経営課題に注力できる、手軽に使える【混雑予測サービス】とは?

このエントリーをはてなブックマークに追加

弊社では2020年下期を目処に、混雑予測サービスの提供を予定しています。これは、需要予測の代替としてお使いいただけるサービスで、個別に都度分析するより手軽で安価にご利用いただけるものです。本稿では、サービスが提供する価値や機能概要、サービスご利用のイメージについてお伝えします。

※機能、画面イメージなどは現在のものです。今後変更になる可能性があります。

アジェンダ

提供する価値

リソース過不足からの解放

「忙しい時に人が足りない」「食品ロスが大量に発生してしまう」など要員計画や発注業務の意思決定でお困りの企業様へ。リソース(人、物、金)の需要と供給を噛み合わせ、最適化によるコストと機会損失を削減します。

効果的なプロモーションの打ち手の発見

「プロモーションがうまくいっているかわからない」「もっとよい方法はないのか?」などプロモーションにお困りの企業様へ。エンドユーザー様に最も訴求できるプロモーション方法を発見することができ、来店者数や売り上げの増加を達成することができます。

混雑予測サービスとは

弊社が開発した「混雑予測サービス」は混雑度=特定範囲にどのくらい人がいるかを予想・可視化します。ターゲット地点(企業様の店舗、イベント場所など)が含まれる範囲の混雑予測を、要員計画や発注、プロモーション業務の意思決定にお使いいただくことで、企業様の以下のようなお悩みを解決します。

お悩み1:需要予測は難しい

リソースの最適化を行うには通常、来客数や商品別の売り上げなどの「需要予測」を行います。しかし、需要予測には2年~3年の過去データが必要になりますし、データ加工や分析を行うデータサイエンティストが必要になるため、気軽に取り組めるというものではありません。

当サービスでは需要と相関がある、混雑度の予測値をご提供します。これによって、どんな企業様にも手軽に需要予測の結果をお使いいただけるようになり、それをどのように業務に活かすかに注力いただくことが可能となります。

お悩み2:最適なプロモーションとは?

プロモーションは様々な手法があり、企業様や商品、地域などの特性に応じて最適解も変わってきます。従って、一般に言われる「良い手法」をそのまま適応しても「良い結果」が得られるとは限りません。さらに「良い結果」が得られたように見えても、それが本当にプロモーションの結果なのかどうかわかりません。

当サービスで提供するのは「混雑度」です。つまり、プロモーションの効果が高かった場合、混雑度は変わらず、来店者数や売り上げが伸びるということが起こります。このギャップを活用いただくことで「効果的なプロモーションだったか」を判断いただくことが可能です。

<上記のような企業様の課題を解決に導く>
混雑予測サービスの詳細

混雑予測サービスには以下のような特長があります。

  • 様々な需要予測モデル開発に携わったデータサイエンティストの知見を活かして開発
  • 混雑度を予測するのに必要な過去の人流、天気予報、イベント情報をを入力にして予測モデルを作成
  • 予測単位(範囲) :125m単位
  • 予測単位(時間) :1時間単位
  • 予測結果の表示方法 :人数/ヒートマップ形式(色が濃い=混雑、色が薄い=閑散)
  • その他 :先週分の実績が確認可能で、予測と比較することで体感的に多いか少ないかが判断可能

ご利用イメージ

ここでは、ご利用のイメージを持っていただくため、実際の混雑予測サービスを使った事例をご紹介いたします。本事例では以下の条件を設定し、目的を達成できるような意思決定を検討してみます。

なお、以下で分析した混雑予測サービスはこちらから参照することができます。どうぞご自由にご確認ください。

【設定する条件】

  • 対象業種:飲食業
  • ターゲット地点:東京都内某所の店舗
  • 対象期間:2020年3月末
  • 目的1:営業時間、バイトシフト、発注量の最適化
  • 目的2:効果的なプロモーション施策の立案

店舗付近の混雑予測

まずはターゲット地点である店舗を含む範囲の混雑予測をみてみましょう。

予測結果

予測結果からは以下のようなことが読み取れます。

  1. 平日8時、12時、18時にやや混雑度が高くなる
  2. 平日7時まで、21時以降は混雑度が低く、ついで10時、20時が低い
  3. 休日14,15時をピークに混雑度は山形となっている
  4. 総計は木曜日をピークに山形となっており、休日の混雑度は平日と比較して低い
意思決定例

予測結果から、以下のよう意思決定ができます。

  • 仕込みを行うなら7時より前に行う
  • 休憩は10時、または20時以降にとる
  • 休日の7時までと23時以降、平日の6時までは営業縮小を行う
  • 平日月曜は特に混雑度が低いため発注量を減らす

