スタディサプリでは、どこがつまづきやすいかの情報を貯めて、「つまづき予測」をしている。


ー

Zの法則に従い、主力シリーズ「ブレンドシリーズ」を左上に配置していた。しかし、自動販売機にアイトラッキングを取り付けて調査したところ、自動販売機に限っては下段に視線が集まることが分かったため、下段に主力製品を配置した。


ー

すべての寿司皿にICタグをとりつけ、レーンに流れる寿司の鮮度や売上状況を管理。
どの店で、いつどんな寿司がレーンに流されいつ食べられたのか、どのテーブルでいつどんな商品が注文されたのかなどのデータを毎年10億件以上蓄積。
このデータを活用し、需要を予測し、レーンに流すネタや量をコントロールしている。


ー

ポンタの導入に伴い、ビッグデータ分析を進めている。
例えば、ほろにがショコラブランは「1割のヘビーユーザーが6割の売り上げを占めている」と分かった（その分析結果を基に同商品は今も継続的に販売中）。


ー

過去数百万件にわたる修理履歴や機器の型番データを保有。また、コールセンターに寄せられる給湯器などの修理依頼の内容も同時に蓄積。


ー

スマートフォンを財布代わりに使えるシステムを導入することで、観光客の利用履歴を蓄積し、定量的な分析を実施。
何時頃に観光客が多いか、人の組み合わせは親子連れが多いのか、男女ペアが多いのか、また、どこの外湯が一番人気なのかなどを分析。


ー

ホームセンターの売り上げデータ、従業員の行動データ、商品の陳列データを蓄積し分析したところ、顧客単価の高いスポットの特定に成功。
当該スポットに従業員を重点配備することとした。


ー

受注率の異なるスタッフにセンサーを取り付けてデータを検証したところ、受注率の高いスタッフの方が休憩中の活動が活発であることが判明。
また休憩中にスーパーバイザーがスタッフに声をかけていくとスタッフの雑談が盛り上がるということも判明。
それを受けて、休憩中にコミュニケーションを活性化させるような施策を1...


ー

販売履歴と来店客数を関連付けて分析し、商品の売れ行きパターンを予測した上で製造量を決定するようにした。
（かつては各店舗の店長が自身の経験から製造量を決定）


ー

PC、ケータイの検索履歴や、購入履歴、決済履歴、閲覧履歴をYahoo! IDで管理し、ビッグデータ解析した上で、「ニュースなどコンテンツの最適表示」「ウエブサイトやアプリの公告の最適表示」「ショッピングなどの最適おススメ商品」を顧客に届ける。


ー

アプリで取得してきた走行ビッグデータを研究・分析し、ドライバーの運転特性と事故の起こりやすさとの相性関係を明らかにした。


ー