最新のAIを活用したエリアマーケティングソリューション
エリアスコアリング
既存エリアの実績データと地理統計情報等を組み合わせAIモデルを構築し、実績のない未知のエリアのポテンシャルをスコアリング。説明可能なAIとの組合せやTableauによる可視化など分析結果を解釈しやすく提示し、意思決定へとつなげる。
エリアマーケティングに限界を感じている方々へ
エリアマーケティングの一環としてGISを試しはしてみたものの、分析結果を読み解くことが難しく上手く活用することができない...とエリアマーケティングに限界を感じている方々がいます。
そんな方々に向けAI時代の新しいスタンダードなエリアマーケティングサービスを開発いたしました。
① エリアのポテンシャルをスコア化
統計データからモデルを作成することで独自アルゴリズムによってエリアのポテンシャルをスコア化することができます。
② 新たなデータ同士の関係性の発見
観測データから変数間の因果構造と関係を見出すことができるためデータに対する新たな示唆を得ることができます。
③ AIの予測根拠を解釈可能に
ブラックボックスであるAIモデルの予測についてどのような根拠でその予測に至ったのかを解釈することができます。
④ スコアリングの結果を見やすく可視化
従来のGISツール同様にエリアの特性を可視化し、併せてスコアリングの結果をわかりやすく地図上に表示することができます。
エリアマーケティングの可能性を拡げる
AreaScoring
エリアスコアリング
エリアスコアリングとは？
出店計画などで未知のエリアに新規出店した場合にどのくらいの客数や売上が見込めるのか、未知のエリアのポテンシャルを知りたいというニーズに応えるために未知のエリアのポテンシャルを数値として可視化。つまりスコアリングすることで出店計画や店舗分析に活用していくサービスです。
エリアスコアリングの仕組み
まず既存の店舗のあるエリアデータを学習させてAIモデルを作成します。そのAIモデルに知りたいエリアの国勢調査などの統計データを入力することでそのエリアでの売上や来店客数の見込みを予測したり、
そのエリアのポテンシャルを独自のアルゴリズムによりスコアとして可視化したりすることができます。
未知のエリアでもAI予測
モダンなAIを活用することで本来知り得ない未知のエリアに対しても来店客数や売上をランクとして予測しスコアをランキング表示させることでエリアのポテンシャルを測り、どのエリアに新規出店すればいいか絞りこむことができるようになります。
エリアのポテンシャルを定量化
エリアに対して独自のアルゴリズムで定量化することができ、スコアが上位のエリアを抽出することで出店計画や優良店舗分析に活用することができます。
データの理解を深めるために
Discovery
ディスカバリー(因果探索)
Discovery(因果探索)とは？
因果探索とは入力されたデータの様々な変数の間にある因果関係とそれぞれの関係がおりなす因果構造を統計的に推定する手法のことです。因果探索を行うことで売上や来店客数という結果の裏にどんな原因が隠されているかを明らかにすることができます。
データ構造を理解した上でAIモデルを作成するための根拠とすることができ、統計データから目的とする変数により関わりが深い変数をピックアップすることができます。モデル作成の段階でどうしてその変数を選んだのか、その根拠として因果探索を活用します。
因果構造と因果の強さの定量・可視化
観測データから因果探索を行い、変数間の因果関係と因果の強さを因果グラフに整理し、定量・可視化することができます。
新たな因果構造の発見
相関分析だけでは見えてこない複数の変数を跨ぐ関係性を導き出すことができ、データに対する新たな示唆を得ることができます。
膨大な統計データから重要な要素を抽出
因果探索を行うことで重要な説明変数をピックアップでき、より精度の高いエリアスコアリングモデルを作成することができます。統計データは膨大な種類に及ぶので必要な変数をピックアップできることは因果探索の強みになっています。
AIの解釈性と分析の納得感を得るために
Explain
エクスプレイン(SHAP)
Explain(SHAP)とは？
Explain(SHAP)とはAIモデルの予測結果に対する各変数の寄与度、つまり貢献度を求めるためのツールです。AIモデルの予測結果からどの変数がより重要だったのかを数値として可視化することができるので、ブラックボックスとなっているAIの予測結果に解釈性をもたせることができるようになります。
Explain(SHAP)を使わない場合はAIが予測結果としてこのエリアにはこれくらいの来店客数がありますよ、と予測をしてもどうしてこのような結果になったのかがわかりません。
Explain(SHAP)を利用するとAIが出した予測結果に対して各変数の貢献度を数値化してくれるので予測結果を解釈しやすくしてくれます。
AIモデルによる予測結果を解釈
なぜその予測結果に至ったのかを各変数の貢献度で確認できるため、どの変数が予測に重要なのかを把握でき、特に重要な変数がわかればスコアが上位のエリアの特徴を掴むことができるようになります。
仮説やストーリーを組み立てやすく
予測結果の解釈ができるようになれば、因果探索の結果と照らし合わせるなどして多角的にエリアを分析し、実際の出店計画や店舗分析に対しての根拠にすることで仮説を立てるなど、今後のアクションにつなげるためのストーリーを組み立てやすくなります。
BIツールによるエリアデータとスコアリングの可視化
DashBoard
ダッシュボード(tableau)
BIツールによるエリアデータの可視化
従来のGISと同様にエリアデータやエリアスコアリングの結果をマップ上に可視化することができます。また、スライス・ドリルダウン機能を搭載し、よりわかりすく分析結果を確認することができます。
GIS + AIによる新たなスタンダード
最新技術であるモダンなAIに加え因果探索やSHAPによる解釈性を従来のGISにプラスすることでAI時代におけるスタンダードとなるエリアマーケティングツールとしての価値を生み出します。
- HOME
- PRODUCT SERVICE
- エリアスコアリング
© soda Inc.