【AI導入事例】リテール営業部門の顧客別推奨商品リスト作成のためのモデル構築可能な組織づくり支援

最終更新日：2023.11.28

※本記事は、ブレインパッドが運営する人工知能ブログ「+AI」に掲載されている記事の転載版になります。

国内外の株式、債権、投資信託、仕組債など幅広い商品を取り扱っている証券会社様にて、顧客ごと×商品ごとの購買確率モデルを作成。One to Oneのお勧め商品レコメンドを行うとともに営業スタッフの効率化を実現しました。

Solution：解決策

限られた営業スタッフのリソースでアプローチの効率化と良質な顧客接点・顧客体験の拡大を図るべく、過去の購買実績や閲覧実績を元にモデルを構築し、顧客×商品ごとの期待販売金額のリストを作成しました。期待販売金額の高い顧客と商品の組合せからアプローチを行うことで効率的に業務を行うことが可能です。期待販売金額は顧客嗜好に合わせて多種多様な商品を提案するために、顧客×主要商品ごとの購入確率と購入金額の２つの予測モデルの掛け合わせで表現されます。また、各顧客の購買パターンや嗜好データを元に機械学習を用いてクラスタリングした顧客セグメントマップを営業スタッフの内容理解のために作成しました。これにより単に金額の高い順からではなく、対象のお客様がどのような位置でどういった購買傾向が見られるのか可視化された上で提案を行うことが可能になりました。

Subject：課題

証券会社では株式だけでなく国内外の債権、投資信託、仕組債など幅広い商品を取り扱っています。また顧客に関してもリスク許容度、売買回数／金額、株式保持期間、商品ポートフォリオ構成など好み・嗜好が異なります。こうした中、限られた営業／分析スタッフのリソースの中で、お客様の状況に応じて最適な商品を提示・提供する必要性・重要性がますます高まっておりました。

Achievement：導入後の成果

・担当者の勘に依存しない優先顧客アプローチリストの作成
・購買確率に基づいた顧客ごとのレコメンド商品の提示
・顧客セグメントマップ作成による営業スタッフの顧客理解の高度化
・データ分析基盤構築支援による今後のモデル作成の高速PDCA化可能な組織作り