趣味・嗜好が近いユーザー群が選択・購買する可能性の高い商品をレコメンドします。
また特定商品に興味のあるユーザーリストを抽出し、メール・DMシステムと連動、DM配信を行いリアル店舗送客に利用することが可能となります。
長期間カート内に入っている商品をキーに新たなレコメンドメールを送信することで、ユーザーに新たな発見を促せます。
SNS上で投稿される意見の傾向(肯定・否定など)を判断し、何に興味を持っているか、胸に刺さるキーワードは何なのかを、頻出語や文章の特徴語、自動分類されたトピックなどから判別します。ユーザーの意見を商品やサービスの改善に役立て、広告コピーとしてキーワードを活用できます。
A/Bテストの画面を最初から多数用意し、ある選択肢の一つのサイトを表示した結果、得られた報酬(クリックやコンバージョンなど)を動的に評価値に反映する事ができます。
これを繰り返す事により、数あるA/Bテスト候補から、報酬が最大となるサイトを選択することが可能となります。
人間では気づかない特徴を数値化し、目に見える特徴量として扱うことができます。これにより小売業などで仕入れる商品の分類作業を自動化したり、製造業で検品作業に活用でき、工数や人件費の削減を行うことができます。
ユーザーの行動履歴から似たような行動を示すユーザーをグルーピングし、これらのグループの属性を推定(例えば主婦や学生など)することで、ユーザーの属性にあった効果的な広告を配信する、解約を防止する対策を打つなどの施策立案が可能となります。
1年のある時期に売れる商品や、数ヶ月ごとに来客が増える店舗など周期性があるデータを解析し、予測する事が可能となります。予測結果を元に、在庫管理やスタッフの人員配置、生産数の調整などを行うことができるようになります。
データの変動傾向(トレンド)を直線もしくはなだらかな曲線によって、過去や未来の傾向を把握することができます。
トレンド推定では主傾向だけでなく、季節性などの周期性も可視化できるため、需要予測にも応用可能です。
サイトアクセスの全体を見てもはっきりとした傾向がわからない場合、年齢別・地域別・性別などに属性を分離して分析をすることではっきりとした傾向があらわれる場合があります。それぞれの傾向を捉え、在庫や人員などの資源配分の計画や、販促企画の計画などを的確に行うことが可能となります。
過去の記録からアクシデントの発生パターンを抽出し、同様のパターンに適合する場合に警告などを表示することが可能となります。機器などに取り付けたセンサーデータから、過去の故障記録の波形と通常の場合の波形を比較する事で、故障を予測することも可能です。
新商品を販売する上で、最大の売上(報酬)を得られる要因(パラメータ)は何かを調べたい場合、機能、価格、色、宣伝方法、販路など様々な要因が考えられますが、これを機械的に計算させることで自動的に最適な選択肢を得ることが可能となります。
NHN テコラスは「AWS データと分析コンピテンシー」の認定をうけた、AWS プレミアティア サービスパートナーです。
ビッグデータの活用支援において確かな実績をもっています。