AI 関数の使い方
関数を自分でつくることができれば、Exploratoryをはじめ、既存のツールではできない複雑な計算処理でも、自由自在に行うことができます。さらに、自分でモデルを組むことができれば、予測、分類、スコアリングなど、複雑な関数もつくれるようになります。
こうしたことは、これまではプログラミングができる人だけの特権でしたが、Exploratory v14では、そんな壁を打ち破る「AI 関数」 が追加されました！
この「AI 関数」を使えば、誰もが自分の言葉で話しかけるように、自分の「関数」が簡単に作れるようになります。
それだけではありません。世界中の大量データを元に、最先端のAIアルゴリズムによって作られた、世界で最も優秀なAIを使って、自分の要件に合わせた関数が作れるようになります。
AI 関数によって、こんなことが簡単にできるようになります！
- 顧客データから会社名や業種、企業規模などの情報を生成
- 購買履歴から、顧客別に最適なキャンペーンメール文を自動作成
- アンケートの自由回答をカテゴリ分け・感情分析・自動ラベリング
これからは、誰もが「自分のAI関数」を使って、自分のデータの価値を高めることができる時代になるということです。
基本的な使い方
列ヘッダメニューから、「AI 関数を作成」を選択します。
これにより、AI 関数の作成のダイアログが表示されます。
プロンプトを新しく作成して実行することができたり、もしいいプロンプトが見つかった場合はテンプレートとして保存をすることができます。
このノートでは、AI 関数の使用例として3つのユースケースを紹介します。
センチメントスコア
アンケートによくある質問のタイプの1つが「自由記述」です。
例えば、以下のアンケートデータでは「推奨度の理由」といった自由記述の回答の列があります。
Exploratoryのお客様から、自由記述の回答から「センチメントスコアを求めることはできますか？」といった質問を多く寄せられていました。
しかし、日本語で使えるセンチメントスコアの関数はなく、こういった要望に答えられないと言ったことがありました。
そこで使えるのが、「AI 関数」です。
AI 関数で以下のようなプロンプトを実行します。
提供された各文章に対して、-1.0から+1.0の範囲で極性スコアを算出してください。
スコアの基準：
極めてポジティブ（+0.8 ~ +1.0）
- 強い満足や称賛を表す表現
- 問題が完全に解決された状況
- 卓越した性能や品質の言及
ポジティブ（+0.4 ~ +0.7）
- 明確な利点や長所の言及
- 良好な体験や結果の報告
- 期待以上の成果
軽度のポジティブ（+0.1 ~ +0.3）
- 小さな改善や利点
- 基本的な機能の充足
- 一般的な満足感
中立（-0.1 ~ +0.1）
- 事実の叙述
- 感情を含まない説明
- 単なる状況説明
軽度のネガティブ（-0.3 ~ -0.1）
- 小さな不便や課題
- 軽微な問題点
- 改善の余地がある点
ネガティブ（-0.7 ~ -0.4）
- 明確な問題や不満
- 期待はずれの結果
- 重要な機能の欠如
極めてネガティブ（-1.0 ~ -0.8）
- 深刻な問題や不具合
- 強い不満や否定的感情
- 重大な支障や障害
判定の考慮要素：
- 表現の強さ（「とても」「非常に」等の程度副詞）
- 問題解決の程度（完全解決、部分解決等）
- 期待と結果の関係（期待以上、期待通り、期待以下）
- メリット・デメリットの具体性と重要度
- 全体的な文脈や意図
実行することで、各行に対してAIが判断をしたセンチメントスコアを求めることができました。
このセンチメントスコアを見てみると、センチメントスコアがマイナス1（-1）に近づくにつれて、強いネガティブな内容が目立つようになっています。
逆に、センチメントスコアがプラス1（+1）に近づくにつれて、強いポジティブな内容が含まれていることが確認できます。
AI 関数を使うことによって、自由記述の回答などでのセンチメントスコアを簡単に出せ、さらには文脈に応じて適切なスコアがつけられていることが確認できます。
文章のグループ分け
同じく、「推奨度の理由」といった自由記述の回答の列を対象にしていきます。
こういった文章があった時に、それぞれの文章に対してラベルをつけてグループ分けしたいことがあります。
これまでは、アナリティクスビューにある「トピックモデル」を使って文章のグループ分けをしていくのが当たり前でしたが、事前に定義したグループを使ってラベル付けしたいことがありました。
そこで、AI 関数を使うことで「文章のグループ分け」も実現できてしまいます。
プロンプトには、以下のように指定します。「サポートが良い」、「サポートが悪い」のように、サポートだけでも「良い」か「悪い」かをラベル付けの時点で分けると言ったことも可能です。
提供された文章を以下のグループに振り分けるために、ラベルをつけてください。
サポートが良い
サポートが悪い
プロダクトの高評価
プロダクトの低評価
機能面に関する高評価
機能面に関する低評価
競合サービスとの比較
導入に関する内容
価格に関する内容
その他
実行することで、文章のグループ列を作ることができました。
グループの数としては、事前に定義したラベルによってグループ分けされていることが確認できます。
実際に各グループごとにサンプルした行を確認した結果が以下となりますが、サポートの良し悪しについてもうまく分けられていることが確認できます。
表記揺れの修正
アンケートを実施したり、サインアップ時に個人情報について記入していただく際に、人間によって入力されたデータでは「表記揺れ」の問題が付き纏ってしまいます。
例えば、「企業名」などの企業情報について入力をしてもらった場合、人によっては「株式会社」をつけていなかったり、前株、後株を間違っているケースなど、同じ会社を表すのに表記が異なることはよくある問題です。
こういった表記揺れの修正においても、AI 関数が有効です！
AI 関数のプロンプトにて、以下のように指定します。
各組織名について、正式な法人名称を返してください。
実行をすることで、AIによって出力された正式な企業名の列を作ることができます。
AIの賢さと言った観点で、例えば「ユニクロ」や「無印良品」といったお店の中であり会社名が異なる場合でも、AIが正しい企業名称を返してくれるようになっています。
まとめ
Exploratory v14で追加された「AI 関数」は、プログラミングスキルがないユーザーでも、AIを活用して複雑な計算処理やデータ分析を可能にする機能です。この機能により、顧客データからの情報生成、購買履歴に基づくキャンペーンメールの自動作成、アンケート自由回答のカテゴリ分けや感情分析、ラベル付けなどが容易になります。
自身のデータ価値をAIを使って簡単に高めることができるAI 関数の機能を、ぜひお試しください。
今すぐ体験してみませんか？
AI 関数などの新機能を、ぜひご自身で体験してみてください！
まだExploratoryを使用したことがない方は、30日間無料トライアルをぜひお試しください！