こんにちは。ギックスの網野です。
「あらゆる判断を、Data-Informedに。」というパーパスを掲げて創業したギックスは、今、2030年に向けて「クライアントをAI-Informedに。」という新たなコンセプトのもと、次の挑戦を進めています。そのAI-Informedを実現するうえで、重要な土台となるのが「セマンティックレイヤー(意味の層)」です。
昨今、生成AIの普及に伴って、セマンティックレイヤーという言葉を耳にする機会が非常に増えてきました。データにビジネス上の意味を与え、人間もAIも同じ前提でデータを理解し、活用できるようにする仕組みです。
これは非常に重要な考え方ですが、私は、セマンティックレイヤーはデータ基盤の導入時に一度構築して完成するものではないと考えています。基本的なデータの意味や定義を揃えることは、もちろん必要です。しかし、それはあくまで出発点です。
むしろ、ビジネスで実際にデータを使い始めてからが、セマンティックレイヤーを育てていく本番なのだと思っています。
今回は、ギックスが長年取り組んできたデータ分析の考え方を振り返りながら、私たちが考えるセマンティックレイヤーについてお話ししたいと思います。
まず必要なのは、データの「意味」を揃えること
企業がデータを活用するうえで、まず必要なのは、データの定義を揃えることです。
例えば、複数の事業会社を持つ企業グループが、グループ会員の売上を重要なKPIとして設定したとします。
一見すると、それぞれの事業会社が持つ売上データを、共通の会員IDで紐づけて集計すればよさそうです。しかし、実際にはそれほど簡単ではありません。
グループ内には、商品を直接販売する会社もあれば、サービスの利用を仲介する会社もあるでしょう。そこで記録されている数字は、ある会社では「売上高」であり、別の会社では「取扱高」かもしれません。また、キャンセルや返品をどう扱うのか、ポイント利用分をどう計算するのか、といった問題もあります。
そもそも「グループ会員の売上」として、何を把握したいのでしょうか。会計上の売上高を把握したいのか。会員がグループ全体で使った金額を把握したいのか。
目的が違えば、見るべき数字も、その計算方法も変わってきます。
こうした基本的な定義を明確にし、誰もが同じ意味で数字を理解できるようにする。これがセマンティックレイヤーの基本的な役割です。
そして、その定義に基づいてKPIを継続的に可視化するダッシュボードなどは、経営や現場の状況を把握するうえで非常に重要です。
判断するための共通の物差しを持つ。これは、データ活用の「いろはのい」であり、欠かすことのできない土台です。
しかし、判断のために見るべきKPIは、変わっていく
一方で、ここからが私たちギックスの考え方として重要な部分です。
ビジネスの判断は、決して静的なものではありません。市場環境も変われば、顧客の行動も変わります。企業が置かれている状況や、解決すべき課題も変わっていきます。
したがって、判断のために何を見るべきか、ということ自体が変わっていくのです。
例えば、ある企業グループがロイヤルティプログラムを運営しているとします。年間100万円以上利用した会員を「ゴールド会員」と定義しているとしましょう。
顧客にとっては非常に分かりやすい制度です。年間100万円使えばゴールド会員になり、特別なサービスを受けられる。このルールを毎月変えるわけにはいきません。
したがって「年間100万円以上利用した会員」という定義は、安定して管理される必要があります。
では、企業側が日々の事業運営で見るべきKPIは、「年間100万円以上利用した会員数」だけでよいのでしょうか。
もちろん、それも重要です。しかし、それはあくまで顧客が優良化した結果を示す指標です。
本当に考えたいのは、どうすれば、そのような優良顧客を増やすことができるのかということではないでしょうか。
購買金額の手前にある、顧客の行動を見る
ギックスでは、顧客の利用の幅が広がることに着目した「バラエティ理論」という考え方を持っています。
例えば、同じ年間30万円を使っている顧客が2人いたとします。
一方は特定の商品を繰り返し購入している顧客。
もう一方は、さまざまな商品カテゴリ、店舗、サービスを利用している顧客です。
どちらが将来的に年間100万円の顧客になる可能性が高いでしょうか。
もちろん、これだけで一義的に決まるものではありません。
ただ、利用する商品やサービスの幅が広がることで、その企業グループとの接点が増え、購買頻度や利用回数が増え、結果として利用金額も増えていく。そうしたメカニズムが存在する可能性は十分にあります。これがバラエティ理論の基本的な考え方です。
このように考えると、追っていくべき指標は購買金額だけではなくなります。利用した商品カテゴリの数、店舗数、エリア数。さらには、利用する曜日や時間帯の広がりなども重要な分析対象になります。
