AI予測結果アイドルの将来予測

AIによる「DISDOL」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、「DISDOL」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「2032年3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、「独自コンセプトとライブの実績が生むコアファンの存在」

DISDOLの活動における最大の強みは、その**コンセプトと音楽性の明確な差別化**です。一般的な可愛い系アイドルとは異なり、彼女たちはデビュー当初からハードロックを全面に打ち出し、「ロック星から追放された人形」というファンタジー要素も組み込んだ世界観を構築しました。音楽面でもギターリフを多用したロックサウンドを採用し、アイドル界でも異色の存在として注目されました。この独自性は一部の音楽志向の高いファン層を惹きつけ、単なる流行り廃りではない**強固なファン基盤**を築くことに成功しました。

加えて、ライブ活動の充実も無視できません。2016年の赤坂BLITZ、2017年の川崎クラブチッタでのワンマンライブをはじめ、1000人規模の会場で単独公演を行えるだけの動員力を示した点は非常に大きな意味を持ちます。これらのライブ成功体験は、メンバーとファン双方の間に「DISDOLはやれるグループだ」という確かな認識を生み、解散回避への心理的な抑止力として機能します。さらに、ライブ中心の活動スタイルは、CD売上に依存しすぎず、ファンとのリアルな接点を維持する強力な手段でもあります。こうしたライブによる収益と認知の獲得は、グループ継続の経済的・精神的な支えとなっており、AIモデルが過去中期におけるリスクを比較的低く評価している根拠のひとつと捉えられます。総じて、DISDOLの「差別化された音楽と世界観」「ライブによる動員力」「コアファンの定着」という三本柱は、解散リスクを低減する重要な要素と位置付けられるでしょう。

■　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、「メンバー流動と体制変更の頻発によるグループ安定性の低下」

一方で、DISDOLの活動史を紐解くと、グループの安定性に関する大きな課題も浮かび上がります。特に顕著だったのは**メンバーの頻繁な入れ替えと体制変更**です。2017年の3rdワンマン直後には既存メンバーが全員卒業し、新体制が発足するという劇的な変化がありました。さらに2018年には残るメンバーも脱退し、結果的にアイドル体制を終了、バンド体制へと完全移行することとなりました。このようにわずか3年の間にグループ形態が大きく変容したことは、ファンの定着や新規獲得において非常に不利に働きます。特にアイドルというジャンルにおいて、メンバーへの愛着や継続的な応援は非常に重要であり、流動的なメンバー構成はこれらを阻害する要因となるからです。

さらに、バンド化以降は活動規模が縮小し、公式ブログやSNSの更新頻度も低下しました。これはファンとのコミュニケーション不足を生み、関心や熱量の減退を招く結果となります。加えて、AI予測データ上でも平均年齢は27歳と高めであり、アイドルグループとしての「若さ」や「新鮮さ」の維持が難しいフェーズに入っていることも明らかです。これらの要素が重なった結果、AIは**2032年3月**という遠くない将来において、DISDOLの解散リスクがピークに達すると予測したものと考えられます。グループ運営においてメンバーの安定と活動継続の明確なビジョンは不可欠であり、DISDOLがその点で課題を抱えていることは、解散リスク増加の最大要因と位置付けられるでしょう。

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

[DISDOL公式ブログ](https://ameblo.jp/dissenterdolls/)
[DISDOL 2ndワンマンライブレポート（HMV\&BOOKS online）](https://www.hmv.co.jp/artist_DISDOL_000000000630102/item_DISDOL-2nd-One-Man-Live-in-%E8%B5%A4%E5%9D%82BLITZ_7939387)
[DISDOL活動終了公式発表（公式ブログ内）](https://ameblo.jp/dissenterdolls/entry-12370438461.html)
[YouTube（DISDOL楽曲・ライブ映像）](https://www.youtube.com/results?search_query=DISDOL)

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