データ連携からAI分析、LINE通知までの自動化フロー
お客様が提供するデータ
AIが自動で行うこと
LINEに届く通知
🔮 キャンセル予測
LINEに「キャンセルリスク通知」通知。「明日10時の予約（キャンセルリスク:高）にリマインダーを送信しました。空き枠が発生した場合に備えて、キャンセル待ち顧客へ自動案内します。」
LINEに「キャンセルリスク通知」通知。「明日10時の予約（キャンセルリスク:高）にリマインダーを送信しました。空き枠が発生した場合に備えて、キャンセル待ち顧客へ自動案内します。」
この通知を受け取るために必要なデータフィールド
顧客IDcustomer_id予約日reservation_date予約時刻reservation_time予約までの日数days_until_reservation3ヶ月間キャンセル回数cancellation_count_3months年齢層age_groupエリアarea来店履歴visit_history降水確率rain_probability交通機関遅延transport_delayキャンセルリスクスコアcancellation_risk_score6システムのデータを時刻キーで結合
時間帯別にグループ化して集計
型変換・欠損値処理・異常値除外
AI分析結果に基づく通知
優先度・信頼度・推奨アクションを含むアクション可能な通知を配信
出力：LINE通知
result.json → LINE配信
AI分析（4ステップ）
データ処理
フィールドマッピング
顧客CSV列名 → システム標準フィールド名に自動変換（11フィールド）
| フィールド | 型 | 例 | 必須 | 取得元 |
|---|---|---|---|---|
顧客ID 顧客の識別子 | 文字列 | C001234 | 必須 | 予約システム |
予約日 予約日 | 日付 | 2026-05-29 | 必須 | 予約システム |
予約時刻 予約時刻 | 時刻 | 14:00 | 必須 | 予約システム |
予約までの日数 予約日までの日数 | 数値 | 0 | 必須 | 予約システム（計算） |
3ヶ月間キャンセル回数 過去3ヶ月のキャンセル回数 | 数値 | 3 | 必須 | 予約システム |
年齢層 顧客の年齢層 | 文字列 | 20代 | 任意 | 顧客属性 |
エリア 顧客の居住エリア | 文字列 | 練馬区 | 任意 | 顧客属性 |
来店履歴 来店履歴（新規・リピート） | 文字列 | 初回来店 | 任意 | 予約システム |
降水確率 予約日の降水確率（%） | 数値 | 70 | 任意 | 気象API |
交通機関遅延 交通機関の遅延状況 | 文字列 | なし | 任意 | 交通情報API |
キャンセルリスクスコア キャンセルリスクスコア（0.0-1.0） | 数値 | 0.85 | 必須 | 予測モデル |
顧客ID
文字列顧客の識別子
C001234予約システム予約日
日付予約日
2026-05-29予約システム予約時刻
時刻予約時刻
14:00予約システム予約までの日数
数値予約日までの日数
0予約システム（計算）3ヶ月間キャンセル回数
数値過去3ヶ月のキャンセル回数
3予約システム年齢層
文字列顧客の年齢層
20代顧客属性エリア
文字列顧客の居住エリア
練馬区顧客属性来店履歴
文字列来店履歴（新規・リピート）
初回来店予約システム降水確率
数値予約日の降水確率（%）
70気象API交通機関遅延
文字列交通機関の遅延状況
なし交通情報APIキャンセルリスクスコア
数値キャンセルリスクスコア（0.0-1.0）
0.85予測モデル予約履歴・キャンセルパターン・顧客属性・天候交通
天候交通がない場合、予約履歴と顧客属性のみで予測可能（精度低下）。キャンセルパターンがない場合、一般的なキャンセル率（20%）を適用。
FDEが設定を代行します。お客様の作業は不要です。
AIが現場の課題を根本から解決します
リスク早期発見と対策でキャンセル率を平均40%削減。
キャンセルによる売上損失を最小化。空き枠も自動で補充。
電話確認や空き枠案内を自動化。スタッフの業務負担を軽減。
必要なものがすべて揃った月額制サービス
通知を有効化
Day 1リモートで約3h
Day 1-2通知が届き始めます
Day 3“キャンセル予測のおかげで、直前キャンセルが80%減りました。空き枠もすぐに次のお客様で埋まるので、売上が安定しました。”