売上・受注・販売実績のAI活用事例

【成果】 生成AIの搭載により、店舗スタッフは音声で簡単にマニュアルを検索できるようになり、店舗責任者やSVへの電話問い合わせの削減と、店舗オペレーションの負担軽減が見込まれています。 また、過去の販売実績をAIアシスタントから即座に確認できるようになったことで、SVのデータ抽出作業が不要となりました。これにより、現場の店長は過去のデータに基づいた販売計画の立案や売場づくりを迅速に行えるようになり、店舗運営力のさらなる向上が期待されています。

【成果】 新システムの導入により、配車担当者の練度にかかわらず、高品質な配車計画を短時間で作成できる体制が整いました。AIと最適化モデルの処理能力に、担当者の知見を組み合わせることで、取引先の満足度を維持しながら業務効率化を実現しています。 今後は配車担当者全員が本システムを利用することで、配車計画の作成時間を従来比で25％削減することを目指しています。

【成果】 dotDataを活用した「価値観に基づくターゲティング」は、ローソンが構築するBIツールに組み込まれ、販売促進や商品開発、メーカーとの連携に活用されています。 大手菓子メーカーとの取り組みでは、AIが分析した会員の価値観と商品の購買関係から、デザイナーが複数のレシート・クーポンのデザインを作成しました。予測スコアに基づいて各会員に最適化されたデザインのクーポンを配信した結果、ターゲティング精度の向上で4倍、デザインの最適化で3倍となり、トータルで商品購入率が約12倍に向上するという大きな成果を上げています。 今後は、スマホアプリとの連携によるカスタマージャーニーの設計や、Cookieレス時代に向けた新しいデータマネジメントモデルとしての活用も視野に入れています。

【成果】 AIによる商談先の提案は高い精度を実現し、現場の営業担当者からの信頼を獲得しました。その結果、AI行き先案内が提案した商談件数は、2020年上期から2021年上期の1年間で約3倍となる7万4300件に増加しています。 この取り組みは全体の商談件数の底上げにも大きく貢献し、2021年第1四半期には商談件数が8.4％増加するという定量的な成果を達成しました。また、複合機の稼働データとLED照明の受注に関連性があることなど、人間の分析では気づきにくい隠れた知見が次々と発見されています。現在では、このデータ分析のノウハウを人材開発部でも活用し、社員のパフォーマンス測定など新たな領域への展開も進められています。

【成果】 購買データを活用したターゲティング広告の配信により、顧客獲得単価（CPA）を従来の2分の1に削減することに成功しました。 また、従来は審査が通らなかった顧客に対しても、購買データを加味することでサービスを提供できる可能性が広がっています。今後は、高度なデータ分析スキルがなくても利用できるdotDataの特長を活かし、現場主導のAI・データ活用を推進していく方針です。さらに、金融とリテールのデータを掛け合わせた新規ビジネスの創出も目指しています。

【成果】 生成AIチャットボットの導入により、24時間いつでも迅速な問い合わせ対応が可能となりました。技術サポートに関する問い合わせでは、これまで平均1時間かかっていた回答スピードが平均40秒へと短縮され、待ち時間を98%削減することに成功しています。 また、カスタマーサービスに関する問い合わせにおいても、オペレーターが個別に対応して平均321秒かかっていた処理が平均10秒へと短縮され、97%の削減を実現しました。これにより、顧客の待ち時間というムダが大幅に解消され、必要な情報をスムーズに得られる体験を提供できるようになりました。今後は対応領域をさらに拡大し、納期や出荷・配送状況の回答、チャット上での処理完結など、サービスの拡充を進めていく展望が示されています。

【成果】 AIが発注推奨値を自動算出することで、発注業務にかかる時間を1店舗あたり1週間で約6時間削減することに成功しました。これにより、発注担当者の業務負担が大幅に軽減されています。 また、適切な商品陳列量の維持による販売機会の最大化や、過剰発注の抑制による廃棄ロスの適正化（フードロス対策）といった効果も期待されています。今後は導入店舗での売上や収益への効果を検証し、さらなる展開店舗の拡大を目指すとしています。

