特徴量は、AI が予測や分類をするときの手がかりにする、データの特徴を数や項目で表したものです。機械学習の AI は、文章や記録などの元のデータを、数にした特徴の並びに置き換えてから計算します。元のデータから特徴量を取り出す作業を、特徴量の抽出と呼びます。文章を、意味を表す数の並びに置き換えるエンベディングも、学習済みのモデルが文章の特徴を取り出したものの一種です。
たとえば、お客様の声の文章なら、「丁寧か、くだけているか」という口調や、「不満を表す言葉が入っているか」を項目にします。売上の記録なら、「前の月からの増え方」「曜日による差」のような数字の傾向を数にします。見込み客の点数付け（リードスコアリング）で、どの行動に点を付けるかを決めるのも、同じ考え方です。当社の AI顧客管理マーケティングシステム構築で作る仕組みでは、再訪問や資料請求などの行動を、点数を付ける項目にしています。
どの特徴を選ぶかで、AI の当たり方が変わります。よくある間違いは、結果が出たあとにしか付かない記録を手がかりに入れることです。「成約するかどうか」を当てたいのに、成約のあとに付く記録を入れると、試しではよく当たるのに、本番では役に立ちません。Google の機械学習の用語集でも、購入のあとにしか担当者が付かない見込み客の記録を例に、この間違いを挙げています。どの特徴が効きそうかは、その仕事を長く見てきた人の経験がよい手がかりになります。