本文へスキップ

事例

過去実績を提案に活用する分析の仕組み

広告代理店との取り組みです。同社は過去実績の示唆を次の提案へ反映し、結果をどのように予測したか、その背景まで提案先のクライアントへ説明できるようになりました。KDOT は案ごとの見込みと判断材料を比較できる仕組みを業務アプリとして実装しました。さらに業務アプリの中核となる処理ロジックと機械学習モデルについて、特許手続きを担う弁理士が技術の新規性や工夫を検討するための資料を作成しました。その後この発明には特許が付与されました。

サービス
データ分析支援
技術領域
サーバー開発 / データ基盤 / 機械学習・AI / 画面開発 / 認証・権限 / クラウド基盤 / 運用自動化・監視 / 開発ツール

01

新しい案を比べるための判断材料が数値化されていなかった

同社ではデザイナーやコピーライターが新たな案を検討する際、これまでの経験や勘も重要な判断材料になっていました。こうした専門職の経験知は企画や表現を創出する力であり、単純に代替すべきものではありません。

一方で過去の案件実績を、新たな案の結果を事前に予測・評価できる共通の判断材料としては活用できていませんでした。そのため案を検討する場面と提案先のクライアントへ案の背景を説明する場面の双方で、経験知に過去実績の示唆を追加する方法が必要でした。不足していたのは過去実績から示唆を抽出し、案の比較や評価に活用する仕組みでした。

02

案ごとの結果の見込みと背景を比較できるようにした

KDOT はまず過去の案件情報を整理し、過去実績から結果の見込みを算出する機械学習データから規則性を学習させ、需要予測や異常検知、分類などをさせる技術です。予測用のモデルを構築するのは、集計やルールによる予測からの改善分の価値が、データの整備と運用中の監視・再学習にかかる費用を上回るときです。モデル(LightGBM)を設計しました。候補案の条件を入力すると結果の見込みを単一の予測値ではなく幅で示します。将来の結果を一つの値に絞らず、どの結果の範囲に入りやすいかを確率で捉えるためです。

見込みとともに入力した各条件がモデル上の結果を押し上げる方向に働いたか、押し下げる方向に働いたかも、SHAP による寄与の可視化で確認できます。これは各条件が結果を生んだという因果関係の証明ではありません。過去実績をもとにしたモデルが案をどう評価したかを解釈し、案の選択や条件の見直しに活用するための情報です。たとえば基調色、ビジュアルの種類、メインコピーの文字数、訴求内容が異なる二つの案を入力します。各案について結果が入りやすい範囲と、どの条件が予測を押し上げ・押し下げる方向に働いたかを比較して確認します。担当者はコピーを短くする、基調色を変更するといった見直し候補を検討し、その理由を提案先のクライアントへ説明できます。

業務アプリで想定した利用の流れでは、担当者が候補案を入力し、見込みの幅と各条件の影響を確認します。次に複数案を同じ形式で比較し、必要に応じて条件を見直します。検討した結果は PDF のレポートに整理し、提案先のクライアントへ案と背景を説明する材料にできます。

KDOT はこの一連の流れを、入力、モデルによる算出、レポート作成、結果の保存、過去の実行履歴の閲覧まで行える業務アプリとして実装しました。分析だけで終わらせず、提案を担う担当者が必要なときに候補案を比較できる形まで実装しました。

03

提案の背景を提案先のクライアントへ説明できるようになった

企画や表現を担う担当者は自らの経験や勘を起点に案を検討しながら、過去実績から得られた示唆を案の選択や見直しに反映できるようになりました。見込みと併せて、モデルがどの条件をどう評価したかも確認できるため、その見込みに至ったモデル上の背景を条件ごとに把握できます。

これにより同社は過去実績の示唆を反映した案とその案を有望と判断した背景を併せて提示できるようになりました。提案先のクライアントにとっても結論と併せて、なぜその案を提案したのかを理解しやすくなりました。本案件で確認できた成果は、企画や表現を担う担当者が案を検討する材料と、提案先のクライアントが提案意図を理解する材料の両方が増えたことです。

04

業務アプリの中核ロジックとモデルで知財化も進められた

同社は営業上の訴求と競合参入の抑止を目的として、業務アプリの中核となる処理ロジックと機械学習データから規則性を学習させ、需要予測や異常検知、分類などをさせる技術です。予測用のモデルを構築するのは、集計やルールによる予測からの改善分の価値が、データの整備と運用中の監視・再学習にかかる費用を上回るときです。モデルの特許化を検討していました。KDOT は特許手続きを担う弁理士が、何が新規で、どのような技術的工夫があるのかを検討できるよう、中核ロジックと機械学習データから規則性を学習させ、需要予測や異常検知、分類などをさせる技術です。予測用のモデルを構築するのは、集計やルールによる予測からの改善分の価値が、データの整備と運用中の監視・再学習にかかる費用を上回るときです。モデルの構成や既存手法との差分を整理した資料を作成しました。実装した技術を発明として説明できる形にし、顧客の知財化を技術面から支援しました。その後この発明には特許が付与されました。

本案件で KDOT は業務課題とデータの整理、モデルの設計、業務アプリの実装、中核となる処理ロジックと機械学習データから規則性を学習させ、需要予測や異常検知、分類などをさせる技術です。予測用のモデルを構築するのは、集計やルールによる予測からの改善分の価値が、データの整備と運用中の監視・再学習にかかる費用を上回るときです。モデルに関する知財候補の整理と資料作成までを一貫して支援しました。

この事例に関わるサービス

この事例の技術に関する記事

ほかの事例

  • データ分析支援

    事例:販促施策の実績分析システム

    販促物の制作と効果測定を手がける会社との仕事です。同社には 500 件を超える施策の実績データが溜まっていましたが、提案の場で活用できる形になっていませんでした。

  • データ分析支援 / データ基盤構築

    事例:現場が使うデータ分析の環境

    不動産・宿泊領域の新規事業会社との取り組みです。同社では Web の計測データや公開データ、日々の業務で発生するデータを蓄積していましたが、それぞれが分散しており、改善策や同社の顧客への提案を検討する材料にできませんでした。開発支援会社の KDOT は、Web 計測、広告、検索のデータを分析用の基盤へ集約し、サイトを横断する指標の計算規則を統一しました。さらに対話型 AI(人工知能)の Claude から Metabase のデータを照会できるようにしました。現場担当者は、事業全体から地域や物件、Web 上の行動へ確認範囲を絞り込み、自分の問いに即して比較条件を変更しながら、次の施策や同社の顧客への提案を検討できるようになりました。

  • プロダクト / Web システム開発 / 技術顧問(技術企業向け) / セキュリティ診断・対策

    事例:AI の開発会社がプロダクト開発へ事業の幅を広げる

    AI を主力とする開発会社との取り組みです。同社にはプロダクト開発の引き合いがありましたが、大規模な開発の経験も、中核の技術を担当できる人もいませんでした。KDOT は技術顧問として、アプリケーション基盤と中核の技術を用意し、エンドクライアントとのプロジェクトの進め方も並走しながら伝えました。同社は海外市場向けの単発ワークのマッチングサービスを受託し、数億円規模の開発を公開まで完走しました。これで同社が受託できる範囲は、AI からプロダクト開発まで拡大しました。

お問い合わせ・ご相談

システム開発、データ活用、プロダクトづくりのことならお気軽にご相談ください。要件が固まる前の整理や、お見積もりだけのご依頼も承ります。

相談する