クラウドで実現！！マーケティングにおけるIoT活用事例

石川・金沢IoTビジネス共創ラボ
第2回勉強会
株式会社ブレインパッド
2019年1月25日
クラウドで実現！！
マーケティングにおけるIoT活用事例

Analytics Innovation Company ©BrainPad Inc. 1
本日のAgenda
1. ブレインパッドのご紹介
2. マーケティングにおけるIoT活用事例
（おもてなしサポートシステム）

ブレイパッドのご紹介

データ活用の促進を通じて
持続可能な未来をつくる
MISSION

会社概要
商号株式会社ブレインパッド（英文 BrainPad Inc.）
所在地東京都港区白金台3-2-10 白金台ビル
設立 2004年3月18日
上場市場
東京証券取引所市場第一部
（証券コード：3655）
資本金 332百万円（2018年9月30日現在）
従業員数 267名（連結、2018年9月30日現在）
役員
代表取締役会長草野隆史
代表取締役社長佐藤清之輔
取締役安田誠
取締役石川耕
取締役塩澤洋一郎
社外取締役佐野哲哉
常勤社外監査役鈴木晴夫
監査役加藤啓一
社外監査役山口勝之

データ分析・AI業界の第一人者として
東証一部唯一の
データ分析専門企業
データサイエンティスト協会
代表理事
インセプションプログラム
パートナー
日本ディープラーニング協会
理事、および試験委員
テクノロジー企業成長率ランキング
「日本テクノロジーFast50」9年連続受賞
「Microsoft Japan Partner of
the Year 2018」特別賞

これまでのデータ活用支援企業数
800社＋
2004年の創業以来、データ活用を支援した企業の数
他社を圧倒する経験値と
豊富に積み上げられたナレッジを武器に、
お客様の経営課題を解決に導きます

ブレインパッドの事業領域と組織
アナリティクス事業
アナリティクスソリューション本部
ソリューション事業
デジタルソリューション統括部
ソリューション開発統括部
マーケティング・
プラットフォーム事業
マーケティングプラットフォーム本部
コンサルテーション AIビジネス本部
データサイエンティストを中心とした
データ解析・モデル開発
AIに関するエンジニアリング
各種データ解析やBIに関連する
パッケージツールの導入と
DWHやデータ解析基盤の構築・運用
プライベートDMP・レコメンドエンジンで
業界シェアNo.1のRtoasterを始めとする
デジタルマーケティング関連自社製品の
開発と提供
すべての事業/サービスを掛け合わせ、企業が抱えるより大きな経営テーマ・課題解決のためのソリューションを提供
AI活用構想段階や、デジタル技術/データを活用したサービス企画段階のコンサルテーションから支援
デジタルソリューション本部
ソリューション開発本部

さまざまなAI/データ解析技術を活用を支援(一例)
全日本女子
バレーボール
戦略分析
護岸の劣化検知不良材料の検知
複合商業施設の
マーケティング分析
精密機械の
故障予測
在庫・発注量の
最適化
飛行機の
座席の販売予測
物件画像の
自動仕分け
金融取引の
不正検知
アルバイトの
シフト自動化
SNS画像での
マーケティング分析
タクシーの
配車ロジック

事例：オークネット様自動車画像による車種・型式判別
現状人手でタグ付けを行っているものの、商材に関する専門的な知識がないと難しく、調査・判別
に膨大な工数がかかるという課題に対して、自動車画像を対象に深層学習を用いた型式識別の
自動化支援を実施。
学習済みモデルを利用することで、少ない画像数でも業務に活用できるレベルでの精度が出せるこ
とを実証。
畳み込みニューラルネットワークによる特徴抽出自動車画像データ※
※実際に分析に用いた画像および車種とは異なります。
車種○○○ 型式AAA
車種●●● 型式BBB
車種■■■ 型式CCC
車種XXX 型式DDD
車種・型式判別※
約80%程度の精度で
型式まで判別可能

事例：キューピー様原材料の不良品検知
熟練の作業員により人手で判断していた原材料の不良品の検知を、ディープラーニング技術を活
用した画像認識のアルゴリズムを開発し、工場ラインに設置されたカメラ画像から自動検知が可能
となった。
当社がディープラーニングの技術を
活用し、画像から不良品を検知する
アルゴリズムを開発
製造ラインに流れるベビーフードの原材料である約1cm角の
ジャガイモをコンベア上に並べ、カメラで撮影した動画を解析
することによって、夾雑物*を発見します。
*夾雑物(きょうさつふつ)とは、あるものの中に混じっている余計なもののこと。

