店頭施策の起爆剤になるか？AI×経済学でダイナミックプライシングの実現へ

サイバーエージェントでは同社が培ったデジタル領域およびAIの知見を流通業界に応用し、新たな購買体験の提供を推進。なかでも経済学の知見とAIの技術を融合させた「AI経済学」活用によるダイナミックプライシング（価格変動制）の実現は、店頭施策の起爆剤となる可能性を秘めている。

米国でも広がる「AI」×「経済学」の活用

　「ABEMA」「アメブロ」を中心としたメディア事業をはじめ、インターネット広告事業、ゲーム事業、投資育成事業を展開するサイバーエージェント。なかでもインターネット広告市場においては国内トップシェアの実績を持ち、プロモーションやマーケティングを中心としたデジタル活用の知見を多数有している。

　近年のインターネット広告市場の急速な成長に伴い、広告効果の最大化を目的にAI技術を活用したクリエイティブ制作や運用の効率化が注目されている。サイバーエージェントではAIや経済学の研究者が多数在籍。なかでも経済学分野については国内最多となる20人以上の研究者が所属している。そのなかでも藤田氏は経済学とAIの事業活用を進めていること、その成果が国際会議で採択されていることなどから、Forbes Japanにて「世界を変える30歳未満」に選ばれている。

　昨今、ビジネスの現場でも耳にする機会が増えたAIだが、流通業界においても業務効率化や生産性の向上、深層学習や機械学習を用いたビッグデータ分析、リテールメディアなど、さまざまな分野でのAI活用が期待されている。

　海外に目を向けると、ウォルマートでは行動経済学の権威であるジョン・リストがチーフエコノミストに就任。彼は「Uber」や「Lyft」でAIと経済学の知見を活用した乗車料金やクーポン割引を推進してきた人物であり、ウォルマート内でも「AI経済学」を用いた価格決定に注力している可能性が高い。またアマゾンでは400人以上の経済学者を雇用し、価格決定に「AI経済学」を活用するほか、配送日までの日数変更で売上にどのような影響が出るかなど、AI による予測分析も行っている。

　サイバーエージェントが流通業界向けの提案を強化する背景には、上記のような米国での「AI経済学」導入のトレンドの他、チラシの効果検証や既存の販促施策の可視化など、国内の流通企業からも広告以外での相談が増えてきたことがある。特にこの1～2年はエネルギー価格の高騰などによる営業利益率の低下が流通業界の大きな課題となっており、販管費の引き下げも考慮し販促関連の数値を見直す機運が高まっている。

　サイバーエージェントはこれまでのデジタル領域に関するプロモーション施策の知見に加え、AIの利活用に関する研究も早くから取り組んでいたことから、次世代を見据えAI事業本部内に流通企業向けの部署を設立した。

「AI経済学」を用いた変動価格採用までのプロセス

　サイバーエージェントが強みとしているのは、データサイエンスや経済学を活用した高い分析力。なかでも経済学の知見とAIの技術を融合させた「AI経済学」（反実仮想機械学習とも呼ばれる）によるダイナミックプライシング（価格変動制）の研究については、国内他社に先駆け、いち早く取り組んでいる。

　ではここから「AI経済学」を用いた変動価格決定の仕組みを具体的に見てみよう。今回は全国チェーンの小売企業が関東地域で商品Aのセールを実施し、価格を200円から150円に値下げした場合、値下げが売上に与える効果を推定する【図表❶】。

　売上効果の検証方法は3段階。まず「学習期間」として、値下げ前の期間データを使い、AIによって選定した関東地域とトレンドが似ている地域の売上（グラフ上のグレー実線）から、関東地域の売上（グリーン実線）を予測するAIモデルを作成する。

　続いて「予測期間」。学習したAIモデルを使って値下げ後の期間で「仮にセールをしなかったら関東地域の商品Aの売上がどの程度だったか」（グリーン点線）を予測する。

　さらに「セールを行った際の商品Aの売上」と「仮にセールをしなかった際の商品Aの売上」の推移を比較。グリーン実線とグリーン点線の間の差分(イエローの部分)が値下げによる売上の効果となる。もしセールの効果が大きく集客や営業利益につながるならば値下げを実施。一方、セールへの反応が薄ければ値下げをする必要がなく、また値上げをしても購買が下がらない可能性も出てくる。

　これまでの店頭価格決定は、近隣の競合店舗の価格を調査するなどアナログな手法に頼ることが多かった。しかしこの手法を用いることで競合調査をすることなく、精度の高い仮説を基に価格を設定することが可能。無駄な値下げを避けることで適切な利益を確保し、他商品の値下げ原資や、従業員の賃金等へ投資することができる。また消費者にとっても、潜在的に買いたいと思っていた商品が安くなることで発見的な買物体験ができるだろう。

　前述したように海外の流通企業では「AI経済学」を活用したダイナミックプライシングが浸透しつつある。インターネット広告の分野では海外から5〜10年遅れてAI経済学活用の波が日本にやってきたが、ダイナミックプライシングについても同様の流れが起きる可能性は高いだろう。

「AI経済学」がもたらすロイヤルカスタマーの醸成

　ここまで「AI経済学」を活用した店頭の価格変動の方法を見てきたが、価格という小売業にとって最重要な問題に対してアプローチを行うため、いきなり「AI経済学」を活用しての店頭価格の決定は実現までに時間がかかる可能性が高い。そのため、次に実証実験が行われているクーポン配布の最適化を見ていこう。

　【図表❷】のように「AI経済学」を用いると、15%オフのクーポンを配った場合と、クーポンを配らなかった場合の比較や、15%から20%に割引率を変更した場合の差分予測等、外的要因を含まない、より正確なかたちでの効果検証を行うことができる。

　分析に用いるデータは従来と同じ小売企業のID-POSやアプリ会員情報だが、AIを活用することで前年～数年分のデータだけでなく、人の手では追いきれないより膨大なデータから購買予測を立てることが可能だ。

　「AI経済学」を活用した販促施策の成果のひとつとして挙げられるのが、一個人の購買傾向からニーズを読み取り、個々に対し最適なコミュニケーションを行うO n e t oOneマーケティング。「AI経済学」による分析では、アプリ会員一人ひとりに対するクーポンの効果を正確に計測することが可能であり、よりよいサービスを提供することでロイヤルカスタマーの醸成につなげることができる。

　サイバーエージェントではこれまで、「AI経済学」での研究成果をインターネット広告やメディア領域で活用し、広告効果の最大化やコンテンツ視聴時間の最大化につなげてきた。この知見を糧に、同社では「AI経済学」と購買データを組み合わせることで、ダイナミックプライシングを含めたよりよいサービスを提供し、小売業との協業によるDX推進をめざしていきたいとしている。