ショッピングはテックでどう変わる? “おすすめ”を最適化する4つのアパレル実験

写真拡大

ユーザーの潜在的な欲求にマッチしたおすすめアイテムを提案できる、独自のリコメンデーションエンジンを開発するヴェンチャー企業「サイジニア」。彼らはアパレルショップにその先進テクノロジーを導入することで、新しいショッピング体験をつくろうとしている。(雑誌『WIRED』VOL.18より転載)

「ショッピングはテックでどう変わる? “おすすめ”を最適化する4つのアパレル実験」の写真・リンク付きの記事はこちら

ファッションとテックをつなぐグローバル・イヴェント「デコーデッド・ファッション」の日本初開催が、2015年7月9日(木)に実現した。

当日会場でひときわ注目を集めていたのが、サイジニア東芝テックが中心となってプロデュースをした「UNITED TOKYO」の仮設店舗ブースだった。

店の入り口でロボット店員に迎えられて、店内ではテレビゲームのように商品の在処をレーダーで探索する。レジでは次に買いたいものがすべて見透かされているかのように、おすすめ商品が提案される。そんな体験を先進テクノロジーによって実現する展示が行われていたからだ。

SLIDE SHOW FULL SCREEN FULL SCREEN FULL SCREEN FULL SCREEN 1_0

1/4Experiment 1:ロボット店員のペッパーが来店客を“スキャン”
店舗に入る前に、入り口でロボット店員のペッパーが「いらっしゃいませ」と元気にお出迎えしてくれる。その場で全身をスキャンされると、年齢や性別だけでなく、どんなファッションをしているのかまで把握される。その顧客情報をもとに店舗の商品データと照らし合わせて、ペッパーが自分のスタイルにあった商品をリコメンドしてくれるのだ。

2

2/4Experiment 2:レーダー端末で目当ての商品を探索
広い店舗の場合、リコメンドされた商品がどこの棚に置いてあるのかを見つけるのも一苦労だ。そこでスマートフォンにレーダー端末(RFIDハンドリーダー)を取り付け、簡単に商品を探せるテクノロジーを開発。店内の全商品にレーダーに反応するRFIDタグが付いているので、対象の商品に近づくほど「ピピピッ」っと音の間隔が短くなっていく。

3

3/4Experiment 3:購入情報をもとにリーフレットでリコメンド
レジで商品を購入するとその場でA4サイズのリーフレットが渡される。買ったばかりの商品のデータや、過去の購入履歴などをもとに、リコメンデーションエンジンが自分のスタイルにあったおすすめの商品を抽出。QRコード付きの商品画像が印刷されるので、店を出たあともスマートフォンでアクセスすれば、簡単にオンラインストアで買うことができる。

4

4/4Experiment 4:モバイルアプリで店の外でも欲しくなる
店を出たあとも、ブランドからスマートフォンへのリコメンドは続く。購入した商品とおすすめの商品が専用アプリに届く仕組みになっている。ほかの店で購入した商品も登録することができるので、例えば家にある服や靴をすべて登録しておいて、コーディネイトを考えながら次に買いたい商品を検討する、といった便利な使い方も可能になる。

Prev Next PAUSE EXIT FULL SCREEN 1_0

Experiment 1:ロボット店員のペッパーが来店客を“スキャン”
店舗に入る前に、入り口でロボット店員のペッパーが「いらっしゃいませ」と元気にお出迎えしてくれる。その場で全身をスキャンされると、年齢や性別だけでなく、どんなファッションをしているのかまで把握される。その顧客情報をもとに店舗の商品データと照らし合わせて、ペッパーが自分のスタイルにあった商品をリコメンドしてくれるのだ。

2

Experiment 2:レーダー端末で目当ての商品を探索
広い店舗の場合、リコメンドされた商品がどこの棚に置いてあるのかを見つけるのも一苦労だ。そこでスマートフォンにレーダー端末(RFIDハンドリーダー)を取り付け、簡単に商品を探せるテクノロジーを開発。店内の全商品にレーダーに反応するRFIDタグが付いているので、対象の商品に近づくほど「ピピピッ」っと音の間隔が短くなっていく。

3

Experiment 3:購入情報をもとにリーフレットでリコメンド
レジで商品を購入するとその場でA4サイズのリーフレットが渡される。買ったばかりの商品のデータや、過去の購入履歴などをもとに、リコメンデーションエンジンが自分のスタイルにあったおすすめの商品を抽出。QRコード付きの商品画像が印刷されるので、店を出たあともスマートフォンでアクセスすれば、簡単にオンラインストアで買うことができる。

4

Experiment 4:モバイルアプリで店の外でも欲しくなる
店を出たあとも、ブランドからスマートフォンへのリコメンドは続く。購入した商品とおすすめの商品が専用アプリに届く仕組みになっている。ほかの店で購入した商品も登録することができるので、例えば家にある服や靴をすべて登録しておいて、コーディネイトを考えながら次に買いたい商品を検討する、といった便利な使い方も可能になる。

サイジニアは、北海道大学大学院の複雑系工学研究者らが始めた、リコメンデーションエンジンを開発するテクノロジーヴェンチャーだ。複雑ネットワーク理論や機械学習を活用したビッグデータ解析技術を応用して、ショッピングの体験を変えるテクノロジーを開発している。

これまでサイジニアはオンラインストア向けのリコメンドサーヴィスを中心に提供してきた。ではなぜそのリコメンデーションエンジンを実店舗にも導入する仕組みを開発しているのか。その理由を社長の吉井伸一郎はこう語る。

「ネット広告などでいきなり商品をリコメンドされても、あまり関心がもてないときもあると思います。でも実店舗を訪れたときは、必ずそのブランドに顧客の関心は向いています。そのため、実店舗で購入データを活用して商品をリコメンドする方法が、いちばん効果的だと考えPOS最大手の東芝テックとも連携しました」

今後サイジニアや東芝テックが開発したテクノロジーはUNITED TOKYOの各店舗に導入される見込みだ。20〜30代の顧客が多いことが、連携を決めた理由のひとつだとサイジニアの吉井氏は言う。

「オンラインストアでの売上比率もほかのブランドと比べて高いので、実店舗でのデジタルテクノロジーの導入にも理解を得やすいと考えたのです」

ショッピングをより便利な体験にすることを目指して、テックエンジニアたちの挑戦は続く。

サイジニア東芝テック