スターバックスが運営するAIプラットフォームの名前は「Deep Brew(ディープブリュー)」だ。
「深く醸造する」この名前はコーヒーとAIの両方にかかっている。
データを深く醸造することで、顧客の次の一手を先読みする。
毎週1億件以上のトランザクションを処理するこのシステムは、単なるレコメンドエンジンではない。文脈を読むAIだ。
「文脈的パーソナライゼーション」とは何か
Deep Brewが他のパーソナライゼーションシステムと根本的に異なる点は、「顧客の過去」だけでなく「今この瞬間の文脈」を組み合わせることだ。
Deep Brewが考慮する文脈的シグナル
| シグナルの種類 | 具体例 |
|---|---|
| 時間帯 | 朝7時 → 通勤前。 昼12時 → ランチタイム |
| 天気 | 気温35℃ → アイス需要増 雨 → ホット需要増 |
| 位置情報 | 空港のスタバ → 長旅前の需要 オフィス街 → 会議前の需要 |
| 曜日 | 月曜朝 → 週始まりのルーティン 金曜夕方 → 週末前のご褒美 |
| 過去の注文 | 毎週火曜にフラペチーノ → 火曜は特別な気分? |
| アプリの行動 | メニューを3回見た商品 → 迷っている |
これらを組み合わせると、「今日の気温が30℃を超えて、木曜の午後2時に、いつもこの時間帯に訪れるオフィス街の店舗で、先週アイスラテを頼んだ顧客」に対して「今日のおすすめ:コールドブリュー(スター5倍キャンペーン中)」というパーソナライズされた提案が可能になる。
これが「文脈的パーソナライゼーション」だ。過去のデータ(購買履歴)と現在の文脈(天気・時間・場所)を統合した提案は、「あなたのことを分かっている」という感覚を生む。
通販における「文脈」見落とされがちなシグナル
スターバックスは実店舗があるから「天気」「時間帯」「位置情報」が使える。では通販ECには「文脈」がないのか。
そんなことはない。通販にも豊富な文脈的シグナルがある。
| 文脈シグナル | 通販での活用 |
|---|---|
| 訪問時間帯 | 深夜のECサイト訪問 → 衝動買いモード。 朝の訪問 → 計画的な購買 |
| 曜日 | 週末 → ギフト検索が増える 月末 → 定期購買・消耗品の補充 |
| デバイス | スマホ → 素早い意思決定 PC → 比較検討モード |
| 流入元 | SNS広告から → 衝動的な発見 検索から → 目的購買 |
| 季節・カレンダー | 母の日前後 → ギフト需要急増 |
| 最後の購買からの経過 | 60日後 → 補充タイミングの可能性 |
| 天気(外部データ) | 真夏日 → 日焼け止め需要増。花粉シーズン → 鼻炎対策需要 |
-- 「文脈的シグナル」を活用したセグメント分類
-- 「今この人は何を求めているか」を文脈から推定する
SELECT
s.customer_id,
s.visit_datetime,
s.device_type,
s.referrer_channel,
-- 時間帯の分類
CASE
WHEN HOUR(s.visit_datetime) BETWEEN 6 AND 9 THEN '朝(通勤前)'
WHEN HOUR(s.visit_datetime) BETWEEN 11 AND 13 THEN '昼(ランチタイム)'
WHEN HOUR(s.visit_datetime) BETWEEN 20 AND 23 THEN '深夜(リラックスタイム)'
ELSE '日中'
END AS time_context,
-- 曜日の分類
CASE
WHEN DAYOFWEEK(s.visit_datetime) IN (1, 7) THEN '週末'
WHEN DAYOFWEEK(s.visit_datetime) = 2 THEN '月曜(週始まり)'
WHEN DAYOFWEEK(s.visit_datetime) = 6 THEN '金曜(週末前)'
ELSE '平日'
END AS day_context,
-- 最後の購買からの経過日数(補充タイミング推定)
DATE_DIFF('day', c.last_order_date, CURRENT_DATE) AS days_since_last_order,
c.avg_purchase_interval_days,
-- 補充タイミング判定
CASE
WHEN DATE_DIFF('day', c.last_order_date, CURRENT_DATE)
