第二部【企業情報】

提出会社の状況

　（注）１．当社は連結財務諸表を作成しておりませんので、連結会計年度に係る主要な経営指標等の推移については記載しておりません。

２．営業収益には、消費税等は含まれておりません。

３．持分法を適用した場合の投資利益については、関連会社が存在しないため記載しておりません。

４．第14期から第16期の潜在株式調整後１株当たり当期純利益金額については、潜在株式が存在しないため記載しておりません。また、第17期及び第18期の潜在株式調整後１株当たり当期純利益金額については、潜在株式は存在するものの、当社株式は非上場であるため、期中平均株価が把握できませんので記載しておりません。

５．株価収益率については、当社株式は非上場であるため、記載しておりません。

６．第14期、第15期及び第16期については、キャッシュ・フロー計算書を作成しておりませんので、営業活動によるキャッシュ・フロー、投資活動によるキャッシュ・フロー、財務活動によるキャッシュ・フローならびに現金及び現金同等物の期末残高は記載しておりません。

７．従業員数は就業人員であり、臨時雇用者数（パートタイマー、アルバイト含む）は、年間の平均雇用人員を（　）外数で記載しております。

８．第17期及び第18期の財務諸表については、「財務諸表等の用語、様式及び作成方法に関する規則」（昭和38年大蔵省令第59号）に基づき作成しており、金融商品取引法第193条の２第１項の規定に基づき、有限責任監査法人トーマツの監査を受けております。

なお、第14期、第15期及び第16期については、「会社計算規則」（平成18年法務省令第13号）に基づき算出しており、金融商品取引法第193条の２第１項の規定に基づき、有限責任監査法人トーマツの監査を受けておりません。

９．第17期より、「１株当たり当期純利益に関する会計基準」（企業会計基準第２号　平成22年６月30日）、「１株当たり当期純利益に関する会計基準の適用指針」（企業会計基準適用指針第４号　平成22年６月30日公表分）及び「１株当たり当期純利益に関する実務上の取扱い」（実務対応報告第９号　平成22年６月30日）を適用しております。

平成28年６月16日付で普通株式１株につき100株の割合で株式分割を行っておりますが、第17期の期首に当該株式分割が行われたと仮定し、１株当たり純資産額及び１株当たり当期純利益金額を算定しております。

10．当社は、平成28年６月16日付で株式１株につき100株の割合で株式分割を行っております。

そこで、東京証券取引所自主規制法人（現　日本取引所自主規制法人）の引受担当者宛通知「『新規上場申請のための有価証券報告書（Ⅰの部）』の作成上の留意点について」（平成24年８月21日付東証上審第133号）に基づき、第14期の期首に当該株式分割が行われたと仮定して算出した場合の１株当たり指標の推移を参考までに掲げると、以下のとおりとなります。

なお、第14期、第15期及び第16期の数値（１株当たり配当額についてはすべての数値）については、有限責任監査法人トーマツの監査を受けておりません。

２【沿革】

　当社は平成10年８月に、大阪府吹田市において、現代表取締役であるトーマス・アクイナス・フォーリー及び共同創業者であるフォーリー淳子が、レコメンデーションサービスの提供を目的としてシルバーエッグ・テクノロジー有限会社を設立いたしました。その後、事業基盤の拡大・安定化のため株式会社にて事業展開をしたいと考え、平成11年９月にマキシマ・ジャパン株式会社へ営業譲渡を行い、シルバーエッグ・テクノロジー有限会社はシルバーエッグ・ホールディングス有限会社に、マキシマ・ジャパン株式会社はシルバーエッグ・テクノロジー株式会社（以降「旧シルバーエッグ・テクノロジー株式会社」）に商号変更いたしました。マキシマ・ジャパン株式会社は昭和52年12月に、外食事業を行うことを目的に株式会社大同門として設立し、その後平成６年10月に株式会社メイド・ジャパンに商号変更を行い、オンラインデータベースサービスの代理販売事業等を行っておりましたが、平成10年６月にマキシマ・ジャパン株式会社に商号変更し休眠会社としていた会社であります。その後、ソフトウェア製品の販売からASPサービスの販売へとサービスの提供方法を転換しており、新たなビジネスモデルで再出発を図ることを目的として、平成16年１月に旧シルバーエッグ・テクノロジー株式会社からシルバーエッグ・ホールディングス有限会社に営業譲渡を行い、シルバーエッグ・ホールディングス有限会社はシルバーエッグ・テクノロジー株式会社に、旧シルバーエッグ・テクノロジー株式会社は株式会社ランドネットに商号変更いたしました。なお、本書提出日現在、当社と株式会社ランドネットにおいて資本関係はございません。

