2022.02.02

スマートなデータ活用ソリューションを可能にする:Fashion Data

Fashion Data(ファッション・データ)は、フランスを拠点にファッション企業にデータソリューションを提供するテック企業だ。彼らの提供するプラットフォームソリューション「Tailor(テイラー)」は、データを分析するAIを用いて、ファッション企業に蓄積したデータをスマートに扱うことを可能にし、データ主導のより持続可能かつ収益性の高いビジネスモデルへの移行を提案する。今回、同社CEOのRomain Chaumais(ロマーン・ショーメ)とビジネス・デベロッパーのJonathan Kieusseian(ジョナサン・キエウセイアン)にインタビューを行った。

データ運用ソリューションの提供

まず、Fashion Dataが提供するプラットフォームについて教えてください。
ジョナサン:

私たちの提供するプラットフォーム「Tailor」は、データソリューションだと言えます。これによってクライアント側の生のデータを収集し、さまざまなアルゴリズムを通じてそれらのデータを運用することが可能となります。つまり下の図のように、「Tailor」が軸となって、その周りに製品やサプライ、ストア、顧客といった情報が紐づけられていきます。ここで重要なのが、すべてのデータはクライアント側のデータに保存されることであり、一度「Tailor」のプラットフォームがクライアントのITに接続されると、私たちのアルゴリズムや機械学習、AIの技術がプラグアンドプレイとして使うことができるということです。つまり、既存の企業のITシステムの上に新しい簡素化と高速化を図るアクセラレータのようなレイヤーを追加するということになります。

画像: null
ロマーン:

データは基本的にユニットに分けて保管・分析されていますが、実際に顧客のパフォーマンスや売り上げ、信頼度を向上させたい場合には、製品、コレクションの中身、オファーと需要の間のマッチングを正確に理解する必要があると考えています。たとえば収益性の高い店舗を持ちたいと考える場合には、どのような商品をその店舗でプッシュして売るのか、店舗の周りの競合他社は誰なのか、その店舗の周辺にはどのような顧客が住んでいるのかといった情報を理解する必要があります。ですから私たちはクライアントに対し、より整頓されたデータの運用の仕方を提供しているのです。

ジョナサン:

そこで私たちのAPIソリューションは、顧客・製品・サプライチェーンの3つの柱から構成しています。たとえば、ブランドには顧客関係管理、そしてビジュアルマーチャンダイザーなども含まれるサプライの部門などがあります。どのファッションブランドも構成が似ていることから、このように区分けを行っています。これにより、私たちのソリューションはクライアントの組織に適合がしやすくなります。さらに重要なのは、単に隣り合わせの部署というのではなく、顧客に対してできることと製品に対してできることの相互関連性を見出し、それらを繋げ、結果として顧客により良い価値を提供することが重要なのです。たとえば、我々の「プロダクト・フォーキャスト」機能を使えば、新しいコレクションをより良い方法で予測し、最終的に製品の無駄を省き、売り上げの向上も望むことができます。

画像: null
クライアントはデータ数のストックの多い小売業者が対象となるということですね。
ロマーン:

そうですね、私たちのプラットフォームは、データが多く収集できる小売業者に対し有益だと考えています。収集するデータが多ければ多いほど、アルゴリズムもより速く回収できるゆえです。たとえば5000万以上の需要や収益、そして店舗を持つリテーラーは、理想だと言えます。現在私たちが提供しているソリューションは、多国籍のリテール企業を対象としています。例えばファーストリテーリングについて考えてみると、欧州にもアメリカにも市場があります。彼らのように何百人もの顧客と何千もの在庫を同時に管理するような企業は多くデータを有していることから、私たちのプラットフォームソリューションと適合性が高いと考えられます。

画像: null

ブランドのニーズに応え、創業

創業に至った経緯を教えてください。
ロマーン:

 フランスのさまざまなファッションブランドが、現在のビジネスの改善目的のために、より多くのデータ運用のノウハウを必要としていました。他方で、彼らには企業内に独自のデータラボを立ち上げる能力も資金も揃っていませんでした。それらのニーズを掬い上げ、ファッション業界向けのデータ及びAIソリューションの開発を結集する目的で、彼らの投資のもと、Fashion Dataは創業しました。創業前から既に主要なクライアントや顧客がおり、彼らは業界のデジタル化のための最先端のデータ運用とAIソリューションの開発を支援してくれました。その甲斐もあって、私たちは非常に速いスピードで市場に参入することができたのです。

画像: CEOのRomain Chaumais(ロマーン・ショーメ)
CEOのRomain Chaumais(ロマーン・ショーメ)
創業からチームはどのように拡大されてきたのでしょうか。
ロマーン:

