Laboro.AI

プロジェクト事例

  • 自然言語処理
  • 潜在情報抽出
  • 潜在ニーズ
  • レコメンド

潜在ニーズ探索によるAIレコメンド

大手自動車メーカー 様

  • ユーザーによる検索が不要な探索型AIレコメンド
  • ユーザーの潜在情報を抽出、確率分布から好みに近い候補を提案

車離れが進む近年、自動車は単なる移動手段としてだけでなく、ユーザーのライフスタイルをより充実させるレジャーとしての価値を持たせることがますます重要になってきています。同社では、ユーザーがドライブの目的地を決定する際、事前にWEB検索し情報収集を踏まえてから行き先を決定するといった手間のかかる従来のスタイルを、より気軽な方法に変えていくことで自動車に対する魅力をアップさせられないか検討していました。

これまでのWEB検索に頼った目的地探しには、2つの課題が考えられました。まず、ユーザーはおでかけ情報が掲載された様々なサイトを閲覧して情報収集しなければならず、目的地の決定までに手間と時間がかかるという点です。そして、もう一つがユーザーの潜在的な嗜好を捉えられないという点です。「(ドライブはしたいけど)どこに行きたいかわからない」のように、私たちは行きたい場所、やりたいことを常に言葉で表現できるわけではありません。検索キーワードを入力するという前提に立ってしまうと、ユーザー自身がはっきりと認識できている範囲の情報に自然と限定されてしまい、言葉では表現できない潜在的な嗜好までは捉えきれていない可能性がありました。

これらの課題を踏まえて検討されたカスタムAIが、端末のブラウザ上でのユーザーとの対話的アクションを通して、AIが好みを探索し、能動的に目的地候補を提案していくという新たなレコメンドの仕組みでした。ここで用いられたデータは、インターネット上にある口コミ等の"ユーザーの声"が記載されたビッグデータ、選択履歴データ、ユーザーのデモグラフィックデータ、嗜好度合のデータなどで、ビッグデータの"ユーザーの声"に自然言語処理を適用し、ドメイン知識を加えて特徴量空間を構成。ユーザの嗜好を特徴量空間上の確率分布で表現し、この分布をAIの提案とユーザのフィードバックを通して更新することで、そのときの気分により近い目的地候補を探索するという手法を採用しました。

従来のようなWEB検索を必要とせず、AIが能動的に候補提案を行うこのレコメンドの仕組みは、目的地のニーズが不明瞭なユーザーでも直感的に「好き・嫌い」「行きたい・行きたくない」の好みを選択するだけという気軽な目的地探し体験を提供し、またこれまで知り得なかった行き先を知る機会にもつながるなど、レコメンドの新たな可能性を示すことにつながっています。

一覧に戻る