AI予測結果アイドルの将来予測

AIによる「ALLOVER」の解散時期予測と要因の考察！

AI予測結果

「Everyday-AI 」は、AIと日常の交差点

本サイト は、AIやデータの世界をより身近に感じられる視点で紹介するメディアです。
専門的な話ばかりでなく、ちょっと立ち止まって「へえ、そんなこともできるんだ」と思えるような気づきや、毎日の生活や会話の中で自然とAIの話題が入り込んでくるようなきっかけを、お届けしていきたいと思います。

「アイドルの運命予測AI」企画と本記事について

配信を追い、SNSで応援し、現場に通い、たくさんのグッズを買う。
今日も推しを全力で支えるファンの熱量は、まさに“魂”そのものに見えます。
けれど、ふとよぎるのはーー
「全力で時間やお金を注いだ推しも、いつか必ず終わりがあるという現実がむなしくならないのか？」
「もし、終わりのタイミングが予測できて、推しが近い将来に活動を終える可能性が高いと知ったら、ファンは同じ熱量でいることができるのか？」
という疑問です。

活動休止やグループ解散の発表はいつも突然のように見えますが、本当はその前に何かしらの“兆し”があると考え、データを基にした予測を試してみたくなりました。

ただ、このテーマに真正面から向き合おうとすると、どうしても人の主観が入り込んでしまいます。特にファンであればあるほど、冷静な判断は難しくなり、意見も大きく分かれます。
だからこそ本企画では、
あえて、人間の意見や感情を一切挟まず、生成AIを含む複数のAI技術だけで、
アイドルグループを対象とした「解散時期の予測」と「解散に影響を与える要因の考察」に挑戦してみました。

さらに視点を広げれば、
「参考データの収集⇒解散時期予測・要因考察⇒結果を紹介する記事の作成」の流れすべてを自動化することも可能だと考えられます。
その第一歩として本記事では、上記の流れの中でも定型化しづらく人のバイアスがかかりやすい、解散時期予測・要因考察の部分をAIを活用し自動化した結果をご紹介します。

AI出力結果

今回対象とするグループは、「ALLOVER」です！

「解散時期の予測」のAI出力結果

■　解散する可能性が最も高い時期は「2028年2月」

※AI予測結果はあくまで可能性です。

「解散に影響を与える要因の考察」のAI出力結果

■　テーマ１：解散リスクを下げる方向で影響が大きい要素は、「多様な活動と地域との連携」

ALLOVERは2012年に秋葉工房のプロデュースにより結成された、他の複数アイドルグループから選抜されたメンバーによるプロジェクト型アイドルグループです。単一グループではなく、既存ユニットからの選抜制という特性を持つことで、固定メンバーに依存しすぎず、柔軟に活動を続けられる構造が大きな強みです。メンバーの卒業や加入が自然な形で受け入れられるため、一定数のファン層を維持しやすいのが特徴です。また、秋葉原のTwinBox AKIHABARAでの定期公演をはじめ、地域と密接に連携した活動もALLOVERの安定感を生み出す要素となっています。目黒区、自由が丘、三重県志摩市、北茨城市などとコラボレーションを行い、地域活性化に貢献することで地方のファン層も獲得し、拠点以外でも認知度と支持を広げています。

さらにスポーツとの連携も重要です。湘南ベルマーレの公認応援歌を担当したことで、アイドルファン以外の層にも存在感をアピールする機会を得ています。このように、音楽活動と地域貢献を両立させることで、単なるライブアイドル以上の価値を持つ存在となっているのです。また、各メンバーが所属元のユニットと並行して活動していることで、ALLOVER単体が活動休止や解散に追い込まれるリスクが相対的に低くなる点も見逃せません。グループとしての活動の場が限定的でも、他ユニットや個人活動で得た新たなファンをALLOVERに還流させることができ、長期的な存続が可能となっています。これらの多角的な活動と地域連携が、解散リスクを下げる大きな要素であると言えるでしょう。