創業当初、社員は5人のみで、そのほとんどはFashion Dataの支援ブランドのメンバーで構成されていましたが、現在では約30人ほどのチームになりました。新しく雇ったメンバーにはエクセルlの管理に慣れている人やエンジニア、フリーランサーなどがいます。エクセルとここで名前を出した理由は、Fahsion Dataの最大の挑戦は、従来のエクセルシートを用いたマニュアルなビジネスラインのプロセスを、デジタルかつデータとアルゴリズムによるデータ・ドリブンで最適化されたものへと移行する手助けをすることだからです。

ファッションの背景を持った方はいたのでしょうか。
ジョナサン:

実はエンジニアの大半はファッションのバックグラウンドを持っておらず、残りのメンバーがビジネス面や顧客と直接やりとりをするプロジェクトの開発管理を行っています。ですが、私たちのサービスは小売業を対象としているので、商品の売り方に始まり、顧客とのコミュケーションのとり方、売り上げの予測方法や店舗の管理方法といったことを深く理解し、産業の移行を手助けするための課題を知る必要があります。ですから、ファッションの知識を持ったメンバーも多く抱えています。

Fashion Dataのソリューションの背景には、どういった問題意識があったのでしょうか。
ロマーン:

現在私たちが取り組んでいる課題は、販売できる量だけを発注・生産し、マークダウン(値引きされ販売される製品)と廃棄をゼロにすることです。それは同時に、責任感がある消費者による耐久性のある製品を買いたいといった要望に応えることでもあります。誰もが知っているように、ファッション業界は世界で最大の汚染業界とも言われており、いかに二酸化炭素の排出量を抑えていくのかは業界にとっての大きな課題であり挑戦です。

他方で、ファッション業界には特有の制約がたくさんあります。たとえば、素材の原価の高騰、そして欧州の企業であれば多くの場合生産をアジア、特に中国やバングラデシュに頼っているため、製品の到着の遅延が頻繁に生じています。そして、小売業界にも課題は残っています。GAFAのような大企業とどう競争していくのか、欧州のzalandoなどの巨大なマーケットプレイスとどう競争するのか、さらにデジタルツールを通じて顧客との関係性をいかに築くのか、eコマースの市場シェアをどう獲得していくのかといった課題です。様々な地域や地区からの競合が多くいる産業であるゆえ、私たちはファッション小売業者に対して、より具体的なソリューションを提供しなければならないと考えています。

ブランドによってデータの管理方法が異なると考えられますが、それらにどのように対応していますか。
ロマーン:

私は約20年ほど、小売業に携わってきました。その経験から、クライアントに対して規格のデータ形式の使用を強制する事は不可能だと理解しています。だからこそ、Fashion Dataではブランドに対して制約を課さず、彼らから取得するデータはできるだけシンプルであるべきだと考え、Tailorを開発しました。このプラットフォームでは、ソリューションを提供するために必要なデータへと変換することができます。ですから、このプラットフォームの大きな利点はデータの収集と品質の確認、そしてデータを整理する点にあるとも言えます。そうして追加されたデータは最終的には、すべてのソリューションで使用可能なモデルを作り上げ、プラグインとして返すことができます。 そのため、小売業者への制約なく、非常に低コストで短期間での導入が可能となります。さらに現在このプラットフォームの料金は比較的安く設定しているために、より導入がしやすいとも言えます。

多角的なデータ分析

プラットフォームを利用するにあたって、企業はどのような機能を使うことができるのでしょうか。


ロマーン:

私たちのソリューションは全てデータベース上で作動し、機敏な反応や、アラート機能を持っています。そし、利用するユーザーである従業員やプランナー、バイヤー、カスタマーマネージャーといったメンバーが通知を受け取ることができます。つまりこれまで彼らが常に目を光らせていなければならなかった事項をプッシュ通知として受け取ることができるようになるのです。そしてそれに追加して、「こうしたらいい」「ああしたらいい」といったレコメンデーション機能も搭載されているので、彼らはそれ以外のことに時間を使えるようになります。さらに私たちのプラットフォームをより使い続けてもらううちに、私たちのシステムが提案する内容に自信を持ち、プラットフォームとユーザーの間に信頼関係が生まれた時には、プラットフォームを完全に自動化させることも可能です。

たとえば自動化された車が辿り着きたい場所に行くことを可能にし、運転以外のことをするといった自由さを与えることができるように、私たちのソリューションも、ユーザーであるクライアントが目標とする市場や成果に対して考える時間や余裕を持てるように、エクセルシートの管理時間を、自動化することを目指しています。そしてそれらの車が何か困難な時に自分でコントロールをとる必要があるように、私たちの自動化の仕組みもまた、クライアントが自分達のビジネスを推進していくことを重要視しています。

画像: null
たとえばプラットフォームに組み込まれている「バイヤーペルソナ」はどのようなデータをもとに作られているのでしょうか。
ジョナサン:

