予測分析とアクショナブルインテリジェンスの違いとは?

予測分析とは、過去のデータとビジネストレンドを活用して特定のシナリオが発生する確率を予測し、理想的には過去のデータパターンに基づいて将来の結果の可能性を推定するのに役立ちます。

実際には、記述的分析、診断的分析、予測分析、処方的分析という4つのタイプの分析があります。最も簡単に言えば、記述的分析は「何が起こったか」、診断的分析は「なぜそれが起こったか」、予測分析は「何が起こるか」、そして処方的分析(アクショナブルインテリジェンス)は「何をすべきか」です。技術的には、4つのタイプすべてが大量のデータを分析してビジネストレンドやビジネス上の意思決定に影響を与える可能性のある「イベント」を特定します。

しかし、予測分析では、ユーザーや作業者が「未来」を理解し、解釈する方法を知っている必要があります。一方、アクショナブルインテリジェンスは、制御可能な要因を特定し、結果をもたらすアクショナブルな機会を提供することで、将来のパフォーマンスに焦点を当てた、(エッジにいる人々を含む)すべての人のための分析です。

アクショナブルインテリジェンスとは?

アクショナブルインテリジェンス は、ビジネス分析の最も高度な形態の1つです。機械学習とパターン検出のルールおよびアルゴリズムを使用して、企業の業務における異常を特定し、結果を最適化するための是正措置を処方します。最後の部分が アクショナブルインテリジェンスを非常に価値あるものにしている理由です。特定のビジネス成果を最適化するために誰かが取るべきアクションをインテリジェントに処方できます。

企業のデータを分析し、次のことを伝えることができます:

• 何が起こっているか?
• なぜそれが起こったか?(根本原因)
• 誰が対応すべきか?
• 収益にプラスの影響を与えるためにどのように対応すべきか

 アクショナブルインテリジェンスの詳細については、専用のアクショナブルインテリジェンスとはFAQをご覧ください。 

主な違いとは?

予測分析 は、過去のデータと過去のタイムラインのパターンを考慮して次に何が起こるかを予測する分析モデルですが、 アクショナブルインテリジェンスは、達成したい目標(例:売上増加、ロス削減)に基づいて取り得るさまざまなアクションをシミュレートし、最も最適化された結果を発見します。

 予測分析と アクショナブルインテリジェンスの例とは

予測的かつ 実用的なインテリジェンスがどのように活用できるかの実例は以下の通りです:

製品品質の維持

ある衣料品小売業者は、 実用的なインテリジェンスと実用的なAIを使用して、独自の返品機会を特定し解決しました。新製品は、販売開始当初の数日間、大半の店舗で高い返品率と、高い破損製品率を経験していました。この機会は、(1)製品品質を評価する、(2)ラベルを確認する、(3)ベンダーに連絡して値引き増額または代替製品を求める、という推奨事項とともにマーチャントに送られました。その結果、製品のケアラベルに正しい洗濯表示が記載されておらず、ラベルに記載されている実際の表示では製品が損傷することが判明しました。その結果、店舗に対して、影響を受けた残りの商品に更新された衣類ケアラベルを取り付けるアクションが作成されました。同様の通知が、正しいケア表示とともに製造業者に送られました。最終的に、是正措置後の数週間で製品返品は78%減少し、これらのアクションはスタイルを救うのに役立ちました。

ベンダー管理

ある小売業者は、 実用的なインテリジェンスを使用して、特定地域内の一部店舗における大玉卵の破損の大幅な急増を特定しました。マーチャンダイジング部門はベンダーに連絡し、なぜこれが起こっているのかを確認しました。その結果、ベンダーは大玉卵のカートンを生産する工場で火災に遭ったため、大玉卵を出荷するために中玉用のカートンを使い始めたことが判明しました。これらのカートンは小さすぎて、追加の摩擦が発生し、大玉卵が破損していました。異常を特定して修正しなければ、食料品店は過剰な破損に気づくことはなく、根本原因を追跡してベンダーからクレジットを確保することもできなかったでしょう。

