最大80%を軽減できると述べています。こうしたタスクをAIによって自動化することで、より効率的な処理が可能になり、従業員は、より付加価値の高いサービスに業務を集中させることができるようになります。

もう1つの例は、小売店が予測分析を活用し、販売スタッフを最も効率的に配置すること、または、インテリジェントなデジタルエージェントを活用し、顧客の要望に迅速かつ効果的に対応することです。これらは、「理想的な顧客体験」をもたらすためには不可欠であるという調査報告もあります。

こうした例は、特にリソースが不足している中小企業の共感を呼ぶかもしれません。しかし、このリソース不足こそが、AIが秘める可能性から中小企業を遠ざけている要因になっているのです。

AIという障害を乗り切る

AIのハードウェア要件は、決して些細なものではなく、AIを支える十分なITインフラを持たない企業は、その恩恵を受けることができません。

顧客の質問に最適な答えを出す場合も、必要な人員を正確に配置する場合も、AIシステムが意図された結果を生み出すには、特定のタスクをトレーニングさせる必要があります。そして、このトレーニングを十分に生かし、正確な予測に結び付けないとなりません。しかし、こうしたプロセスには本格的なハードウェアと専門知識が必要になります。

Googleは数年前、人間の顔と猫の顔を認識するようにAIシステムをトレーニングする実験を行いました。その学習プロセスには約16,000のコアプロセッサーが使われましたが、実際、このようなITリソースを自由に使える企業は多くありません。

また、データの問題、むしろデータの不足という問題があります。AIシステムの性能は、AIシステムをトレーニングするために使われるデータ量に依存します。SearchCloudComputingのシニアサイト編集者であるクリスティン・ナップ(Kristin Knapp)氏とSearchAWSのサイト編集者であるデヴィッド・カーティ(David Carty)氏は、「AIの価値は、注ぎ込むデータ量に比例する」とTechTargetの記事で強調しています。つまり、ITシステムの性能は、プログラミングを繰り返すのではなく、データを参照させることで、機械学習によって経時的に向上するものであると述べています。

ここでもまた、正確かつ効率的なAIシステムを開発し、トレーニングする上で、十分なデータを生成できないという現状が多くの企業の障壁になっています。

AI-as-a-Serviceでレベルアップする

クラウドサービスとしてのAI(AI-as-a-ServiceまたはAIaaS)が登場したことで、そうした問題が大幅に解消され、競争が公平になり、あらゆる規模の企業がAIを活用できるようになります。

クラウドモデルの明白な利点の1つは、コンピューティング負荷の高いAIジョブを実行するために不可欠な専用ハードウェアの調達、管理、保守の必要性がなくなることです。クラウドの場合、大きな設備投資の必要がなく、キャッシュフローにも比較的に負担をかけない支払いモデルを利用し、AIや他のワークロードのデマンドに合わせてリソースを容易にスケーリングすることができます。

AIaaSとしては、サービスプロバイダーが開発、トレーニング、チューニングしたアルゴリズムを備える、あらかじめパッケージ化されたAI機能だけでなく、通常の中小企業が利用できるものよりも、はるかに大きいデータセットへのアクセスも提供しています。

また、クラウドに常駐しているAIaaSにより、ソーシャルメディアや現在急成長しているオープンデータなど、クラウドソーシングによるデータを利用することもできます。たとえば、シンガポールのポータルサイトであるdata.gov.sgでは、政府機関が公開している約70のデータへのワンストップアクセスを提供しており、企業は、こうしたデータセットを利用することで、AI機能を構築、トレーニングすることが可能になります。

試験的に導入してAIの可能性を見極める

企業がAIを導入するにあたり、AIaaSを活用することで、大きな障壁をもう1つ乗り越えることができます。それは、AIにできること、できないことについての理解不足という障壁です。Thorn Technologiesの最高マーケティング責任者であるマイク・チャン(Mike Chan)氏は、「その技術に何ができるのかを理解していないなら、それを機能させることもできないでしょう」と指摘しています。

こうした点で、クラウドがAIに最適な理由の1つは、高い初期コストを必要とせずに、AIの検証を容易にするハードウェアやソフトウェアリソースを利用できることです。ナップ氏とカーティ氏は、Aragon Researchの主任アナリストであるエイドリアン・ボウルズ(Adrian Bowles)氏を引用し、「多くの企業が依然として機械学習、予測分析、自然言語処理といった技術の潜在的な使い道を探究している段階だ。この段階では大きな金銭的投資やリスクを伴わない検証環境が求められている」と述べています。

