利用事例

Customer Stories

新規店舗の売上を AI で予測、ボタン1つで結果を算出

CASE:コストは下げて、精度を上げる。AIを活用した店舗の日商予測を実現。

[ 従来 ]

国内外で約 24,000 の店舗を展開するコンビニエンスストア大手のファミリーマートは、新規店舗の出店審査の際、開店から1年間の平均日商の予測値を、出店可否の重要な1つの判断材料としている。これまで、平均日商の予測値は、人口のデータや、駐車場の台数などから重回帰分析によって求められていたが、予測値と一日の実際の売上とを比較した際に、予測精度にバラツキがあり、その正確性が課題視されていた。

従来

[ 導入後 ]

より精度の高い結果を得ようと、AI を活用した予測方法を検討。7社に声をかけ PoC を開始したが、高いイニシャルコストを要する見積もりを提示されたという。実験的なプロジェクトで、最初から大きなコストをかけるのは難しいとの判断から、月額10万円からの利用ができる MAGELLAN BLOCKS のモデルジェネレーター(数値回帰タイプ)を採用した。
BLOCKS 導入のメリットは大きく3つ。1つは予測精度が大きく向上した点。約80%の店舗が、予測値と実売上の誤差が±5万円以内のレンジに収まるようになったという。また1点は、プロジェクトの進行スピードが大きく向上したこと。BLOCKS ではデータを学習させるだけで任意のモデルを生成できるため、試行・検証の体感スピードは、重回帰モデルの頃とくらべ 4~5 倍になったという。最後の1点はコストパフォーマンス、重回帰分析にかかっていたコストは、BLOCKS の活用により半分以下になった。出店審査の自動化に向けて、積極的にAIを活用していきたいと話す。

導入後

導入サービス


  • モデルジェネレーター(数値回帰タイプ)

  • フローデザイナー

成功事例のご紹介

利用事例の一覧はこちら