ブレインパッド、オンライン試着データを活用したアパレルEC特化の新ソリューションを開始
ブレインパッドは、レコメンドエンジン搭載プライベートDMP「Rtoaster（アールトースター）」と株式会社メイキップのサイズレコメンドエンジン「unisize（ユニサイズ）」を連携し、アパレルECの課題を解決する新ソリューションを共同開発することを発表しました。
本ソリューションは、「unisize」の洋服のサイズ推奨技術と、「Rtoaster」のレコメンドアルゴリズム、ブレインパッドのデータ活用ノウハウを組み合わせ、オンラインでの試着行動から得られたデータを、ウェブ、アプリ、メール、LINEなどのチャネル横断でのパーソナライズへ活かすことを皮切りに、アパレルECの進化を目指すものです。
市場規模の拡大が続くEC業界（*2）は、昨今のコロナ禍により、これまでにECを利用したことのない消費者層へも急速に利用が広がることで、その規模の拡大に拍車がかかっています。リアル店舗を運営する事業者によるEC事業への参入も急増する中、数多のECサイトの中から消費者に選ばれるためには、単なるモノの販売に留まらない購買体験を提供するための付加価値の創造が求められています。
アパレルECにおいては、かねてより、実際に商品を試着できないことによって起こる「サイズ問題」が購買障壁として挙げられてきましたが、この課題の解決策の一つとして、先進企業はオンラインフィッティングサービスの開発とその精度の向上に取り組んできました。
その代表的なサービスである「unisize」は、ECサイト上での簡単な操作だけで、ログインなどの手間をかけずとも最適な洋服サイズを推奨できることを特徴とし、「BAYCREW’S」「SHIPS」「JUN」をはじめ、さまざまなファッションブランドに導入されています。
ブレインパッドは、「Rtoaster」と「unisize」を連携させることにより、「unisize」のサイズレコメンドに、消費者の趣味・嗜好に応じた「Rtoaster」による多彩なパーソナライズ機能を付加することをはじめデータ活用を推進することで、アパレルECの価値向上に貢献していきたいと考えています。
■試着データに基づくECサイト内外でのパーソナライズの実現
「Rtoaster」と「unisize」の機能連携の第一弾として、まずは「unisize」での試着行動時データを活用し、「Rtoaster」によるECサイト内外でのパーソナライズを実現いたします。
これにより、洋服のサイズだけでなく、消費者の趣味・嗜好に合わせた新たな洋服のレコメンドが可能となり、そのレコメンド内容を、ECサイト内でのポップアップ表示、ECサイト外のメールやLINEによるプッシュ型の配信にも反映できるようになります。
■今後の展開
今後両社は、ブレインパッドのデータ活用ノウハウを用いて、「unisize」に蓄積された希少な洋服データや身体データと「Rtoaster」に蓄積されたデータを用いた需要予測などを新たな商品開発に活かしていくことも見据え、共同開発に取り組んでまいります。
そして将来的には、リアル店舗での購買体験をデジタル上でも実現するソリューションの開発を目指してまいります。
■株式会社メイキップ 代表取締役 柄本 真吾様のコメント
「unisize」は、「不可能なことをITの力を使って可能にする」という想いのもと、ECサイトで洋服を買う時に生じる手に取って試着できない悩みを解決する方法として、ECサイト上での洋服フィッティングのサポートを行ってまいりました。
消費者によるEC利用が一層進んでいくことをふまえると、今後は、リアル店舗のような購買体験をデジタルでも消費者に提供することが、EC事業者の差別化要素になっていくと考えています。「unisize」に蓄積された600万ID（2020年8月時点）を超える身体データや洋服のデータなど、希少なデータを用いてブレインパッドと共にアパレルECに特化したソリューションを開発し、EC上での購買体験の付加価値向上を実現していきたいと思います。
■株式会社ブレインパッド 取締役 安田 誠のコメント
ブレインパッドは、「データ活用の促進を通じて持続可能な未来をつくる」を企業ミッションとし、今後さらに「Rtoaster」を進化させながら、さまざまな業界の先進企業と共に、DX時代に求められる新たなデータ活用ビジネスを創り上げていきたいと考えています。
本連携は、急拡大を続けるアパレルECにおける新たな取り組みであり、高度なサイズ推奨技術を持つメイキップと共にこの取り組みを推進できることを非常に嬉しく思います。
連携の第一弾として、試着データに基づくECサイト内外でのパーソナライズを早々に実現したうえで、今後は独自のレコメンドエンジンの開発はもちろん、「Rtoaster」に蓄積されたデータを商品開発や需要予測にも活かしていくことも見据え、この取り組みを進めていきたいと思います。
