配信もレコメンドも、
ひとつのAIが判断する。
誰にどのチャネルで送るか、どの商品を見せるか、どこで分岐させるか。
これまで担当者の経験と勘に委ねられてきた判断を、過去のデータをもとにAIが自動で行います。
配信でもレコメンドでも、同じ仕組みが働いています。
配信やレコメンドの判断を、AIに任せられる。
メールとLINEのどちらで送るか、何時に送るか、サイトでどの商品を先に見せるか。
AI Automationは、これまで担当者が決めていたこうした判断を、b→dashのAIが顧客ひとりずつに合わせて行う機能です。
判断の材料は、b→dashに集まっている配信実績・購買履歴・属性・閲覧行動です。
配信後の開封やクリック、サイトで見られた商品もAIに戻り、次の判断に使われます。
データを学習する
2最適な施策を決める
3施策を自動で実行する
4反応結果を学習する
配信実績
購買履歴
属性
閲覧行動
女性
20代
AI
どのチャネルで
いつ配信するか
何を見せるか
8:00
13:00
20:00
配信
20:00
LINE
サイト上の表示
開封率
28.6%
▲ +5.2%
クリック率
7.3%
▲ +1.1%
閲覧商品
12.4%
▲ +2.8%
次回の判断へ
1データを
学習する
2最適な施策を
決める
4反応結果を
学習する
開封率28.6%
3施策を自動で
実行する
開封・クリック・購入の結果から、
AIが次の打ち手を変えていく。
たとえば、メールを開かなかった顧客には次回はLINEで届け、サイトではクリックされた商品に近いものを先に表示する。
メールのチャネル選択もサイトのレコメンドも同じAIが判断しているため、片方の結果がもう片方の判断にも使われます。
-
学習
過去データからの学習
配信実績・属性・購買履歴から、
成果につながる判断を導く -
反映
リアルタイム反映
いま見た商品やカートの中身を、
その場の判断に反映 -
蓄積
継続的な精度向上
配信やレコメンドの結果を学習し、
次の判断を更新 -
検証
自動テストによる最適化
複数パターンを自動で出し分け、
成果の高い方へ切り替え
のAI過去データからの学習
過去の配信実績、年齢や性別といった顧客の属性情報、購買日や商品カテゴリといった購買履歴をAIが読み解きます。どの顧客にどう届ければ成果が出るのかを、担当者の経験ではなく蓄積されたデータから判断します。
配信実績/属性情報/購買履歴を判断材料に使用- 担当者の経験や仮説に依存しない
- 設計者による成果のばらつきが起きない
鈴木 花子
顧客ID：C-12345
年齢
32歳
性別
女性
会員ランク
ゴールド
地域
東京都
好みのスタイル
きれいめ・上品
購入履歴
トレンチコート
2024/03/12
¥19,900
レザーショルダーバッグ
2024/02/18
¥12,800
ビットローファー
2024/01/28
¥9,900
おすすめチャネル
おすすめ時間
おすすめ商品
おすすめ施策
メール アプリ プッシュ通知20:00ごろ
ボウタイブラウス
¥8,900
おすすめ
¥24,800
¥6,800
新作コーデ提案
春の新作アイテムを使った
コーディネートをご提案します。
リアルタイム反映
閲覧、クリック、カート追加といった最新の行動をリアルタイムで反映し、その時点の興味関心に合わせて判断を更新します。過去の履歴だけで決めないため、事前に想定したセグメントに縛られることがありません。
- 直前の行動をその場で判断に反映
- 購買意欲の変化を捉えた提案
- 行動ログのない初回訪問者にも対応
閲覧中
スニーカー
おすすめ (シューズ)
リアルタイム更新中
おすすめ
ランニングシューズ
厚底スニーカー
メッシュスリッポン
レザースリッポン
閲覧中
ブラウス
おすすめ (ブラウス)
リアルタイム更新中
おすすめ
ボウタイブラウス
バンドカラーブラウス
フリルブラウス
ストライプブラウス
継続的な精度向上
配信やレコメンドの結果はそのままAIに学習され、次の判断が更新されます。最初から完成された状態を用意する必要がないため、運用を続けながら成果が伸びていく状態をつくれます。
- 実績が蓄積されるほど判断の精度が向上
- 嗜好や行動の変化に応じて自動で調整
