GoogleのAutoMLが面白そう!

4562

GoogleのCloud AutoMLという情報が入ってきたので少し調べてみました。

GoogleのCloud AutoMLとは、「Auto Machine Learning」のことで「機械学習」と訳されます。機械学習というのは、例えばホームページを作る際に「りんご」の画像にはALTタグに「りんご」と入れるのですが、このような「画像とタグ」の関連性をヒモ付け合うことによって、青森のりんご画像も岩手のりんご画像も、また、子供がスケッチした林檎の絵も、コンピューターが「りんご」と理解して、検索結果などに表示する内容や精度を高めるシステムのことがこのように呼ばれているようです。

その仕組みは、とても難しいので、私の方では解説できませんが、簡潔にいうと、AutoMLにデータを打ち込めば打ち込むほど、その規則性や関連性を学習し、適切な答えをコンピューターが提示してくれると言ったところでしょうか?

このAutoMLを営業システムに組み込んでいるのが「セールスフォース」などが提供するサービスで、例えば、見込み客に3回接触した後、Aというアクションを起こし、その反応がBだったら、Cを提案する方が、成約率が高く、Aというアクションに対して、見込み客の反応がA’だった場合は、成約率が低いので、新たな提案は控えるようになどの、データ分析がコンピューターによって提示され、継続して、その成果をデータとして入力し続けることで、この精度が上がって行くそうなのです。

語弊はあるでしょうが、さらにざっくり言えばAutoMLを使えば、経験則や肌感覚でやっていた営業(セールス)が、数値化、データ化され、見える化されて、業績を伸ばしやすくなるといったところでしょう。

それでは、米Googleが2018年1月17日(米国時間)に発表した「Cloud AutoML」に関して調べたことをご紹介したいと思います。

Cloud AutoMLは、人工知能を身近なものにするのか!

Googleの公式ブログ「Cloud AutoML: Making AI accessible to every business」(全文英文です)によれば、すでに機械学習(ML)や人工知能(AI)などのシステムを独自開発できる予算や人材に恵まれている企業は、さらなる開発を進め、さらに発展するといいます。

参照URL:https://www.blog.google/topics/google-cloud/cloud-automl-making-ai-accessible-every-business/

ただ、これまでは機械学習(ML)や人工知能(AI)などのシステムを取り入れるどころか、どのように使えばいいのかを理解する機会も、このような恵まれた企業以外にはなかったので、今回Googleがリリースした「Cloud AutoML」によって、その「壁」が取り払われると言っています。

その理由は、すでにGoogleのGoogle Cloud AIチームによって画像解析(画像をテキスト化)や音声解析(音声をテキスト化)などの訓練(機械学習)を積んできたシステムをクラウドを通じて提供するものだからだそうです。

おそらく、提供されるのは「システム」だけですので、機械学習に必要なデータは入力する必要があると思います(基礎的なデータベースは提供されるかも?)。

GoogleのCloud AutoMLが、すごいと感じたのは次の2項目です。

  1. テキスト分析
  2. 会話分析

テキスト分析は「Natural Language API」と英語では書くのですが、どうやら、文章の構造と意味を分析して、極端な課題解釈かもしれませんが、チャットテキストから、その人の感情まで分析できるようになるみたいです(違ったら専門家さん、コメントください)。

また、次に挙げている「会話分析」は「Dialogflow」のことで、Google HOMEなどに代表するように、まずは、音声またはテキストを認識し、それに対応する「返答」を選び出して、対応するという一連の流れを自動処理してくれるようなのです。

もはや、コンシェルジュ業務のロボット化といったところでしょうか!

これらのシステムを出来る限り安価でGoogleはクラウドから提供するというのが「Cloud AutoML」のようです。

実際にCloud AutoMLの管理画面に入ってみた

GoogleのCloud AutoML

結論から言います。プログラミング素人には、敷居が高すぎます(笑)

おそらく、プログラミングにはそれなりの経験があり、基礎知識も持ているけれど、機械学習システムやAIプログラムまでは…といった、プログラマーなら、「すげぇ!」ということになるのでしょうが、私にはチンプンカンプンでした。

ただ、無料トライアル期間が12ヶ月もあるので、色々試してみたり、本を読んだりしていけば、おそらく使えるようになるのではないかと思います。

GoogleのCloud AutoMLは12ヶ月無料

多少のプログラミングに関する専門用語には慣れる必要がありそうですね。積極的に時間を作って取り組んでいきたいと思います。

GoogleのCloud AutoMLは、ビジネスに使えるのか!

