はじめに

Google Cloud Next '23 現地参加組の田中孝明です。 Google Cloud Next はクラスメソッドからは初参加らしいので現地の雰囲気も合わせてお伝えできればと思います。

お知らせ

9/4(月) 帰国後すぐにクラスメソッド日比谷オフィスにて recap イベント開催します。ビアバッシュ交えながら現地の熱狂をお伝えできればと思いますので是非ご参加お願いします。

セッション概要

人工知能は小売業界を急速に変革しており、顧客エクスペリエンスを向上させ、効率を高め、売上を伸ばすための新しいツールと機能を小売業者に提供しています。このセッションでは、Urban Outfitters と Nuuly に話を聞いて、あらゆる規模の小売業者が次のような需要予測を最新化するために AI をどのように使用しているかを調査します。 - 各顧客のショッピング エクスペリエンスをパーソナライズする - 在庫管理や顧客サービスなどのタスクを自動化する - 製造製品の品揃え、価格設定、マーケティングに関するより適切な決定 また、小売業における AI 導入に関連する課題と機会についても議論し、デジタル時代で競争するために AI をどのように活用しているかについて大手小売業者から話を聞きます。

• セッションリンク

セッション動画

セッション内容

機械学習と電子商取引

Newlee には、機械学習、電子商取引、写真機械学習の長い歴史がある。

一部の MLアプリケーション には多くのサードパーティベンダーが関与している。 現在、レコメンデーションや在庫の最適化など、いくつかの重要なアプリケーションを持っている。

最初のアプリケーションは、製品の発見と鮮度を伝えて売り上げを促進しようとしている。

声を上げない可能性のある18,000人をどのように浮上させるか。

いくつかのビジネス目標を達成しながら、価格に対する利益を決定する社内の価格設定アルゴリズムを構築した。

郊外にある配送センターの一つは西海岸の顧客に商品を送るのに費用対効果や時間効率が最も優れているわけではない。

会社が直面している在庫に関する最大の課題

顧客を第一に考えることが重要です。毎月エンゲージメントを再評価し、契約を更新したいかを尋ねているため非常に重要です。

マクロレベルで現在彼らが直面している在庫の最大の課題は、それらの注文を沿岸の顧客に届けること。

我々は在庫について、特定の方法論を使用して、コストと顧客へのスピードにどのように影響をあたえるかを、履歴データに基づいて検討した。

ヨーロッパのブランドは独立されて運営されている。

最初に直面した課題は、現在の倉庫にスペースが足りないことだった。

ここで機械学習の需要予測を利用して今後四ヶ月でレンタル料金とそのほかの過剰在庫を予測することができた。

加入者の増加を可能にし、より多くの在庫を確保できるように既存の配送センターを改修するために、カンザスシティに2つ目の倉庫を建設している。

需要予測モデルの導入について

これまで、機械学習の面では Cloud Composer を使用してきたので、MLOps のオーケストレーションでは Apache Airflow のようなツールを活用していた。

データは全て Apache Kafka 経由で BigQuery にんストリーミングされ、分析を行っている。

Looker と Looker Studio で非常に多くのデータを視覚化するのに使った。

我々が推しているのは Google Spreadsheet でこれは優れた共同作業ツールであり、関係者の賛同を得るために必要だった。

業務効率と顧客満足度は、新しい会社に求める最も重要なことの2つ。

小売業者へのアドバイスは、データサイエンスや機械学習プロジェクトを開始する前にデータを適切な場所に配置すること。

データが最適化される前にデータサイエンスまたは機械学習プロジェクトを開始すると大失敗を招くことがある。

組織的なサポートも必要。さまざまな利害関係者がたくさんいるが、すべての利害関係者がプロジェクトの目標について足並みが揃っていることを確認する。

需要予測と物流在庫の最適化に特有のもので、問題のある最適化を行った時、優れた最適化を行った時よりもパフォーマンスを上回る可能性がある。

在庫管理の最適化

最初はアルゴリズムの出力の種類に懐疑的であるため、多くの人脈をもつビジネス関係者と実際の規模のデータサイエンティストがいる組織と連携することが必要。

在庫の最適化に関する推奨事項はさまざまなものがあり、データサイエンティストがビジネスに精通していることを期待するのは公平ではない。

最初のステップは、物事を過度に複雑にするか、非常に完璧なソリューションを作成しようとすることです。これから直面するすべての問題を予測することは決してできません。

自然実験や仮定のシナリオを使用して、データのサブセットまたはスライス内のケースを見つけた。

これらのシステムどのように相互作用するかについて、それらが明示的に接続されているかどうかにかかわらず、一貫した単一の立場を持つことは、それらが相乗効果を発揮するようにするために非常に重要です。

所感

小売業において、需要予測を行うために必要な組織サポートの話と賛同を得るツールの話、アーキテクチャの話も織り交ぜつつ実現している話を聞けました。