运营面向女性的按月订阅制时尚租赁服务“airCloset（Air Closet）”的Air Closet公司，首次公开了其自服务启动以来5年间，通过自有在线系统“造型提供系统”积累的超过2000万条实绩数据的分析结果以及人工智能（AI）的应用案例。该公司旨在分享其独特的举措与经验，呼吁跨越组织与行业界限的广泛合作。Air Closet代表取缔役社长兼CEO天沼聪阐述了公司专注于数据利用的原因及其在经营中的应用方法。
※本文基于编辑部主办的网络研讨会《airCloset为何重视“数据分析”？将时尚订阅电商升级为下一代模式的“独一无二”的数据利用法》的内容整理而成。
以创意和IT技术将邂逅服装的体验转化为服务
Air Closet于2015年2月启动了日本首个专注于日常穿着的按月订阅制时尚租赁服务“airCloset（Air Closet）”。
其特色在于根据顾客的体型、尺寸及租赁历史等数据，由专业造型师提供搭配建议从注册到收货的一系列手续均可在线上完成。没有归还期限，顾客若喜欢某件衣服，可直接购买。
目前，除了租赁服务外，Air Closet还开展了实体店铺“airCloset x ABLE（Air Closet Able）”、提案型时尚电商“airCloset Fitting（Air Closet Fitting）”以及远程个人造型服务“airCloset Talk（Air Closet Talk）”。
其目标是实现一个“‘兴奋感’如空气般理所当然存在的世界。通过创意和IT技术，为人们的日常生活创造新的‘兴奋感’”（天沼氏）。
数据利用涵盖从造型到库存管理的各个环节
Air Closet于2020年6月在自家网站内开设了“airCloset Data Science Collection（Air Closet数据科学合集）”，并从众多数据与AI应用案例中首先公开了4项内容。
1. 造型支持AI
该AI通过分析顾客预先注册的服装喜好与需求，以及使用服务后关于穿着感受、设计和颜色的反馈数据，向造型师推荐适合每位顾客的服装。
虽然最终由造型师决定搭配方案，但AI为此提供支持，从而提升造型的精度与效率。
2. 造型匹配系统
基于服装租赁历史和偏好，从AirCloset签约的近300名造型师中挑选出符合顾客造型风格的造型师。
天沼氏认为，“造型师与顾客的匹配度越高，顾客就越有可能遇到心仪的服装”，这正是其背景所在。
3. 库存优化器
库存优化模拟。为了配备齐全、无多无少的各类服装变体，计算出应如何以何种比例采购各品类中的具体服装。将正在出租的服装、仓库中保管的服装、在干洗工厂进行维护的服装以及顾客满意度等数据相结合，推算出最佳的搭配组合。
4. 物流预测
出租出去的服装经过检验、清洗和维护流程后再次变为库存。然而，由于AirCloset没有设定归还期限，因此很难预测哪些服装会在何时、以多少件的数量被归还。解决这一问题的方案是物流预测。
将积累的归还数据输入AI进行训练，基于顾客数量、发货量、季节、星期等因素预测‘今天、明天、后天会有多少件衣服被归还’（天沼氏语）。
应用此模型后，预测归还数与实际归还数的误差已缩小至±10%以内；据称，这使得洗衣厂和仓库的人员配置得以优化，避免了因人员不足导致的作业延误或因人员过剩引发的成本增加等问题。
公开案例旨在“跨越行业壁垒的数据联动”与“构建合作体制”
Air Closet公开数据分析及案例，是出于着眼于日本未来的考量，认为有必要打破行业壁垒，实现数据联动并构建合作体制。
不仅限于时尚行业，在信息化社会中信息不断积累的背景下，他感到其中存在许多未能充分利用的部分。（关于数据利用）与各行各业的人士交流意见，将有助于塑造未来的日本（天沼氏语）。
他期待积极发布这些案例，能成为其他行业公司关注数据利用的契机，并成为数据联动与合作的起点。