>= c.avg_purchase_interval_days * 0.9
THEN '補充タイミング(推奨:消耗品レコメンド)'
ELSE '通常訪問'
END AS replenishment_context,
-- 総合的なモードの推定
CASE
WHEN s.referrer_channel = 'sns_ad'
AND DAYOFWEEK(s.visit_datetime) IN (1,7)
THEN 'ギフト探しモード(SNSから週末)'
WHEN s.referrer_channel = 'organic_search'
AND HOUR(s.visit_datetime) BETWEEN 20 AND 23
THEN '比較検討モード(夜の調査)'
WHEN DATE_DIFF('day', c.last_order_date, CURRENT_DATE)
>= c.avg_purchase_interval_days * 0.9
THEN '補充購買モード'
ELSE '通常ブラウジング'
END AS estimated_mode
FROM site_sessions s
LEFT JOIN (
SELECT
customer_id,
MAX(order_date) AS last_order_date,
AVG(DATE_DIFF('day',
LAG(order_date) OVER (PARTITION BY customer_id ORDER BY order_date),
order_date
)) AS avg_purchase_interval_days
FROM orders
WHERE status = 'completed'
GROUP BY customer_id
) c ON s.customer_id = c.customer_id
WHERE s.visit_datetime >= DATE_ADD('day', -1, CURRENT_DATE)
ORDER BY s.visit_datetime DESCこの「文脈モード」分類が、レコメンドの精度を大幅に上げる。「ギフト探しモード」の顧客にはギフトセット商品を、「補充購買モード」の顧客には消耗品の定期購入プランを優先表示する。
「場所を知る」という強みをECで代替する
スターバックスのDeep Brewの最も強力な特徴は「どの店舗に来ているか」を知ることだ。空港の店舗と住宅街の店舗では、顧客の動機がまったく異なる。
通販にはリアルの「場所」がないが、「デジタルの場所」がある。
- どのページから来たか(ランディングページ)
- どの商品カテゴリを閲覧しているか
- 何を検索したか
- カートに何が入っているか
これらは「今この顧客がいるデジタルの場所」だ。
「エコバッグをカートに入れたまま離脱した顧客」は「サステナビリティに関心がある顧客」だ。「レビューページを長時間閲覧した顧客」は「慎重な購買検討モードにいる顧客」だ。
「デジタルの場所を読む」ことが、通販のDeep Brewだ。
「先読み」の実装 CJOとDeep Brewの接点
スターバックスのDeep Brewが実現していることを、Treasure DataのCJO(カスタマージャーニーオーケストレーション)で実装することは技術的に可能だ。
設計の考え方
【Deep Brew的なCJO設計】
ステージ1:認知・興味(初回訪問〜初回購買前)
Entry Criteria:
「過去7日以内にサイト訪問 AND 未購買」
Activation:
初回購買向けウェルカムオファー
※文脈:訪問時間帯・流入チャネルに応じてクリエイティブを変える
ステージ2:初回購買後(育成フェーズ)
Milestone:
「初回購買から30日以内」
Activation Step 1:購買お礼メール
Wait Step:3日
Activation Step 2:関連商品レコメンドメール
※文脈:購買した商品の「補充タイミング」をパラメータに組み込む
ステージ3:リピート購買(定着フェーズ)
Milestone:
「累計購買3回以上」
Activation:ロイヤルティティアの昇格通知
※「あなたはシルバーからゴールドになりました」という通知が
「スターバックスのゴールドメンバー」と同じ心理効果を生む
ゴール基準:
「ゴールドティア到達(LTV 30,000円 AND 購買5回以上)」このCJO設計に「文脈的シグナル」を組み込むことが「通販版Deep Brew」の実装だ。