顧客プロファイルのマッチング

あるファッション小売業者は、 実用的なインテリジェンスを使用して、ロイヤル顧客の購買パターンに基づいて、スタイルと年齢層が購入見込み者と一致する世帯にシーズン終盤近くの商品を提供することで、古い在庫を削減し、売上を増加させることに成功しました。たとえば、25～30歳の女性に30%割引で白いスカートを提供するターゲット型プロモーションを送信し、今すぐ行動を起こすために店舗に来るよう促すことができ、彼女は夏の終わりまでそのスカートを着用できます。実用的なインテリジェンスがなければ、多くの小売業者は待ってから全員に75%オフで商品を割引し、同じ女性買い物客が来店することを期待しますが、今では利益を失っています。

需要を念頭に置いた購入

処方的アクションパターンは、より高いサービス提供コスト(約束された期間内に顧客に製品を届けるためのコスト)を持つ特定の製品を特定しました。この機会は解決のためにDCに送られました。彼らはすぐに、問題の製品が顧客需要やDC処理と一致しない測定単位と梱包で購入されていることに気づきました。取られたアクションは、eコマース専用の注文を作成するようバイヤーに通知することでした。これによりDCのフルフィルメント速度が向上しました。チャネル間のコミュニケーションがパフォーマンスを向上させます!

「買い合わせ」パターンの特定によるバスケットサイズの拡大

ある小売業者は、実用的なAIと アクショナブルインテリジェンスを使用して、特定の買い物客がブロッコリーを購入する際にバナナも購入することを特定しました。この発見は、この発見を活用するための処方的アクションとともに企業に伝達されました。店舗マネージャーは、バナナとブロッコリーが適切な距離に配置されるようディスプレイを再編成し、バナナを含むバスケットを増やし、衝動買いを促進するよう指示されました。

不正行為ではなくロイヤルティに報酬を

人気のロイヤルティカードプログラムを持つ大手小売業者は、 アクショナブルインテリジェンスを使用して、問題であることすら認識していなかった課題を発見しました。分析を活用することで、買い物客が無料の報酬を得るためにリワードポイントを不正に取得しているというトレンドを発見することができました。この小売業者の以前のシステムは、各日の終わりまでポイントスキャンを監視していなかったため、顧客が1日に複数の店舗にレシートを持ち込むと、本来得られるべきポイントの何倍ものリワードポイントを簡単に受け取ることができました。 アクショナブルインテリジェンスソリューションは、この再発を検出し、レシートが1回のみポイントスキャンできるようにリアルタイム追跡を推奨し、買い物客1人あたり最大100ドルを節約し、収益に数百万ドルの影響をもたらしました。

トランザクションあたりのアイテム数を増やす - なぜ1つだけ買うのか?

アクショナブルインテリジェンス は、小売業者によって、単品トランザクションの割合が高い店舗と、この行動を引き起こしている従業員を特定するために使用されました。これらの従業員を、トランザクションあたり複数のアイテムを定期的にスキャンする従業員と一緒にスケジュールを組み直す機会が店舗に送られ、従業員がアップセルの方法を学べるようにしました。その結果、売上、トランザクションあたりのアイテム数、および従業員同士のトレーニングが即座に向上しました。組織にとって大きなウィンウィンとなりました。 

ブランドロイヤルティの向上

ある食料品店には、週に1回の大規模な買い物(120ドル以上)と1回以上の小規模な買い物をする一貫した買い物客ベースがありました。競合他社が近くに進出してきたとき、この食料品店は小規模な補充的な買い物の減少を経験しました。アクショナブルインテリジェンスにより、食料品店は小規模な買い物をやめた世帯と、彼らが他の場所で購入している特定のアイテム(肉や野菜など)を特定しました。この情報により、小売業者はそれらの世帯にターゲットを絞ったオファーを送信し、戻ってくるよう促すことができました。最終的に、小売業者はそれらの顧客の多くを取り戻し、利益の増加につながりました。

これらは、小売業界のリーダーが実用的なAIを使用してビジネスオペレーションを批判的に検討し、リターンを実現するためのアクションを取る方法のほんの一例です。配送の遅延、製品の耐久性に関する顧客の苦情、または一見孤立した破損商品の事例があっても、実用的なAIと アクショナブルインテリジェンスは、複雑なデータテーブルを超えて、実行可能なインサイトを提供します。その観点から、実用的なAIは分析の採用における自然な次のステップです。