【成果】 分析の結果、一般的なコンビニとは異なり「デスクで食べても散らからない直まきおにぎりが人気」といった独自の傾向や、時間帯・顧客グループごとの細かなニーズを発見することができました。 これらの分析結果は、実際の店舗での発注業務に反映されています。現場の担当者が自らデータを見て、考えて、実践するサイクルを回せるようになり、中堅・中小企業における限られた人員でも効率的かつ精度の高いサービス向上が可能となりました。 今後は、商品の組み合わせ傾向を把握するバスケット分析など、さらに高度なデータ活用やマーケティング施策への展開を計画しています。

【成果】 実験店舗での事前検証において、当初計画していた発注作業時間の削減目標を達成し、精度の高い発注が行えることが実証されました。この結果を受け、全304店舗の生鮮部門への本格導入が決定しています。 現場では、3週間先まで算出された各商品の発注数量が画面に表示され、スタッフは異常値を確認するだけで済むようになり、作業負荷が大幅に軽減されました。AIによる高精度な予測は、商品の欠品を防ぎ販売機会を創出すると同時に、廃棄ロスの削減にも貢献しています。さらに、難易度の高い発注業務が自動化されたことで、経験の浅い新入社員でも精度の高い発注が可能となり、早期戦力化という定性的な成果も生み出しています。

【成果】 プロジェクト開始から約1年という短期間で新サイトのローンチに成功し、IT未経験のメンバーによる内製運用が実現しました。AIを活用したレコメンド機能は非常に高い効果を発揮しており、サイト全体の売上に占めるレコメンド経由の割合は平均40％、最高で48％を記録しています。サイトオープンから2年後には、レコメンドによる売上が3.2倍へと大きく伸長しました。 また、マーケティング施策の自動化により、会員登録後のフォローやメルマガ配信にかかっていた手作業の時間が削減され、大幅な業務効率化を達成しています。その結果、メールマガジンの会員数は約4倍に増加し、メルマガ経由の売上も約4倍に拡大しました。 さらに、システムの運用を通じて現場メンバーの意識にも変化が生まれています。「この作業を自動化して効率化したい」といった自発的なアイデアがチーム内で活発に議論されるようになり、データに基づいた新しい施策が次々と生み出されるデータドリブンな組織文化が定着しつつあります。

【成果】 AIによる予測モデルの導入により、月間の客数予測精度は95%以上という高水準を維持しています。全305店舗における客数修正率はわずか0.5%にとどまり、店舗での客数予測や入力作業が大幅に効率化されました。 これにより、自動発注の精度向上やレジシフトの最適化が実現し、客数予測および入力作業にかかる工数を年間で約1,100時間削減する効果を生み出しています。現場の管理職の負担が軽減されたことで、今後は他のシステムとの連携をさらに深め、店舗オペレーションの効率化や販促施策への活用など、さらなるデジタル変革を推進していく展望です。

【成果】 新たなAIアルゴリズムの導入により、査定精度の飛躍的な向上が実現しました。実証実験において、機械学習による推定成約価格と実際の成約価格との誤差率の中央値（MER）は、首都圏1都4県で4.89%、全国エリアでも5.34%という極めて高水準な精度を達成しています。また、対応エリアも拡大し、全国18都道府県にわたる約30,000棟のマンションを対象とした推定成約価格の算出が可能となりました。これにより、顧客に対してより正確で透明性の高い情報提供が実現しています。

【成果】 本プロジェクトは現在実証実験の段階にあり、具体的な定量成果については今後の検証を待つ形となります。しかし、すでにインプット情報をもとに所定のフォーマットでアウトプットを生成するという、技術的な実現性は確認されています。 今後は、生成AIの活用と七十七銀行がこれまで培ってきたデータ分析のノウハウを融合させることで、定例業務やデータに基づく仮説検証のプロセスを飛躍的に迅速化していく方針です。 最終的には、職員がより付加価値の高い業務に注力できる環境を整えることが期待されています。これにより、挑戦的な企業文化の醸成や従業員エンゲージメントの向上を実現し、同行のさらなるDX推進へと繋げていく構えです。