分析情報と推奨事項 - Smart Store Analytics
Smart Store Analytics の分析情報と推奨事項ページでは、データ サイエンスを適用して、店舗のパフォーマンス、買い物客、製品についてのより深い分析情報を明らかにします。 特定の店舗または小売チェーン全体についての分析情報を得ることができます。
注意
店舗データは常に、特定の店舗のローカル タイム ゾーンに従って処理および表示されます。 したがって、PowerApps または Mac や PC の設定を調整して、レポートのタイム ゾーンをリアルタイムで変更することはできません。
よく一緒に購入される品目
頻繁に一緒に購入される機能により、ストアまたはマーチャンダイジング マネージャーは、密接に関連する製品に関する分析情報に基づいて、製品の配置とプロモーションに関するデータに基づいた決定を行うことができます。 小売業者が相互販売活動を効果的に促進できるように、互いに強く関連付けられている製品の組み合わせを特定します。
顧客ストア体験とアクションからのデータは、これらの結果を充実させ、関連するコンテキストを提供します。 このようにして、強く関連する製品ペアのデータを明らかにし、それらをより近くに配置して、2 つの製品の共同販売を促進することができます。 あるいは、店舗での変換率が低い製品は、より人気のある関連製品との相互販売によって利益を得ます。
よく一緒に購入される商品の関連付けには、次の 2 つのビューがあります。
[よく一緒に購入される製品] ビュー
よく一緒に購入される製品ビューには、過去 7、30、または 90 日間の最も関連性の高い上位の製品の関連付けが表示されます。
注意
ドロップダウン メニューから店舗を選択すると、選択した店舗での取引に基づいて上位の商品の組み合わせがテーブルに表示されます。 メニューで小売業者ビューを選択すると、小売チェーン全体のトランザクションに基づいて、上位の製品の組み合わせがテーブルに表示されます。
テーブルには、次のデータが含まれます:
製品名 : 関連製品の名前
製品 SKU : 関連製品の製品 ID
関連性の強さ : 関連性の強さは、ランダムな偶然ではなく、顧客が関連性によりこれらの製品を一緒に購入する可能性を表す統計的な計算に基づいています。 このようにして、一緒に購入したり、別々に購入したりするだけでなく、特に互いに強く関連する、より興味深く有意義な製品の組み合わせを見つけることができます。
カテゴリは、関連付けの強さを測定する統計メトリックに基づいて割り当てられます。 店舗または小売業者のトランザクションに基づいて、メトリックは関連する製品ペアを並べ替えます。 次に、ペアは、 素晴らしい が上位 3 つ、 良い が中央 3 つ、普通 が下位 3 つの等しいサイズのカテゴリに分割されます。 店舗トランザクションの特性が信頼できる統計的推論を許可しない場合、識別された関連付けの強さの横に “限られたデータに基づく” という表示が表示されることがあります。 理由としては、期間ごとのトランザクション数が少ない、平均バスケット サイズが小さい、または購入した商品の変動性が低いことが考えられます。
一緒に購入された回数 : 選択した期間に顧客が 2 つの製品を一緒に購入した回数。
製品の受け取りの遅延 : 製品の受け取りの遅延は、顧客が関連する 2 つの製品を選択するまでに経過した平均時間です。 また、顧客が店舗で 2 つの製品を選ぶ際の平均時間よりも遅延が多いか少ないかも示されました。 関連する 2 つの製品を受け取る際の遅延時間が平均を超えている場合は、それらを互いに近づけることを検討できます。
集荷までの平均遅延を確実に計算するのに十分なデータがない場合、この列に 情報が不足しています と表示される場合があります。
店舗のレイアウトが異なるため、小売チェーン トランザクション全体で製品の組み合わせの列に 該当なし というメッセージが表示されます。
製品ごとのドリルダウン ビュー
製品ごとのドリルダウン ビューには、過去 7、30、または 90 日間の最も関連性の高い上位 5 つの製品の関連付けが表示されます。
ドロップダウン メニューで、関心のある製品を検索できます。 テーブルには、選択した期間 (過去 7、30、または 90 日間など) で、選択した製品に最も強く関連付けられた上位 5 つの製品が表示されます。 関連商品のデータは、以前の「頻繁に一緒に購入される製品」ビュー テーブルと同様です。
メニューには、少なくとも 1 つの強く関連付けられた組み合わせを特定する製品のみが含まれます。 さらに、メニューには選択した製品のパフォーマンスが表示されます。
変換率は、顧客が商品を購入した回数に対する、商品が店舗でやり取りされた回数の比率を表します。 製品の変換率が低い場合は、「頻繁に一緒に購入される製品」ビュー テーブルに表示される関連性の強い製品と組み合わせて販売し、売上を伸ばすことを検討できます。
代用製品
代用製品の推奨機能は、顧客が店舗または小売チェーン内の他の製品の代用製品と見なす製品に関する分析情報を提供します。 これらの分析情報により、小売チェーンの販売促進マネージャーや店舗管理チームは、在庫切れの製品の代替品を選択する際に、データに基づいた決定を行うことができます。 あるいは、マネージャーは、競合する可能性のある製品であるため、代替製品のパフォーマンスを相互に分析することもできます。