３【事業の内容】

　当社は、ＡＩ（人工知能）技術をベースにしたレコメンド技術（※１）及びそれをベースとしたマーケティング・サービスを提供する事業を行っております。

現在、スマートフォンといった携帯型情報デバイスの普及により、インターネットは、私たちの生活に欠かせないものとなっております。それに伴い、企業活動においても、インターネットを使ったマーケティング活動はこれまで以上に大きな重要性を占めております。このような背景の中、インターネットを利用して商業サイトを営む企業経営者の最大の課題は、いかにして多様な顧客の満足を得て、リピート需要を喚起し、売上の増加を図るかということにあります。従来のマーケティングにおいては、性別、年齢による人口統計的な分類をベースとした分析が主流でありましたが、それでは、インターネット上で刻々と変化する顧客の嗜好やニーズに対応することができず、売上に結びつけることが困難でした。そこで、より個別レベルにおける顧客の好みに応じたコンテンツ（商品や情報など）を個別顧客へ提供する手法として、レコメンデーションというマーケティング手法が注目を集めております。

この新たな手法はパーソナライゼーション（※２）の中の具体的な手法のひとつと考えられており、顧客のウェブサイト上やＰＯＳなどのチャネルから閲覧や購買といった顧客行動をデータとして取り込み、人工知能技術を用いて、自動的に個別顧客の次の行動を予測し提示することで、その顧客が欲している商品や情報を手間をかけずに取得し、大きな顧客満足の提供を可能にするものです。

当社は、顧客企業が自らの顧客を知り、顧客に対して最大の価値をすべてのタッチポイント（※３）においてリアルタイムで提供できるように、ＡＩ（人工知能）技術をベースに企業のマーケティングを支援する事業を行っております。

当社の主なサービスの特徴は、レコメンドエンジン「アイジェント」の活用による「リアルタイム解析」と「パーソナライズ・ターゲティング」であります。当社の主な顧客は、オンライン上で複数の商品や情報を扱うＥＣサイト（※４）運営企業、ウェブサービス企業となっております。

レコメンドエンジン「アイジェント」について

　当社の「アイジェント・レコメンダー」をはじめとする各種サービスには、リアルタイム解析を実現した当社独自開発のレコメンドエンジン「アイジェント」が採用されています。レコメンドエンジンは、有効な推奨をするために、有能なセールスマンが個別顧客とのやり取りからその顧客の嗜好を記憶しているように、その個別顧客が過去に行った閲覧履歴や購買履歴等といった行動データを記憶し、学習することにより効果的な推奨を行います。

大量のデータがレコメンド結果を算出するために使われるため、多くのレコメンドエンジンは、日に１度ないし２度定期的なバッチ処理（※５）での解析結果をレコメンド結果として表示しています。しかしながら、これでは、発売されたばかりの新商品がおすすめとして表示されない、また在庫切れの商品があってもおすすめ表示されてしまい、購買機会の喪失を招くことがありました。当社のレコメンドエンジン「アイジェント」では、リアルタイムの解析を実現し、ユーザーが今見ているものに対する最適な商品やコンテンツの表示を可能にしました。

当社の事業は、レコメンデーションサービス事業の単一セグメントであるため、セグメント別の記載は省略をしておりますが、当社が提供している主なサービスの概要は以下の通りであります。

「アイジェント・レコメンダー」

　人工知能と高等数学を組み合わせた当社独自開発のロジックによるリアルタイム・レコメンドサービスであり、当社の主力サービスであります。サイトに訪れるユーザーの行動データを「リアルタイム」に取得・解析して、その時点における各ユーザーの嗜好に合わせたおすすめ商品やコンテンツを顧客のサイトやアプリ内といった様々なタッチポイントで表示することができるサービスであります。また、独自のリアルタイム・ユーザー動線分析技術により、単純な商品軸のレコメンデーションより、より一人ひとりの嗜好に合わせたレコメンデーションが可能になっております。

　当社の提供する管理画面とリリース後のレポーティングサービスにより、費用対効果を明確にすることができます。また、成果報酬型料金体系を主にしており、当該料金体系では顧客企業は本サービスから成果が上がった部分に対してのみ料金を支払うため、導入しやすく顧客の増加につながっております。成果報酬型料金体系の他にも、顧客企業の様々なニーズにこたえるために、ページの表示回数に応じたＰＶベース型料金体系も用意しております。

