← パースペクティブに戻る
/Intellicon FDE Team

用途はわかるのに商品名がわからない。AI はどう商品探しを支援できるのか?

着用する場面や好みのシルエットはわかっていても、ブランド名がわからず商品を見つけられないことがあります。用途と仕様の関係を整理し、営業担当者の質問の進め方を手順化することで、顧客のニーズを明確にできます。

AIEgentWrX人機協作導入
用途はわかるのに商品名がわからない。AI はどう商品探しを支援できるのか?

顧客は、どんな場面で着る服が欲しいのか、どんなシルエットが好みなのかはわかっていても、ブランド名やデザイナー名を言えないことがあります。正確な商品名を入力しなければ検索できない仕組みでは、ニーズを説明できても、商品を見つけるのは困難です。企業の営業現場でも、顧客がまず用途を伝え、そのうえで営業担当者に型番の選定を依頼するケースはよくあります。そのため、企業がこの業務に AI を活用するには、商品カタログを用意するだけでは不十分です。

Intellicon Solutions は、顧客が普段どのような言葉でニーズを伝えているか、商品がどのような条件に適しているかを整理したうえで、ベテラン営業担当者がニーズを聞き出す方法を、実践できる一連の手順にまとめることを提案しています。最初の段階では、AI Agent を社内の営業担当者による商品情報の検索に活用し、初めから顧客向けのショッピングサービスにする必要はありません。

用途を説明できるのに、なぜ商品が見つからないのか?

TechOrange 科技報橘の報道によると、中古ラグジュアリー品プラットフォーム The RealReal が扱う商品はすべて一点物で、売れた後に再入荷することはありません。消費者は、着用する場面や好みのシルエット、どの年代のスタイルが欲しいかが明確でも、ブランド名を知らないために商品を見つけられないことがあります。同社は試験運用を経て、Google Cloud と連携し、Ask TRR の提供対象を全会員に拡大しました。会員は対話を通じてニーズを伝え、探している商品や個人の好みに応じた提案を受けられます。

この報道は、顧客がニーズを説明するところから商品探しを始められることを示しています。ただし、推薦サービスの提供開始後の成約率や実際のコストの変化は示されておらず、この事例を根拠に、自社への導入効果を約束することはできません。企業がまず確認すべきなのは、顧客が用途を説明したときに、営業担当者が社内の既存資料を使って比較する価値のある商品を見つけ、それぞれがどのような条件に適しているかを説明できるかどうかです。

例えば、顧客が部品サプライヤーに、湿度の高い環境に適した製品を問い合わせたとします。営業担当者は商品名に「湿度」という言葉が含まれているかを検索するだけでなく、設置場所、組み合わせる機器、寸法上の制約も確認する必要があります。これは製品選定を想定した例であり、報道で紹介された事例ではありません。企業が資料を準備する際は、こうした問い合わせの多い商品カテゴリーを一つ選び、顧客が実際に使う表現を整理するところから始められます。最初から顧客に自社の型番の命名ルールを理解してもらおうとする必要はありません。

商品情報には、仕様以外にどのような説明が必要か?

仕様表には寸法、材質、型番を記載できますが、AI Agent に用途に応じた商品検索を支援させるには、それぞれの仕様がどのような使用状況に適しているのかを補足する必要があります。まず営業担当者が顧客のニーズを表す言葉を整理し、その後、製品担当者が適用条件を説明する進め方をお勧めします。顧客の「もう少し丈夫なものが欲しい」という言葉を、そのまま特定の仕様に置き換えてはいけません。

情報を整理する際は、次のように分類すると、担当者が何を補うべきかを把握しやすくなります。

  • 顧客はどのように表現するか:顧客が実際の問い合わせで使った用途の説明や通称を残し、対応する正式名称を併記します。同じ表現に複数の意味があり得る場合は、追加で確認すべき点も挙げておきます。
  • 商品はどのような用途に適しているか:適した使用場面だけでなく、組み合わせる機器、設置条件、適さないケースも明記します。営業担当者が資料に基づいて、商品ごとの違いを顧客に説明できるようにするためです。
  • 比較できる仕様は何か:型番、寸法、材質などの情報を表にまとめ、項目名と単位を統一します。また、使用状況を説明する資料には対応する型番を明記し、どの商品についての説明なのか、担当者が推測せずに済むようにします。