由社长直属部门内部化数据利用与AI开发
据称，Air Closet自服务开始之初就致力于数据的收集与利用。
从最初的服务启动起，公司就将平衡运用模拟与数字（要素）作为信念。对于需要什么样的数据以及如何加以利用，我们有着自己的思考。（天沼氏）
获取购买数据、每位顾客租借了哪些服装的关联信息以及租赁历史等数据，并推进（用于利用这些数据的）系统设计。（天沼氏）
据天沼氏介绍，数据利用领域大致分为三类：首先是“对行动结果的分析”，即“回顾过去”，例如为确认促销活动的反响而进行的数据分析便属于此类。
其次是“从累积的数据中推导出未来的行动”，即“创造未来”，通过分析租赁历史和顾客反馈来掌握个人喜好与趋势；同时准备了造型师共享技能的机制，以提高搭配精度。
第三类是从数据中学习并将所学应用于经营管理的AI领域，通过AI自动化数据分析与计算，推动服务的个性化和业务的高效化。
将数据应用于经营所带来的“压倒性差距”
例如，在根据AI计算每件顾客归还服装的“下次出租概率和时机”的系统中。通过将高概率出租的服装存放在仓库中易于取出的位置等措施，在业务效率化方面产生了“压倒性差距”。
担任本次研讨会主持人的pilot boat代表纳冨隼平先生对国内外时尚科技状况十分了解，他评价Air Closet称：“不知道国内还有哪个案例在时尚行业如此大规模地使用数据。”
AirCloset在数据利用方面最大的特点莫过于未将数据分析外包，而是在社长室单独设立了由数据科学家组成的专业团队；出身于IT咨询且精通数据利用的天沼氏亲自参与决策方向。
除了搭配之外，他还希望将数据在库存管理、物流及业务层面的全面应用作为（AirCloset）的核心优势。包括应用程序在内的所有系统均实现内部自制，坚持作为一家企业一气呵成地完成从数据收集到利用的全过程（天沼氏语）。
虽然专门针对时尚或服装行业的数据科学专家还很少，但认为随着数据应用机会的增加，人才也会随之增多。
疫情之下，数据使用者的视角变得愈发重要
天沼氏在数据利用方面还重视提出假设。他表示，遵循假设进行验证，对于明确数据利用的目标以及始终关注与数据相对的目的至关重要。
如果没有假设，查看数据本身往往会成为目的，导致难以产生后续行动。尽管存在各种数据，但有时最好不使用不符合目的的数据。（天沼氏）
假设大多不会成立，但关键在于要掌握假设不成立时的影响范围。
例如，如果是A/B测试，只要掌握关键点，就不会出现大幅偏差。我认为在充分把握A/B测试影响范围的基础上，应该尽情挑战。（天沼氏）
他指出，当结果与预期不符时，应以此为基础提出新的假设，通过这种循环获得的客户洞察是改善AI模型精度所必需的。
新冠疫情的大流行也影响了时尚行业。他坦言，在现有AI模型中，有许多难以预测的方面。
基于疫情引发的消费行为变化，抱着“接下来大概会这样”的意图提出假设并验证数据，这种有意识的假设验证将变得愈发重要。他感到作为数据使用者的视角比以往任何时候都更加重要。（天沼氏）
通过与外部进行数据联动，以顾客为中心的数据应用得以进化
今后，他将专注于通过数据应用来提高每位顾客的搭配精度，并表示希望收集到的数据能与时尚行业内外其他公司通过数据联动等方式进行合作。
例如，如果与开展实体店铺的企业共享客户数据，店铺方就可以基于租赁历史，向曾到访的Air Closet顾客推荐可能感兴趣或关切的服装及其他商品。
他还预计，今后提供试穿服装的客户反馈给品牌方以用于设计改进的“将数据应用于产品制造的思路”将会增加。
天沼氏表示，“我认为不仅限于数据利用，通过与（其他公司）合作，有很多情况能够提升单家公司所能提供的、超越其自身能力的客户价值”，展现了以客户为中心的协作意愿。
他指出，在疫情漩涡中顾客消费行为每日变化的情况下，积极进行信息共享并保持积极应对变化的意识至关重要。