事例：コカ・コーラ様飲料シーン分析
自社商品がどのような生活シーンで消費されているのかを把握することは、消費者心理を深く理解
するための重要課題の一つとなっている。
結果検証を通じて、SNS投稿における画像解析の有効性を確認する。
ラベル自動付与によって、カテゴリー別の消費シーンのより深い理解を得られることが可能に。
SNSからの画像抽出画像を識別消費シーンの分析、レポート化
約10万件のSNS投稿画像を抽出
(過去2年分の商品ロゴ画像を含むツ
イートを検出)
イメージ画像や自動販売機などの画像
を除外。(消費シーンに関係ないため)
入力画像
Vision APIのラベル検出で、入力画像に対して
ラベルの候補とスコアが付与。
ラベル検出結果のイメージ
ラベル分類分け
テキストと画像では影響を
受けるトレンドが違うことを
確認。商品の大きさにイン
パクトのあるキャンペーンで
は画像数の影響が増えた。
画像にラベルを自動付与することで、
一緒に映り込んでいる物も認識。
想定外にアルコールと一緒に写って
いるものが多く、割り物として使わ
れていることが多いとわかった。
青文字：テキスト赤文字：画像
Twitter数のテキスト/画像別推移

マーケティングにおけるIoT活用事例

セキュリティカメラを活用したCRMソリューション
おもてなしサポートシステム

おもてなしサポートシステム：プレスリリース
ボッシュセキュリティシステムズ社と弊社の協業ソリューションとして、セキュリティカメラで
取得した顔画像をIDとして店舗やショールームへの来店顧客の行動をマーケティング
活動につなげる、「おもてなしサポートシステム」を共同開発し提供を開始。

リテールCRMでの課題＞今後進むべき方向性
・来店しても買わない人はどれ
くらいいるのだろう？
・買わなかった人はどの売場に
多いんだろう？
・POSデータでは売れてる商
品は分かるけど、どんな人が
買ってるかわからないなぁ。
ポイント会員も一部の人だし..
・会員の購入傾向は分かるけ
ど、来店しても買わなかったこと
は分からないなぁ…。
これまでの店舗向け
CRMでは、この範
囲のお客様情報は
分かりませんでした。
全ての来店顧客に対して「誰が」「いつ」「来店」して「何を」「買った」かが分かるようになり、
全ての顧客へ最適な販促コミュニケーションを行いたい。

Azure環境
弊社の考えるソリューション「おもてなしサポートシステム」
顔画像を
IDとして
顧客行動
データを
蓄積・分析
顔画像を
送信
5回目来店
2回購入
半年ぶり来店
スーツ売場◎
お勧めは新作
スーツ
接客情報
を送信
い
つ
も
あ
り
が
と
う
ご
ざ
い
ま
す
。
新
作
の
ス
ー
ツ
は
い
か
が
で
す
か
？

システムイメージ
店頭活用は店頭スタッフ経由での接客活用。オプションとして店頭デバイスとの連携も可能。
蓄積データの分析はダッシュボードとExcel等で行い、店舗・売場毎の分析にも活用。
レコメンデーション
エンジン
連
携
開
発
に
よ
り
、
オ
ム
ニ
チ
ャ
ネ
ル
CRM
化
基
本
機
能
セルフレジ

ソリューション基本機能
《基本機能》
［来店客情報の取得］
・来店客の来店回数、滞在売場、購入など行動データの取得
・来店客の顔画像認識による年代・性別の推定
［分析・マーケティング機能］
・顔画像IDによる来店・購入別のRecency、Frequency、売場滞在スコア情報の生成
・日別、曜日別、時間帯別、顧客属性別の来店、購入状況集計のダッシュボード
・同、売場毎の集計ダッシュボード
［接客サポート機能］
・店員端末（スマホ/タブレット）への顧客接客情報※1の送信
・セルフレジ、キオスク端末など店頭の接客デバイスへの顧客接客情報の送信※2
※1.直近来訪日、過去訪問スコア（顧客ランク）、接客時のお勧め情報など
※2.システム連携については基本機能内で検討するが、実装はオプション
《オプション機能》
［ID-POSシステムとの連携］
・セルフレジなどを使用した決済時取得顔画像とのマッチングによる会員IDとのデータ連携による購買
データ分析への顧客店頭行動データの連携
［CRMシステムとの連携］
・会員システムとの連携による会員アプリなどへのリアルタイムレコメンド通知

