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
🔄 リピート促進
LINEに「再来店はいかがですか？」通知。最後の来店から経過日数、おすすめメニュー、期間限定クーポンを表示。
再来店を促進する最適なタイミングで通知に関する情報をお届けします。
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最終来店日last_visit_date最終来店からの経過日数days_since_last_visit平均再来店サイクル（日）average_visit_cycle来店頻度visit_frequency年齢層age_group好みのメニューpreferred_menuクーポン利用率coupon_usage_rate離脱リスクスコアchurn_risk_score顧客タイプcustomer_type推奨割引率recommended_discount_rate6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 |
最終来店日 最終来店日 | 日付 | 2026-05-15 | 必須 | 予約システム |
最終来店からの経過日数 最終来店日からの経過日数 | 数値 | 14 | 必須 | 予約システム（計算） |
平均再来店サイクル（日） 過去3回の来店間隔の平均 | 数値 | 28 | 必須 | 予約システム |
来店頻度 来店頻度（週〇回・月〇回など） | 文字列 | 月2回 | 必須 | 予約システム |
年齢層 顧客の年齢層（20-30代・40-50代など） | 文字列 | 20-30代 | 任意 | 顧客属性 |
好みのメニュー 好みの施術メニュー | 文字列 | カット | 任意 | 予約システム |
クーポン利用率 過去のクーポン利用率（%） | 数値 | 35 | 任意 | クーポン履歴 |
離脱リスクスコア 離脱リスクスコア（0.0-1.0） | 数値 | 0.72 | 必須 | 予測モデル |
顧客タイプ 顧客タイプ（新規・リピート・VIP） | 文字列 | リピート | 任意 | 予約システム |
推奨割引率 推奨割引率（%） | 数値 | 15 | 必須 | クーポン履歴（分析） |
顧客ID
文字列顧客の識別子
C001234予約システム最終来店日
日付最終来店日
2026-05-15予約システム最終来店からの経過日数
数値最終来店日からの経過日数
14予約システム（計算）平均再来店サイクル（日）
数値過去3回の来店間隔の平均
28予約システム来店頻度
文字列来店頻度（週〇回・月〇回など）
月2回予約システム年齢層
文字列顧客の年齢層（20-30代・40-50代など）
20-30代顧客属性好みのメニュー
文字列好みの施術メニュー
カット予約システムクーポン利用率
数値過去のクーポン利用率（%）
35クーポン履歴離脱リスクスコア
数値離脱リスクスコア（0.0-1.0）
0.72予測モデル顧客タイプ
文字列顧客タイプ（新規・リピート・VIP）
リピート予約システム推奨割引率
数値推奨割引率（%）
15クーポン履歴（分析）顧客来店履歴・施術メニュー別再来店間隔・顧客属性・クーポン履歴
施術メニュー別再来店間隔がない場合、顧客個人の平均再来店サイクルで推定可能（精度低下）。クーポン履歴がない場合、一般的な利用率（25%）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
再来店率が平均35%向上。休眠顧客の掘り起こしに効果的。
顧客属性に最適化されたクーポンで、割引コストを最小化しつつ来店促進。
手動のリピート促進業務を完全自動化。スタッフは施術に集中。
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2h
Day 1-2通知が届き始めます
Day 3“リピート促進通知で、3ヶ月来店のなかったお客様が再来店。サロン経営が楽しくなりました。”
はい。過去の利用履歴から最適な割引率・メニューをAIが自動で設定します。手動調整も可能です。
はい。月1回〜週1回まで調整可能。嫌がられない頻度をAIが自動で最適化します。