小売業の需要予測をAIが実現!Forecast Techサービスまとめ

275

近年では、小売業における在庫管理や需要予測など、人に依存していた業務でさえ、AIで補えるようになりました。また、人材の代替になるだけでなく、AIを使うことで需要の予測精度が高くなり、無駄な在庫を抱えずに済むようになるのです。
この記事では、従来の小売業の姿とともに、AIが小売業にもたらす利点、需要予測についてお伝えします。

目次

  • 小売業が予測すべきこと
    • 来店予測
    • 在庫管理・受発注予測
    • トレンド予測
  • 小売業で重要とされる「需要予測」とは
    • 需要予測とは
    • なぜ小売業で需要予測が重要なのか
    • 需要予測により改善する小売業の業務
    • 商品ごとの需要予測が可能
    • 広告・宣伝量も予測可能
    • 購買行動を予測することも
  • AIの予測技術による需要予測サービス
    • 時系列データから予測
    • 人の行動から予測
    • 因果関係からの予測
  • まとめ

小売業が予測すべきこと

小売業は製品需要や消費動向に大きく左右されます。仕入れたものがいくらの値段でどれだけ売れるかは、需要と供給のバランスによるところが大きく、今までは過去のデータからの統計や、場合によっては長年培った人の勘で予測していました。しかし、近年AI技術の発展により、小売業が予測すべき需要の量が今までより少ないリソースで、なおかつ、より正確に予測できるようになる時代になりつつあります。ここでは、どんな需要が予測されるのか詳しく解説します。

来店予測
小売業にとって大事なのは、その日に何人の人員を売り場に配置するかです。余剰人員は無駄なコストを生み、人員不足は顧客を逃して店の円滑な運営を阻害してしまいます。
人員リソースを的確に配置する仕事は、今まで飲食店であれば店長やマネージャークラスの人間の仕事でした。人員配置をAIに任せると、過去のデータや天候、近隣の店舗情報などのビッグデータから、その日に来店する顧客の人数を予測してくれます。来店する顧客の人数が人工知能によって高い精度で割り出せれば、余剰もしくは不足人員を生むことなく人員リソースを適切に使うことができるようになります。

在庫管理・受発注予測
在庫管理において受発注での無駄やロスは特に削減したい部分の一つです。従来の人の経験や勘に頼った在庫管理・受発注の想定では、突然の事態に対応しきれないことや、分析に無駄な労力がかかることが課題とされていました。
例えば、悪天候や交通状況によって人の行動は変わるので、在庫管理や受発注予測は環境要因をいつも頭に入れて行わなければなりません。人が全ての要因を考慮に入れて予測を立てるのは難しく、表計算や統計ソフトを使ったとしても労力がかかってしまいます。
その業務をAIが代行することで、判断は極めて早く、正確性高い予測がなされます。AIに正確な予測を立ててもらうことで、ロスを減らすばかりでなく、人間が分析にかけていた時間を省力化することができ、業務効率化も期待できます。

トレンド予測
AIを使った需要の予測は、流行を予測する場面でも活用することができます。流行りの色や流行アイテムの着こなし方をビッグデータとしてAIに機械学習させ、今後のトレンドを予測することで小売店が入荷するアイテムを決めることが可能になります。
例えばSENSY(センシー)というサービスでは、流行するスカートの丈から靴下の売れ行きなど、従来では人の感覚でまかなっていたことも予測することができます。AIで服の流行を予測するニューラルポケットでは、売れ行きが期待できる服の傾向を、機械学習したAIが予測することで、ESG(環境・社会・企業統治)に配慮した倫理的で環境に配慮したエシカルな仕入れが可能になりました。

Shop for clothing,Clothes shop on hanger at the modern shop boutique

小売業で重要とされる「需要予測」とは

小売業では需要予測が非常に重要とされています。何がどれだけ売れるか、無駄な在庫をどれだけ減らせるかなど、小売業では常に大きな問題として立ちはだかっています。

需要予測とは
需要予測とは、市場において会社の財やサービスがどれだけ売れるか予測することを指します。予測する目的は、利潤を増やして会社の利益を最大にし、会社の次の投資へとつなげ会社を大きくしていく好循環に乗せるためです。
需要予測を行うことには、2つの目的があります。それは、純粋に売り上げを伸ばすことと、販売機会の損失による売り上げ減少を回避し、損を出さないためです。

