‍

‍Virtusize データサイエンス責任者、アロン・リッチー氏との対談

‍

‍

人工知能（AI）はあらゆる業界を変革していますが、ファッションECにおいては特にその重要性が際立っています。電化製品や書籍とは異なり、衣料品にはフィット感、着心地、個人のスタイルをどう反映するかといった微妙なニュアンスがあります。ECマネージャーにとって、これらの詳細を正しく理解することは、顧客ロイヤルティの獲得と高額な返品の回避を分ける決定的な要素となります。

AIがファッション小売をどのように再構築しているかを探るため、私たちは Virtusize データサイエンス責任者、アロン・リッチー氏に話を聞きました。この多岐にわたる対談で、アロン氏はAIの進化、ファッションECにおける最大の機会と落とし穴、そしてデータ準備が成功の基盤である理由について語ります。

ECにおけるAIの台頭

Q: 広く見て、AIの台頭はECにどのような影響を与えているとお考えですか？

アロン・リッチー氏： ECにおけるAIの台頭は、他の業界で起こっていることと共通しています。初期には、機械学習は主に需要予測、倉庫の最適化、人員配置の効率化といった運用業務に利用されていました。これらのモデルは、企業がより良い計画を立て、コストを削減し、これまで見えなかった非効率性を発見する能力をもたらしました。

ChatGPTのような大規模言語モデル（LLM）の最近のブームは、議論の方向性を変えました。突然、私たちは予測モデルだけでなく、人間と対話し、テキストを生成し、さらには推論を模倣できるツールについて話すようになりました。これらのツールは、反復作業の自動化、パーソナライズされたと感じられるマーケティングコピーの生成、そしてかつては人間の労力を何時間も要したワークフローへの統合といった、刺激的な新しい可能性を開きました。

しかし課題は、そのまま使えるLLMは万能型であるという点です。スイスアーミーナイフのようなもので、多くのことはできますが、追加のインフラを導入しない限り、どれか一つに特化して優れているわけではありません。そのインフラには費用がかかり、専門知識が必要で、適切に構築するには時間がかかります。したがって、企業にとっての問いは「AIを使うべきか？」ではなく、「AIは実際にどこで私に価値をもたらすのか、そしてどのように私のニーズに合わせて調整すべきか？」なのです。

ファッションECにおける機会

Q: 特にファッションECにおいて、どのような最大の機会があるとお考えですか？ アロン・リッチー氏： ファッションECには、実店舗での買い物とオンラインショッピングの間のギャップを埋めるという、非常に特殊な課題があります。店舗では、Tシャツを試着し、着心地を確認し、自信を持って購入を決定できます。しかしオンラインでは、その体験ができません。これが返品率が高い理由であり、購入前に消費者がためらうことが多い理由です。

Virtusizeが提供するようなデジタル試着ソリューションはその解決策の一つですが、それはまだ始まりに過ぎません。買い物客は皆、体型、好み、スタイルが異なります。ここでパーソナライゼーションが重要になります。適切なAIモデルがあれば、「あなたはMサイズです」というだけでなく、「このシャツは肩周りはぴったりしますが、胸元はゆったりと感じるでしょう」といった具体的な情報を提供できます。このような洞察は顧客の信頼を高め、オンラインショッピングを実店舗での買い物に近づけます。

一般的なAIツールでも、黒いジーンズを購入した人にさらに黒い商品を推奨するなど、ある程度のパーソナライゼーションは可能です。しかし、ファッションにはより高度な洗練が求められます。汎用AIをファッション向けに調整せずに無理に適用しようとすると、トークンを無駄にしたり、一貫性のない結果になったり、顧客に響かないレコメンデーションになってしまうでしょう。実際の購入データとユーザーの好みに基づいた、ファッション専用に構築されたモデルこそが、真の機会を生み出します。

フィッティングを超えて：パーソナライゼーションと買い物客のジャーニー

Q: フィッティング以外に、ファッションEC企業はAIをどのように活用できるでしょうか？

Arron Ritchie: パーソナライゼーションには、まだ十分に活用されていない大きな可能性があります。現在、ほとんどのブランドは、顧客が自社サイトで何をしているかしか知りません。しかし、買い物客は「囲い込まれた庭（walled garden）」の中で生活しているわけではありません。彼らは複数のブランド、複数のカテゴリー、時には複数の業界を横断して買い物をします。ある顧客は、あるブランドでジャケットを買い、別のブランドでシャツを買い、さらに別のブランドでジーンズを買うかもしれません。しかし、彼らがあなたのサイトにアクセスすると、他のすべての人と同じホームページが表示されます。

