＜LSVの目的＞

金融機関には多くの顧客情報がありますが、その中には、まだ投資信託などの取引をしていなくても、将来的に取引につながる可能性が高い人が含まれています。
LSVは、そうした「まだ見えていない優良顧客」を発見し、営業やマーケティングに活用することを目的としています。

＜どのようなデータを使うか＞

LSVでは、年齢、住所、性別、過去の取引履歴、ライフスタイル、地域情報などをまとめて分析します。
さらに、地図情報（GIS）やAI・機械学習を組み合わせることで、どの顧客に優先的に営業すべきかを判断できるようにします。

＜LSV値とは＞

LSVでは、顧客ごとに「LSV値」というスコアを算出します。
このスコアが高い顧客ほど、金融商品に関心を持つ可能性が高いと考えられます。
営業担当者は、LSV値の高い顧客から優先的に訪問や提案を行うことで、効率的な営業活動ができます。

＜実証研究の結果＞

実証研究では、約200万件の顧客データをもとに、投資信託をまだ取引していない40～60歳の富裕層を抽出しました。
その結果、52名の潜在顧客リストを作成し、実際に営業活動を行ったところ、成約や検討中の案件が生まれました。
このことから、LSVは従来の営業では見つけにくかった潜在顧客を発見する手段として有効である可能性が示されました。

＜LSVの特徴＞

単なる顧客管理ではなく、AIによって「どの顧客が、どの商品に、いつ関心を持つ可能性があるか」を予測できる点が特徴です。
経験や勘に頼った営業ではなく、データに基づいた営業活動が可能になります。
また、分析に使う情報は暗号化や匿名化を行い、個人情報保護にも配慮します。

＜DX支援としての役割＞

LSVは、顧客情報をデータとして整理し、AIで分析し、その結果を営業リストや訪問計画に活用します。
これにより、営業活動のスピードと精度を高めることができます。
金融機関の新規顧客開拓、売上向上、営業効率化、DX推進に役立つ実践的な仕組みです。

＜一言でいうと＞

LSVとは、AIを使って「将来取引につながりそうな顧客」を見つけ、営業活動を効率化するための分析プラットフォームです。
LSVは、CRMを活用し、リレーショナルシステム・AI・機械学習・自然言語処理・地図情報技術を統合した分析プラットフォームとして「データ活用による業務の自動化・効率化」「迅速な意思決定」「新規顧客開拓のスピードアップ」を実現し、「取引を高め利益向上を図る、従来に存在しないビジネスモデル」です。

＜具体的な利用例＞

約200万件規模の顧客データから「LSV値が高い」「投資信託未取引」「40～60歳」の52名を抽出し、実際に営業訪問。成約や検討中の案件が生まれた。
LSV値0.6以上の顧客7,246人のうち、既存取引顧客は23％、未取引の潜在顧客は77％と、従来見逃されていた層を新たに発掘。

＜LSVの流れ＞

1  既存顧客データを集める
2  年齢・住所・取引履歴・地域情報などを整理する
3  AIで分析し、顧客ごとにLSV値を算出する
4  LSV値の高い顧客をリスト化する
5  営業担当者が優先的に訪問・提案する
6  営業結果をもとに、リストや分析精度を改善する