オンライン小売業者の重要課題：商品データのクリーンアップ

質の悪い商品データは、日常的に小売業者に深刻な影響を及ぼしている。質の悪いデータを放置しておくと、業務の効率性、商品の検索・発見、顧客満足度、売上に支障をきたす。

不良な商品データは、ありふれた場所に潜んでいることが多く、小売企業の収益に決定的な影響を与える可能性がある。情報技術企業のGartnerによると、データの質が低いと、年間平均1,290万米ドルのコストがかかるという。長期的に見れば、収益への直接的な影響はさらに大きくなる。それは、データ・エコシステムの複雑さを増大させるだけでなく、不良データは意思決定の誤りにもつながる。

不良データが小売業者に与える影響をより目に見える形で示すため、SaaSベースのeコマース検索および商品発見プラットフォームのGroupBy は、Google Cloudパートナーの Sadaおよびeコマース企業Rethink Retail と共同で9月にウェビナーを開催した。「不良データ、大きな問題: 低品質の商品データを打開する方法」と題されたこのイベントでは、企業がAIを使用してデータを充実させ、検索の関連性と商品の発見力を改善し、顧客満足度を高め、運用コストを削減し、収益を増やす方法について検討した。

このレベルの成功の鍵は、商品データの品質を分析し、改善すべき領域を特定することにある。ベストプラクティスには、標準のデータ収集モデルを確立し、定期的にレビューを実施し、AIを活用したソリューションを導入して、商品データのクリーニング、標準化、最適化を迅速かつ大規模に自動化することが含まれる。

このように、AIを活用したデータ強化により、運用効率が向上し、成長が促進され、ブランドの評判が向上する。GroupByの製品ディレクターであるArvin Natarajan氏によると、質の悪い商品データは今日、ほぼすべての小売業者を悩ませており、データに依存して機能するすべてのアプリケーションに影響を与えているという。

「長期にわたる不十分なデータは、顧客体験に悪影響を及ぼし、最終的には収益にも悪影響を及ぼす」と彼は話す。

GroupBy独自のグローバル分類ライブラリでトレーニングされた高度な生成AIモデルは、一般的なデータの問題を特定し、商品データの帰属と管理に革命をもたらすことができる、と彼は述べる。

クラウドベースの商品検索におけるAIの活用

Google Cloudが提供するAI開発プラットフォーム、Vertex AIを搭載したGroupByのeコマース検索・商品発見プラットフォームは、小売業者や卸売業者にGoogle Cloudの次世代検索エンジンへのユニークなアクセスを提供する。eコマース向けに設計されたこのプラットフォームは、AIと機械学習を使用して1兆8,000億のイベントを処理し、Googleの全製品から毎日850億の新しいイベントを収集する。

このデータにアクセスすることで、GroupByはユーザーの意図を深く理解したデジタル体験を提供している。Natarajan氏は、Googleとのパートナーシップにより、将来Googleが開発するAIイノベーションの恩恵を顧客が確実に受けられると指摘する。

不完全、不正確、一貫性のない製品データは、検索や発見の妨げとなり、収益の損失や顧客ロイヤリティの低下につながる。Natarajan氏は、検索と発見のために商品カタログ・データを最適化した結果、eコマースの売上が20%増加したことを挙げ、データ充実におけるAIの重要性を強調した。

不良データによる収益損失を明らかにする

テクノロジーによって、あるいはそれを正しく使用していない場合、小売業者は不良データの存在を認識することが難しくなることがある。Rethinkのeコマース・ストラテジストであるVinny O’Brien氏は、以前eBayに勤務していた頃の例を挙げながら、誤ったインデックス作成が原因で、突然商品リストが見えなくなり、継続的な収益損失を招いた例を紹介した。

eBayが商品データの正規化に失敗していることを発見するには、パートナーと協力する必要があった。つまり、たとえば誰かがNikeのシューズを検索しても、商品データがアップロードされたときのフォーマットに大文字のNがなかった場合、その商品は検索の最初の段階で消えてしまう。

この不具合は、この1つの製品エントリだけに限ったことではなかった。それは、同プラットフォーム上の他の小売業者にとっても、システム的に繰り返される結果だった。

「つまり、検索結果が消えてしまったのだ。検索ボリュームの約30%を失った。この規模の会社にとって簡単な仕事ではなかったが、最終的にこの問題を解決したとき、特に大規模なカタログを持つ組織では、ロングテール検索などが多かったため、収益が約20%から25%回復した。しかし、これは非常に影響力のある領域だ」と彼は詳しく説明した。

