通販でのAI技術の応用例。離脱しそうなお客様を推定する。

牧野真です。

AI技術で面白いのは、通販での離脱客のモニタリング。

離脱する（買わなくなる）客は、共通の傾向（志向や行動等）を持っており、ある兆候が現れると離脱する可能性が高くなります。

顧客一人一人にフラグを立てておけば、このお客はもうすぐ商品を買わなくなる、といったことが事前に分かるわけです。

離脱率を下げることができれば収益を大幅に改善できます。

例えば、常連客（定期客）だった林さん。
ダイエット商品のサプリを毎月定期的（規則正しく）に買っていたのに、
ある時期から購入頻度が下がってきた。

そうすると、林さんは「もうすぐ商品を買わなくなる」可能性が高いと推察できます。

実際に商品購入を止めてしまったら、復活は難しいでしょう。

だから、その前に「離脱防止策」を実行するのです。

顧客の行動パターンによって、リスク管理している企業の一つが金融機関です。

中でも、消費者金融の顧客行動分析レベルは、かなり高い。

スコアリングシステムというものを持っていて、
✔この人は、お金を貸しても大丈夫
✔この人に、お金を貸すのは危険
といったデータが組み込まれています。

あなたが消費者金融会社の社員とします。

とても年収が高い会社に勤める社員の人が、あなたの会社にお金を借りにきたら、あなたは、どのように対応しますか？

普通の人間の感覚ならば、年収の高い企業に勤めているので、お金を貸しても問題ないと思いますよね？

しかし、AI（スコアリングデータ）は、そういうお客は、お金を貸すリスクが高いという判断をするのです。

顧客をパターン（類型）化して、リスク管理するのは、とても重要です。

＜スコアリングシステムの参考情報＞

消費者金融会社がお客の信用リスクを判断する際に使用するスコアリングシステムには、以下のような特徴があります。

1.データベースを基にした分析 スコアリングシステムは、膨大なデータベースを基にした分析を行います。消費者金融会社は、過去の借り手の情報や支払い履歴、収入などのデータを蓄積しており、それらのデータを基に分析を行います。

2.機械学習技術を利用した予測 スコアリングシステムは、機械学習技術を利用して、お客の返済能力や返済リスクを予測します。機械学習技術は、過去のデータから学習を行い、その結果をもとに未来の予測を行います。

3.複数の要因を考慮した分析 スコアリングシステムは、お客の返済能力や返済リスクを判断するために、複数の要因を考慮した分析を行います。例えば、年収や勤続年数、住所などの基本情報だけでなく、支払い履歴や職業などの情報も重要な要因となります。

4.スコアによって貸し出しの可否を判断する スコアリングシステムは、お客の信用リスクを数値化したスコアを算出し、そのスコアに基づいて貸し出しの可否を判断します。スコアが高い場合は、返済能力や返済リスクが高いと判断され、貸し出しの可否が下りる可能性があります。

以上のような特徴を持つスコアリングシステムは、消費者金融会社が適切な貸し出しを行うために重要なツールとなっています。