Honeylove が BigQuery を活用して製品の品質とサービスの効率を向上させた方法

※この投稿は米国時間 2026 年 4 月 3 日に、Google Cloud blog に投稿されたものの抄訳です。

完璧なブラの制作には、数千ものデータポイントが利用されます。

Honeylove が単なる下着ブランドではない理由はそこにあります。当社は、優れたブラジャー、トップス、補正下着、ボディスーツを製造するテクノロジー企業です。顧客からのフィードバックに基づいて製品を反復的に改良する方法から、数千ものデータポイントにわたってサイズを最適化する方法まで、テクノロジーは当社のあらゆる業務の基盤となっています。

2018 年に Honeylove が誕生した当時、当社のデータはまだ統合されていませんでした。Shopify で分析を行い、あるプラットフォームでメール キャンペーンのパフォーマンスを確認し、別のプラットフォームで広告の指標を確認するといった状況でした。データはバラバラな状態で、効果的につながっていませんでした。

そんな折、心を捉えたのが BigQuery でした。この投稿では、Honeylove が BigQuery と Gemini を活用してデータを統合し、重要なビジネス インサイトを自動化し、AI を活用して製品の品質とサービスの効率を向上させている方法をご紹介します。また、データを最大限に活用したいとお考えの他の組織の皆様が、当社の手法をどのように応用できるかについてもご説明します。

BigQuery と Gemini でインサイトを変革

最初のステップは、すべてのデータを 1 か所に集めることでした。BigQuery は、当社がまさに求めていたもの、つまり、チームが Google エコシステム内ですでに使用しているツール（Google 広告や Google スプレッドシートなど）とシームレスに統合できる、パフォーマンスが高く経済的な統合データ プラットフォームを提供してくれました。これにより、手作業によるデータサイロが解消され、ビジネス全体で AI と ML の機能を迅速に導入できるようになりました。

真の変革が実現したのは、貢献度分析に BigQuery ML 関数を活用し始めたときでした。当社は、コンバージョン率、顧客満足度スコア、ウェブサイトのパフォーマンス、返品率など、最も重要な指標の背後にある主な要因を分析するモデルを構築しました。

とても便利なことに、これらの貢献度分析の結果を Gemini に直接フィードすれば、アクセスしやすいレポートと要約を生成できます。この手法を導入するまでは、重要な会議の前に 10～15 人が 1 時間かけて手作業でダッシュボードを確認し、データを詳しく調べて有用なインサイトを探そうとしていました。Gemini でこのプロセスを自動化するだけで、年間数百時間を節約できました。

さらに、BigQuery と Gemini の効果は、時間の節約だけにとどまりませんでした。これらのツールを活用することで、完全に見逃していたであろうパターンやインサイトを発見することができました。優秀なマーケティング アナリストがダッシュボードを監視したとしても、このようなレポートと同じようにデータを切り分けることはできないでしょう。

また、以前は手作業によるプロセスが主流だった在庫予測と需要計画の分野も変革できました。BigQuery ML の ARIMA 単変量予測モデルをデプロイしてトレーニングすることで、季節性や最近の変化に合わせて自動的に調整される、SKU レベルの高精度な需要予測を利用しました。

この自動化された予測と手動で計算した予測との誤差は、常に 5% 以内に収まっています。これは、20～30% の誤差が生じることもあったサードパーティ ベンダーの予測と比べると、大きな改善です。こうしてチェックポイントが追加されたことで、より自信を持って在庫に関する重要な決定を下せるようになりました。

マルチモーダル エンベディングで価値と創造性を引き出す

カスタマー サービスのチケットは、e コマース ブランドにとって貴重なフィードバックや情報の宝庫となります。ただし、データから分析情報を抽出できる場合に限ります。Google Cloud ならそれが可能です。

当社は、Gemini エンベディング モデルと BigQuery ベクトル検索を活用して、チケットの非構造化テキストを行動につながるデータに変換しています。簡単な SQL コマンドを使用して、データ ウェアハウスにすでに存在するチケットのベクトル エンベディングを生成し、それらのベクトルを検索拡張生成（RAG）によるセマンティック検索に使用しています。

これにより、「お客様は当社のブラのどのような点を気に入っているか」や「ボディスーツのどのような点を改良したらよいか」といったように、正確で自然な言葉で質問できます。これに応えて、Gemini は類似するユースケースを即座に特定し、キーワードのマッチタイプだけにとどまらず、微妙なニュアンスを伴うことが多い問題の根本原因を迅速に見つけられるようにします。こうして製品の改良を積極的に進めて、サービスの効率性を高めることができます。節約できる時間はチケット 1 件あたり約 30 秒ですが、やり取りが数千件あることから、乗算すればその効果が絶大であることがおわかりになるでしょう。

当社はまた、広告とインフルエンサー コンテンツのライブラリ全体で動画アセットを検索するために、マルチモーダル エンベディングのテストも行っています。「犬の動画を探して」や「赤いドレスの動画を探して」といったクエリをテストして、それが実際に機能するのを見るのは楽しいものでした。次のステップでは、これらのエンべディングを使用して、新しいクリエイティブ アセットを既存のものと比較し、過去のデータに基づいてパフォーマンスを予測します。

成長分野のクリエイティブは、これまで数値分析ではなく直感に頼っていましたが、今後は既存の広告クリエイティブの大規模なライブラリを使用して、テストする内容や今後のクリエイティブの作成に役立てることで、この状況を変えたいと考えています。

Google Cloud を使用して未来に向けて構築

Google Cloud と BigQuery は、今では当社の中心的な柱となっています。これにより手作業に費やす時間が減り、実世界の問題を解決する価値の高い作業に時間を割くことができ、小規模なチームで非常に効率的に働けるようになりました。

Google Cloud チームとの連携は非常に役立っています。Google は真のパートナーであり、当社のロードマップを継続的にサポートしてくれています。そして BigQuery ML の機能をさらに活用し、データ サイエンスの作業をオフライン分析ではなく、常時利用可能な自動化されたモデルへと移行しています。

また、Vertex AI RAG Engine を使用して社内ナレッジボットを開発し、Google ドライブでホストされている社内ドキュメントに直接接続して、社内ポリシーやプロセスに関する質問に即座に回答できるようにしています。さらに、当社は Conversational Analytics API のテストを行っており、「セルフサービス BI」エクスペリエンスを提供して、チームがアナリストを必要とせずに、書式なしテキストで質問して指標とグラフを取得できるようにしたいと考えています。

テクノロジー ファーストの企業として、この変革は Honeylove の事業に大きな影響を与え続けています。これにより、製品品質のイノベーションが加速し、業務効率が向上し、お客様によりインテリジェントで一貫したサービス エクスペリエンスを提供できるようになりました。

- Honeylove、データ責任者、Erik Fantasia 氏

- Honeylove、最高技術責任者、Daniel Upton 氏