小売企業の実世界データを活用したデジタル広告プロダクトを作っています。実店舗のPOSデータに加え、アプリ/ECのデータや店舗内ビーコンなどのデータなど、オンラインからオフラインまで横断したデータを活用し広告配信を実施します。買い替えサイクルや需要予測によるターゲティングや実データによる詳細な広告効果分析などが強みのプロダクトです。

Member

Data Scientist : 消費者や小売ドメインを深く理解するための探索的データ分析、因果推論による広告効果の推定や機械学習による配信ロジックの構築、営業活動の補助技術としての生成AIの活用。
Data Engineer : データを用いた効果検証 / 分析 / 生成AI活用をスケールさせる、A/B テスト基盤や ETL 作成、生成AI活用基盤作成。
Product Manager : 事業計画と対応したプロダクト開発戦略 / データ活用戦略の立案とその推進。

使用している主な技術

Snowflake, Treasure Data, dbt, Airflow, Python, Causal Inference, A/B testing, Ads Data Hub, Google Cloud, LLM, Vertex AI, Campaign Manager 360

AIセグメント

解決したい課題/ ユースケース

広告配信を行う際に、ユーザーをセグメントに分けて配信することで配信効率を向上させる方法が現在主流となっています。これまではセグメントを人手による仮説ベースで作成していましたが、効果の良いセグメントは経験豊富なマーケターの技術や手法に依存するところが多く、配信結果の再現性やスケーラビリティに課題がありました。

このような課題に対して、小売企業が持つ膨大なPOSデータを活用し、機械学習による予測アプローチで解決を図っています。AIセグメントは機械学習プロジェクトの一つで、ユーザーの購買予測をもとにした高予測精度のユーザーセグメントです。

具体的な例では、ユーザーの次回購買を商品カテゴリの粒度で予測する機械学習モデルを開発しています。AIセグメントは、これまでの仮説ベースのセグメントと比べて配信効率を大幅に改善しており、人的依存やスケーラビリティといった課題の解決に貢献しています。

また、AIセグメントに広告配信することで、購買サイクルを早めることや、ブランドスイッチを促進することが期待されるなど、販促活動を推進する役割も果たしています。