パブリッククラウドを試験的に利用することで、AIを低コストで導入し、AIアルゴリズムの実行や微調整に必要なリソースにアクセスし、AIにできることを確認し、そして「失敗するか拡張するか」いずれかの対策を講じることも可能になります。

現状を把握する

多くの企業は現在、予測分析から視覚情報処理、音声認識、翻訳にいたるまで、さまざまなサービスをAIaaSとして提供しようと先を争っています。また、マーケティング、農業、スポーツ分析といった幅広い分野で、特定のビジネスニーズに特化したAIaaSを提供するベンダーも生まれています。

クラウド上でAIを利用する事が可能になりつつある今、あらゆる規模の企業が、こうした技術を検証し、活用できるようになりました。この流れに遅れを取っている人が追いつくのは、今後ますます難しくなるかもしれません。

Appier編集部

WE CAN HELP

Letus know how we can help improve your marketing strategy

YOU MIGHT ALSO LIKE

Eコマースの消費者行動データを把握する方法

アジア太平洋地域(APAC)でのEコマース事業は世界市場の約半分を占め*1、その他地域を上回る成長率で拡大し続けています。この急成長には主に2つの理由が考えられます。インドネシア、ベトナムやフィリピンなどの新興経済国のEコマースの利用者数の増加、中国など成熟した市場での売上の継続的な上昇です。 2021年までに、APAC市場のEコマース売上高が3.5兆米ドルにも及ぶと予想されており*2、その80%にあたる約2.7兆米ドルがモバイルデバイスを介して行われることが期待されています。企業にとってアジア太平洋地域は非常に魅力的な市場です。今後参入する企業のマーケターは、すでに進出し地域内で実績のある他社との競争のほか、グローバル企業の行動にも注意を払う必要があるでしょう。 Eコマース大手のAlibabaやAmazonのおかげで、商品の「検索」から「購入」までを追跡するためのデータが大量に存在します*3。ある調査によると、東南アジアでは独特な消費行動パターンがあることが分かりました*4。Eコマースサイト訪問数は週末がピークでも、実際に注文が入るのは平日の営業時間です。シンガポールの場合、注文数が最高となる時間は平日の午後10時です。これらのデータから分析すると消費者は時間に余裕がある時に検索し、購入は平日に完了させることが分かります。 消費者の購入行動やその他の消費者に関するデータは様々なところから収集できます。しかし、単にデータだけではなく、他社との競争に勝つためにはインサイトの入手が重要です。人口知能(AI)を活用して、どのようにセグメンテーションし、関連性のあるキャンペーンでターゲティングできるか考える必要があります。AIを搭載したソリューション利用すれば、最良なオーディエンスを検出し、どのような効果的なキャンペーンをプラン企画、そして適切なチャネルでタイミング良く効率的にキャンペーンを実施できるかなど、より容易に判断することが可能になります。 データから効率的なキャンペーンの作成 AppierのAI搭載のデーターサイエンスプラットフォームAIXON(アイソン)は、導入企業サイトと他社サイトなど、複数のチャネルから収集したデータを統合、クレンジング、分析し、導入企業のマーケティングに必要なインサイトを抽出します。分析済みのデータから、見込み客を選定し、ブランド認知度の向上などの目的を達成するための効率的なキャンペーンを企画、設計することができます。 AIはデータを学習した後、データから特定のパターンを発見します。経験豊富なマーケターでも見つけることができないような隠れたパターンを見つけ出すこともできます。コンバージョン率を上昇するために、AIはユーザーの興味・関心を把握し、他社サイトやチャネルでの行動データを収集し、分析します。マーケターはそこから抽出したインサイトをキャンペーンに活用できます。精度高くセグメントされたデータを使うことで企業は数多くのユーザーを自社サイトに誘導させ、サイト訪問から商品購入までのジャーニーを効率的に管理することが可能です。 その他、AI活用の有用性が示されるのはタイミング管理です。精度の高い顧客行動の予測が可能のため、ユーザーの購入意欲が高まった時点でタイミング良く的確なキャンペーンを実行することができます。 この方法は、リエンゲージメントにも有効です。AIは、ユーザーが別のサイトへ移動する寸前の行動を特定することができるので、リマーケティングのために、ユーザーのお気に入りの商品に適用できる割引を付与するなど、適切なキャンペーンを迅速に実施することが可能です。 AIを搭載したソリューションは、キャンペーン実行前に、キャンペーンの質を分析することができるため、他社との競争を勝ち抜かねばならないマーケターにとってはこの機能があるだけでも有利でしょう。その他AI搭載のソリューションを活用することで、ユーザーのレスポンス情報を使ってコンバージョンの予測ができます。こうした最先端のソリューションを導入すれば、潜在的な類似オーディエンスを検出、そしてコンバージョン数と投資利益率の改善を実現できるのです。 アジア太平洋諸国のオンライン小売事情をより詳しく解説した、Appier 最新ホワイトペーパー「オンライン小売が生き残るには? 人工知能(AI)を武器にオンライン上の 消費者行動を把握し的確にリーチする」です。日本国内のみならず、アジア各国などビジネスの海外進出をお考えの事業者の皆さま必見の最新資料です。お客様のビジネスにお役立てください! 英語資料引用: *1 https://www.techinasia.com/talk/southeast-asia-ecommerce-potential/ *2 https://rakutenmarketing.com/en-uk/the-state-of-e-commerce-asia-pacific/ *3 http://www.lseemf.com/e-commerce-emerging-markets/ *4 https://www.techinasia.com/talk/southeast-asia-ecommerce-potential/ 今すぐダウンロード!