需要予測は、以前はSCM(サプライ・チェーン・マネジメント)と呼ばれる方法で算出されていました。しかしSCMは「システム導入で必ず需要予測が当たる」と期待されすぎたため、失敗に終わりました。当時はAIほど大量のデータをシステムで扱うことができなかったので需要予測は失敗となり、「結局未来のことなど予想できない」とマーケターに悪いイメージを持たれてしまいました。
しかしAIの登場により、再度需要予測への期待は再び膨らみつつあります。
その理由の1つとして、AIがビッグデータを扱うことができることがいえます。
ビッグデータとは単にペタバイト級のデータを扱えるという意味だけでなく、さまざまな種類のデータを高い更新頻度で保持しつづけられるものです。一度作ったデータで需要予測をするのではなく、機械学習を続けることで精度を上げ続けることが可能になりました。機械学習を毎日続けていても、予測精度の急激な上昇は見込めませんが、データを少しずつ蓄積することで需要予測は徐々に精度を高めていくことが可能です。

なぜ小売業で需要予測が重要なのか
小売業で需要予測が重要とされるのは、無駄を極力省き利益を最大に増やすという理由があるためです。不良在庫を抱え続けると、小売業の業績は悪化してしまいます。

建設業などの非小売業でも需要予測は必要とされますが、小売業で特に需要予測が必要とされるのは、需要の予測ミスがロスに直結するためです。建設業であれば建築資材の鉄筋が余っていたとしても、その鉄筋を廃棄することにはなりません。しかし、食品関係の小売業であれば廃棄が発生し、服飾関連の小売業では売れなくなった服は最終的に処分されてしまうのが現状です。
また、食品ロスや服の焼却は環境課題としても問題視されており、極力なくす方向へ社会全体がシフトしています。需要予測によって不必要な在庫を抱えずに済むようになれば、企業の社会的責任も果たせる上、利益の損失も最小に抑えられるようになるのです。
逆にいえば、品物が店にない「機会ロス」も需要予測の精度が上がれば減らすことができ、必要なときに必要なだけ在庫を持つことができれば、小売業は最小の労力で最大の成果を出すことが可能になります。

需要予測により改善する小売業の業務
需要予測によって、小売業の業務には変化が出てきています。
近年は、多様になった買い手のニーズを予測し、的確なコミュニケーションを行うことで廃棄ロス・機会ロスを減らすことにつなげる企業が現れました。商品ごとの需要予測、広告・宣伝がどれだけ必要かの予測、購買行動の予測をAIが行うことでどのような変化が起こったのかを解説します。

商品ごとの需要予測が可能
商品ごとの需要予測は、商品の企画・製造の段階から行われます。仕入れ前の段階、仕入れの段階と何度も需要予測は行われますが、一般的に予測する時点が未来であればあるほど予測は難しいとされています。
AIを使った需要予測のアプローチでは、過去のトレンド、商品が販売されてからどれほどの時間が経っているか、商品の割引率、商品がどこに配置されているかなど、さまざまな種類のデータを考慮して機械学習が行われるのが特徴です。その結果、どこに・どの商品が・いくらの値段で売られていれば最適かをAIが算出し、商品ごとに需要予測を立てることができます。

広告・宣伝量も予測可能
広告・宣伝にかける期間や料金、メディアへの露出度がどれだけ必要かもAIで予測可能になりつつあります。実店舗ではフライヤーをどれだけ撒くか、またCMを何度流すかなどもAIにより決定することが可能になります。
eコマースではリスティング広告、動画広告、ソーシャルメディア広告などのWEB広告が現在の主体として使われています。
実店舗、eコマースどちらにせよ、マスマーケティングではどれだけの広告を出稿したら1番効果が高いのか予測しづらいという問題がありました。そこでAIに、媒体ごとの出稿量を変数として学習させることで最適解を探すように行動させました。その結果、出稿量を変数とした売り上げのシミュレーションにより、費用対効果の最も高い広告の出稿パターンを導くことが可能になったのです。