システムに限らず、なんでもそうだと思いますが、「ビジネスに使えるかどうか」を検討するときには、やはり費用対効果が気になるところです。

しかし、機械学習システムに関しての費用対効果は、算出しにくいという欠点があります。その理由は、いくつかあって、ひとつ目はやはり「新しいサービス」なため、私たちにその価格感度が備わっていないので、「高いのか安いのかを判断できない」点です。

2つ目に「利用料」として、適切かどうかも判断できません。このあたりは、過去、レンタルサーバーの価格とサービスの違いが認識できずに、とりあえず価格で数社を比較して、安いところで…と、レンタルサーバーを選んでいた時代に似ているような気がします。

今でも少なくありませんが、レンタルサーバーのサービスが、近年どれだけ使いやすくなったのか…、また、どれだけサポートが充実してきたのかも知らずに、ホームページ制作会社に毎月「保守管理料」という得体の知れない名目で数万円を課金されている人や企業が多いように、今後、類似のAIクラウドサービスやMLクラウドサービスが増え出せば、仲介会社に搾取され続ける企業も増えていきそうです。

独自のAIクラウドサービスと言いながら、実はGoogleのCloud AutoMLを「又貸し」しているだけというサービスも今後、増えてきそうですね。

新しいサービスであって、その「サービスの仕組み」もよく理解できない場合は、「実際に使って」経費と成果を体験し、今後を予測して本格導入を検討する必要があると思います。

これは、SEOサービスに似ているような気がします。

特にサービスモデルだけを見れば「成果報酬型のSEOサービス」に似ていると言えるかもしれません。ただ、成果型SEOサービスには、嘘か本当か、黒い部分があるので気を付けたほうが良いのは言うまでもありませんが…。

なぜ、SEOサービスに似ていると私が感じているのかと言えば、SEOも上位表示対策サービスも、実際に依頼したキーワードで上位表示させたり、アクセスを集めたりするための労力にどれだけのコストが必要なのかを依頼主は把握できていません。

そういった意味では、ホームページ作成も同じと言えます。

ホームページの制作会社さんなら経験があると思いますが「この辺りのデザインをチャチャっと、こんな風に変えてもらえないかな?」なんて、ことを言われた経験がある人は多いと思います。

「ここのフォントだけ、もうちょっと、ほら、このサイトで使われているフォントのように…」なんて、一部の見出しだけフォントを変えて欲しいといった、手間のかかる作業を、チェックボックスのオン、オフ切り替えで出来るかのように、言われたりすることだってあったかもしれません。

このようにインターネットが普及したりテクノロジーが普及すると、コンピューターが返す「解」の裏側で、どれだけのシステムが動いていて、どれだけのテクノロジーが組み込まれているのかなどは無視されます。

その結果「みかんの画像」をコンピューターが認識してテキストに「みかん」と表示させるのが、どれだけコストがかかることかなんて考えずに、人が「メロン」を見て、それをメロンと認識するのと同じ程度にしか考えないので、意外とトラブルになっていたりもするようです。

そういった意味では、このGoogleのCloud AutoMLを無償期間の12ヶ月使い倒してもて、そこからどれだけの収益を生むのか、また、どれだけの営業効率アップが果たせたのかを記録し、そこからどれだけの経費削減効果があったのかを算出して、GoogleのCloud AutoMLの料金と照らし合わせて、初めて費用対効果、または、本格導入の是非を検討できるようになるのではないでしょうか。

GoogleのCloud AutoMLを早期導入するメリットはあるのか

私はAIシステムやMLシステムをこれまであまり信用していませんでしたし、必要としていませんでした。

なぜなら、それだけ多くの見込み客に対応する機会がなかったからです(汗)

また、データ処理しなくてはならないほど多くの商品やサービスも取り扱っていません。アフィリエイトサイトを運営してはいますが、どの商材をアフィリエイトしたほうが効率的なのかをAIやMLを使ってスケジュール管理できたらと考えたこともありました。