omotenashi.com
＞新規来店客
来店時間が遅い順
優良
新規
休眠
一般
来店時間：2017年9月27日 18:32
来店時間：2017年9月27日 18:28
来店時間：2017年9月27日 18:15
来店時間：2017年9月27日 17:55
過去10回来店
5回購入
最終来店日：昨日
初回来店
未購入
最終来店日：本日
過去10回来店
8回購入
最終来店日：2016年1月15日
過去5回来店
2回購入
最終来店日：1ヶ月前
omotenashi.com
＞新規来店客
来店時間が遅い順
優良
新規
休眠
一般
来店時間：2017年9月27日 18:32
来店時間：2017年9月27日 18:28
来店時間：2017年9月27日 18:15
来店時間：2017年9月27日 17:55
過去10回来店
5回購入
初回来店
未購入
最終来店日：本日
過去10回来店
8回購入
最終来店日：2016年1月15日
過去5回来店
2回購入
最終来店日：1ヶ月前
来店時間：2017年9月27日 18:32
過去10回来店
5回購入
店舗ランク：27
全店ランク：15
店舗での最優良顧客
です。
頻繁にスーツ売場に
立ち寄りされているの
で、今年のトレンドが
「クラッシック回帰」であ
ることを説明し、ラペル
幅の広めのモデルが人
気とご紹介ください。
《リコメンドアイテム》
「スーツの原点”スリーピーススーツ”の
復権」
接客サポート機能：スタッフ確認用画面（スマホ版）
接客サポートでは来店客の顔画像認識から来店客情報を更新、過去の行動情報から接客
アドバイスなども伝えます。
店
舗
に
対
す
る
顧
客
の
ラ
ン
ク
を
マ
ー
ク
で
表
示
「
VIP
（
優
良
顧
客
）
」
「
初
回
来
店
」
「
お
久
し
ぶ
り
客
」
な
ど
判定年代・性別など
からの売れ筋推奨や
トークスクリプト、本部か
ら売場毎のイチオシ商
品などを表示
詳細表示
来
店
客
の
一
覧
を
ス
ク
ロ
ー
ル

ユーザーサマリ画面
日付範囲指定
集計単位は日・週・月単位で
切り替え可能
上記選択か、下の円グラフ選択
でグラフが連動
店舗・売場・ブランド等の絞り込み
来店客
＞アクティブユーザー
＞来店客属性
＞新規とリピーター
＞再来訪の回数や間隔
＞購入率
来店客行動

分析・マーケティング機能：期間利用状況

顔認識の精度

ボッシュ製カメラ+FaceAPI 誤認識・性別・年齢判定精度について
ボッシュセキュリティシステムズ様セミナーで取得した690枚の顔画像について、FaceAPIでの
同一人物判定と年齢性別判定結果と2名のオペレータが見た目判定した年齢性別との比較
を行いました。（店舗スタッフと同様に「見た目」年齢にて検証）
0
10
20
30
40
50
60
70
-32
-21
-20
-14
-13
-12
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
23
28
オペレータAチェック誤差分布（人間-AI）
件数
平均値：4.39
中央値：4
25%値：1
75%値：8
0
5
10
15
20
25
30
35
40
45
50
-20
-19
-18
-17
-12
-11
-10
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
23
25
26
オペレータBチェック誤差分布（人間-AI）
件数
平均値：4.68
中央値：4
25%値：0
75%値：9
誤認識率：3.3% ※同一人物を別人と判定した率
性別判定精度：99.3%
見た目年齢判定誤差平均：4.53歳
※プラスの数値はAIが「若め」に判定していることを示します。
AIが若く判定
AIが若く判定
AIが高齢に判定
AIが高齢に判定