実店舗では、優秀な販売員は状況を考慮に入れます。もしあなたがジャケットを3着持っているのを見たら、さらにジャケットを勧めたりはしないでしょう。それに合うパンツやセーターを提案するはずです。オンラインでは、その文脈が欠けています。そしてAIこそが、それを取り戻すための架け橋となるのです。

異なるウェブサイト間での行動を関連付けたり、より広範な購買パターンから好みを推測したりできるツールを想像してみてください。買い物客がボタンアップシャツを好むことに気づき、ホームページでそれらを優先的に表示するシステム。あるいは、特定の色やカットに対する好みを検出し、それに応じて品揃えを調整するシステム。それこそが、オンラインショッピングを真にパーソナルなものにするインテリジェンスです。

業界全体としては、まだそこまで到達していません。いくつかのブランドはチャットボットやシンプルなレコメンデーションエンジンを試していますが、より広範なデータを統合しているところはごくわずかです。その理由の一部はプライバシーであり、また技術的な複雑さでもあります。しかし、進むべき方向は明確です。それは、表面的な提案を超えた、より文脈に沿ったブランド横断的なパーソナライゼーションです。

内部効率化：華やかさはないが、より影響力のあるAIの側面

Q: 顧客体験以外で、AIはECビジネスにどのような内部的な機会をもたらしますか？

Arron Ritchie: 内部効率化は、華やかさはないものの、ビジネスに最も大きな影響を与えることがよくあります。需要予測はその完璧な例です。東京とロンドンでどれだけのTシャツを在庫すべきかを予測できれば、在庫切れと過剰在庫の両方を避けることができます。それは実際にコスト削減につながります。

他には、ルート最適化によって配送コストを削減できるロジスティクスや、AIがより効果的な人員配置を支援する人員計画などがあります。CRMシステムも恩恵を受けます。AIは、人間のチームが見落とす可能性のある顧客データ内のパターンを特定できます。

問題は、これらのソリューションが注目を集めにくいことです。人々はチャットボットや派手なLLMに新しさやインタラクティブ性を感じて興奮します。しかし、ROI（投資収益率）という観点で見れば、内部システムも同様に重要です。実際、顧客向けのAIだけに焦点を当て、内部的な側面を無視すると、価値の半分を見逃していることになります。

データに関する課題

Q: 多くの企業がAI導入に意欲的ですが、「データ準備ができていない」と感じています。あなたの見解はいかがですか？

Arron Ritchie: データがすべてです。クリーンで一元化された信頼できるデータがなければ、砂の上に家を建てるようなものです。AIは家の家具や装飾品、つまり華やかな部分に過ぎません。しかし、その土台となるのはデータです。土台が弱ければ、家は崩壊してしまいます。

あまりにも多くの企業が、まずデータを整備することなくAIを導入しようとします。システムが断片化していたり、重複する記録があったり、データベースが古かったりするのです。その結果、パフォーマンスは低く、費用は無駄になります。AIについて考える前に、まず自問すべきです。「データの一元的な情報源はあるか？」「データはクリーンか？」「アクセス可能か？」と。

もし答えがノーなら、それがあなたの出発点です。一部の企業にとっては、すでにクリーンで大規模なデータセットを持つ外部ベンダーと協力するのが賢明です。Virtusizeでは、何百ものブランドにわたる購入データとフィットデータを長年収集してきました。これにより、新規参入者が再現するには何年もかかるような、正確でスケーラブルなモデルを構築できます。

Virtusizeの最新の取り組み

Q: Virtusizeが現在、AIと機械学習の観点から注力していることは何ですか？

アーロン・リッチー： 私たちの焦点は、オンラインショッピングを実店舗での買い物にできるだけ近づけることです。これまでもサイズレコメンデーションは提供してきましたが、さらに踏み込みたいと考えました。今では、「あなたはMサイズです」と伝えるだけでなく、その服がどのようにフィットするか、例えば「ここはぴったり、あそこはゆったり」といった具合に表示します。これは、実際に試着して「まさにこれが好きだ」と感じる感覚を再現することを目指しています。

私たちは最近、機械学習を用いて身体データと個人のフィット感の好みをより良くバランスさせる、アップグレードされたフィットロジックを導入しました。以前のモデルでも身体測定値については十分な精度でしたが、この新バージョンでは長年の購入データで学習させたため、カテゴリー、ブランド、スタイルに応じて「良いフィット感」が実際に何を意味するのかを理解できるようになりました。これは、人々が実際にどのように服を買い、着るかに対して、より適応性が高く現実的なアプローチです。