AI モデルは、顧客体験と店内での製品とのやり取りから得られる詳細なデータを分析し、製品推奨を生成します。 AI モデルは、潜在的な代替品として同じコンテキストで購入されることが多い製品を特定します。 製品のコンテキストは、顧客が同じセッション中に手に取る他の製品と、手に取る順序によって定義されます。 コンテキストが類似しているほど、2 つの製品が代替品として特定される可能性は高くなります。 推奨される代用製品は、分析に基づいて、元の製品と同様の顧客ニーズに対応します。
注意
AI モデルは監視されておらず (代替製品の事前定義されたデータ セットでトレーニングされていない)、店内での顧客活動と、同じセッションで手に取った他の製品のコンテキストに基づいて製品の代替可能性を推測します。 類似のコンテキストを持っているからといって、その製品が必ずしも代用製品であるとは限らないため、場合によっては、モデルが適切な代用製品とはみなされない製品を推奨することもあります。
代用製品画面
代用製品画面には、店舗または小売チェーン全体の製品の推奨代用製品が表示されます。 店舗を選択して、その店舗で入手可能な最適な代替品を見つけたり、小売業者ビューに切り替えて、小売業者レベルでより幅広い選択肢を得ることができます。 店舗や小売チェーンで売れ筋商品や最も売れ行きの悪い製品の代替品に焦点を当てることもできます。 いずれかのオプション (全製品、売れ筋製品または売れ行きの悪い製品) を選択すると、AI Insights がドリルダウン メニューの内容を更新し、選択したフィルターに従って関連する製品を含めます。
注意
製品選択ドリルダウンには、顧客とのやり取りの特性と頻度に基づいて、代用製品となる可能性がある店舗/小売業者のカタログからの製品のみが含まれます。 小売業者カタログからの製品で、ドリルダウン (全製品、または売れ筋製品と売れ行きの悪い製品のメニューのいずれか) に表示されず、推奨がないもの。
代用製品テーブル
製品の推奨は、次のような表に示されています。 推奨は過去 90 日間に収集されたデータの分析に基づいており、24 時間ごとに更新されます。
この表には、ドリルダウン メニューから選択した製品の代用製品として推奨される最大 3 つまでの製品と、顧客が代用製品のいずれかを選択したり、元の製品とさまざまな提案された代替品のパフォーマンスを比較したりする際に役立つ可能性のあるいくつかの追加の詳細が表示されます。 各代用候補の詳細は、以下のとおりです:
- 製品名: 代替製品の名前が表示されます
- 製品 SKU: 代替製品の製品 ID が表示されます
- 選択した製品に対する配置: 選択した製品と代用製品の候補が、同じ棚、同じゴンドラ (その中の異なる棚)、または店内の異なる場所に置かれているかどうかを示します。
注意
この列は、小売チェーンの異なる店舗間で製品の配置が異なるため、店舗レベルの代替製品のおすすめ候補にのみ関連します (小売業者レベルでは空のままになります)。 同じ製品が店舗内の複数の場所に配置されている場合、列はその中で最も近い場所を表します。
- 1 日あたりの平均販売台数: 過去 90 日間の選択した製品と代替製品の 1 日あたりの平均販売台数を示します。
- 平均コンバージョン率: 選択した製品と代替製品の 1 日あたりの平均コンバージョン率を示します。 コンバージョン率は、顧客が店内で製品を見た回数を、顧客が製品を購入した回数で割ったものです。
- 相対コンバージョン率: 異なる製品間の比較を容易にするために、製品のコンバージョン率と、すべての製品にわたる店舗または小売チェーンの平均コンバージョン率との関係を示します。 小売チェーン/店舗の平均コンバージョン率が店舗フィルターの下に表示されます。
代替製品のパフォーマンス
代替製品のパフォーマンス グラフを使用すると、選択した製品と代替製品のパフォーマンスを時系列で分析できます。
このグラフは、選択した製品と代替製品の 1 日あたりの販売数量を時系列で示します。 グラフには、日付フィルター フィールドで選択した期間にわたる製品の 1 日あたりの販売数量が表示されます。
フット トラフィック予測
小売店の売上 & 店舗構成は、日中にどれだけの客が来店するかに大きく依存します。 予測来店客数は、外部要因 (季節、休日など) を使用して過去の来店客数を分析し、小売業者が顧客の需要を予測し、それに応じて活動を調整できるようにする分析情報を生成する AI/ML モデルです。 Smart Store Analytics の予測来店客数 AI モデルは、今後 7 日間の時間ごとの来店客数を予測します。 このデータにより、店舗マネージャーとマーケティング チームは、今後 7 日間に店舗を訪れる可能性のある顧客の数を時間ごとに予測できます。
来店客数を予測することで、小売業者は次のことを実現できます:
- ピーク時期に合わせて最適化されたスケジュールの作成と、適切な人員配置レベルの確保。