- チューニングのための工数が発生しない
配信結果
開封率
28.6%
クリック率
7.3%
レコメンド結果
お気に入り
842
カート追加
312
行動変化
購入率
4.1%
リピート率
21.3%
AIが学習
1回目
学習後
最適化後
精度UP
自動テストによる最適化
ロジックや表示内容を自動でABテストし、クリック率やCVRといった成果をもとに効果の高いパターンへ切り替えます。テストの設計も結果の判定も人が行う必要がないため、担当者は改善のたびに設定を見直す手間を省くことができます。
- ロジックと表示内容を自動でテスト
- 成果に応じて自動で最適化
- テスト設計と判定の工数が不要
おすすめパターンA
リラックスブラウス
¥6,490
トートバッグ
¥8,830
レザーパンプス
¥12,100
シアーカーディガン
¥6,930
クリック率
購入率
¥売上貢献度
WIN
おすすめパターン Bが選ばれました
トートバッグ
¥8,830
レザーパンプス
¥12,100
フレアスカート
¥7,590
リラックスブラウス
¥6,490
導入事例
膨大な決済データから
最適な「寄り添い」を導き出す
究極のパーソナライズ戦略
導入の背景
膨大な会員データを活用した細かなセグメント配信を実現する一方で、データ抽出や施策設定に多くの工数が発生していた。より迅速かつ継続的なパーソナライズ施策を推進するため、b→dash を導入。
購買/サイト訪問データを
ノーコードで統合し、
CV数/送客率の増加を実現
導入の背景
店舗 / ECサイト6カテゴリの顧客 / 売上 / 訪問データを統合して分析 / 施策に活用したかったが、データ統合にSQLが必須で外注が必要となり、手間とコストが課題となっていたところに、b→dashを導入。
東武グループ共通ポイント
「TOBU POINT」のデータ統合で
精緻なCRM強化を実現
導入の背景
複数事業の顧客/購買/PASMOデータを統合した分析を実施したかったが、CDPツールの活用にSQL知識が必須で、社内エンジニアや外部SIerへの依頼コスト・工数が課題となっていたため、b→dashを導入。
全社でデータドリブンな
PDCAサイクルを構築し
1クリックでデータ抽出を実現
導入の背景
オムニチャネル推進に向けOne to Oneアプローチを実現したかったが、データ可視化の基盤がなく、顧客属性別の分析に数日を要するなど工数が膨大で、少人数の販売部では対応しきれない状況が続いていたため、b→dashを導入。
ノーコードで
データ収集/統合/加工を実現し
メルマガ開封率10%改善
導入の背景
約70万人の会員データを活用したきめ細かいアプローチでLTV向上を目指す中、データの収集 / 統合 / 加工にSQL知識が必要で、施策実行までに工数がかかり、データドリブンなマーケティングを実現するため、b→dashを導入。
よくある質問
-
「AI Automation」は AI Engagement / AI Personalization といった機能に組み込まれた自動判断エンジンで、それぞれの機能とセットでご利用いただけます。配信のチャネル選択・タイミング判定・シナリオ分岐、サイト上のレコメンドや表示パターンの最適化など、すべて同じ機械学習の仕組みが判断しています。
-
AI Driven CDP に蓄積された配信実績・属性情報・購買履歴をそのまま学習に利用するため、追加のデータ準備は不要です。運用を続けるほどに配信結果やレコメンド結果が学習データとして加わり、判断の精度が自動で高まっていきます。
-
ロジックや表示内容の AB テストは AI が自動で設計・実行し、クリック率や CVR といった成果指標をもとに効果の高いパターンへ自動で切り替えます。テストの設計・判定・切り替えは AI が担うため、担当者は改善のたびに設定を見直す必要がありません。
-
基本的には AI が自動で最適化を行いますが、優先させたいセグメントや訴求条件を管理画面から指定することも可能です。「AI に任せる範囲」と「人が指示する範囲」を運用フェーズに合わせて切り替えられます。
お気軽にお問い合わせください
b→dashの検討状況に応じて、個別相談/デモもお選びいただけます。