店舗最寄り駅(A駅、B駅)の混雑予測

次に、視野を広げて店舗の最寄駅付近の混雑度を確認してみましょう。

予測結果

  1. 平日8時、18時の混雑度が高い
  2. 平日12時もやや混雑度が高いものの、ターゲット地点より混雑度は低い(人数は多い)
  3. 休日は15時、16時をピークに山形となっている
  4. 総計は水、木をピークに山形となっている
  5. A駅、B駅の傾向は似ており、B駅の人数はA駅の人数の約半数となっている
意思決定例
  • 8時、18時が通勤のピークであるため、8時前に朝食用、18時前後に夕食用のテイクアウト向けプロモーションを行う
  • 昼は駅からの移動は少ないと思われるので、店舗付近でのプロモーションを行う

なお、店舗と駅の位置関係は以下の通りです。

※ 青枠が店舗、オレンジ枠の南がA駅、北がB駅
※ 丸の色は混雑予測と同様に色が濃い=混雑、薄い=閑散

これを踏まえて分析すると、以下のようなことも言えるでしょう。

  • B駅よりA駅の方が近く、動線としてもA駅から北上する人の方が B駅から南下する人より多いように見えるため、駅周辺でプロモーションを行う場合A駅の方が効果が高い
  • 店舗南の混雑度が店舗付近と同程度であり、北、東より高い。店舗付近でプロモーションを行う場合、南側よりの方が効果が高い

また、仮にコロナウイルス流行の影響でこの店舗が含まれる地域の混雑度が著しく低くなった場合、地図を確認して混雑度が高い地域へ移動販売を行うなどの施策も考えられます。

(参考)2019年3月の店舗付近の混雑予測

コロナウイルス流行による外出自粛の影響を確認するために、1年前の予測と比較してみました。結果は以下の通りです。

比較結果

  1. 2020年の方が混雑度のピークが低く、全体的に均一
  2. 人数ベースでは2割弱の減少
  3. 2019年の木曜日の混雑度が低い(雨天、その他何らかの原因があった可能性)
  4. 平日休日の朝夜の混雑度の減少傾向は同様
分析結果
  • 2019年はピークが鋭いため、ピーク時の要員の補強、ピーク前の準備が必要だったが、現在は一定の人員を配置することで対応可能
  • 2020年で検討した「休日の7時までと23時以降、平日の6時までは営業縮小を行う」について2019年でも同じことが言えるため、コロナ影響の一時施策としてではなくアフターコロナ下でも施策継続の可能性あり

いかがでしたか?ここまで、飲食業における利用イメージをご覧いただきました。混雑予測サービスのユースケースは他には以下のようなものが考えられます。

  • 小売業における業務最適化、プロモーション強化
  • イベント場所の選定
  • 広告車の巡回ルート検討
  • 飲食業における移動販売・行商先の選定

サービス開発にかける想い

予測結果のその先の「ビジネスへの貢献」を増やしたい

  • データがなくて需要予測ができない
  • 予測の精度をあげることに必死になってしまう
  • 多大な工数をかけて作ったモデル、システムがうまく活用されない

私たちが改善したいのは上記のようなシーンです。「お悩み1」で述べましたが需要予測は難しいです。お金も人もデータも必要です。これらがあってモデルやシステムが作れたとしても、業務に組み込むのが難しく、うまく活用できないこともあります。だから私たちは、誰でも気軽に使える予測サービスを作りました。「データ準備や人材育成、モデル開発」ではなく、「どんな意思決定をすればビジネスに貢献するか」に注力できる。そんな状況を増やすのが私たちの願いです。

まとめ

弊社では2020年下期を目処に、混雑予測サービスの提供を予定しています。本サービスはエリア・時間帯別の混雑状況の予測結果を提供するもので、業務効率化、プロモーション強化などにご活用いいただけるサービスです。現在、お客様のご意見をヒアリングさせていただきながらサービスをブラッシュアップ中です。ご興味ある方は、以下フォームより気軽にお問い合わせください。

【混雑予測サービス】のお問い合わせはこちら

2020年下期を目処に、混雑予測サービスの提供を予定しています。本サービスはエリア・時間帯別の混雑状況の予測結果を提供するもので、業務効率化、プロモーション強化などにご活用いいただけるサービスです。現在、お客様のご意見をヒアリングさせていただきながらサービスをブラッシュアップ中です。ご興味ある方はお気軽にお問い合わせください。

お問い合わせフォーム

WRITER
Yoshitsugu Miyazaki

データサイエンティスト / ディレクター

宮崎 義継Yoshitsugu Miyazaki

大手生保系SIer、TOCによるマネジメント変革、Windsurfing labプロジェクトでの組み込み開発及び事業開発を経て2019年11月より富士通クラウドテクノロジーズに入社。データ活用サービスの構築及び企画を担当。

最新記事

ページTOPへ