ほっかほっか亭、130項目のデータでAI売上予測。出店判断の属人化を解消へ

130項目以上の変数を一つのモデルに束ねた設計が、この取り組みの土台になっています。売上実績のような結果のデータだけでなく、店舗の視認性、駐車場や自動ドアの詳細、人流、競合の状況といった、現地に立たなければ分からない条件まで説明変数に組み込まれました。汎用の予測ツールを当てはめるのではなく、開発を担ったDATAFLUCTがオーダーメイドでモデルを組み上げる形をとったことで、持ち帰り弁当という業態の立地条件に固有の変数を拾えたのだと考えられます。社内でこのモデルに「HGIS」という呼び名を与えている点にも、借りてきた道具ではなく自社の判断基盤として扱う姿勢がにじみます。

どの項目をモデルに組み込むかを、週次のミーティングで一つずつ詰めていった進め方も見逃せません。担当者の説明では、この項目選定の過程が最も時間を要し、最も大変な部分でした。ここに時間を集中させた判断は、予測モデルの成否がアルゴリズムそのものよりも「何を見れば売上が決まると考えるか」の定義に左右されることを踏まえたものではないでしょうか。長年の店舗運営で培われた勘所を、モデルの入力項目という形に翻訳する作業だったと読めます。

現地確認が必要なデータの収集を、営業部の社員を巻き込んで行った運用も効いています。その際にDATAFLUCT側が分かりやすい説明資料を用意し、「欲しいデータ」の認識がずれないようにした点は、地味ながら精度を左右する工夫です。同じ項目でも、測る人によって基準が揺れれば、モデルに入る値の意味そのものが変わってしまいます。集める側と使う側の目線を揃えてから収集に入る手順が、130項目という多さを実際に運用可能なものにしたのでしょう。