生鮮食品の割引価格最適化：店舗別の利益3%増

店舗別の締め切りを担当する店舗担当者の判断により、早期割引、売れ残り割引など主観的に割引タイミングと割引率が決定されていた状況。店舗特性と在庫状況を考慮せず、店舗担当者の経験のみに依存して割引率を適用することで売上減少が発生。特に、当日販売の原則が適用される新鮮商品の場合、高い廃棄費用につながる状態。実店舗でのみ効果検証が可能なため、一店舗で効果と安定性を検証した後、多店舗に拡張する方法論が必要。

商品、時間帯、割引率などの情報を基に割引と販売関係を分析し、最適な割引率を導き出す予測モデルを開発。 過去のデータから割引と販売関係を利用して最適な割引率を抽出し、モデル学習に適用。シミュレーションにより、実際の適用前に販売効果と安定性をテスト。 AIプラットフォーム（Runway）で、提供されるパイプラインを通じてリアルタイムデータを迅速に分析し、結果を担当部署に伝達。 自動化された学習・デプロイのパイプラインを利用して、実際の店舗からのフィードバックを迅速に適用。

既存システムと連動したインターフェースで安定的にモデルをデプロイ。食品別の割引価格を検討する売り場担当者の業務負担を軽減させ、データに基づく最適価格の設定で廃棄減少と利益確保を同時に実現し、売り場利益は3%増。 各店舗の特性に合わせて、2週間の間で検証された結果を4つの店舗に横展開し、安定化。