■　テーマ２：解散リスクを高める方向で影響が大きい要素は、「メンバーの流動性とプロジェクトの終了」

一方、ALLOVERが抱える解散リスクを高める要因として最も大きいのは、メンバー構成の流動性とプロジェクト性による不安定さです。ALLOVERは他のアイドルユニットから選抜される方式を採用しているため、必然的にメンバーの卒業や加入が頻繁に行われます。これは新陳代謝の良さというプラスの側面もありますが、同時に「推し」のメンバーが抜けた際のファン離れや、メンバー間の一体感やストーリーの希薄化といったマイナス面も孕んでいます。ファンの応援対象が固定しづらく、結果的にグループ全体への熱量が上がりにくくなるリスクは無視できません。

また、ALLOVERは「秋葉原調査隊」としてのプロジェクト的な役割を終え、近年は定期公演中心の活動にシフトしていますが、これは逆に言えば明確なミッションやテーマを失った状態とも言えます。プロジェクト終了後の活動目的が不透明になることで、グループ全体の方向性が曖昧になり、メンバーやファンのモチベーション低下につながる危険があります。さらに、2020年代以降の音楽業界は、YouTubeやTikTokを駆使したデジタル戦略が主流となる中、ALLOVERのSNSや動画コンテンツでの露出は比較的少なく、他グループと比較して存在感を維持するのが難しい状況です。こうした時代の流れに乗りきれていない点も、ファンの新規獲得や活動の継続性を危うくする要素と言えるでしょう。したがって、メンバー流動性の高さとプロジェクト終了による方向性の曖昧さ、この二つの要素が重なり、ALLOVERの解散リスクを高める大きな要因となっているのです。

AI出力のアプローチ

「解散時期の予測」のAI出力のアプローチ

　過去に解散したアイドルグループの特徴や活動期間をAIで分析し、特定のパターンを見出すことで、解散時期を予測するＡＩモデルを作成しました。

■　AIが予測の基にする情報（特徴量）

  • 活動期間データ
    • 活動開始日
    • 活動終了日（過去に解散したグループ）
  • 年齢データ
    • 活動開始時の平均年齢
    • 予測時の平均年齢
  • トレンドデータ
    • 予測時点から直近半年に増減傾向
    • 過去の推移のばらつき（0, 100しか取らないような極端のグループの識別用）
  • その他、Wikipediaから抽出したグループの基本情報

■　グラフの説明

  • 解散リスクポイント： AI分析に基づき、月ごとの解散リスクを示す。ポイントが高いほど、その月に解散する可能性が高いと予測されます。
  • 活動開始月：グループが活動を開始した時期を表すライン。
  • 解散予測月：最も解散リスクが高まる月を示すライン。
  • 検索トレンド：WEB検索数の推移を示す。
  • 予測月：このAI分析を行った時期を示すライン。

「解散に影響を与える要因の考察」のAI出力のアプローチ

■　使用ツール：ChatGPT

■　入力情報

  • ユーザーから提供された情報
    • AI予測結果グラフ　[上記掲載の画像データ]
    • AI予測結果グラフの元データ　[EXCEL]
      (各月の解散リスクポイント、解散するリスクが最も高い時期、過去の検索トレンド値、など)
    • グループの基本情報　[EXCEL]
      (活動開始時期、メンバーの人数・年齢、事務所、など)
  • ChatGPTが自分で調査した情報
    • 最新のWeb情報調査結果（活動状況・メンバー情報・ニュース記事　など）
      ※今回の考察で参考にしたWEB情報は、”データソース”に記載しています。
  • 指示文

■データソース

[ALLOVER公式サイト](https://www.jvcmusic.co.jp/-/Artist/A024732.html)
[ALLOVER - Wikipedia](https://ja.wikipedia.org/wiki/ALLOVER)
[ALLOVER | プロフィール - ビクターエンタテインメント](https://www.jvcmusic.co.jp/-/Profile/A024732.html)
[ALLOVER公式X（旧Twitter）](https://x.com/allover_japan)
[ALLOVER | IDOL NEXT STAGE](https://idolnextstage.com/idol/28)

ご参考

　上記の予測・分析は、AI含むデータ活用プラットフォーム「LibertyDSP」を使用して実現可能です。 詳細はサービスサイトからご確認ください。
サービスサイト：https://www.liberty-nation.com/product/

タイトルとURLをコピーしました