自然言語処理（NLP）が切り拓くEコマースの未来

「業界を問わず、企業がNLPのようなディープラーニング技術を用いて隠れたインサイトを抽出し、自社固有のビジネス経験・専門知識と組み合わせてイノベーションを起こし、差別化を図るのは時間の問題です。」

自然言語処理の裏にあるテクノロジーとは？

簡単に言えば、NLP（自然言語処理）とは、現実世界のデータをコンピュータが理解し、処理できるようにする技術です。

その始まりは1950年代、アラン・チューリングの論文「計算機械と知性」にあります。彼は「機械は考えられるか？」と問いかけました。つまり、機械が人間のように考え、人間の現実から事実やデータを理解できるかということです。

NLPは人工知能の一形態で、計算言語学など複数の分野を用いて、非構造化された人間のコミュニケーションから構造化された意味を導き出そうとします。ある意味では、人間の言葉（音声とテキスト）をバイナリコードに変換する技術と言えます。

70年前、パンチカードが人間とコンピュータの唯一のコミュニケーション手段でした。今日、コンピュータは多くの人間の言語を「理解し」、話し言葉や書き言葉の命令を実行し、そこからインサイトを推論し、未来に適用できます。例えば、あなたが一度オンラインで赤いセーターを見たとすれば、コンピュータはあなたが赤いセーターを好むことを理解し、「赤」＋「セーター」に該当する既知のアイテムをすべて表示します。

NLPは、人間の言語の微小な構成要素、いわば「人間コミュニケーションの原子」を分析することで機能します。これらは単語、フレーズ、製品カタログからの説明文などです。これらの「原子」を独自の単語・録音データベースと比較し、意味解析を用いて分類・意味抽出を行います。つまり、それらを「理解」するのです。

これは、人間が気づかない関連性を見つけられることを意味します。今日、大量の処理能力が安価に利用可能になったことで、個人の嗜好について推論できる範囲は驚くべきものになっています。

なぜ今、市場に出てきたのか？

NLPは長年開発が進められてきました。しかし、広範な市場が注目し始めたのは最近のことです。理由は二つあります。(1) その実用的な応用や他のAI技術がビジネスによってよりよく理解されるようになったこと、(2) ついに実際に活用できる広範な計算能力が手に入ったことです。また、私たちのような企業が垂直業界の知識を活用し、汎用モデルを超えて、コンバージョン増加や収益向上といった実績をもたらす体験重視のアルゴリズムを作れるようになったことも追い風です。

最近まで、学術界や政府以外の組織で、テキストから理解と相関を引き出すために必要なディープラーニングアルゴリズムを実行する計算能力を持つところはほとんどありませんでした。最近の進歩により、膨大なテキストデータを迅速に消費・意味抽出できるだけでなく、FlinkやKafkaのような技術の登場により、ユーザー行動とともにリアルタイムで処理し、必要なインサイトを抽出し、適切なアクションや決定にリアルタイムで対応できるようになりました。

ガートナーが指摘するように、テキストデータの出現は、高度なAIアプリケーションの幅広い分野への関心を喚起しています。例えばカスタマー体験の分野では、テキストメッセージやチャットから感情を抽出するNLPの活用が、より広範な業界での採用と実用的な応用への道を開きました。

体験パーソナライゼーションの分野では、NLPを用いて製品カタログの説明文、レビュー、属性、その他のテキストからインサイトを抽出し、顧客の製品とそれらの関連性（低アレルギー性、100%コットンなど）をより深く理解するなど、可能性を探り始めたばかりで、その結果に期待しています。

業界を問わず、企業がNLPのようなディープラーニング技術を用いて隠れたインサイトを抽出し、自社固有のビジネス経験・専門知識と組み合わせてイノベーションを起こし、差別化を図るのは時間の問題です。

組織はNLPを適用すべきか？ 実践的なエンタープライズ事例・例を教えてください。

明確に効果が見られる分野の一つが小売です。私たちのクライアントの多くがこの業界に属しています。特に、大量の商品回転があるファストファッションや、シーズンごとにカタログ全体を入れ替える小売業者は、NLPの活用から大きなメリットを得られます。

パーソナライゼーションは伝統的に、各製品に大量の行動データがあるときに最も効果的です。しかし、カタログの大部分が新商品やニッチ商品で、データが全くない場合はどうすればよいでしょうか？ 最近まで、できることは「トップセラー」の推薦を補完として出すことくらいでした。

NLPを用いれば、製品説明、スタイル・フィットメモ、評価・レビューなどのテキストデータを取り込み、その製品や関連製品についてのインサイトを抽出し、その深い理解を用いて、新商品やロングテール商品に即座に補完的な推薦やオファーを提供できます。

これは、定期的に新しいスタイルや季節カタログを導入・サイクルさせる小売業者・ブランドにとってゲームチェンジャーとなり、クロスセルオファーを通じて最初から関連商品へのパーソナライズされた露出を可能にします。

NLPのこれから

ブランドや小売業者がNLPを採用し続けるにつれ、ユースケースは進化し続けるでしょう。次に見られるのは、ジャーニー予測、音声ベースの拡張、検索のためのファセッティングなどへのNLP適用の拡大です。ディープラーニングを伴うNLPこそが、Eコマースショッピングの未来なのです。

回答者：Raj Badarinath、VP Ecosystems、RichRelevance