青学短大生のコーデをAIに分析させる
今回は青山学院女子短期大学の女子に協力していただき、青学のコーデを分析したらどうなるかを試してみました。実際にやったのは、まず学生の方から1000枚近くのコーディネート写真を提供していただきました。それをカブキスキャナー（♯CBK Scanner）と呼ばれるAIに入力して、世の中のトレンドとどう違うのかを算出してみました。
分析していくと何が分かるかと言えば、まずトップスですが、季節も関係していますが、色はブラックとホワイト。素材はニットの出現頻度が多かったです。その中に着ているのはブラックとホワイトが多く、素材はスエットとケーブルニットが多かったです。次にボトムスですが、パンツにジーンズまで加えると、パンツとスカートの比率は半々と言えます。柄はデニムの場合は無地ですが、スカートではチェックや花柄が多く、これは世界的なトレンドとも合致しています。あとはワンピースですが、こちらも花柄、柄物を着ている人が多かったですね。これもエルやボーグの提案する秋物の定番としてネイビー、ファーとレザーがトレンドアイテムと合致します。
結論として青学短大生は学校に来るということで無地を着てくる人も多いですが、チェックや花柄の出現頻度が高くトレンド感度が高いのかなと思います。また、レザーアイテムを身に付けていると人が多く、さすが青学と思われました。
AIの分析から可視化されるファッション傾向
それでは、このような分析がいったい何の役に立つのか。まず、トレンドを把握することです。次にユーザーの好みやワードローブを把握して、マーケティングに活用します。トレンドを把握したり、所有するアイテムに合わせたリコメンドをしたり、ということが出来るようになります。これを実現するための顧客のデータは増え続けています。さらにTNQLの気象データも蓄積されています。これらのデータを解析するには、Excelを使って表計算とかでは追いつけません。AIが必要不可欠になります。
ではどんなことがTNQLのデータ解析から分かったのでしょうか。例えばコートが欲しくなる時期は、北海道と東京では異なります。気温が違うので当たり前ですが、それだけではなく、北海道の方が室内が温かいとか、寒さに強い人が多いとか別の要素もあり、コートを選択する気温の目安は最高気温が15度を下回る時なのですが、その時期は東京が11月下旬、北海道は10月下旬であることが分かりました。
また、理由は分かりませんが、北海道では赤の出現頻度が高く、ミリタリージャケットは四国で人気があることが分かりました。こうしたことが分かると、このユーザーは四国の人だから、赤ではなくミリタリー柄をリコメンドしようとなります。でも、普段から赤を着ている人だから、やっぱり赤を提案した方がいいよね、という分析もAIの力を借りると出来るようになります。
TNQLの発展性と将来
こうしたファッション分析以外にTNQLがやっていることがあります。これはすでに実施している例ですが、小学館の「しごとなでしこ」というWebサイトと提携して、天候とコーディネートをパーツとして提供しました（2018年12月末で終了）。これが女性にとっては毎日の関心事になるのでメディアに人を呼んでくるパワーがすごくあり、PVの増加にも役立ちました。
また現在仕様協議中の案件ですが、大手グルメサイトに食品やレストランの広告を出すときに天候や気温を加味することを検討しています。また、天候に応じた店舗提案やファンションコーデ、雨の日ポーンの連動なども考えています。
また航空会社サイトにおいて、目的地の天候とそれにあったコーデをリコメンするアプリの実装も進んでいます。イベントに参加する仲間を探すアプリにおいても、当日の天候予測やどの時間帯に雨が降るなどの細かい予測の表示ができます。スーパーマーケットと提携して、地域の天候に応じた広告や商品情報を表示させるという試み提案中です。このように今後もユーザーや地域に応じたマイクロマーケティングを展開していく予定です。
TNQLサービスサイト：https://tnql.jp
TNQL情報サイト：https://info.tnql.jp
- WEDGE Infinity
- 月刊誌「Wedge」のウェブ版