そして、ここで大切なのは、どの「幅」が将来の優良化につながるのかは、企業や事業によって異なるということです。
ある企業では商品カテゴリの広がりが重要かもしれませんし、別の企業では利用店舗数の増加が重要かもしれません。また、顧客の成長段階によっても違うかもしれません。
ライトユーザーがミドルユーザーになるきっかけと、ミドルユーザーがヘビーユーザーになるきっかけは、必ずしも同じとは限りません。
つまり、単に利用金額を追うのではなく、顧客がどのような行動を積み重ねることで、ロイヤルティを高めていくのかを理解する必要があるのです。
売上データには表れない、優良化の兆しもある
さらに考えると、購買に直接つながらない行動にも目を向ける必要があります。
例えば、アプリをダウンロードした、メルマガの配信を受け入れた、久しぶりにアプリへログインした、といった行動です。これらは、売上という観点ではまだ何も生み出していないかもしれません。
しかし、顧客と企業の関係性が深まっていく過程においては、意味のある行動なのかもしれません。
当社が提供している「マイグル(Mygru)」でも、こうした考え方を重視しています。
購買を促すだけではなく、スタンプラリーやミッションなどを通じて、顧客に新しい行動を取ってもらう。
例えば、日常的な接点をつくる「ロイヤルティ・マイグル」というサービスでは、アプリの起動、アンケートやクイズへの回答、推し活の投票など、顧客に提示されたミッションをクリアするといった行動データを通じて、顧客が自ら意思や好みを伝えてくれるゼロパーティデータの取得も重視しています。
あるいは、普段利用していなかった商品やサービスを初めて購入することが、将来の優良化の起点になるかもしれません。季節性のある商品や、その時々に注力しているサービスなど、特定の商品への接触が重要な意味を持つ可能性もあります。
もちろん、これらの行動がすべて将来の優良化につながるわけではありません。
重要なのは、どの行動が、どのような顧客にとって、どのような意味を持つのかを、実際のデータを使って探っていくことです。
最初からすべてが分かっているわけではないからこそ、分析が必要なのです。
探索型分析によって、新しい「意味」を発見する
ここで重要になるのが、ギックスが創業以来取り組んできた「探索型分析」です。
データ分析というと、一般的には、最初に仮説を立て、それが正しいかどうかを検証するアプローチを思い浮かべるかもしれません。
もちろん、仮説検証型の分析も重要です。しかし、ビジネスの世界では、そもそも何が重要な要因なのか、最初から分かっていないことも少なくありません。
だからこそ、まずデータを体系的・網羅的に見て、事業や顧客の構造を理解する。
その中から、これまで気づいていなかった特徴や、興味深い行動の違いを見つけ出す。
そして、その発見をもとに新しい仮説を立て、さらに分析を進めていく。
これが探索型分析の基本的な考え方です。
例えば、先ほどの優良顧客の話であれば、「特定のサービスを初めて利用した顧客は、その後の利用金額が伸びやすいのではないか」という特徴が見つかるかもしれません。
あるいは、「購買カテゴリが3つに増えたタイミングで、その後の利用頻度が大きく変わる」といった傾向が見えてくるかもしれません。
こうした発見から、分析に意味のある変数やフラグをつくり、顧客に付与していきます。
ギックスでは、こうした対象物の特徴を表す評価軸を「ゾクセイ」と呼んでいます。
例えば、「直近半年で新しいカテゴリを2つ以上利用した顧客」「特定の行動を経験した顧客」といったゾクセイです。
重要なのは、一度分析した結果をレポートにまとめて終わりにするのではなく、新たに発見した意味のあるゾクセイを蓄積し、次の分析やビジネス判断でも使えるようにすることです。
探索型分析を支えてきた、ギックス独自のGATE
この探索型分析を高速かつ柔軟に実現するために、ギックスでは創業初期から独自の分析手法を開発してきました。
それが、2015年に特許を取得した「GATE」(特許第5847344号)です。
GATEは、GiXo Analytics Theory for Explorer の略称です。名前の中に「Explorer(探索者)」という言葉が入っているように、探索型分析を重視するギックスの思想を表しています。
GATEは、分析したいことが最初からすべて決まっているわけではない、という前提に立った分析のメソドロジーです。
そのため、元データをできる限り全件・全量・全粒度で保持し、さまざまなデータを統合しながら、どんな角度からでも柔軟に分析できる環境を整えます。
分析の途中で新しい仮説が生まれれば、別の切り口から素早く分析できる。さらに、分析から得られた特徴や知見を新しいゾクセイとして蓄積し、次の分析へと生かしていく。
つまり、分析するたびに、事業や顧客を理解するための材料が豊かになっていくという考え方です。