不良データを個別に処理する際の課題

Sadaの小売ソリューション担当ディレクター、Joyce Mueller氏によると、不良データの問題は、商品データの優先順位を意図的に下げるというよりも、予期せぬ結果であるという。これは常に長年の問題であった。

不良データは、フィールドが不完全、不正確、または欠落していることが原因で発生する。おそらく、間違ったデータ仕様が提供されているか、SKU間で不整合が発生しているのだ、と彼女は示唆する。すべてをまとめるためのクリーンなデータパイプラインがないため、私たちは必ずしも完全とはいえないデータを手にすることになる、とMueller氏は続けた。

「ほとんどの場合、これはバックエンドシステムの問題だった。しかし今、完全でなく、正確でなく、うまく説明されておらず、スタイルや性格も良くない商品データを持つことは、実際にデジタル・ショッパーに問題を引き起こしている。商品が発見しにくくなるのだ」と彼女は警告する。

データの標準化というつかみどころのない目標

画一的な標準化手法を適用することは負け戦である。以前の取り組みでは、普遍的な成功を収めることはできなかった。

O’Brien氏は、2010年頃、すべての主要なeコマース小売プラットフォームが、マーケティング担当者に対し、すべての商品について標準的なデータセットに準拠し、それらを可視化するよう促したことを指摘している。この前提を採用することは、ある時点までしか良い戦略ではなかった。

「データの規模を管理することは、大企業にそのような義務を負わせる場合の課題だと思う」と彼は述べる。

「すべての人に受け入れられ、すべての人が従わなければならない」と続けた。

その管理とデータ ガバナンスの規模は膨大だと、彼は付け加える。B2Bであれ、B2Cであれ、さまざまな業界が関係してくる。これらの業界には、コンプライアンスの他の複雑さを考慮すると、食品グレードのアプリケーションや医療用製品が含まれる可能性がある、と彼は述べる。

「さまざまな業界には、それぞれ微妙な違いもある。そのすべてを大規模に管理するのは非常に困難だ」と、O’Brien氏は主張した。

データ管理のギャップを埋める

Natarajan氏は、カンファレンスで小売業者や販売業者と話をすると、メーカーと小売業者の間にギャップがあることに気づくと付け加えた。結局のところ、小売業者もそのギャップを管理しなければならないため、多くの微妙な差異を乗り越えなければならない。

「この種のデータを大規模に管理するには多くの課題がある。おそらくこれが、さまざまな業界、さまざまな業種、あらゆる規模の小売業者にまで商品データの標準化が進んでいない理由だと思う」と、同氏は論じる。

SadaのMueller氏は、小売のサブ部門がこの問題にうまく対処している例は知らないと話す。しかし、デジタル・ネイティブの小売業は、単に新しいという理由だけで、うまく対応しているという。

「伝統的な小売企業について考えてみると、彼らは長年にわたるシステムを保有しており、それらは必ずしも互いに連携しているわけではない。この種の問題を解決し、新しいテクノロジーを採用するような形にするのは、既存の小売業者にとっては難しいことだ。彼らは、より大きな技術的負債を抱えた、より大きな遺産を持っているのだ」と、彼女は指摘する。

一部の業界では、製品がそれほど複雑ではないため、データ管理のチャンスがより高い可能性がある。Natarajan氏によると、機械やエンジンなど、技術的に複雑な製品よりも、これらのカテゴリーの方が製品属性が少なくて済むという。

「製品の種類におけるこのような違いが、データガバナンスの向上につながる。なぜなら、これらのあまり複雑でない製品の方が管理しやすいからである」と、同氏は述べた。

データ充実のためのAIソリューション

専門家のパネルディスカッションでは、不良データ問題を克服するために、流通業者や小売業者が取るべき行動について、より意識的になるためのステップが議論された。

• 最も重要なカテゴリーから商品データの監査を実施する
• AIを活用したデータエンリッチメントとクリーニングのソリューションを導入し、商品データの品質を向上させる
• データ品質の向上が、収益、顧客満足度、返品などの指標に与える影響を測定する
• データガバナンスプロセスを確立し、一貫性のある正確な商品データを確保する
• AIを活用したデータ強化ツールの無料トライアルを検討し、商品カタログへの影響を評価する
• 商品マーチャンダイジングチームから組織内のリーダーを決定し、データ強化イニシアチブを推進する
• データパイプラインを最新化し、商品データを一元化されたクラウドベースのシステムに統合し、より高度な分析と自動化を実現する。

※当記事は米国メディア「E-Commerce Times」の10/17公開の記事を翻訳・補足したものです。