中東地域を代表するフードデリバリープラットフォームであり、1日あたり240万人以上のユーザーを有するJahezは、検索データをより効果的に活用して事業成長を促進できる機会に着目しました。同社の注文の55％はアプリ内の検索機能から発生しており、これは顧客の好みに関する貴重なインサイトを提供するものです。しかし、ユーザーが検索したレストランの多くはアプリ上に未掲載であり、それが収益機会の損失につながっていました。
この課題に対応するために、Jahezはこうしたギャップを特定し、需要の高いレストランを営業チームが迅速にオンボーディングできるよう支援する、データドリブンなソリューションを必要としていました。
見逃されていた検索機会の特定
Dataikuとの連携以前、Jahezは検索機会の見逃し、つまりユーザーがまだプラットフォーム上に掲載されていないレストランを検索する事象への対応にいくつかの課題を抱えていました。自動化がなかったため、需要の高い未掲載レストランを特定し優先付けする作業は多くの労力と時間を要し、営業チームによる効率的なオンボーディングを妨げていたのです。
検索機能が全注文の半数以上を占めていることから、この需要を取り込むことは不可欠でした。週あたり数百万件にもおよぶ検索を手作業で処理するのは現実的ではなく、オンボーディングの遅れを引き起こし、急速に変化する飲食業界のトレンドに営業チームが追いつけなくなる原因となっていました。これらの課題を克服するために、Jahezには顧客の需要に迅速に対応できるリアルタイムかつデータドリブンなシステムが必要でした。
DataikuによるJahezの検索分析の変革
JahezはDataikuを活用し、検索機会の見逃しに対するアプローチを抜本的に刷新しました。数百万件におよぶ検索クエリの分析を自動化し、先進的な自然言語処理（NLP）技術によって未掲載のレストランを特定する仕組みを構築したのです。この変革は、以下の主要なステップで進められました。
- 検索データの収集：Jahezは毎週、クリックされたレストラン、ユーザーID、セッションID、都市、国、タイムスタンプなどを含む詳細なユーザー検索履歴を収集しており、顧客の嗜好や検索行動を包括的に把握できるようにしています。
- セッション化とクエリの照合：NLP技術を活用し、DataikuはJahezのデータサイエンスチームによる類似検索クエリのグルーピングと、レストラン名との照合を可能にしました。また、イベントベースのデータをユーザーの行動順に並べたリストへと変換するセッション化を適用することで、検索行動をより効果的に追跡できるようになりました。
- フィルタリング：メニュー項目など、関連性の低い検索は除外され、レストラン名に焦点を当てました。
- アラビア語と英語の名称照合：アラビア語と英語の検索クエリをどちらも確実に取り込むために、Dataiku上で両言語の発音の類似性を検出するアルゴリズムが適用されました。
その結果、各レストランの検索ユーザー数に基づいて見逃された検索機会をランキングするソリューションが実現され、週次で更新されるようになりました。これにより、Jahezの営業チームは、どの高需要レストランがプラットフォームに未掲載であるかを明確かつデータドリブンに把握でき、優先的にオンボーディングすべきレストランの選定が可能になりました。週あたり数百万件の検索を処理することで、Jahezは業務効率と対応力の両面で大幅な改善を実現しました。
データサイエンスチームも、Dataikuにおける自動化パイプラインの恩恵を受けました。Dataikuのフローゾーンにより、プロジェクトは明確で管理しやすいステップに構造化され、デバッグや最適化が容易になりました。この自動化によって、検索データの量が増えてもシステムは効率的にスケールし、長期的な保守や改善も容易になりました。
効率性と収益成長の新たな段階を実現
Jahezの変革は、複数の重要分野において大きな成果をもたらしました。クエリ管理やデータ処理の自動化により、大量のデータを迅速かつ効果的に処理できるようになり、業務全体の効率が向上しました。
この取り組みによるビジネスインパクトは大きく、営業チームは需要の高いレストランを数多くオンボーディングすることに成功し、収益の成長を直接的に促進しました。たとえばバーレーンでは、見逃された検索機会のシステムによって特定されたあるレストランが、新規追加レストラン全体の注文数を45％増加させ、4か月以内に新規追加レストランの総収益の40％を占める成果を上げました。このように、手作業による選定プロセスからデータドリブンな戦略への移行によって、高付加価値の機会を特定し、業務効率を大幅に改善できるようになりました。
JahezがDataikuを選んだ理由
JahezがDataikuを採用したのは、データ処理とプロジェクトパイプラインの両方を柔軟に管理できる多用途性に優れていたからです。同プラットフォームは、理想的な選択肢となるいくつかの重要な利点を提供していました。
- 柔軟性と使いやすさ：Dataikuの直感的なインターフェースにより、Jahezはカスタマイズされたワークフローやパイプラインを構築できるようになり、生産性を高めるとともに複雑な業務の簡素化を実現しました。
- シームレスなデプロイとバージョン管理：Dataikuに備わる機能により、プロジェクト管理が効率化され、より迅速かつ効果的なデプロイが可能になりました。
- 既存システムとの統合：このプラットフォームは、SnowflakeのSnowparkやMLflowを含むJahezの既存テックスタックとシームレスに統合され、計算効率の向上と堅牢なモデルモニタリングを可能にしました。
DataikuとSnowflakeの連携による強力な相乗効果
DataikuとSnowflakeの組み合わせにより、Jahezは自社の業務をシームレスにスケールさせることができました。Dataikuの統合されたワークフローとSnowflakeの高い計算能力を組み合わせることで、パフォーマンスのボトルネックを生じさせることなく、週あたり数百万件の検索を効率的に処理できるようになりました。
Snowpark、Python、SQLといった技術を統合されたDataikuプラットフォーム内で活用することで、Jahezのデータサイエンスチームは処理時間と精度を大幅に向上させる複雑なパイプラインを構築しました。この統合により、クエリ実行時間は驚異的な92％削減を達成し、大規模データセットの処理がより効率的になりました。さらに、Dataikuはコードスニペットの共有、再利用可能なコンポーネント、プロジェクトライブラリを通じてチーム間のコラボレーションを促進し、機械学習パイプラインの開発を効率化するとともに、チーム間での重複作業を削減しました。
Dataikuを活用した成長の加速と将来のイノベーションの推進
Jahezは、取り組みを通じてレストランのオンボーディングを、見逃された機会をリアルタイムで捉える高効率かつデータドリブンなシステムへと変革しました。クエリ処理時間の短縮とデータに基づくアプローチへの転換により、Jahezは新たな成長機会を切り拓きました。
今後に向けて、JahezのAIロードマップにはミクロおよびマクロの両レベルでの取り組みが含まれています。ミクロレベルでは、データ処理の効率化を進めるとともに、NLPなどの高度な技術を活用して、配達最適化や需要予測といったビジネス課題に対応しています。マクロレベルでは、DataikuのLLMメッシュを中心に、Llama、Mistral、OpenAI、Cohere、ClaudeといったSnowflake Cortexのモデルを統合し、高度なAI技術の展開を進めています。現在、Jahezは構造化データのユースケースにDataikuを活用し、機密性の高いデータにはSnowflakeのLLMを、一般的な用途にはその他のモデルを使い分けています。
生成AIは、予測モデリングとパーソナライズの高度化において重要な役割を果たし、Jahezが市場動向をより深く理解し、顧客一人ひとりに合わせた体験を提供することを可能にします。これらのイノベーションにより、Jahezはフードデリバリー市場におけるAIドリブンな成長を牽引するポジションを確立しています。
