1.
NTTドコモ
リテールテック
棚割Techの取り組み
法人ビジネス本部 ソリューションデザイン部
高 聖明

2.
アジェンダ
•略歴
•棚SCAN®-AIの紹介
•（企画中）AI棚割生成
•個人的な妄想

3.
略歴
•NW系業務（６年）
• 伝送路保守（鉄塔昇降）
• トラフィック需要予測（エクセル）
•グローバル系業務（３年）
• OJT（Coinbase）
• コンシューマー向けサービスのアライアンス（Shazam）
•法人営業（４年～）
• 技術営業（日用雑貨製造業）
• 棚SCANの企画 → リテール系のサービス企画

4.
棚SCAN®-AIの紹介

5.
棚割は重要なデータ資源
•（棚割とは、商品を陳列棚のどこに、どの位、陳列
するかを計画すること）
•店頭訪問の8割は非計画購買
• 目立つところに並べていたのに売れていない
↕
• 目立つところに並べていなかったから売れていない
•ラウンダー 全国数万人規模
画像認識で棚割のデータ化
ができたら・・・

6.
棚SCAN-AI 企画の背景
•棚割画像認識エンジンの提供企業は複数
• プラノラマ（FR）、トラックス（SG）、NEC
•後発のドコモが提供しても勝てない
→ 商品画像DBの管理をパッケージ化した
（外資に対してローカライズを先行）
（意外と）狙いが当たった・・・

7.
棚SCAN-AIの特徴
•棚割画像認識エンジン
• Deep Learningによる物体検出
• 特徴点を抽出し、商品画像データベースと照合
•商品画像DB（サイバーリンクス社）
• 正面だけでなく、側面、背面、斜めなど多面角度からの撮影
により、様々な陳列形態に対応。

8.
（棚SCANのデモ）

9.
（企画中）
AI棚割生成

10.
棚割はメーカーが企画するもの
・・・
•（一般的に）小売店からカテゴリリーダーに指名さ
れたメーカーが棚割を決められる
•リーダー指名有無で約10％程度の売り上げ差
→ 営業力など企業体力が反映
メーカー
棚割提案
小売店
バイ
ヤー
カテゴリーリーダー選
定
カテゴリーリー
ダー
任命！
メーカー
A社 B社 C社
競争！
カテゴリーリーダーになり
たい

11.
棚割作成の課題
•経験と勘
• 経験則の例：女性、若者が多いエリアの栄養ドリンク棚
にはコラーゲン系の栄養ドリンクを多く置く
•個店別棚割り計画
（実態：最大でも5パターン程度）
→ 計画棚の作成 30分/棚（作業時間のみ）

12.
AI棚割生成サービス
（棚SCAN-AIのデータ資産活用）
AI棚割生成
棚割データ、POSデータ、
人口動態情報を基に
AIが最適な棚割案を作成
棚割管理ソフト
棚割データの登録・管理。
棚割提案書の作成。
棚SCAN®-AI
最適棚割の
データ
実績棚割データ
棚割採用
提案活動
店頭反映
•経験則による棚割から、データによる棚割に

13.
（参考）学習データの例
POS 棚割(PTS) 商品マスタ 店舗情報
共通商品コード (台情報) 台番号 商品コード 店舗名
販売日時 (台情報) 台高さ 商品名 住所
販売価格 (台情報) 台幅 商品サイズ(幅) 緯度
販売個数 (台情報) 台奥行 商品サイズ(高) 経度
仕入価格(データがある場
合)
(棚情報) 台番号 商品サイズ(奥)
(棚情報) 棚段番号 階層分類コード
(棚情報) 棚高さ 規格名
(棚情報) 棚幅 税区分
(棚情報) 棚奥行 商品分類コード
(棚情報) 棚厚さ
(棚情報) 棚種別
(配置情報)
(配置情報) 台番号
(配置情報) 棚段番号
(配置情報) 棚位置
(配置情報) 商品コード
(配置情報) フェース数
(配置情報) 積上陳列数
(配置情報) フェース内陳列区分
紐づけ情
報

14.
棚割が自動化されると・・
•リーダーを取るためのリベート
•提案力に強みのある会社
→ メーカー主導から小売り主導に
（ささやかなゲームチェンジ）
→ 棚割を考える仕事は人間の仕事ではなくなる
（そうなった時、営業観点での競争軸は？）

15.
今後の予定
•7月 リテールAI研究会入会
•10月実証実験
•3月 リテールテック＠ビッグサイト 展示

16.
個人的な
（どうでもいい）妄想

17.
棚割Techで100憶稼ぐ
•無理
•とはいえ、（会社規模的にも）目指したい

18.
棚割Tech → AdTech
•棚割データ
•商品画像認識
出典：電通報

19.
ご清聴ありがとうございました。