伊藤園、購買ビッグデータAIで動画制作工数33%減 施策立案の属人化に挑む

顧客像の抽出に個人情報ではなく大手クレジットカード会社の購買傾向データを使う設計が、施策案に「根拠」を与えた点が大きいと考えられます。商品やサービスの特徴を入力すると、反応が見込める顧客クラスターが趣味嗜好性の軸で抽出され、そのターゲットごとに反応率の高い施策がポジショニングマップ上に複数示される。「新入社員で両親にプレゼントをしたい方」といった具体的な顧客像まで降りてくるため、提示された案が誰に向けたものかが担当者に伝わりやすくなります。

最終判断をAIに委ねず、複数案から担当者が選ぶ形にとどめた点も、現場に受け入れられた要因でしょう。「山の音」では、社内で温めていた案とAIの提案が重なったことで、自分たちの考えに確信を持てたという流れになっています。つまりこの使い方は、答えを教わるためではなく、自分の判断を裏打ちするために使われている。マーケターの「想い」を否定せずに支える立て付けが、抵抗感を下げたのではないでしょうか。

もう一つ見逃せないのが、伊藤園からの要望をNECが機能に反映していく共創の進め方です。部門全体の施策状況を確認したり、成功と失敗のナレッジを蓄積したりする機能は伊藤園のリクエストから生まれ、クラウド上のデータベース構造そのものにまで手が入りました。プロンプトの代わりにテキストを入力するUIも、より簡易な形へと改良されています。使い手が改善要望を出し続けられる関係を作れたことが、ツールを「導入して終わり」にしなかった鍵と読めます。