AIはどのように小売業者と消費者のつながり方を変革しているのか

AIは、単なる効率化のツールとしてだけでなく、お客様が消費者とつながる全く新しい方法を促進するものとして、次世代の小売業を形成し続けています。主要な小売ブランドは、Data + AI Platform for Retailを活用してデータを統合し、リアルタイムのインサイトを明らかにし、変化する顧客行動に対応する適応型モデルやAIエージェントを構築しています。製品需要の予測や食品廃棄物の削減から、顧客のセンチメント分析、GenAIを搭載したチャットボットの導入に至るまで、小売業者はあらゆるタッチポイントで何が可能かを再考しています。

本ブログでは、Pilot Flying J、adidas、Domino’s、Albert Heijn、PRADA Groupなどのグローバルブランドが、DatabricksとAIを活用してインタラクションをパーソナライズし、業務を効率化し、よりインテリジェントでつながりのある顧客体験を提供している方法をご紹介します。

Pilot、GenAIを活用して750以上の拠点でオファーをパーソナライズ

北米最大のトラベルセンター運営会社であるPilot Flying Jは、DatabricksのData + AI Platformを使用してデータを統合し、AI戦略を加速させています。米国とカナダに750以上の拠点と3万人の従業員を擁するPilotは、POSシステムや燃料配送などの構造化データから、ゲストのレビューやアンケート回答などの増加し続ける非構造化データまで、数百テラバイトのデータを処理しています。Databricksにより、これまでサイロ化されていたPilotのデータサイエンス、アナリティクス、エンジニアリングの各チームは、共有ノートブックと統合されたデータセットを使用して、単一の環境でコラボレーションできるようになりました。この部門横断的なアプローチにより、業務が効率化され、リアルタイムのパーソナライズやゲストエンゲージメントなど、より高度なユースケースへの道が開かれました。現在、Pilotは生成AIへと領域を拡大しており、Databricksを活用してよりスマートなソフトウェアを構築し、マーケティングやパーソナライズのチームを強化し、進化するエネルギー情勢を模索しています。

「私たちの次のステップは生成AIへの移行です。これにより、エンジニアリングチームのイノベーションを加速させ、ゲストのパーソナライズチームやマーケティング向けにより優れたソフトウェアを構築することを目指しています。Databricksは、エンドツーエンドのプラットフォームを提供することで、私たちのGenAIへの取り組みを支援してくれています。」 —Todd Hunt氏（Pilot Flying J、Director of Database）

adidas、製品イノベーションを推進するスケーラブルなGenAIチャットボットを構築

adidasは、Databricks上で構築されたGenAIを活用して製品イノベーションを変革しています。adidasは、DatabricksのData + AI Platformを活用することで、200万件以上の製品レビューのセンチメントを分析するスケーラブルなRAGベースのチャットボットを構築し、レイテンシーを60%削減、コンピュートコストを90%削減し、レビュー分析の効率を最大40%向上させました。現在では、製品、デザイン、マーケティングのグローバルチームが、実用的なインサイトを数秒で抽出できるようになり、意思決定が迅速化され、顧客体験が向上しています。Databricks AI Search、Model Serving、Unity Catalog、およびMLflowを搭載したadidasのGenAIソリューションは、より迅速なフィードバックループを実現し、サービスやナレッジマネジメント、さらにその先にある将来のユースケースへの道を開いています。

「私たちはDatabricksを活用して、何百万もの顧客レビューのセンチメントを分析し、実用的なインサイトを提供するGenAIチャットボットソリューションを構築しました。これにより、チームは機会を発見し、製品イノベーションを加速させることができています。」 —Rahul Pandey氏（adidas、Senior Solutions Architect）

