JALがマイレージ会員の行動データをAIで分析する実証実験

さまざまな企業には多種多様な膨大量のデータが眠っています。これらのデータを有効活用する試みがすすめられていますが、多様かつ大規模なデータを分析して何らかの付加価値を見いだすためには、専門の知識をもった「データサイエンティスト」が重要な役割を担います。




ところが、高度な知識をもつ経験豊富なデータサイエンティストは近年不足している傾向にあり、データをどのようにして有効活用するかは各企業にとって大きな課題となっています。

JALがもつJMB会員の大量データ

日本の航空会社であるJALもまた、大規模データの有効活用を課題としている企業のひとつです。

飛行機で旅行や出張に出かける際、近年では航空会社が運営するウェブサイトを利用して航空券を予約することが一般的となりました。

JALで飛行機の予約をする場合、「JALマイレージバンク会員」となっている人は多いと思いますが、JALでは会員によるウェブサイトのアクセスログやウェブサイト上での行動、さまざまな会員情報や搭乗履歴など、あらゆるデータを大量に保有しています。

これらの大規模データはそのままの形では活用することができませんが、そのデータの中に含まれるいくつかの「特徴」を見いだして「モデル」を構築することで、さまざまな予測分析をすることが可能になります。

一切手を加えていない元のデータは「ローデータ」と呼ばれます。ローデータを分析するためには、まず始めに分析できる形にデータを加工する必要があります。

加工されたデータの中で、何らかの有効な情報を見いだすことが可能な変数「特徴量」を見つけ出すことが次のステップになります。

そしてこれらの変数を使って何らかの「モデル」を構築することで、はじめて何かに役立つ知見を得ることが可能になります。

これらのプロセスを専門のデータサイエンティストが行うには、非常に多くの時間やコストがかかるため、莫大なデータを効率的に有効活用するためには、これらの作業を自動化する仕組みが必要になってきます。

人工知能によって特徴量や予測モデルを構築

そこで、JALではJALマイレージバンク会員に関する大規模データを分析するため、NECがもつ「予測分析自動化技術」を活用しました。この技術は、NECの最先端AI技術群「NEC the WISE」のひとつです。

予測分析自動化技術では、データの中に含まれる特徴量を自動的に生成して、さらに予測モデルを自動構築することができます。

機械学習を使う一般的なAIでは、入力されたデータからどのようにして分析結果がアウトプットされるのか、その中身がわからない「ブラックボックス」となっています。

しかし、この予測分析自動化技術では特徴量や予測モデルがわかるため、「なぜその予測なのか」「どうすればよいのか」が理解しやすく、その後のデータ活用がしやすいという特徴があります。

JALは2017年9月から11月にかけて、会員が航空券を購入する際にウェブサイト上でどのような行動を取るのかについて、予測分析自動化技術を使った実証実験を行いました。

実装実験の結果、これまでは人間の目では気付かなかった「時間軸を考慮したページ閲覧行動」だったり、特定のクレジットカードの利用回数に関するものなど、特徴的な行動を数時間で見つけることができました。

また、予測モデルについても経験豊富なデータサイエンティストが設計するモデルと同程度の精度も得られています。

これらの分析結果を使って、会員がウェブサイトでどのような購買行動をするかの短時間での把握、より適切なタイミングでのキャンペーン通知など、有効な情報を得ることが可能になります。

また、短時間で予測モデルを構築できることや、データサイエンティストに頼らずにデータの分析を自動化できることもまた、これからの人材不足の時代では非常に大きなメリットとなると期待できます。

IMAGE1SOURCE1
NEW POST