VIEW >

ユーザーの再訪問を強化する「リマーケテイング」には人工知能(AI)が有効です

突然ですが、世界中のEコマースサイトの平均コンバージョン率は約2.6%であることをご存じですか? この数字を大きいとみるか小さいと見るかは、皆さんの属する業界等によって違うかもしれません。Eコマースに限れば、これは、オンライン販売に大きな成長の余地があることを物語っています。この成長の余地を縮めるために一般的に行われている方法の一つが、リマーケティングです。 例えば、消費者Aが貴社のウェブサイトを閲覧し、靴を1足カートに入れたとします。ところが、何も購入しないでカートを放棄してしまう。しばらくしてこの人がオンラインサイトを閲覧していると、以前買うのを迷っていた靴を推奨する広告が表示され、貴社のウェブサイトに戻って購入を完了させるよう促されます。この広告は特典として値引きを提供するかもしれませんね。これが典型的なリマーケティングと言われる方法です。リマーケティングの目的は、興味関心がありながらコンバージョンに至っていない見込み客にリーチし、関連性の高いマーケティングメッセージでそれらを購入に導くことです。すでに商品に興味関心を示し、コンバージョンの可能性が高い消費者へのエンゲージメントを行うことにより、高い投資利益率(ROI)をもたらす事ができます。 このリマーケティングはこれまで広告施策の一つでしたが、最近の企業はEメールやアプリ内の通知によって買い物客にリーチし、関心を高める取り組みがで切るようになっています。それをもう一歩進め、今やAIが進歩したことにより、機械学習(ML)などの方法を活用して、リマーケティングをこれまで以上に精度高く実施できるようになりました。 より適切なターゲティングや関連性が高いメッセージほど、リマーケティングには有効だということが証明されています。多様なデータからAIを使ってターゲット顧客を見出したいのであればAIを使うことををお勧めします。 AIに基づくセグメンテーションでリターゲティングのパフォーマンスを向上 リマーケティングのベースとなっている従来のセグメンテーションマーケティングに際して、買い物客がログアウトした後は、適切な商品と消費者を結び付けるのは困難です。彼らの実際の興味関心やニーズを見定めるために、さまざまな興味関心やグループに関するデータをふるいにかける作業はさらに複雑です。一方、AIを使うと適切なユーザーのセグメンテーションをより容易に行うことができる。AIは、MLを利用してユーザーの購入履歴に関するデータを解釈し、将来の購買行動の予測に役立つパターンを特定することで、リマーケティング戦略の最適化を支援します。 例えば、Appierのプログラマティック・プラットフォームCrossXは、AIを活用したアドソリューションですが、ディープラーニングのアルゴリズムを使用して、何十通りものユーザー行動をリアルタイムで分析し、コンバージョンの可能性が高いユーザーを予測します。これにより、マーケターは最も購買の可能性の高いユーザーを優先的にターゲティングできます。 パーソナライズされたレコメンデーションでコンバージョンを推奨 MLは、ユーザーの行動分析と商品情報を統合して、パーソナライズされたレコメンデーションを作成し、コンバージョンの可能性を高めます。AIを活用してリマーケティング戦略を最適化するメリットは以下のようなものがあります。 実際の購買客をリターゲティングしてROIを向上 MLは、ショッピング(実際のコンバージョン)と検索(ウィンドウショッピング)を区別できるため、コンバージョンへの確率が高そうなユーザーのリターゲティングができます。かなりの時間をかけてインターネットを閲覧しているものの滅多に買い物をしないユーザーと、欲しい物がある時にサイトを訪問して購入するユーザーの、どちらをリターゲティングスべきかを教えてくれます。 ディープラーニングモデルを使用して、目まぐるしく変化する行動を把握 MLは、正確なレコメンデーションを行うために、ショッピングの行動パターンを特定し、その変化の予測します。例えば、消費者Bは数日間ダウンコートを閲覧していましたが、天候の急変で週末は暖かくなることが和待っているため、金曜日の夜にはTシャツを検索しました。AIは、消費者Bのショッピング行動が短期間のうちに変化したことについてのインサイトを見つめます。この情報をもとにマーケターは、Tシャツの購入を促し、即時購入の可能性を高めることができます。 購買客が実際に購入したいアイテムでリターゲティング 長期間にわたるユーザーの閲覧パターンから本気で購入する意思がある人と、インターネットで検索はしているが実際には興味関心のない人を区別することもAIは得意です。 顧客のショッピングジャーニー全体にわたり価値を提供 東京行きの航空券を予約したユーザーを例に説明します。従来のリマーケティングでは、さまざまな行き先のフライトのプロモーション用にターゲティングを行っていたでしょう。いままでだとプロモーションといえばチケットの値段の低さを訴求するだけでした。正しくターゲティングされていないままにメッセージを送っていたこともあったでしょう。ユーザーが東京行きのチケットを予約したなら、次の行動はホテルやツアーなどの比較検討をすることは容易に想像できます。そのようなユーザーの行動を先読みしてじっしするのが最新のリマーケティングです。 AIを使うと、ユーザーの過去の購入行動や複数のEコマースサイトのデータに基づいて、購入したいと思っている品物やサービスに関連性の高いレコメンデーションを行ったり、レコメンデーションで提示する商品数を増やしたりできます。マーケターは、ユーザーの意図に関する貴重なインサイトを生かし、機能やデザインなどが類似している商品を訴求することでユーザーをリターゲティングすることができます。 ユーザーが所有するすべてのデバイスにリーチし、購入を促せるので初回の訪問から購入に至る時間を短縮することができます。さらに、AppierのCrossXアドソリューションのようなAI搭載のプラットフォームを使うと、どのユーザーのどのデバイスに向けて、どういうメッセージでいつリーチすべきかというインサイトを入手することができるので、これまでは複数のアプリケーションを使い、複雑な作業が必要だった、デバイスを横断してのリマーケティングをシンプルにできます。