「アイジェント・レコメンダー」の特長：

・機械学習技術をベースにしたアルゴリズム（※６）

・レコメンドデータのリアルタイム生成

・スケーラビリティ（※７）への対応

・きめ細やかな導入後サポート

・多様なウェブサイトに合わせた設定が可能なレコメンドタイプ

「レコガゾウ」

　アイジェント・レコメンダーのオプションサービスでもあるリアルタイム・レコメンドメールサービス「レコガゾウ」は、配信するHTMLメール（※８）内にタグ（※９）を設置することで、ユーザーがメールを開封した時点で、そのユーザーの嗜好にマッチしたレコメンド結果をリアルタイムで抽出して表示することができるサービスであります。従来のレコメンドメールでは、あらかじめレコメンドエンジン側で抽出したレコメンド結果をメール配信システムに連携させるシステムを作る必要があるために導入ハードルが高いものになっており、またそのためリアルタイムの配信ができずに、レコメンドメールで表示した時点では在庫切れであったというような「タイムラグ」も課題となっておりました。「レコガゾウ」では、これらの「導入ハードルの高さ」と「タイムラグ」などの問題を解消し、より簡単に、よりリアルタイム性の高いレコメンドメールを実現するものであります。

　本サービスの基本的な課金体系は、配信リクエスト数に応じた従量課金体系であります。

「ホットビュー」

　アイジェント・レコメンダーに使用されているレコメンドエンジンを使用したレコメンド広告サービスであります。通常のディスプレイ広告では誰にでも同じ広告が表示されますが、レコメンド広告では、広告を見ているユーザーのニーズに合致するであろう商品が広告として動的に表示されます。これにより、サイト運営者としては、自社のサイトに興味を持つであろうユーザーを自社サイトにより効果的に誘導することができ、その結果、購入や問い合わせ、資料請求などの購買につながる行動をより効果的に誘導できると考えております。

　本サービスは、他社のＤＳＰ（※10）サービスと連携して利用することが可能であります。個別ユーザーの嗜好に合わせたレコメンド広告バナーを生成できる機能とＤＳＰサービスのもつターゲティング機能を組み合わせ、さらに効果的にインターネット広告によるターゲティングの精度を高めることができると考えております。

　本サービスの課金体系は、成果報酬型料金体系のほか、広告リクエスト数に応じた従量課金方式があります。

［事業系統図］

用　語　解　説

※１　レコメンド技術

　オンラインショップなどで、利用者の好みにあった物品やサービスを推薦するための技術・手法。ショップの利用者の購入履歴や行動履歴等の情報を分析し、適切な物品やサービスを絞り込んで推薦し、売り上げを高めるのがねらい。

※２　パーソナライゼーション

　顧客のウェブ閲覧行動、購買行動などの情報を基に、その顧客に最適な情報を提供すること。またはその技術。

※３　タッチポイント

　企業やブランドと顧客とのすべての接点のこと。企業やブランドについて顧客に何らかの印象が残るあらゆる接点が当てはまる。従業員のみでなくウェブサイト、スマートフォン、コールセンター、タブレット、広告など顧客がブランドに接するメディアも含まれる。

※４　ＥＣサイト

　インターネット上で商品等を販売するウェブサイト。

※５　バッチ処理

　一定期間(もしくは一定量)データを集め、まとめて一括処理を行う処理方式。

※６　アルゴリズム

　求める解を導き出すための処理手順のこと。数学的には「算法」「数学モデル」と訳される。ソフトウェアのプログラムは、プログラミング言語で記述されたアルゴリズムのひとつである。

※７　スケーラビリティ

　拡張性のこと。コンピュータ等システムの規模や能力を、状況や要求に応じて柔軟に対応できる適応力のことを指す。

※８　HTMLメール

　HTML（HyperText Markup Language）は、ウェブページの記述やレイアウトに用いられるマークアップ言語をいい、HTMLメールとは、電子メールの本文をHTMLで記述したものを指す。マークアップ言語とは、文書の一部を「タグ」と呼ばれる特別な文字列で囲うことにより、文章の構造や、修飾情報を、文章中に記述していく記述言語をいう。

※９　タグ

　コンピュータで扱う文書（テキストデータ）中に埋め込む特殊な記号や文字列のこと。デザイン、レイアウト、論理構造、意味を記述する。主にHTMLやXMLといったマークアップ言語で用いられる。

※10　ＤＳＰ

　デマンドサイドプラットフォーム（Demand-Side Platform）の略。オンライン広告において、広告主（購入者）側の広告効果の最大化を支援するツールのこと。広告枠の買い付けや配信、クリエイティブ分析（広告の認知・表現要素等の分析）までを自動で行い、最適化を行う。

４【関係会社の状況】

　該当事項はありません。