マーケティング方面から言われる従来の「バイヤーペルソナ」は、「あなたの顧客は誰か」を明確化させることです。ビジネスを開始するときに、将来的にターゲットにしたいのはこの人たちだと決め、彼らに顧客になってもらいたいゆえに、この服をデザインする、この服を生産する、と決めていきます。しかし実際には、クライアントが思っている顧客と実際に購入している顧客の間には大きなギャップがあることが頻繁にあります。

そこで我々の「バイヤーペルソナ」ではその逆を行い、実際にクライアントの企業のデータを見た上で、実際の顧客を特定しています。我々の「バイヤーペルソナ」では、そのペルソナにおける購買行動(購入頻度・家族の購入商品数・平均購入商品数・返品率・消費習慣・嗜好など)、ブランドとのインタラクション、社会人口統計学的情報を含めた25以上の評価軸に基づいて、ブランドの全顧客の最も代表的な標準プロファイルを特定することができます。そのため顧客を理解し、その行動を理解し、さらに実際に消費者が将来的にどのように消費するのかの予測が可能となり、ブランドの戦略において決定的な役割を果たすことになります。

ペルソナの例を見てみましょう。たとえば、20歳の女性、職業は学生だが、ある程度の収入があるために、洋服にお金をかけることができるというペルソナがいるとします。そのペルソナのデータには、彼女が以前どのような服を購入したのか、そして今後どのような服を買うのかという予測まで含まれています。このデータは推測推定ではなく、合理的なデータ運用によって算出されたものです。ここで重要なのは、私たちはペルソナの情報を豊かにするために、クライアントの内部データだけでなく、外部データも用いている点です。社内外のできるだけ多くのデータを活用するのは一見とても複雑に見えますが、実際の利用しているクライアントが利用できるようにその見た目は簡易化されています。

画像: null
「バイヤーペルソナ」に対する企業からの声はありましたか。
ジョナサン:

そうですね、この製品は今でも売り上げが高いです。ブランドにとって必須であり、さらにブランドのブランドの顧客中心主義的な変革を加速させることができるためです。これまでマーケティングの観点から「バイヤーペルソナ」について話しましたが、実際このツールは、マーケティングのみならず、生産、製品や供給の観点からも重要なツールです。たとえば、想定した顧客グループと違うグループでの購買行動が盛んな場合、実際の顧客を維持する目的で彼らに好かれる仕様へと製品を変更するのか、もしくは、想定顧客グループの購入が増加するように変更を加えるのか、さらには、新しいタイプの顧客の獲得を目指すのかといった製品や供給の観点での変更を行うこともできます。つまり戦略の側面から見ても、真の顧客を特定し、ペルソナの違いによってカスタマージャーニーをカスタマイズし、商品価格やプロモーションの調整といった、新しい製品やサービスを改善していくためにこのツールは有益だと言えます。

では、他のソリューションとして、「需要予測」はどのようなデータをもとに作られているのでしょうか。
ロマーン:

需要予測は、バイヤーやマッチプランナーがコレクションや購入量を管理するためのプラットフォームです。このソリューションのアイデアは、新しい製品の可能性について推定できるというものです。この需要予測を行う時、実際に製品は存在してなくても行うことができます。たとえば、次のコレクションでブルーのズボンを用意する予定だとしましょう。そうすると、同類の製品の過去の販売履歴をもとに、その製品のパフォーマンスを予測することができます。同様のカラーの製品の販売履歴や別色の製品の履歴などをもとに、予測が行われます。

つまり、過去の商品に関する情報の管理という点において、私たちのアルゴリズムは強力であると言えます。単なる実測値ではなく、補正を加えた最適化された売上のデータを算出することができるのです。過去の製品が店舗に適切なサイズの在庫がなく売り上げが失われた、プロモーションの甲斐あって売り上げが向上したなどの情報を正しく詳細に分析することで、より最適な製品の設計やその商品の店舗での在庫数などを調整することができるようになるのです。このように需要予測が正確であればあるほど、ビジネスの収益性が高まり、廃棄される製品も少なくなる。つまり、地球にも企業にとっても良いことができると言えるでしょう。

画像: null
ジョナサン:

Fashion Dataの成功の鍵は、誰もが収集されたデータの種類についての全体像を把握しておらず非常に厄介であったものを、美しく、かつ簡単に利用でき、実際にビジネスモデルを構築するのに当たって役立つツールへと変えたことにあります。今後もファッション業界を持続可能かつ収益性の高いものへと移行していくために、データを活用する方法を提案していきたいと考えています。


データを正確に分析することで持続可能な需要と供給そして販促のバランスの実現を可能にするFashion Dataのプラットフォームソリューション。提供量を予測・調整することで、需要に的確に応えることができ、そして生産後の売れ残りの廃棄といった問題を解消する。大企業のオペレーションを最適化することで、量産の構造をどのように変革してゆくのか、今後も注目していきたい。

Text by Hanako Hirata

#RetailTech
LINEでシェアする