顧客デジタルツインで、 より良いビジネスの意思決定を

顧客分析は段階を追って進んできました。最初はリスクスコアとセグメント。次に、単一の入力から単一の結果を予測する傾向モデルと、ネクスト・ベスト・アクションのエンジン。どの段階も、企業がすでに持っているデータをより有効に活用してきましたが、どれも、営業・マーケティングのチームが最もよく問う質問の手前で止まっていました。このオファー、このメッセージ、この価格を変えたら、顧客はどう反応するのか、という質問です。

大規模言語モデルは、この質問に新しいかたちで答えることを可能にします。企業自身の行動データや取引データと組み合わせることで、顧客グループを、スコアだけでなく言葉で提案に反応する仮想の回答者として表現できます。CrowdOS の顧客デジタルツインは、この方法で構築されます。自社の顧客データファイルを重み付けされたコホートにまとめ、各コホートを永続的なアーキタイプで表現します。アーキタイプには質問を投げかけ、異論をぶつけ、ほかのアーキタイプと同じ場に集めることができます。

顧客デジタルツインは、個人を予測するエンジンではなく、顧客と話すことの代わりでもありません。キャンペーンの前に選択肢を順位付けし、反対理由を見つけるための、速くて安価な方法です。それによって、リサーチとメディアの予算を、最も成功する可能性が高いアイデアに振り向けられます。

顧客一人ひとりにツインを作るアプローチもあります。しかし、言語モデルのペルソナに関する公開研究は、逆の方向を示しています。ペルソナは、特定の一人の回答よりも、集団の回答の分布をはるかによく近似するというものです。CrowdOS は、この知見に逆らうのではなく、この知見の上に構築されています。

顧客データファイルは、行動にもとづいて20〜200のコホートに分けられます。各コホートは顧客全体に占める割合で重み付けされ、1つのアーキタイプで表現されます。その結果、ひと目で読み取れるオーディエンスが得られます。コストはすべての顧客をシミュレーションする場合のごく一部で済み、実行に特定の個人の記録を必要とすることもありません。

まずは顧客データファイルの CSV またはスプレッドシートのエクスポートから始めます。1行につき1顧客で、利用期間、保有商品、直近の購入、購入頻度、利用金額、最後に利用したチャネルを、お持ちであれば含めます。その列を少数の特徴量グループに対応づけます。直接識別子はアップロード時に削除されます。CRM コネクタは計画中です。

すべての案件にはデータ処理補遺が適用され、データの利用目的、保持期間、削除の条件が定められます。

Atelier by CrowdOS は当社の産業界向けオーダーメイド・サービス部門で、Digital Twins powered by CrowdOS はその最初のソリューションです。自社だけのモデルを求める企業のためのもので、専用のコホート群衆、専用のキャリブレーション層、そしてデータが十分な場合は、自社の顧客と成果だけで学習させ、隔離された環境でホストし、契約終了時に削除する小規模なモデルで構成されます。