- 時間単位の粒度で各店舗および店舗間に労働力を割り当てる。
- 棚の補充やピーク時間前の補充などのタスクをスケジュールして、需要の高い時期に店員が顧客のサポートに集中できるようになる。
- 需要の変動に基づいて補充スケジュールを最適化し、出荷に優先順位を付けます。
1 日のトラフィック予測は、その日のトラフィックの 1 時間ごとの値を集計することによって作成されます。 予測には、AI モデルが店舗の客足の実際の過去の値と、店舗が位置する地域の祝日のリストを使用します。 天気、店舗のスケジュール、予期せぬ店舗休業、その他の予測の精度に影響を与える可能性のある条件などの要素は考慮されていません。
来店客数予測ダッシュボード
予測来店客数ダッシュボードを使用することで、店舗マネージャーやマーケティング チームは、特定の日付における選択したスマート ストアの来店客数予測を監視できます。
重要
モデルが予測を表示するには、特定の店舗の少なくとも 14 日間の実際の履歴データにアクセスできる必要があります。 モデルがより大きな過去のデータセットから学習するため、予測は時間の経過とともにより正確になります。 時間当たりの客足が極端に少なく断続的な店舗では、予測の精度が低くなる可能性があります。
来店客数予測ダッシュボードには、次の 4 つの主要な領域があります:
- フィルター: 「小売業者と店舗」ドロップダウンには、データがある小売業者のチェーン内のすべての店舗が表示されます。 「日」では、AI/ML モデルが予測を生成した 7 日間のうち 1 つを選択できます。 「小売業者と店舗」 & 「日」で使用できるフィルタは、ページ上のすべてのデータに適用されます。
注意
「最終更新日mm/dd/yyyy hh:mm UTC」は、ダッシュボードが更新されたときのタイムスタンプを示し、この日付から 7 日間のトラフィックの予測が開始されます。 時間は協定世界時 (協定世界時)、つまり経度ゼロ (英国グリニッジのタイムゾーン) で考慮されることに注意することが重要です。
KPI: トップレベルの KPI は、過去 1 週間に対する予測客数の評価に役立ちます。
当日の客足予測: 選択した日に選択した店舗に入場する買い物客の数 (繰り返しの入場を含む) の予測です。 グループ内の買い物客は 1 人とカウントされます。 したがって、5 人家族は 1 人の買い物客としてカウントされます。
このウィジェットには、前週の同じ曜日からの変化率 (%) も表示されます。 傾向を示す矢印があり、テキストの色は増加を示す緑色、歩行者数の減少を示す赤色で表示されます。
この AI モデルは、今後 7 日間の毎時間のトラフィックを予測します。 1 日のトラフィック予測は、その日のトラフィックの 1 時間ごとの値を集計することによって作成されます。
前週の同じ日の実際のトラフィック: 前週の同じ日の実際の (または過去の) トラフィックが表示されます。 前週の同日の計算日も表示されます。 このビューにより、連続する 2 つの月曜日または曜日間で価値のある比較が可能になります。
今後7日間の客足の予測: 日付範囲で示される、選択した店舗に入場する買い物客の予測数の合計 (日付範囲: mm/dd/yyyy – mm/dd/yyyy) です。 このウィジェットは店舗の選択によって影響を受けますが、フィルターでの日の選択によって影響を受けません。
過去 7 日間の変化率 (%) もこのウィジェットに表示されます。 傾向を示す矢印では、テキストの色は増加を示す緑色、トラフィックの減少を示す赤色で表示します。
過去7日間の実際のトラフィック: 過去 7 日間の実際の (または過去の) トラフィックです。日付範囲: mm/dd/yyyy – mm/dd/yyyyで示されます。 このウィジェットは店舗の選択によって影響を受けますが、フィルターでの日の選択によって影響を受けません。
時系列グラフ: 時系列グラフは、時間の経過に伴う予測されるトラフィックを 3 つのバリエーションで表示します。
時間別のトラフィックの予測 は、選択した日の時間ごとの買い物客の数を示します
今後 7 日間の客足の予測: 選択された店舗に入店する買い物客の予測数を、日付範囲: mm/dd/yyyy～mm/dd/yyyy で示される 7 日先のそれぞれについて、棒グラフで示したものです。 鮮やかな色の線は、過去 7 日間の実際の (または過去の) トラフィックを示します。 このウィジェットは店舗の選択によって影響を受けますが、フィルターでの日の選択によって影響を受けません。
今後 7 日間の日別および時間別のトラフィックの予測 は、毎日を行で表し、時間を列で示しています。 各四角形の色は、凡例で定義されているように、特定の日の特定の時間における買い物客の数を表します。 慣例により、広場が暗いほど買い物客の数が多くなります。 時間は 0 から 23 までで、日付範囲は mm/dd/yyyy – mm/dd/yyyy で示されるように 7 日前をカバーします。
トラフィックの予測はどのように計算されますか? - このセクションでは、予測予測モデル、入力データ、つまり過去の データセット の重要性、および現在モデルで考慮されていない要素に関する基本情報を提供します。