その結果は目覚ましいものでした。A/Bテストでは、 サイズレコメンデーションの精度が25～40%向上しました。これは、より多くの買い物客が推奨サイズを選び、自信を持って購入し、商品を返品せずに保持していることを意味します。これは大きな前進であり、私たちがまずデータ基盤を整えていたからこそ可能になったことです。

ECマネージャーへの実践的なアドバイス

Q: AIの導入を検討しているECマネージャーの方々へ、おすすめの行動計画は何ですか？

アーロン・リッチー： まず、AIがすべてを解決するという誇大広告を鵜呑みにしないでください。実際のビジネス上の課題を解決する明確なユースケースから始めましょう。返品が最大の課題であれば、フィッティングソリューションを検討してください。品切れや過剰在庫がコストになっているなら、需要予測を探ってみましょう。顧客エンゲージメントが低い場合は、パーソナライゼーションについて考えてみてください。

次に、自社で構築するか、外部から購入するかを決めましょう。自社で構築するのは、専任チームと複数年計画で長期的な投資をする準備ができている場合にのみ意味があります。ほとんどの企業にとって、より賢明な道は、すでに専門知識とデータを持つベンダーと提携することです。

第三に、明確な成功指標を設定してください。単に「AIを導入しました」と言うだけでなく、「返品を10%削減しましたか？」「コンバージョンを5%増加させましたか？」「毎週、スタッフの時間を何時間節約しましたか？」と問いかけてください。測定できなければ、正当化することはできません。

最後に、慎重でありながらも好奇心を持ちましょう。AI分野には、「万能薬」のような主張、つまりあらゆる問題を解決すると約束するツールがたくさんあります。良いパートナーは現実的であり、限界を認め、トレードオフを説明してくれるでしょう。話がうますぎると思ったら、おそらくその通りです。

今後の展望

Q: ファッションECにおけるAIの未来について、最もワクワクすることは何ですか？

アーロン・リッチー： 私が最もワクワクするのは、未知の可能性です。毎週のように、新しいアーキテクチャ、新しい手法、新しい可能性といった画期的な進歩が生まれています。その中には過大評価されるものもあるでしょうが、最終的にはどれか一つが定着し、次の大きな飛躍となるでしょう。

ファッション小売業界ではデータが十分に蓄積され、他の業界のアイデアを応用できる段階に来ています。例えば、ロジスティクスにおける需要予測手法や、メディアプラットフォームのパーソナライゼーション戦略などです。重要なのは、実験できるだけのデータが揃った今、そこから真のイノベーションが生まれるということです。

私にとっての面白さは、これらの新しいアイデアを実用化することにあります。見栄えの良いデモや万能ツールを追求するのではなく、返品の削減、コンバージョン率の向上、あるいはオンラインショッピングを実店舗での買い物と同じくらい手軽に感じさせるなど、ショッパーや小売業者が抱える現実的な問題を解決することこそが重要だと考えています。

最後に：今すぐできること

ECマネージャーとして、どこから手をつければいいか迷っているなら、ここに 今日からできる実践的なステップがあります。：

1. ビジネス上の課題を洗い出す。
   
   • 返品が最大の問題ですか？適切なソリューションを検討しましょう。
   • 在庫管理の不備がコスト増につながっていますか？需要予測ツールに注目しましょう。
   • 顧客エンゲージメントが低いですか？パーソナライゼーションに注力しましょう。
     
     
2. データの準備状況を評価する。
   
   • クリーンで一元化された、利用可能なデータはありますか？
   • もしそうでないなら、高度なAIを追求する前に、まずこの問題を解決することを優先しましょう。
     
     
3. 小さく始めて、効果を測定可能にする。
   
   • 1つのユースケースに絞って取り組みましょう。
   • 明確な成功指標を定義しましょう（例：返品を10%削減、コンバージョン率を5%向上など）。
     
     
4. 内製する前に購入を検討する。
   
   • データと専門知識の両方を持つ、実績のあるベンダーと提携しましょう。
   • 長期的な投資の準備ができている場合にのみ、社内チームでの開発を検討しましょう。
     
     
5. 懐疑的でありながらも、好奇心を持ち続ける。
   
   • 何でも解決すると謳う誇張された主張は避けましょう。
   • 試行錯誤し、結果を測定し、効果があったものを拡大しましょう。‍
     

まとめ

AIは万能薬ではありませんが、強力なツール群です。ファッションECにおいて成功する戦略は、 パーソナライゼーション と 業務効率を、データの強固な基盤の上に構築することです。アーロン・リッチーが強調するように、最も賢明なアプローチは、小さく始め、実用性を保ち、顧客とビジネスの両方に測定可能な価値を提供することに絶えず注力することです。