これは、単にデータを効率的に集計するための技術ではありません。ビジネスの理解を深め、次の判断に生かしていくための分析の仕組みなのです。
そして、このGATEの考え方は、生成AI時代におけるセマンティックレイヤーの構築にもつながってくると考えています。
静的なセマンティックと、動的に進化するセマンティック
ここまでの話を、セマンティックレイヤーという観点で整理してみます。
まず、「売上とは何か」「アクティブ顧客とは何か」「ゴールド会員の条件は何か」といった、ビジネス上の基本的な定義を統一する必要があります。これらは、企業の共通言語として安定的に維持されるべきものです。
私はこれを、基本となる「静的なセマンティック」と捉えています。
一方で、ビジネスの判断を高度化していくためには、それだけでは十分ではありません。
探索型分析によって、将来の優良化につながる行動や、今まで気づいていなかった顧客の特徴を発見する。それらを検証し、継続的に活用する価値があると判断したものを、意味のあるゾクセイや指標として定義する。さらに、ビジネス環境や顧客の行動が変化したら、必要に応じて定義や指標を見直していく。
このように、新しい意味を発見し、ビジネスの変化に合わせて共通の意味を更新していくことを、私たちは「動的なセマンティック」と考えています。
ここで言う「動的」とは、AIが勝手に新しい指標をつくって、次々に定義を変えてしまうことではありません。探索で見つかった特徴を検証し、その有用性や計算方法、適用条件を明らかにしたうえで、組織として共有できる意味にしていく、ということです。
変えてはいけない共通定義は守る。一方で、変えるべき指標、加えるべき指標は、データから学びながら進化させていく。この両方が必要だと思っています。
セマンティックは、企業の判断とともに育てるもの
ここでもう一つ重要なのは、どの企業にも一律に適用できるセマンティックレイヤーがあるわけではない、ということです。
もちろん、業界共通の基本的な指標や計算ルールはあります。売上、粗利、購買頻度、顧客単価など、共通化できるものは積極的に共通化すべきでしょう。
しかし、その企業にとって、どのような顧客を増やしたいのか。顧客のどのような行動変容が事業成長につながるのか。そして、その行動を促すために何を実行すべきなのか。
こうしたことは、企業の事業構造や戦略、顧客の特性によって違ってきます。
さらには、同じ企業であっても、事業の成長段階や市場環境によって変わっていくものです。
だからこそ、セマンティックレイヤーは、最初にシステム部門だけで定義を決めて完成させるものではないと思っています。
経営や事業、現場の担当者と一緒に、何を判断したいのか、そのために何を知るべきなのかを考える。データを実際に見ながら議論し、仮説を立て、検証する。そして、発見した知見を再利用できる形でデータ基盤に反映していく。
この活動を継続することで、初めてビジネス判断に使われるセマンティックレイヤーが育っていくのだと思います。
AI時代だからこそ、ビジネスを理解する力が重要になる
生成AIの進化によって、自然言語でデータに問いかけ、分析結果や仮説を得られる世界が現実に近づいてきました。
しかし、AIが進化したからといって、企業ごとのビジネスの意味が自動的に整理されるわけではありません。
何を重要なKPIとするのか。どのような顧客行動に注目するのか。発見した特徴にどのような意味を与えるのか。それらは、ビジネスを理解し、何を実現したいのかという意図を持って決めていく必要があります。
ギックスは、戦略コンサルティングとデータ分析を組み合わせるところから事業を始めました。
その後、システム構築やプロダクト開発、業務変革の領域まで支援範囲を広げてきましたが、私たちが一貫して重視してきたのは、データを使ってビジネスの判断をより良いものにすることです。
GATEによる探索型分析、ゾクセイによる顧客や事業の理解、そしてセマンティックレイヤーによる意味の共通化。これらを組み合わせ、クライアント企業のビジネスに寄り添いながら、継続的に判断の高度化を支援していく。
これが、ギックスならではのセマンティックレイヤー構築のアプローチだと考えています。
そして今後は、こうして整備されたデータ基盤を、当社のAI-Informed Platform(AIP)などを通じて、人間とAIの双方が活用できる世界へと広げていきたいと思っています。
データの意味を揃えることは、ゴールではありません。そこから新しい意味を発見し、判断を進化させ続けることにこそ、本当の価値がある。
ギックスは、データを整理する会社ではなく、データを使って判断を進化させる会社でありたい。
「あらゆる判断を、Data-Informedに。」
これからも、この考え方を実際のビジネスの現場で形にしていきたいと思います。








