AIAIで経営課題を解決する

ニーズ別

各部署ごとの事例をご紹介

営業・マーケティング系

有望顧客リスト作成モデル

  • 購買履歴、属性等から、同じ特徴を持つ似たもの同士のグループに分類。
  • 高収益を上げる有望顧客リストを作成。
  • 有望顧客層とそれ以外の層で営業手法を変えることで売上増が図れます。
  • グラフでは、商品Aを売りたければクラスター3に営業を集中、商品B・Cを売りたければクラスター2に営業を集中する。クラスター1に営業をしてもムダ。
  • このように似たもの同士に分けると「打ち手」が明確になります。

成約率向上モデル

  • 購買履歴、属性等を説明変数、成約したしないを目的変数としてモデルを作成。
  • 実際に成約した先を成約すると予測した件数、実際に失敗した先を失敗したと予測した件数を予測するモデルを作成、その精度は70%。
  • つまり、成約すると予測した先に営業した場合、70%の確率で成約できる。
  • 従来のように無作為に営業した場合の成約率は17%であったが、それが70%までに上昇。
  • このモデルに新たな顧客データを入れて予測することで営業効率を上げる事が出来ます。

文章分析

  • 文章を数値化すると以下のようなことが出来ます。
  • ネガティブ・ポジティブなどの感情分析。
  • 頻出単語、頻出組合せ単語トップ10などを出力。
  • このように文章を数値化することで、数百以上あるレビューサイトやアセスメントを。
  • このモデルに新たな顧客データを入れて予測することで営業効率を上げる事が出来ます。

企画・管理・人事系

信用リスクモデル

  • 取引実績や財務データなど複数の説明変数から、新たな格付けモデルを作成。
  • このモデルにより、低格付け先は取引を縮小し、高格付先は積極的に攻める体制を構築できます。

人事異動最適化

  • 希望が叶わなかった社員の不満を最小化するモデルを構築。
  • 会社全体で異動に関する不満を最小化することで、モチベーションを最大化することが出来ます。

異常検知

  • 正常データと異常データから異常を検出するモデルを構築。
  • 多くのデータ、多くの変数をモデルに組み込み、正常か異常かを判断することが出来ます。

業種別

BtoC、BtoBごとに事例をご紹介

BtoB企業

  • 販売代理店活性化
    代理店ごとの販売実績等の特徴を分析、代理店
    代理店ごとに提供する情報を変え、売上を増やす。
  • リコメンド
    売れ筋商品が売れる因子を分析し、売上に与える影響要因を見つける。

BtoC企業

  • 購入確率予測
    購買履歴や属性から購入確率を予測し、効率的に売上を上げる。
  • 顧客分類
    購買履歴から顧客の嗜好を分析し、顧客層にあった施策を打つ。