logo

テキストに込められた思いを解析するAI「KIBIT」--FRONTEOのマーケティングとは - (page 3)

  • このエントリーをはてなブックマークに追加

KIBITで顧客の声や好みを解析

 次は「顧客を惹きつける」効果を狙った事例だ。ウェブサイトでの会員登録者の好みを読み取り、最適な情報を提供することで関係性を継続、および深化させ、再訪や購入につなげる目的だ。

 導入したのは書籍販売の会社。会員制のウェブサイトを持つ。会員が「好き」な本を選ぶと、その本のレビューコメントをKIBITが解析し、好みを推測。好みに近い書籍を理由を添えて会員にリコメンドする。理由の文章はAIが自動生成する。

 「好みにもとづくリコメンドというのは、協調フィルタリングとは違う。相関分析ではなく、定性コメント解析だ。この導入事例では、ウェブサイトに訪れた会員の購入率が2ポイントほど上がったことが確認できている。KIBITを活用したリコメンドは、中古車販売、婚活マッチング、ニュースサイトでの記事掲示などでも行っている。スペックだけではなく、雰囲気や感覚が決定に影響する領域にこそテキスト情報の解析による好みの抽出・活用が有効」(山岸氏)。

 続いて紹介したのは、せっかく会員となった顧客が、解約・退会していくのを防ぎたいというサービス業の「離れそうな顧客を見つけ出して引き留める」事例だ。退会済みの会員データを教師データとし、入会時の面談やメールなどのコミュニケーション履歴をAIに読み込ませる。そして多くの会員の中から退会リスクのある人を抽出し、退会してしまう前にサポートスタッフが個別にフォローすることで不安や不満を解消し、会員の離脱を防ぐ。

 「検証した結果、退会する2〜3カ月前のメールに退会の予兆が表れていること、さらに、退会の理由が『話を聞いてもらえない』『押しつけられる』『聞いていた話と違う』であることが把握できた。これにより、離脱者の約5割を事前に検知し、退会前にフォローすることが可能となった。月会費制の事業者だったので、売上げに直結している『退会数』を減らすことができた」と説明した。

 最後は「顧客の声をフル活用する」アパレル企業の事例が紹介された。この企業はウェブサイトの問い合わせやコールセンターに寄せられる音声をテキスト化し、日々蓄積される数千件の"お客様の声”を活用しようとしていた。

 当初この企業では、テキストマイニングツールによる仕分けを行っていたが、クレームであっても感謝であっても同様のキーワードが含まれているなど、キーワードレベルでは内容判別が難しく、精度の高いカテゴリ分類はできていなかった。

 そこで、複数チャネルから膨大に集まる「お客様の声」をKIBITに自動的にインポートし、自動で分析、分類、スコアリングを実行する仕組みを提供した。分類後のデータは、定期的に各担当部署に配布、活用している。

 KIBITの分類精度は、抽出上位50件の正解率で検証。設定した各項目を高精度で分類できていることを確認。人が膨大な「お客様の声」を分類する必要はなくなり、問題提起、問題解決する方に時間を割けるようになった。

 山岸氏は、「定量データでの解析は当たり前だが、そこに定性(テキスト)データの解析を組み合わせることにより、より精緻、または相手にとってフィットした情報でOne to Oneマーケティングへ近づけられる」と、KIBITによるテキスト解析の重要性を説明。最後にKibiroが「ご清聴いただきありがとうございました」と話し、講演を締めくくった。

CNET Japanの記事を毎朝メールでまとめ読み(無料)

-PR-企画特集

このサイトでは、利用状況の把握や広告配信などのために、Cookieなどを使用してアクセスデータを取得・利用しています。 これ以降ページを遷移した場合、Cookieなどの設定や使用に同意したことになります。
Cookieなどの設定や使用の詳細、オプトアウトについては詳細をご覧ください。
[ 閉じる ]