マーケティングやSalesforce関連の記事を書いています。

「デジタルマーケティングカンファレンス2017 spring」において、ＩＤＯＭの中澤氏は、ＡＩ導入の失敗の原因は、ビジネス課題を解決するためのＡＩではなく、いつの間にかAIありきで考えるようになってしまっていたことだと語った。ＡＩをマーケティングでどう活用すべきかと考える人が多いが、ＡＩは課題解決の一つの手段でしかないのだから、 本当にＡＩが最適な解決手段なのかを立ち止まってよく考えなければならない。 ツールの使い方を考えるのではなく、まず最適な課題解決を考えるべきであると語った。

ＡＩにしてもＭＡにしてもＤＭＰにしても同じである。ＡＩを使う必要は必ずしもないのである。ＡＩが必ず課題解決してくれるわけではないという少し冷静な視点で考えなければならない。これはＡＩに限らずなんでもそうなのだがいつのまにか忘れてしまうことである。

このセッションでは、大きく３つの失敗事例が紹介された。

の３本である。どの事例もＡＩをいかに活用しようかと考え始めたけれど、実はそれって本当は必要ないねとか、そこまでお金をかけなければならないことじゃないと途中で気づきＡＩ導入を取りやめたケース・事例であった。

「車両レコメンドＡＩ」とは、来店したお客様の定性情報をもとに営業マンにお客様が好みそうな車両をレコメンドして成約率を高めようとするものである。このＡＩでは定性情報としてレビューテキストから感情を予測し最適な車両をレコメンドするものだったそうだ。例えば、レビューテキストである車種に対してどのような気持ちを表現をしているのかを分析して、車種と感情を結びつけたのである。その結果として、お客様から得た定性的な情報から好まれる車種を特定するというものであった。

このＡＩの精度は非常に高かったそうだ。営業マンの経験則でも適切な車種をレコメンドしていると感じられた。自信をもって運用していたものの、ある日部下が一つのエクセルを持ってきたそうだ。そのエクセルは、こんな人にはこんな車種をお勧めするべきという内容が記載されたものだったそうだ。まさにＡＩでやろうとしていることがエクセルで実現できていたのである。しかも、エクセルの内容の方が少し精度が高かった。

また、ＡＩの場合は運用コストが非常に高かった。しかし、エクセルは殆どコストをかけずに精度を上げていくことが出来た。そんなわけで「車両レコメンドＡＩ」は失敗に終わったのであった。

このＡＩの失敗の原因は、このＡＩで何が出来るのか？ということに意識を集中してしまったために、課題を解決するためにＡＩが最も適切な方法であるかどうか検討をしなかったことだと中澤氏は語った。ＡＩはあくまで手段の一つであり、必ずしもＡＩが最適な手段となるわけではない。もっと効果のある方法でしかもコストを抑えることが出来る手段があればビジネス上そっちの方がいいに決まっているのである。ＡＩをどう活用するかという検討の前に必ずＡＩが最適な手段なのか？ほかにもっと良い方法はないのか？という視点で考えなければならないのである。

ＡＩチャットボットも同じような理由で実施する前に見送ったそうだ。というのもクルマの営業ではチャットボットでよく見られるようなタスク型で絞り込んでいくやり方ができなかったからだ。ＡＩは、大きな質問から始めて徐々に本当に知りたいことを絞り込んでいく方法をとる。しかし、クルマの営業というものは、お客様の発言の意図を膨らませていく必要がある。例えば、初老の方が大きな車が欲しいと言って来店されたとき、ＡＩだとワンボックスなどをお勧めすることになるが、クルマの営業では、なぜ大きなクルマが欲しいのかを聞く。その質問にお客様がクルマの運転が疲れるからだと答える。このような場合、お勧めすべきはセダンである。実際、ワンボックスを試乗すると何か違うといって買わないが、セダンを試乗すると「こういうのが欲しかった」と言ったりするのだそうだ。

しかし、ＡＩではこのようなお客様の発言の意図をくみ取って提案することは難しいそうだ。ある会社に実現出来ないかどうか聞いてみたところ1億から2億かければできる「かも」しれないと言われたそうだ。そんなことに２億かけてもかけたコストに対するリターンは期待できない。

また、ＩＤＯＭではトークスクリプトを毎日のようにＡＢテスト的に試行錯誤を繰り返しており、そのトークスクリプトの精度を上げることで成約率を5倍にした実績を持っているそうだ。人の訓練という手段の方がコストも安く精度が上がるのである。だから、ＡＩチャットボットは導入することを見送られた。

有望見込顧客判別ＡＩとは、購入まで至る可能性が高いお客様かどうかをＷｅｂ上のアクセス履歴や入力データなどから判別していくＡＩである。これにより効率的にお客様へ対応することが出来るというものである。このＡＩが見送られた要因は、かけるコストに対して効果が見えないことだった。有望見込顧客を見つけるための特徴量を今あるデータで導き出せるかどうかわからなかったからだ。

ＡＩは大量なデータを処理することで特徴量を見つけ出すことが出来る。しかし、データ量が少ない場合その精度は下がる。ＩＤＯＭの場合、データが少ないことが分かっていたためにＡＩを導入することで特徴量を見つけ出せるかどうかが不明確だったそうだ。ＡＩの会社からは最低でも「5000万レコード」は必要と言われたそうである。ＡＩで特徴量を見つけ出すには「色々な条件が必要」なのである。

多くの会社がＡＩに夢を持つが、実際にＡＩで成果につながる特徴量を導き出せるのは条件が整った一部の会社だけなのだろう。業種によってはＡＩを導入しても意味はないのだと感じた。もし、ＡＩ導入を検討しているのであれば、社内にどれだけのデータが存在するのかを確認した方がよい。データが少ないのにＡＩを導入したところで精度は上がらないのである。

また、社内データをＡＩが読み込めるようにデータ連携開発が必要になる。住信ＳＢＩネット銀行の記事でも書いたが、データは綺麗でないと精度が落ちる。そのためのデータ整備と連携開発には非常に大きなコストと時間と人材が必要になるのである。そのようなコストを鑑みても十分に成果を期待できるのであれば導入すべきなのだと思う。

ＩＤＯＭでは、失敗事例を中心に話があったが、しかしこれだけのことを実践しているという点において非常に進んでいると感じた。ＡＩ導入を経験しているからこそＡＩを上手く活用するための知見があるように感じた。きっとＩＤＯＭはこれらの経験を土台にしてＩＤＯＭにとって最適なＡＩの活用方法を見つけるのだと思う。やはり、ＡＩという最先端技術はやってみないと分からないことが多くあり先行して挑戦している企業ほどうまく活用するのである。