VIEW >

人間の学習能力を超えた
「深層強化学習」

今日、史上最年少プロ棋士の誕生で脚光をあびる囲碁ですが、囲碁のルールはシンプルなのに、とても奥の深いゲームです。棋士は囲碁を打つたび、2 x 10 の170乗におよぶ打ち手を検討します。経験豊かな棋士は、長年の対戦経験の中でどの手が有効なのかを学習していきます。これを強化学習と呼びます。(英語資料) 囲碁のプロ棋士同士の数千におよぶ対戦情報をAIに学習させると、AlphaGoが成し遂げたように、人間のトップランクの棋士を打ち破ります。これは深層学習によるものです。AIは数百万回の対戦データから自ら学習し、何通りもの対戦データを生成し、最も有効な打ち手を分析します。人間が学習するように、間違いと正解から、よりよい結果が出せるように打ち手を調整するのです。複数のAI同士で数百万回の対戦をさせれば、学習の規模も速度も人間の能力を大きく超えるレベルになります。 深層強化学習は構造の内部を深く分析します。囲碁の対戦と同様に、マーケティングにおいても深層強化学習で使われるAIは、これまでのキャンペーンに基づく分析に併せて、将来予測についても自らの経験の中で学習しており、戦略や活動目標を達成できるように支援します。 またキャンペーン中も学習を継続し、何が有効で、何が有効でないか考えることができます。収益性についても分析し、獲得リード毎のコストを低下させたり、より有益なユーザーをターゲットにするなど、将来のキャンペーンを最適化することが可能になります。 例えば、アプリのインストール数を最大化させるためのキャンペーンを検討しているとしましょう。あなたの目標は与えられた予算内でインストール数を最大にすることです。そして予算配分や入札価格などを決めていくことになります。AIは深層強化学習手法を使うことで、予算や市場環境を考慮し、最適なプラットフォームや入札価格、タイミングを提案し、あなたのマーケティング活動の最適化を支援します。また市場環境に変化があった場合には、マーケターが行うよりも迅速に対処することができます。 マーケティングでは複雑な人の行動を分析する必要がありますが、このような環境において、深層強化学習は理想的なツールといえます。間違いから学習し、迅速に最適化を導くところはとても優れています。       「ディープラーニングが自然言語処理に最適な理由」

VIEW >