購買行動を予測することも
AIは顧客の購買行動を予測することも可能です。
顧客1人ひとりの過去の行動をデータとして読み込み、学習させて今後の商品展開や必要な商品の量を調節できます。
従来のように「20代から34歳までの女性(F1層)」などの大きなセグメントでしか分析できなかった購買行動では、同じ20代女性でも好みが違えば全く行動も異なることがありました。購買行動が異なるということは、同じ物を売ろうとしても同じようには売れないということです。AIによって顧客1人ひとりの過去の購買行動を蓄積・学習することで、セグメントのようなマスではできなかった精度の高い予測を立てることが可能になりました。
このようにして、AIは顧客1人ひとりにフォーカスしたマーケティングや広告露出、商品の陳列の仕方まで費用対効果の最も高い方策を提案してくれます。

AIの予測技術による需要予測サービス

AIによる需要予測サービスは、すでに複数の企業から提供されています。サービス毎に視点が異なり、時系列データからの予測、人の行動からの予測、因果関係からの予測など、様々な観点で予測されます。
今回は、それぞれの予測観点から生まれた3つのサービスをご紹介します。

時系列データから予測
「SONY(ソニー)」や「Amazon(アマゾン)」が行っている需要予測サービスは、時系列データに基づいて算出した予測データを用いています。

例えばAmazonは「Amazon Forecast(アマゾンフォーキャスト)」というオープンソースサービスを提供しています。Amazon Forecastでは、Amazon.comが蓄積してきた世界185ヵ国、年間10億回もの取引データによって、精度の高い需要予測を行っています。
オープンソースプログラムなため、誰でも自由にサービスを利用することができる特徴がありますが、その中でも特筆すべきは深層学習についての知識があまりなくてもサービスを利用できる点でしょう。Amazon Forecastは過去の売り上げデータなど、時系列のデータを変数として需要予測を行います。変数には時系列データのほか、店舗や販売している都市・地域やどういった経路で販売しているかも含めることができます。さらに、時系列ではありませんが、需要と供給のバランスで価格が変化することや広告を打ったときの反応も反映されています。

SONYは、AIによりタクシー需要がどこにあるのか解析し、適切な場所にタクシーを配置するサービスをはじめました。タクシー配車の最適化は、売り上げロスをなくすだけでなく、環境負荷を減らすことにもつながっています。

人の行動から予測
人の行動から需要予測を行っているサービスが「SENSY(センシー)」です。SENSYは顧客が購買行動を起こす際の、裏にある「想いや嗜好性」を感性としてAIに学習させます。そこから「個」の顧客情報を導き出し、誰に、何のアイテムを、いつ、どんな切り口で、どのような環境にいるときにおすすめすればいいかを導き出すことができます。

つまり、購買者を予測するだけでなく、購買者がどんなコーディネートで服を買っているのかまで予測することができます。(SENSYのインタビュー記事はこちら

因果関係からの予測
ものごとの因果関係を元に需要予測を行っているサービスが「xenoBrain(ゼノブレイン)」です。因果関係を元に需要予測を行うとは、ある経済動向などが将来にわたってどう影響を及ぼすか予測することです。過去の膨大なニュースのデータを解析し、そのニュースが経済動向にどう影響するか、そしてそれが需要にどれほど影響するか、バタフライエフェクトに近いところまで予測することができます。
簡単な例を出せば、中国で新型肺炎が流行したというニュースは日本の物流にも波及しています。肺炎の影響で中国国内の生産ラインがストップした影響で、日本でさまざまなものが品薄になりつつあります。その肺炎と日本の品薄の因果関係から需要予測を立てようというのがxenoBrainの行おうとしていることです。

まとめ

今回は、小売業が成長するためにはいかに適切な量の仕入れや宣伝を行うか、適切な場所にものがあるかが大きな鍵となることをご紹介しました。
2020年以降、需要予測をAIによって行う企業は爆発的に増えていくでしょう。人の手を煩わせずに適切な在庫を持つことが可能になるこのAI技術は、数年後には小売業界のスタンダードになっているかもしれません。