ソリューションを可能にするサービス：Azure CognitiveServices
FaceAPIに使用されている顔画像認識アルゴリズムは誤認識率で人間の平均値を超えており、
一定レベルの情報量の顔画像を得ることが出来れば店頭のスタッフと同等の識別精度でお客
様を識別し、かつ忘れることがありません。複数名ローテーション対応している現場でも「おもて
なしシステム」のサポートがあればお客様へ最適な接客を行うことが可能です。

近年のセキュリティカメラの機能紹介

VCAシステム構成（ボッシュ社の標準機器構成）
ボッシュセキュリティシステムズ製カメラでは動画の記録と並行してVCAで取得したメタデータを
記録します。またライブアラートによってニアリアルタイムでイベントを送信させることが可能です。
弊社のソリューションでは、これらのイベントデータをAzure上に構成したデータ分析システムへ
送信・取得することで、顧客行動ログを生成します。
※ボッシュセキュリティシステムズ社提供資料より
カメラで処理されたメタデータを
分析システムで取得し、顧客
の行動ログとして記録

顔画像切出し機能
カメラ単体で動画中の人を認識して、顔画像切り出しし送信が可能。
この機能によりクラウド側での顔認識及び顔画像の切出し処理が無くなり、レスポンススピード
に優れたシステムとすることが可能です。（人物の顔のみカメラで切出し可能）
取得している動画中か
ら人を検知し、顔画像
切出しして送信可能

VCAでの動体認識
カメラ単体で映像中の特定オブジェクトを認識し、移動のトレースを行います。

侵入検知・うろつき検知
防犯目的として、特定行為を行った人物が存在した際にアラートを送信する機能があります。主
なものとしてエリアへの侵入検知、うろつきなどがあります。（マーケティング目的では売場で困って
いる顧客を発見して店員へ連絡するなどの活用が可能）

置き去り・持ち去り検知
人物以外にも時間経過における変化を識別してアラートを発生し送信する機能があります。
「これまで無かったものがある」「これまであったものが無くなった」など。

動体行動検知

IoT時代の分散処理：エッジコンピューティング
産業構造審議会商務流通情報分科会情報経済小委員会分散戦略WG資料「IoTとエッジコンピューティング」より
http://www.meti.go.jp/committee/sankoushin/shojo/johokeizai/bunsan_senryaku_wg/pdf/001_04_00.pdf

セキュリティカメラのエッジデバイス化
これまでの場合エッジコンピューティングの場合
超巨大データ処理
が発生
⇒高コスト、遅い
動画の送信が店舗の
ネットワークを圧迫！
インテリジェントカメラを使用することで、店舗インフラやクラウドサイドでの処理に負荷をかけるこ
となく、リアルタイムで稼働するシステムとすることが可能
顔画像・行動
メタデータ
顔画像・行動
メタデータ
顔画像・行動
メタデータ
記録動画記録動画記録動画
ネットワークに負荷をかける
ことなく高速な対応が可能
行動メタデータと
画像のみ処理
⇒低コスト、速い

セキュリティカメラソリューション
その他活用事例

セキュリティカメラソリューションその他活用事例
製造現場行動管理ソリューション
店頭待ち行列管理ソリューション
社員行動管理ソリューション
車両検知・管理ソリューション

本資料は、未刊行文書として日本及び各国の著作権法に基づき保護されております。本資料には、株式会社ブレインパッド所有の特定情報が含まれており、これら情報に基づく本資料の内容は、御社以外の第三者
に開示されること、また、本資料を評価する以外の目的で、その一部または全文を複製、使用、公開することは、禁止されています。また、株式会社ブレインパッドによる書面での許可なく、それら情報の一部または全文
を使用または公開することは、いかなる場合も禁じられております。
株式会社ブレインパッド
〒108-0071 東京都港区白金台3-2-10 白金台ビル
TEL：03-6721-7002 FAX：03-6721-7010
www.brainpad.co.jp info@brainpad.co.jp
Analytics Innovation Company
ご清聴ありがとうございました。

クラウドで実現！！マーケティングにおけるIoT活用事例

Recommended

Recommended

More Related Content

What's hot

What's hot (19)

Similar to クラウドで実現！！マーケティングにおけるIoT活用事例

Similar to クラウドで実現！！マーケティングにおけるIoT活用事例 (20)

More from Yasuhiro Kobayashi

More from Yasuhiro Kobayashi (13)

Recently uploaded

Recently uploaded (10)

クラウドで実現！！マーケティングにおけるIoT活用事例