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
🔍 リピーター異変検知
LINEに「常連客の異変を検知」通知。「常連の◯◯様（過去6ヶ月毎週来店）が直近3週間来店されていません。最終来店日から21日経過。おすすめ施策：お礼のメッセージ＋次回10%OFFクーポンの配信。」
LINEに「常連客の異変を検知」通知。「常連の◯◯様（過去6ヶ月毎週来店）が直近3週間来店されていません。最終来店日から21日経過。おすすめ施策：お礼のメッセージ＋次回10%OFFクーポンの配信。」
この通知を受け取るために必要なデータフィールド
会員IDcustomer_id来店日visit_date来店時刻visit_time曜日visit_day_of_week平均滞在時間（分）average_stay_duration平均注文金額（円）average_order_amountクレーム日complaint_dateクレーム内容complaint_content口コミプラットフォームreview_platform口コミ評価review_rating口コミ内容review_content4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 |
|---|---|---|---|---|
会員ID 会員の識別子 | 文字列 | C202605001 | 必須 | 会員管理システム |
来店日 来店日 | 日付 | 2026-05-29 | 必須 | POSシステム |
来店時刻 来店時刻 | 時刻 | 12:30 | 必須 | POSシステム |
曜日 来店曜日 | 文字列 | 水曜日 | 必須 | POSシステム |
平均滞在時間（分） 来店時の平均滞在時間 | 数値 | 45 | 必須 | POSシステム |
平均注文金額（円） 来店時の平均注文金額 | 数値 | 2800 | 必須 | POSシステム |
クレーム日 クレーム日 | 日付 | 2026-05-15 | 必須 | クレーム管理システム |
クレーム内容 クレーム内容 | 文字列 | 待ち時間が長い | 必須 | クレーム管理システム |
口コミプラットフォーム 口コミプラットフォーム | 文字列 | 食べログ | 任意 | 口コミ連携 |
口コミ評価 口コミの評価点（5点満点） | 数値 | 3 | 任意 | 口コミ連携 |
口コミ内容 口コミ内容 | 文字列 | 待ち時間が気になりました | 任意 | 口コミ連携 |
会員ID
文字列会員の識別子
C202605001会員管理システム来店日
日付来店日
2026-05-29POSシステム来店時刻
時刻来店時刻
12:30POSシステム曜日
文字列来店曜日
水曜日POSシステム平均滞在時間（分）
数値来店時の平均滞在時間
45POSシステム平均注文金額（円）
数値来店時の平均注文金額
2800POSシステムクレーム日
日付クレーム日
2026-05-15クレーム管理システムクレーム内容
文字列クレーム内容
待ち時間が長いクレーム管理システム口コミプラットフォーム
文字列口コミプラットフォーム
食べログ口コミ連携口コミ評価
数値口コミの評価点（5点満点）
3口コミ連携口コミ内容
文字列口コミ内容
待ち時間が気になりました口コミ連携POS来店履歴・来店頻度パターン・クレーム記録・口コミレビュー
口コミレビューがない場合、来店履歴・来店頻度パターン・クレーム記録のみで異変を検知可能（精度低下）。クレーム記録がない場合、来店履歴のみで分析。
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
異変を早期発見しフォローすることで流出率を半減。
タイムリーな気配りで常連客の心を掴む。
常連客の維持率向上により安定した売上基盤を構築。
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5h
Day 1-2通知が届き始めます
Day 3