データの生成・加工における「1：N」問題とAI技術の解決力【第4回】

パターン1：既存の商品データを加工する

●商品説明文の調整：文字数を長くする／短くする、ターゲット層に合わせて文章のテイスト（丁寧語、若者向け、専門的など）を変える、特定のキーワードを含めるように書き換える
●情報の抽出・変換：長い商品説明文から重要なスペック情報を抽出する、サイズ表記の単位を統一する（センチメートルをミリメートルに統一するなど）、色情報を標準化する（ワインレッドとラズベリーを赤にまとめるなど）

パターン2：これまでにない項目を追加する

●EC用商品名の作成： SEOや検索性を考慮した、キャッチーな商品名を新たに作る
●分析用カラムの作成： 特定の分析軸（健康志向や時短など）に基づいたフラグやカテゴリーを付与する。
●特徴タグの生成：商品が持つ、さまざまな特徴（素材、機能、効果、利用シーン、テイストなど）をキーワード化し、タグとして複数生成する
●レコメンデーション用情報の生成： 関連性の高い商品を紐付けるための情報を生成する

　これらの作業は、商品数が少なければまだしも、数千、数万、それ以上の商品数を扱う企業にとっては、まさに“気合と根性”の世界になります。しかし、人的リソースには限りがあり、入力ミスや表記揺れのリスクも常に伴います。結果、データ活用のボトルネックになり、施策の実行スピードを鈍化させ、機会損失につながるケースも少なくありません。

　この状況を打破する鍵として近年、急速に進化し期待が高まっているのがAI技術です。特に、自然言語処理（NLP）や画像認識、生成AIといった技術の発展により、これまで人手に頼らざるを得なかった商品データの生成・加工プロセスを、高速かつ高精度に自動化できるようになってきました。

　AI技術は、次のような形で商品データの生成・加工を支援します。

●文章生成・要約・校正：商品説明文の生成、長文の要約、文字数制限に合わせた調整、文章テイストの変換、誤字脱字のチェックなどを実行する
●特徴抽出・タグ付け： 商品名、商品説明文、スペック情報、さらには商品画像などから商品の特徴を読み取り、適切なカテゴリー分類やキーワードタグを付与する
●情報付与（エンリッチメント）： 既存のデータだけでは不足している情報を、外部データベースやWeb上の情報などを参照しながら補完・付与する
●データ形式の変換・標準化： システムごとに異なるフォーマットへのデータ変換や、表記揺れの統一などを実行する

　例えば当社が提供するPDP（Product Data Platform）の「Lazuli PDP」でも、AI技術を活用した商品データの生成・加工機能を用意しています。そうした機能を利用することで、ECサイトへの商品登録時間の7割以上の削減や、データ分析における属人的な業務時間を大幅に削減、EC用商品データの充実によるコンバージョンレートの大幅な改善と売り上げ・利益の向上といった成果が得られます。