メールマガジンを週に2回ほど配信していますが、一昨年前に、AIを使った分岐メールを配信できるシステムをプレゼンされる機会がありました。確かに仕組みはすごいものではあったのですが、予算をかけずに対応する方法を考え出しました。

※ 分岐メール配信システムというのは、分岐条件を設定し、条件に適合した読者に対して、配信するメールの内容や配信時間、配信頻度を調節するサービスです。ここにAIが組み込まれると、もっとも開封されやすい時間帯にメルマガを配信できるようになり、もっとも開封される内容だけを、個別に読者に配信できるようになります。

こうすることで、未開封のままが続くと、迷惑メールフォルダーに分類されるようになるリスクも軽減できますし、興味のある内容だけを精査して個別の読者に配信できますので、精読率や、そこからの成約率を高めることができるようになるわけです。

この方法を簡単にご紹介すると、メールマガジンだけではデータ採りができません。AIを使った「分岐メール配信システム」の精度を上げるためには、読者に何かしらの行動を起こさせる必要があります。

その行動(アクション)には、「メールの開封」「URLのクリック」「メールへの返信」が挙げられますが、メルマガに返信する確率は非常に低いので、現実的なのは「メールの開封」と「本文中に記載されたURLのクリック」となります。

メールの開封率は、メルマガ配信スタンド(例えば、私も使っている「使い放題のステップメール「アスメル」」)によっては計測できます。

本文中のURLをクリックしたかどうかは、短縮URLを使ったり、「0秒リダイレクト」を使えば、Googleアナリティクスで計測することができます。

この方法とは別に、少し専門的になりますがGoogleアナリティクスの「ダミーパラメーター」を使うと追跡できます。

ただ、これだけでは、読者別のデータ収集は出来ません。しかし、心配はなかったのです。

GoogleのCloud AutoMLに限らず、システムの限界は必ず抑えよう!

例に挙げたメールマガジンのAIによる条件分岐システムで、その分岐条件となる「条件」を発生させるためには「本文中のURLをクリックさせるしかない」とわかりました。ただ、そのURLがクリックされたかどうか、どれだけクリックされたかはGoogleアナリティクスで解析可能だとしても、「誰がクリックしたのか」までは、分類できないことがわかります。

しかし、心配する必要はないわけです。

「分岐メルマガシステム」を採用したとしても、その分岐の数だけ「メルマガのシナリオ」を準備しなくてはなりません。そして、次に配信されたメルマガを開封されなければ、そのメルマガを読んでもらうことはできないわけです。

と、言うことは、初回日配信したメルマガに記載したURLに「次回配信メルマガの告知」をしていれば、興味のある人は、その個別メルマガに登録するのではないでしょうか。

こうなると「そんな、毎回登録するような人はいないのでは?」と、反論が返ってきそうです。

あなたは体験したことがありませんか?

「次の動画に興味のある方は、ここにコメントを書いてください」と、SNSコメントフィードを掲載し、SNSアカウントと登録情報を紐つけ、コメントを書いた人にだけ、特別なURLをメール送信させるテクニックがあり、これがおおいに効果がありました。今でもたまに見かけます。ただ、当時、あまりに多くの人がやりすぎたので、実施しているサイトはかなり減りました。

このほかの方法としては、メルマガ配信スタンドにだけ登録させるのではなく、ウェブサイトに会員限定コンテンツを開設し、会員登録をさせることで、より簡単に個別のコンテンツを受信可能な状態に出来ます。

あとは、顧客データベースをエクセル管理し、エクセルで開いて「ソート」機能を実行して、条件を絞ったリストに対し個別メールを配信すれば、よりAIによる条件分岐メルマガ配信に近づけることができるようになるわけです。

配信時間の自動制御に関しては、配信時間と開封時間にタイムラグが発生していることを知っていれば、厳密に「開封データ」と配信時間をヒモつける論拠がないことを知ることができます。

開封率は、配信時間と、開封されるまでの時間の中で、その読者がどれだけのメールを受信しているかに左右され、また、あなた自身のメルマガに対する興味によって左右されます。ですから、厳密に言うと、配信時間にこだわる必要はないわけです。

それよりも、何時に配信されようが、興味を持ってもらえるメルマガにすることが重要なのです(私も頑張ります(汗))。

以上の通り、個別の見込み客に対応するためには、その「対応する素材」を準備する必要があり、その「対応素材」を準備することを含めて考えれば、その「対応素材」へ見込み客が接触する機会を、わざわざAIやMLで条件分岐させオートメーション化させる必要がないことがわかるわけです。

※ 言うまでもなく、対応素材と見込み客属性が無数に絡み合う複雑なサービス提供を行なっている場合は別です。個人的には、この「複雑さ」を整理したほうがAIやMLを導入するより改善効果は高いような気もしますが…

GoogleのCloud AutoMLは必要ないかも!

