はじめに
1
Forecaster へ移動する
Hello Clever のダッシュボードから Site Overview → Forecaster へ移動します。直近 30 日間の売上の推移と、予測を開始するための案内が表示された画面が開きます。
2
オーガニックな売上予測を実行する
Forecast をクリックして、キャッシュバックの誘因なしのベースラインの売上を予測します。予測期間を選択してください。
- 30 日：戦術的で短期のキャンペーン計画に最適です
- 60 日：中期の意思決定に向けたバランスの取れた視点です
- 90 日：戦略的な計画と四半期のマーケティング計画に適します
- 予測される売上額（例：
$11,873.02） - 前の比較可能な期間からの増減率
- 信頼区間（予測の上限と下限）
- 予測の信頼性スコア（例：
85%）
- 過去の売上件数
- 季節および曜日の傾向
- 顧客の取引行動
- キャッシュバックの利用データ（該当する場合）
3
キャッシュバックキャンペーンをシミュレーションする
Want to boost your sales? のカードまでスクロールします。シナリオを設定してください。
- キャッシュバック率を選択します（例：
10%や20%） - キャンペーン期間を選びます（
30、60、90日） - Forecast をクリックします
- キャッシュバックを適用した場合の予測売上
- オーガニックなベースラインからの売上の上昇
- 想定されるキャッシュバックのコスト
- 両方の結果を比較する視覚的な重ね表示
予測のグラフには次が表示されます。
- 実線の青：過去の売上
- 点線の青：キャッシュバックなしの予測
- 点線の緑：キャッシュバックありの予測
- 影付きの範囲：信頼区間
4
異なるシナリオを試す
Forecast a different scenario までスクロールし、キャッシュバック率（5〜50%）とキャンペーン期間を調整して、再度 Forecast をクリックします。試したシナリオごとに、Clever AI が新しい予測売上、想定される上昇、キャッシュバックのコスト、信頼区間を直ちに再計算します。複数のシミュレーションを並べて実行し、予算に対して最も高い効果をもたらすキャッシュバック率を見つけてください。
予測結果の解釈
予測の信頼性スコア
各予測には信頼性スコア（例：85%）が含まれます。これは次の要素に基づくモデルの確信度を表します。
- データの一貫性：過去の取引パターンがどれだけ均一か
- パターンの明確さ：季節や曜日の傾向がデータにどれだけ明確に現れているか
- 外部要因の変動：休暇、経済の変動、その他の外部要因への影響の受けやすさ
売上の上昇とキャッシュバックのコスト
予算を投じる前に、予測を使ってキャッシュバック支出の効果を評価してください。 ROI の計算例：- 予測される上昇：
$399,527.09 - キャッシュバックのコスト：
$82,280.02 - ROI：キャッシュバック支出に対して 4.85 倍の効果
予測は見積もりであり、保証ではありません。Hello Clever がストアの取引履歴をより多く蓄積するにつれて精度が向上します。導入して間もないストアでは、初期の予測のばらつきが大きくなる場合があります。
ユースケース
キャンペーンの計画
開始前にシミュレーションして ROI を検証し、キャッシュバックへの過小投資や過剰投資を避けます。
予算の配分
どの週や商品カテゴリーがキャッシュバックの誘因から最も恩恵を受けるかを特定します。
四半期の計画
90 日の予測を使って、より広いマーケティング計画と支出のサイクルに反映します。
A/B シナリオのテスト
異なるキャッシュバック率で2つのシミュレーションを実行し、開始前に最適な率を見つけます。
ベストプラクティス
- まず 30 日の予測から始めてツールに慣れ、期待値を調整してください。
- より広い戦略的な判断には、季節性を織り込むために 60〜90 日のシミュレーションを実行してください。
- 複数のキャッシュバック率（例：5%、10%、20%）をシミュレーションし、上昇とコストの最適な均衡点を見つけてください。
- Forecaster の結果を Clever AI Actionable Insights と組み合わせ、効果が最も大きい顧客セグメントや地域にキャッシュバックを集中させてください。
- 結果を解釈する際は、外部の出来事（休暇、競合の動き、経済の変動）を考慮してください。モデルは過去データの外にある出来事を自動的に織り込むわけではありません。
予測の制約
- 取引件数の少ないストアや、Hello Clever に導入して間もないストアでは、ばらつきが大きくなる場合があります。
- 取引履歴が蓄積されるにつれて、精度は向上します。
- モデルは、大型の休暇、景気後退、競合の大きな動きなど、突発的な外部の出来事を自動的に考慮するわけではありません。