Domino’s、GenAIとRedditのデータを活用して顧客にリアルタイムで対応

Domino’s（1日に300万枚以上のピザを販売）は、GenAIとDatabricksを活用して、顧客のフィードバックへの対応方法を再定義しています。Domino’sは「Voice of the Pizza」イニシアチブを通じて、DatabricksのData + AI Platformを使用し、Redditなどのソースから顧客のフィードバックを分析し、生のコメントをリアルタイムのインサイトに変換しています。AI Search、Model Serving、およびAI Playgroundなどのツールを活用し、チームはセンチメントを分類し、主要なテーマを浮き彫りにし、アクションを推奨するGenAIソリューションを、低レイテンシーかつ高精度で構築しました。このプロジェクトにより、開発者の生産性が向上し、手作業が削減され、ノートブック環境におけるチームとAIの関わり方が変革されました。

「Databricks Notebook環境へのAIの統合は、私たちの開発プロセスに大きな変革をもたらしました。あるチームメンバーが語ったように、『インラインコードジェネレーターが私たちのワークフローを一変させ、単なるコーダーからAIディレクターへと役割をシフトさせてくれました』。」 —Domino’s Data Science Team

Albert Heijn、AIを活用して予測精度を向上させ、食品廃棄物を削減

顧客は店舗に足を運べば、必要なものが正確に見つかることを期待していますが、そのシームレスな体験を提供するには、高度にインテリジェントでデータ駆動型のサプライチェーンが必要です。オランダ最大の食料品小売業者であるAlbert Heijnでは、その期待に応えるために、1,200以上の店舗と3万以上のSKUにわたって、1日に10億件以上の予測を生成しています。レガシーシステムからDatabricksのData + AI Platformに移行したことで、Albert Heijnは現在、単一の信頼できる情報源（single source of truth）に基づいて業務を行っており、Databricks SQLとスケーラブルな機械学習モデルを活用したリアルタイムのインサイトを得ています。これらのモデルは店舗レベルの売上を予測し、在庫の可用性を最適化することで、棚に商品が確実に並ぶように支援すると同時に、食品廃棄物も最小限に抑えています。Databricksの導入により、Albert Heijnはわずか1年で360万キログラムの廃棄物を削減し、同時にスマートで信頼性の高いショッピング体験を顧客に提供しています。

「Databricks上での複数のデータおよびAIの取り組みにより、わずか1年で360万キログラムの食品廃棄物を削減することができました。」 —Vipool Agarwal氏（Albert Heijn、Product Owner, Supply Chain）

PRADA Group、AIを活用して、よりパーソナライズされたデータ駆動型の顧客体験を提供

PRADA Groupは、Databricksを活用して、パーソナライズ、予測、マーケティングを向上させるためにAIを導入しています。70カ国に600以上の店舗を展開するラグジュアリーファッションの世界的リーダーであるPRADAは、データを統合しイノベーションを加速させるために、DatabricksのData + AI Platformを採用しました。Unity Catalogによってガバナンスが確保された単一の信頼できる情報源により、PRADAのデータサイエンスチームは、機械学習モデルやGenAIモデルをより迅速に構築・デプロイできるようになり、よりスマートな予測、パーソナライズされた体験、最適化されたマーケティングキャンペーンを推進しています。また、Databricksはビジネス全体でデータアクセスを民主化し、技術的な知識のないユーザーでも自立してインサイトを探索し、自信を持って行動できるようにしています。

「DatabricksとUnity Catalogのおかげで、機械学習モデルやGenAIモデルにすぐに活用できる、クリーンでガバナンスの効いたデータが手に入りました。」 —Anna Codispoti氏（PRADA Group、Head of Data Analytics）

小売業におけるAI의 未来はここから始まる

予測型のサプライチェーンやパーソナライズされたマーケティングから、リアルタイムの顧客フィードバック分析に至るまで、これらの主要な小売業者は、AIが統合されガバナンスの効いたデータ基盤と融合したときに何が可能になるかを示しています。Databricksは彼らの取り組みを支援し、小売業者がより迅速に動き、よりスマートにイノベーションを起こし、あらゆる顧客接点でよりつながりのある体験を提供できるようサポートできることを誇りに思っています。

今すぐData + AI Platform for Retailを始めましょう。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事