EgentWrX を例に挙げると、企業が整理した資料を AI Agent が検索できるナレッジベース(knowledge base)が用意されており、Wiki、ベクトル(vector)、テーブルの形式に対応しています。このうち、ベクトル検索(vector retrieval)は、文章の意味の近さに基づいて情報を探します。企業はまず仕様表と使用状況の説明資料を分類・整理し、AI Agent が商品情報を検索できるようにすることができます。ただし、これらの資料を用意しただけで、ショッピング向けの推薦サービスが完成するわけではありません。

整理を始める前に、管理者は営業担当者と製品担当者に同じ商品資料を確認してもらい、この資料だけで、ある商品が顧客の用途になぜ適しているのかを説明できるか、確かめることをお勧めします。説明が足りなければ、まず製品担当者に補ってもらいましょう。AI Agent が商品の適用条件を自ら推測することを期待すべきではありません。

ベテラン営業担当者の質問の仕方を、実践できる手順にまとめる

顧客が商品名を言えないときに、いきなり型番を並べても、どう選べばよいのかわからないままかもしれません。そこで、ニーズが曖昧な問い合わせを受けた際に、最初に何を質問するのかをベテラン営業担当者に書き出してもらい、顧客の回答に応じて次の質問を組み立てることをお勧めします。初めからすべての仕様項目を質問票にして、顧客に一つずつ回答してもらう必要はありません。

先ほどの想定例であれば、まず製品をどこで使うのか、どのような機器と組み合わせるのかを尋ねます。顧客がすでに機器について説明しているなら、次に設置に必要な寸法を確認し、用途をもう一度尋ねる必要はありません。寸法がわからない場合は、まず現場の担当者から情報を入手してもらい、その後に商品の比較を進めます。外観やブランドの好みは、必要条件を確認してから尋ねればよいでしょう。顧客の好みに合う商品を選ぶことばかりに気を取られ、使用上の制約を見落とさないためです。

企業は、定型的な業務手順やルールを EgentWrX のスキル(Skill)に記述し、AI Agent が該当する状況で利用できるようにできます。社員が対話の中で、使用するスキルを指定することも可能です。前述の質問の順序、顧客の回答に応じた次の質問、情報が不足しているときに優先して確認する事項などは、スキルとしてまとめられます。一方、商品仕様はナレッジベースに格納し、ニーズを明確にするための手順とは分けて準備します。

最初の段階では、AI Agent を営業担当者によるニーズの整理、比較候補となる商品の検索、違いの説明に活用することをお勧めします。正式に型番を提案して見積もりを提示する前には、引き続き営業担当者が用途と取引条件を確認します。まずは、選んだ商品カテゴリーの営業担当者と製品担当者が協力し、仕様表、使用状況の説明資料、質問の手順を一つずつまとめてみてください。これにより、IT 担当者や AI プロジェクトの責任者も、具体的な内容をもとに検討を進められます。「商品案内のチャットボットを作ってほしい」という一言だけで依頼される状況を避けられます。

よくある質問

既存の商品カタログだけで、AI 商品検索を始められますか?

既存のカタログから始められるため、すべての資料を作り直す必要はありません。ただし、用途や使用上の制約を補うことをお勧めします。カタログに型番と仕様しか載っていない場合は、営業担当者が顧客の実際の質問の仕方を整理し、製品担当者が適用条件を補足します。そうすることで、AI Agent が資料に基づいて顧客のニーズに合う商品を探せるようになります。

顧客のニーズが曖昧な場合、最初に何を聞くべきですか?

まず製品選定に影響する必須条件を確認し、その後に好みを尋ねます。例えば、使用場面、組み合わせる機器、寸法上の制約を把握してから、外観の好みを確認します。また、顧客がどのように答えたら次の質問をどう変えるのかを、ベテラン営業担当者に明文化してもらうこともお勧めします。検索対象を段階的に絞り込めるため、すべての仕様項目を一度に質問する必要がなくなります。

最初の段階では営業担当者向けにすべきですか、それとも顧客に直接公開すべきですか?

まずは社内の営業担当者向けに提供し、ニーズの整理と商品情報の検索を支援することをお勧めします。初期段階では商品情報と質問の手順の整備に集中でき、顧客が十分に説明していない条件も営業担当者が補えます。どのような顧客向けサービスを提供するかが決まってから、顧客とのやり取りや、その後の購買フローを別途設計するとよいでしょう。

参考資料

30 分で、AI に先に任せられる業務を一緒に洗い出します

社員一人ひとりに AI の分身を持たせませんか。

コンサルタントより速やかにご連絡いたします。

ISO/IEC 27001:2022 情報セキュリティ認証