かっこのデータサイエンス

── まずはご経歴からお聞きしたいのですが、齊藤様はアルバイトからアーバンリサーチに入社されたと伺いました。

齊藤　「学生時代に販売のアルバイトとして始めて、そのまま入社しました。当時『アーバンリサーチ』ブランドとしては大阪に1店舗しかなかったんですよ。売上も10億円程度だったかな。ちょうど企業が『ホームページ』を作りだした頃で、販売と並行して制作業務も担当していました。専門の業者さんにお願いするまで10年近く、プラニングから商品動画の撮影、コーディングまで中心に立って進めていました。

その後東京に転勤になったところで広報にも携わるようになり、メディアへの商品貸出から企業としてのPRまで、属人的に行われていた業務を改めて組織として立ち上げていきました。
そうした経緯もあり、今ではプレス対応・企業広報からリアル・ネットを含めたマーケティング、顧客管理など6つの部門にまたがって担当しています」

齊藤　「これまで、リアルの店舗を中心にお客さんを呼んできて売上を作ってきて、ノウハウもあり実績も上がっていました。時期的に商業施設が多く作られ、そこに低コストで出店できたなどの外的要因も重なり、成長が続いていたのです。
ですが、そのお客様に繰り返し使っていただくための接し方は未知の世界でした。

さらに場所が関係ないインターネットの世界でも知名度を上げていかないと、リアル店舗も厳しくなっていくだろうという思いがありました。
幸い会員データはありますから、活かし方を考えることが次の仕事だなと思っていたところで、出会ったのが成田さんでした」

成田　「最初はお客さんのクラスタリングから始めましたよね。個人情報を除いた顧客情報と、リアル店舗とEC全てを対象としたあらゆる購買データをもとに、属性やブランド、購入頻度や値引き率など、『買い方』別にみていくと、非常にユニークな結果となりました」

齊藤　「御社のクラスタリングによって、それまでの指標だった年間購入金額別ランクの話は減りましたね。購入金額は売る側にはわかりやすいのですが、購入へのポテンシャルは測れていなかったと思い知りました。
確かに年間50万円購入していても、10万円のスーツを定価で5着買うのか、半額セールの商品を積み上げて50万円になったのか。全く違う顧客像ですよね。

あとは、各ブランドの年齢層や値引きの効果など、想定していたこととの乖離にも驚きました。やはり作り手側では、ブランドへの想いとかターゲット像が前提になるので、邪念（笑）なく見られないんだなと」

成田　「もうひとつ御社に対して驚いたのが、毎月の定例会議でこうした結果や施策案を伝えると、次月には売上などの数値がググッと伸びていることです。
結果を基にどういった手を打ったか弊社ではわからないだけに、アクションのスピード感や実行力にどんな秘密があるのかとても興味があります」

齊藤　「御社にはお客さんのデータから、各クラスタのキャラクターや購入ポテンシャルを明らかにしてもらっていると思っています。主語が人、といえばわかりやすいでしょうか。
一方、弊社がこれまで見ていたのは商品なんです。商品にもひとつひとつキャラクターがあって、作る側としてそこは把握しています。いつ・どれだけ売れるのか、値段を下げるタイミングとか。

商品を縦軸に、お客さんのキャラクターを横軸に置き、メッシュとして見ていくことで類似性など浮き彫りになる情報があり、ご提案頂いた勝ちパターンへのアクションもより効率的に行えるということだと思います」

成田　「これまでの活動を評価していただき、弊社を『赤坂見附にはアーバンリサーチのデータサイエンス分室がある』と言っていただいたことがありましたよね。あれは本当に嬉しかった。これからも、御社の施策の打率向上に貢献していきたいですね！」

齊藤　「ぜひお願いします。今、AIばやりですけど、あと5年くらいは本当のAIは出てこないのかなと考えています。人間が考えていることを肩代わりするというよりは、考えるための材料をきちんと提供して、人間が選択することを手助けしてもらう方がありがたい気がしていて。
その点で御社は、解析結果から誰もがわかる『アクションへの判断材料』を見せてくれるので、非常に適切だと感じています」

成田　「あとは、AIを活用すると過程がブラックボックスになりますよね。多くのオペレーション業務がある流通業などでは、施策の妥当性をきちんと説明できる統計学的なアプローチの方が、説得力を持って受け入れられる面もありそうです。
ビッグデータやAIという流行り言葉もいいのですが、適切な手法を用いて提案していくスタンスはこれからも続けていきます！」