サブスクリプションボックスビジネスには、その核心に根本的な緊張があります。顧客は、自分では見つけられなかった商品で驚かされたいから登録します。しかしそれらのサプライズが頻繁に的を外すと、キャンセルボタンはワンクリックで届きます。キュレーションを正しく行うことがビジネスモデル全体であり、AIは繁栄するサブスクリプション会社と毎月加入者を失う会社を分けるツールになりつつあります。
サブスクリプションボックスキュレーションへの古いアプローチは、基本的に編集的でした。バイヤーのチームがクールだと思う商品を選択し、テーマの周りにボックスを組み立て、全員に同じボックスを発送します(または2つか3つのセグメントに発送するかもしれません)。市場が若く、新規性だけで加入者を保持するのに十分だったときは機能しました。その時代は終わりました。
AIが個別の好みプロファイルを構築する方法
AI駆動のキュレーションの出発点は、各加入者の詳細な好みモデルを構築することです。これは、お気に入りの色や甘いか塩辛いものを好むかを尋ねるオンボーディングクイズをはるかに超えています。AIシステムは、加入者が生成するすべてのシグナルを分析します:何を高く評価したか、何を譲ったか、マーケットプレイスで再購入したもの、使用前にアイテムを保持した期間、さらにはカスタマーサービスのやり取りで言ったことまで。
これらの好みプロファイルは動的です。すべてのインタラクションと受け取ったすべてのボックスで更新されます。6か月前に職人のホットソースを愛していたが最近それらをより低く評価し始めた加入者は、味覚の疲労を経験しているかもしれません。AIはこのトレンドを拾い、加入者が意識的にホットソースに飽きてキャンセルすることを決定する前に、商品ミックスをシフトします。
本当に興味深い部分は、AIが加入者自身が言葉で表現できない好みを特定する方法です。何百万もの評価と行動にわたるパターン分析を通じて、これらのシステムは、商品Aと商品Bが好きな人は、両者の間に明らかなつながりがなくても商品Cも好きである傾向があることを発見します。これは、Netflixの推奨を駆動するのと同じ協調フィルタリングロジックが、物理的な商品に適用されたものです。
在庫計画のための需要予測
キュレーションは問題の半分にすぎません。倉庫に正しい商品を実際に持っている必要もあります。AI需要予測は、サブスクリプションボックス会社が加入者の好みプロファイルと今後のキュレーション計画に基づいて、各商品をどれだけ必要とするかを予測するのに役立ちます。
これは聞こえるよりもニュアンスがあります。50,000人の加入者がいて、特定のオーガニックリップバームを30%のボックスに含めたい場合、AIはどの15,000人の加入者が最もフィットするかを判断し、十分な在庫があることを確認し、在庫が不足する場合は配分を調整する必要があります。商品の鮮度、賞味期限、サプライヤーのリードタイムも考慮する必要があります。
予測モデルは、実際の結果から学習することで時間とともに改善されます。AIが加入者の40%が商品を4つ星以上と評価すると予測し、実際の結果が55%であった場合、モデルはポジティブな反応を駆動するものの理解を調整します。これらのフィードバックループの数千を処理した後、予測は驚くほど正確になります。
パーソナライゼーションを通じた解約の削減
解約は、サブスクリプションボックスのCEOを夜眠れなくする指標です。月間解約率の業界平均は5%から15%の間にあり、つまり失われた加入者を置き換えるための獲得のトレッドミルで常に走っていることを意味します。AIキュレーションは、各ボックスを個人的に選ばれたように感じさせることで、この問題を直接攻撃します。
データはこのアプローチを裏付けています。AIパーソナライゼーションを実装したサブスクリプションサービスは、業界平均よりも一貫して低い解約率を報告しています。メカニズムは単純です:加入者が定期的に大好きな商品を受け取ると、サブスクリプションの認識される価値はコストを超え、彼らは留まります。望まないものでいっぱいのボックスを受け取ると、彼らは去ります。
AIは、加入者が実際にキャンセルする前に解約リスクシグナルも特定します。通常より遅くボックスを開ける加入者、商品の評価をやめる、または更新期間をスキップする加入者は、興味を失っているかもしれません。システムは、これらの加入者を、より価値の高いアイテムを含むパーソナライズされたボックスや、もっと見たいものを尋ねる迅速な調査などの対象を絞った介入のためにフラグ付けできます。
クロス商品発見とサプライズ要因
サブスクリプションキュレーションを本当に難しくするバランス作業はこちらです:正確かつサプライジングである必要があります。表明された好みに毎回完璧に一致するボックスは予測可能になり退屈になります。サブスクリプションボックスの魔法は、欲しいと知らなかったものを発見することです。
AIはこれを、キュレーションアルゴリズムで発見クォータを維持することによって処理します。各ボックスについて、確立された好みの外にあるが、類似の加入者からのパターンに基づいてモデルが好評を博する可能性が高いと予測する特定のパーセンテージの商品を含めます。通常は報われる計算されたギャンブルと考えてください。
これは、AIが本当に人間のキュレーターを上回る場所です。人間は、キャンプ用品が好きな人が新しいハイキングスナックを楽しむと推測するかもしれません。AIは、特定の好みクラスターの加入者が、誰も尋ねなかったとしても、日本の文房具に信じられないほどよく反応することを発見するかもしれません。これらの非自明なつながりは、大規模な行動データの分析からのみ生まれる種類の洞察です。
サプライヤーとの交渉と商品調達
AIキュレーションシステムは、ビジネスの調達側にも影響を与えます。注文を出す前に加入者ベース全体の需要を予測することで、サブスクリプション会社はサプライヤーとより良い条件を交渉できます。商品の10,000ユニットを購入し、十分な加入者がそれを欲しがることを願うのではなく、8,500人の加入者がそれを受け取り、約72%がポジティブに評価することを合理的な確信を持って知っています。
このデータは、サプライヤー側の商品発見にも役立ちます。AIは現在の商品カタログのギャップを分析し、完全に提供されていない好みを特定し、探求する商品カテゴリーを提案できます。データが持続可能なホーム製品が大好きな加入者の成長クラスターを示すが、そのカテゴリーに十分な選択肢がない場合、調達チームはどこに集中すべきかを知っています。
限界と実用的な検討事項
AIキュレーションは、十分なデータがあるときに最も効果的に機能します。これは、新しい立ち上げよりも確立されたサブスクリプションサービスにとってより効果的であることを意味します。500人の加入者を持つ新しい会社は、正確な好みモデルを訓練するのに十分な行動データを単に持っていません。その初期段階では、良いオンボーディング調査で補完された編集的キュレーションが依然としてより良いアプローチです。
商品カテゴリーも重要です。AIキュレーションは、選択する大きなカタログがある美容、食品、ライフスタイル製品のような消費型と多様性指向のカテゴリーで優れています。狭い商品範囲を持つボックスや、すべての加入者が本質的に同じアイテムを必要とするボックスでは、影響が少なくなります。
コストも要因です。AIキュレーションシステムの構築と維持には、データインフラストラクチャ、機械学習の人材、継続的なモデルトレーニングへの投資が必要です。小規模なサブスクリプション会社にとって、AI機能をサービスとして提供するサードパーティのキュレーションプラットフォームは、社内で構築するよりも実用的な道かもしれません。小売業とEコマースにおけるAIアプリケーションの詳細については、Eコマースおよび小売業界ページをご覧ください。