Alps Ninja / Works / № 06
AI Markdown Optimization · 2024

スーパーサミットAI値引き最適化

AI Service Design UI/UX
Client
サミット株式会社 総菜部門（実施：Insight Edge）
Role
サービスデザイナー
Duration
約6ヶ月
Team
Insight Edge / サミット 総菜部門
Links

— Summary

サミット総菜部門の「値引き」を、AIで最適化するサービス。値下・廃棄ロスが、夜間担当（NOC）の経験に属人化した値引き判断と業務負荷に絡み合う構造的課題だった。多くの業務を担うNOCの値引き判断を、スマホで最適な値引額を提示するUIと、ロスの期待値を最小化する算出アルゴリズムで支援。5段階の実証でロス率の改善を実証し、全店展開に合意（全店導入は日経でも報道）。価値設計・サービスデザイン・UI/UXを担当した。

— Approach

「AIで値引きを自動化する」前に、夜間の売場で何が起きているかを観察した。値引きは、売場の手直し・商品撤去・施錠・巡回・CS連携など多くの業務を担う夜間担当（NOC）の仕事の一部にすぎず、判断は担当者の経験と力量に依存していた。消費期限ルールで決まる「定型値引き」「経験則の値引き」を切り分け、後者にAIの活用余地を定義した。

現場が迷わず使えるよう、バーコードをスキャン → 残数を入力 → 最適な値引額を提示 → 受領でシール印刷、という4ステップの値引き入力体験を設計。物理ボタン端末を前提としたレイアウトからスマホ最適化へと作り変え、現地のフィードバックを反復して作り込んだ。

裏側では、データサイエンティストとエンジニアが予測モデルを作り、値引額を提示するアルゴリズムと協調する体験を設計。AIの出力を現場の一動作にそのまま接続し、属人的だった値引きを誰でも一定品質で行える業務に変えた。

— Slides

01 / 02

— Process

  1. STEP 1 RESEARCH

    現場観察と課題の構造化

    • 「AIで何ができるか」でなく「夜間の売場で何が起きているか」から出発し、NOC（夜間担当）の業務を実地観察
    • 値引き判断が担当者の経験・力量に属人化し、結果にばらつきが出る構造を特定
    • 値下・廃棄ロスが、業務負荷・属人化と絡み合う課題構造であることを可視化
  2. STEP 2 VALUE DESIGN

    値引きの分解と提供価値設計

    • 「定型値引き」「経験則の値引き」を切り分けたソリューションの定義
    • 経験則の領域にこそAIが効くと活用余地を定義し、介入すべき範囲を明確化
    • ロスを最小化しつつ現場負荷を下げる提供価値を設計
  3. STEP 3 EXPERIENCE

    体験設計・UXプロトタイプ

    • アプリ操作にとどまらない物理的な動きを含めた迷わない体験を設計
    • 50〜60代・手袋着用・中断の多さ・暗い売場という現場制約を、制約でなく設計要件として取り込み
    • 入力順序・ボタン配置をワイヤーフレームで反復
  4. STEP 4 INTEGRATION

    AIアルゴリズム連携設計

    • 最適額の「提示の仕方」までを体験として設計し、AI出力を現場の一動作にそのまま接続
  5. STEP 5 ITERATION

    PoC実験・反復改善

    • 約1年8ヶ月・5段階の実証実験を通じ、対象店舗を順次拡大しながら確度を積み上げ
    • 端末を物理ボタン前提からスマホへ作り変え、ボタン配置・入力順序を改善
    • 商品残数・コーナー残数など入力項目を現場検証で追加し、対象コーナーを拡大
  6. STEP 6 EVIDENCING

    効果検証・経営合意

    • 実験店におけるロス率の有意な改善を実証
    • 実験店の現場アンケートで概ね好意的な評価を確認し、現場の納得を可視化
    • 定量効果と定性評価の両輪で投資根拠を構築し、全店展開の合意を取得（全店導入は日経でも報道）
  7. STEP 7 PRODUCTION & SCALING

    商用開発と部門横展開

    • PoCの知見を商用品質へ昇華し、要件定義でUI/UXを全面再設計（商用版ペルソナ・カスタマージャーニーを再定義）
    • 開発パートナーとの協業でUX品質基準を維持
    • 各部門へ段階的に横展開し、「一気に広げず検証しながら広げる」ロードマップで再現性を担保

— Results

  1. 全店導入を決定
    • 実証実験を経て全店への展開を意思決定（全店導入は日経でも報道）
  2. 値下・廃棄ロス率を有意に改善
    • 実験店で数字の改善を実証
  3. 現場に受け入れられるUXを実現
    • 実験店の現場アンケートで概ね好意的な評価
    • 属人化していた値引きを、誰でも一定品質で行える業務へ標準化
  4. 数千人規模の社員が日常利用
    • 対象コーナー・部門を段階拡大し、現場に定着