冒頭の段落で、私はGoogleのCloud AutoMLを学ぶ時間を「積極的に作って取り組みます」と、書きましたが、この記事の原稿を書きながら、いろいろ調べていくなかで、やっぱり「取り組まないこと」に決めました。

その理由は、Googleアナリティクスに同様の機能がいずれ組み込まれるだろうからです。

そして、Googleの検索エンジンが、すでにGoogleのCloud AutoMLの大元システムによってデータを収集し、パーソナライズ化された検索結果の精度を引き上げると予測できるので、個別にサイト内で「再び検索」させる必要はないと結論付けたからです。

サイト内検索をさせると言うことは、閲覧者に対して適切で明確なナビゲーションが出来ていないと言うことです。

そのコンテンツを閲覧している人に対して「適切な」ナビゲーション先は、現時点でのGoogleアナリティクスで十分把握することができます。その方法は1月18日の18時に配信されるメルマガでお伝えしています。

「私の場合は」と、枕詞はつきますが、1日に20人以上の顧客対応を強いられる現場でない限り、また、Webコンテンツの中で顧客に提示する商品やサービスを絞り込むことができないケースを除いて、わざわざ人工知能や機械学習システムから吐き出されるコンテンツを閲覧者に提示する必要はないと思います。

この辺りに関してはAmazonがGoogleよりも抜きん出ているのは明白です。

2020年までには、WordPressにもCloud AutoMLプラグインが?!

これは、個人的な希望的観測ですが、ホームページ運営において「関連記事」で表示されるコンテンツが「あなたにオススメの記事」という形でCloud AutoMLを使ったシステムで表示されるようになれば嬉しいなあと考えています。

現時点でも、各ブログ記事の関連度を設定した「関連記事」を表示するプラグインはありますが、これでは、誰が見ても、該当記事に表示される関連記事に変化はありません。

ここに、セッションIDをキーとして、1セッションごとの統計を取り、その統計に合わせて1ページ目にAという記事を見た場合と2ページ目に記事Aを見た場合では、表示するオススメコンテンツが変化するようなプラグインが出てきてほしいと願っています。

WordPressやワードプレスのプラグインを開発している企業のビジネスモデルを見ると、このようなプラグインが無償でリリースされるまでに2年もかからないのではないかと、勝手に期待しています。

すでに、Googleアナリティクスと連動した顧客情報セグメントサービスのリリースもあるので、閲覧履歴に応じた「オススメ記事」の抽出程度は、無料のプラグインで可能になりそうです。

結論

  1. GoogleのCloud AutoMLは…
  2. プログラミング初心者には、「専門用語」などの障壁がある限り、やはり難しく感じさせる
  3. 機械学習(ML)にせよ、人工知能(AI)にせよ、必要なのは「学習素材」となるデータ。
  4. MLもAIも学習素材の量によって、その精度が左右されるため、毎時大量のデータを収集できる環境がなければ、活躍できなさそう。
  5. MLもAIを採用したところで、提供する商品やサービスに豊富なラインナップがなければ意味はない。
  6. MLもAIが必要なケースは、概ね1日あたり20人以上の顧客に対応し、その顧客に対し20通り以上の提案素材が整っている場合のみ(個人的な体感値です)。
  7. 2020年までには、無料でCloud AutoML搭載のプラグインがリリースされる(希望的観測)
追記
Googleの公式ブログを和訳すると「熟練度の低いエンジニアがこれまでに夢見てきた強力なAIシステムを構築するのに役立ちます。」と、書いてありましたね(汗)あくまでも「エンジニア」向けであって、プログラム素人はお呼びでなかったみたいです(笑)