Machine Learning + 小売実施 = 強化された店舗訪問とデータ分析
自分専用のアシスタントがいれば、どんなにか日常生活は違っていたことだろうと想像してみたことがありますか? その人が朝早くから夜遅くまで付き合ってくれて、外回りの交渉をすべてしてくれるなら、もっぱら自分のことに集中していられます。 それがまさに Machine Learning です。これは、特に明示的な指示を出さなくても、コンピューターがデータに基づいて学習し、予測を立てるという、今発展中のテクノロジです。 消費財企業 (Consumer Goods Companies: CPG) にとっては、Machine Learning により、たとえば、現場担当者が効率的に店舗を回り、日常的な業務を迅速にこなすことができるようになります。 たとえば、通路の状態が商店規約に適合しているかチェックするためにロボットを配置することにより、人手でしかできないような高価値の作業にのみ人を割り当てるようにできないかと考えてみてください。 店舗での時間節約を実現すれば、さらに多くの店舗訪問をする機会が生まれ、結果としてかなりの費用の節約を期待できます。 しかし、Machine Learning によって達成されるのは、店舗訪問の合理化だけではありません。それは、モデル化により履歴データを新たな問題に適用し、将来の動作や行動や傾向を予測するための効果的な手段となります。 Machine Learning は、時間の経過と共にパターンや傾向を識別します。どんな場合にどんなパラメーターにおいて販促の成果があったか、といった情報があれば、関係者はそれを活用して会社の戦略を改善することができます。 以下、CPG 企業が訪問先と実行内容を計画する上で、どのように Machine Learning が役立つか、またそれによりいかにして少ないデータ入力で深いデータ分析を実行できるかについて説明します。
ルート計画の自動化と最適化
どの販売地点をどんな頻度で訪問するべきか、またそこで何をするべきかを識別するには、多くの労力が求められます。 地理的な情報だけでなくそれ以外の複数の要素を考慮することにより、特定の店舗を訪問するベストなタイミングを自動的に知らせてくれるソフトウェアがあれば、店舗巡回の効率がどれだけ上がるか考えてみてください。 ある店舗が決まって 7 月に落ち込むとか、最近新しい店長が赴任したばかりだとか、新しい販促の計画があるなどの場合に、このソフトウェアは、それに応じてルートを調整し、従業員の時間を最適化します。 また、Machine Learning テクノロジを活用すれば、特定の店舗のニーズに合わせて店舗訪問のために生成されるタスク リストを調整することができます。 経理担当が店舗に到着する前に、機械の故障などの問題点に気付くことになり、どんな作業が必要かを見定めるために時間を費やす必要がなくなります。 さらに、担当者が現場に到着した際、このソフトウェアは監査処理の合理化を手伝います。
「完璧な」店舗訪問の実現
経理担当が店舗監査を実施する際、テクノロジにより時間をより効率的に使うことができるとしたらどうなるか想像してみてください。 単にペンと紙を使わないで済むということではありません (実際、小売店のプロフェッショナルの 64% はいまだにペンと紙を使っています[1])。デジタル画像認識機能や音声認識機能を使うことにより、デジタル データの入力作業も省略できるのです。 デジタル画像認識機能を使えば担当者は、監査結果を手動で記録する代わりに、商品陳列の写真を撮ればいいことになります。 画像により、ある型番が在庫切れかどうか、状態、価格、棚の占有率、商品配置の規約に準拠しているかどうかを判別できます。 人間の担当者であれば細かい点を目で確認して商品配置の誤りを見つけるところですが、ソフトウェアなら数秒で誤りや矛盾を検出できます。 さらに Machine Learning により、注意事項、指示、発注を、スマート ウォッチやヘッドセットなどのウェアラブル デバイスに向けて担当者が口頭で述べることもできるようになります。 システムによりキーワードが識別され、それにより小売実施ソフトウェアによるアクションが引き起こされます。 デジタルにデータを取得することにより、小売担当者は時間を節約でき、さらには手動でデータを収集する場合にありがちなミスを防ぐことができます。 店舗訪問のデータはリアルタイムで送信され、経営陣は、完了まで何か月も待つことなく、すぐに監査結果を受け取ることができます。
より深いデータ分析
データが収集されれば、Machine Learning を小売実施に適用する最終的なメリットとして、次に実行するべきステップを予測するのに役立つデータ パターンを見いだせます。 CPG 企業は、何千軒という小売店での販売、店舗在庫、配送、および販促に関するデータを大量に処理します。 追跡や分析のためにスプレッドシートを使うのは時間がかかることに加え、スプレッドシートではこちらから指示したことしかできません。 しかし、Machine Learning の場合は、通常は発見が困難な一般的なパターンや傾向を自動的に識別します。 たとえば、Machine Learning ソリューションでは、データを分析することにより、ある大規模店舗チェーンでの販促の影響を正確に予測したり、特定の店舗のポイント サービスの ROI を判定したりすることができます。 特定の詳細度でデータを分析することにより、商品のパフォーマンスを測定したり、問題点を発見したり、全社的に通用するベスト プラクティスを定めたりすることが容易になります。
Microsoft Machine Learning
Machine Learning は、外回り職員の巡回の効率向上、手動反復処理の自動化、そして組織全体でのデータ分析および知見の改善に大いに役立ちます。 最終的にそれらのメリットにより、商品市場の成長に対応したり、販促、キャンペーン、投資についてより適切な意思決定を下したりすることができます。 マイクロソフトとそのパートナーは、今後も Machine Learning と小売実施の分野に力を注ぎ、CPG 企業がますますデジタル化する時代に合わせて体勢を整えるのを支援していく予定です。 小売実施のための最新の小売販売ソリューションについては、現在では AppSource に属する AFS POP Retail Execution および AFS Retail Execution をご覧ください。 [1]EKN Outlook、2016
