セブン銀行が購買データをAI分析、カードローン広告の獲得単価が半分に

まず注目したいのは、仮説を立てる工程そのものを人からAIの網羅探索へ預けた、分業の切り方です。数十万から数百万に及ぶパターンを自動で洗い出し、購入実績や頻度、商品の組み合わせがカードローンの申し込みとどう関係するかをスコアとして並べる。この形にすると、リテールデータへの土地勘が乏しいという不利が、少なくとも分析の入口では効かなくなります。知見が足りない領域なら、人が筋のよい仮説に絞り込もうとするより、機械に総当たりさせたほうが速いという割り切りが働いたのでしょう。

AIが導き出した洞察をそのまま施策に流し込まず、データサイエンティストが分析モデルとして組み直し、精度を検証したうえで配信対象を決めている点も効いています。自動探索が返すのは統計的に目立つ関係性であって、そのすべてが打ち手として意味を持つわけではありません。探索は広く、実装は絞る。この二段構えが、網羅性と実務での使いやすさを同時に成り立たせたと見ています。

土台として見落とせないのが、グループ共通会員IDによって、金融側の行動と購買側の行動を同一の顧客としてつなげられたことです。事業が異なるデータは粒度も蓄積のされ方も違うため、集めただけでは掛け合わせになりません。ひも付けの軸が先に用意されていたからこそ、AIの探索対象が二つのデータの山ではなく、一人の顧客をめぐる連続した情報として成立しています。