小売業における時間帯別の来客数需要予測AI
-
使用エンジン
数値系AIエンジン「furas」 (予測エンジン)
-
導入企業の事業概要
全国規模の小売業
背景・課題
人手不足が日本社会全体の課題となっている今、持続可能な店舗運営には最適な人員配置が欠かせません。そこで、AIを用いて来店者数を事前に予測することで、人員配置(シフト)の最適化だけでなく、仕入れ(在庫)も適正化し、不要なコストの削減を目指しました。
課題解決へのアプローチ
売上増減の因子を数値化した上で、時系列分析を用いて売上や購入客数等を日別・時間帯別に予測するAIを開発
学習データ
- POSデータ
- 販促カレンダー
- 天候データ 等
背景技術
- Deep Learning
- Gradient Boosting
- Random Forest
- ベイズ推定
取り組みの結果
ディープラーニングやアンサンブル学習など複数の手法を組み合わせることで精度95%の需要予測を実現。発注量と組み合わせることで欠品や廃棄量の推定も可能になりました。
本技術の応用例
- 発注業務の効率化、標準化
- 従業員のシフト管理
- 客数の急増を従業員へ通知し来店客の待ち時間や機会損失の低減