LLMを用いて非構造化データから顧客理解を深化｜Snowflake Cortexを用いた新たな分析

ビジネスの成長には、顧客を深く理解することが不可欠です。

これまで、多くの企業では、顧客の購入履歴やサイトの閲覧行動を分析することで、「ユーザーが何をしたか」という行動の結果からユーザー像の理解を深めてきました。

しかし、顧客に対する理解度をさらに一段階引き上げるためには、その背景にある「なぜその行動に至ったのか」を理解することが重要です。

atarayoでは、AIを用いて、非構造データから顧客の興味傾向を把握する新たな分析に取り組んでいます。この記事では、LLMを用いた非構造化データの分析手法についてご紹介します。

なぜ今、新たな分析が必要なのか？

最近では分析ツールが普及してきたことで、ユーザーの注文履歴やWEBの行動履歴などを統合し、LTV（顧客生涯価値）やアクティブ度（どれほどサービスや商品に熱意をもって関わっているか）といった分析は多く実施されています。

一方、メールコンテンツやランディングページなどの非構造化データ（画像、動画、文章データなど）を用いた分析については、技術的なハードルも高くなかなか実施されてきませんでした。そのため、ユーザーがどのような訴求を見て購入に至ったのかという「きっかけ」については理解が進んでいませんでした。

例えば、メールから商品が購入された場合、これまでの分析では、「このメールが売上に貢献した」という結果は分かっても、「メールのどの部分（どの訴求）が響いたのか」までは分からないという状況でした。

このギャップを埋めるために使用するのが、LLM（大規模言語モデル）です。LLMは、膨大なテキストデータから人間のように文章を理解し、要約や分類などを行うことができます。このLLMの技術を用いてメールのコンテンツを分析し、ユーザーの行動履歴と組み合わせることで、「顧客の興味傾向」をより深く理解し、一人ひとりのユーザーに合わせたサービスの提供が可能になります。

分析方法と実績

メールマーケティングにおいて、件名と本文はユーザーが開封するかどうかを判断したり、本文内のクリックや購入を決める上で、非常に重要な要素となります。

ユーザーは、メールの件名や本文を読んで、自分が興味のあるの内容なのかを判断し、開封またはクリックします。つまり、メールのテキストデータとその後の行動データを組み合わせることで、ユーザーの興味傾向を推定することが可能です。

今回の分析では、テキストデータの分析・分類にSnowflake Cortexを用いています。

具体的には、過去に配信した大量のメールの中から、件名のテキストデータを抽出、Snowflake Cortexに分析させてタグを生成します。タグデータを開封・クリック率といったメールの行動データと紐づけることで、「ユーザーはどのような訴求内容に反応するのか」を推定することができます。

この分析により、ユーザーが反応しやすいカテゴリの訴求内容がわかり、パーソナライズされたメールコンテンツの配信に繋げることが可能になります。

実際の支援の中でも、数百万人いる顧客像の把握、メールコンテンツの改善、他のマーケティングチャネルの配信内容の改善など、日々の運用で活用いただいています。

なぜSnowflake Cortexを用いるのか？

メールなどのテキストデータを、人間が集計・分析することは、配信数が多いほど難しくなります。

atarayoでは、データ分析基盤として多くの企業で利用されているSnowflakeに統合された、LLM（大規模言語モデル）の機能群である「Snowflake Cortex」を以下の理由により、活用しています。

1. データ移動が不要で、セキュリティも安心

2. 複数のLLMモデルを使い分けられる

3.分析パイプラインを構築しやすい

Snowflake Cortexでできること

Snowflake Cortexは、単なるテキスト分析ツールではありません。様々な機能で、より深いインサイトを引き出すことができます。

まず大きな特徴として、自由形式テキストの構造化・分類の機能が挙げられます。

メールの本文や問い合わせ内容、SNSのコメントといった自由な文章から、感情、カテゴリ、優先度といった必要な情報を自動で抽出・分類。これにより、これまで分析が難しかった非構造化データを、分析可能な「構造化データ」に変換することが可能になります。

また、SQL分析結果の自然言語解釈ができることも特徴です。

また、最新の機能では、AIが自ら考えて複数のタスクを自動で実行する「エージェント機能」や、開発者がSQLをより効率的に記述できるように支援する「Copilot機能」も提供されており、さらなるデータ活用の可能性を広げています。

分析の精度を高めるプロンプト設計

Snowflake Cortexに限らず、AIを使って精度の高い結果を引き出すには、的確な指示（プロンプト）を与えることが非常に重要となります。atarayoでは、プロンプト設計時には以下を押さえ、精度の高い分析に繋げています。

・役割の明確化

・出力形式の厳密な指定

・ビジネス要件の反映

・マスタデータ・辞書の活用

・抽出ルールの厳格な明文化

今後の展望

今後atarayoは、AIを活用した新たな分析をさらに発展させ、以下のような取り組みを通じて、顧客との関係をより深く、強固なものにしていきたいと考えています。

・カスタマーサポートの最適化

・コンテンツ生成の自動化

また、この分析はEC領域に限らず、多様な領域で活用できます。特に広告領域では、以下のような活用が期待できると考えています。

・広告クリエイティブの自動分析と最適化

・競合分析の自動化

AIを活用した新たな分析は、メール施策の内容やPDF、SNSのコメントといった非構造化データを価値あるものにし、顧客提供価値の向上、企業の成長を支える強力な武器となります。

atarayoでは今後も、AIの力を最大限に引き出し、お客様の持続的な事業成長を支援できるよう進化し続けます。