ECと自社メディアでChatGPTのパワーを活用

MarkeZine編集部（以下、MZ）：まずはお二人の担当領域や業務について教えてください。

岡崎：ビューティガレージは美容サロン様向けに美容商材をOMO型で提供する物販事業と店舗設計デザイン事業、開業と繁盛支援ソリューション事業でのビジネスを展開しています。

　私たちマーケティンググループは、あらゆる顧客接点を通じて顧客体験の進化・改善を実現することで、当社のビジネスを拡大・加速させる役割を担っています。広報PRや、運営サイトのコンテンツ制作、マーケティングオートメーション領域の業務など幅広く対応しています。一貫してセールス観点ではなく、顧客体験を軸にしている点が特徴です。

中路：SELFは2014年の創業以来、ユーザーを理解するための仕組みを自動化してきました。2023年には学習・解析AI、ChatGPT、SELFエンジンの連携による、自動学習型チャットボットサービス「SELFBOT」をリリースしています。

　ユーザー理解に強みを持つ当社のプロダクトと、情報を咀嚼して高精度なテキストが生成できるChatGPTを相互連携させることで、より拡張性の高いサービスとして活用いただくことを目指しています。

MZ：今回、ビューティガレージは美容サロンの独立開業を支援する情報サイト「SALONスターター」と、プロ向け美容商材ECサイト「ビューティガレージ オンラインショップ」でSELFBOTを導入したとのことですが、導入の背景にはどのような課題があったのでしょうか？

岡崎：自社メディア「SALONスターター」に関してはサイトの資産活用が課題でした。これまでコンテンツを累計350本以上作ってきたものの、過去記事をなかなか見てもらえない状況だったのです。

　また、本サイトは開業に関心を持つ方にサイト上でノウハウを収集していただき、さらに詳しく知りたい場合は開業コンシェルジュに無料でオンライン相談をしていただく、つまり、見込み客の創出につながる仕組みになっています。ご自身で解決可能な範囲をより広くすることで、コンシェルジュへの相談というステップを踏みやすくしたいと考えていました。

　ECサイト「ビューティガレージ オンラインショップ」については、既にカスタマーサポートとしてチャットボットを導入していました。しかし、シナリオ型のチャットボットは、自然言語を理解しているわけではないため、的外れな回答をする確率が非常に高い状況でした。これでは課題解決につながらないばかりか、顧客体験をむしろ悪化させているのではないかと感じていた次第です。

1人1人に合わせた、コンシェルジュのような対応を

MZ：チャットボットには様々なものがありますが、なぜSELFBOTを選んだのですか？

岡崎：SELF様がいち早くChatGPT連携型チャットボットを「サービス」として正式にリリース・提供されていた点が大きいです。私自身も以前からChatGPTの情報を収集していて、これらの課題を一定解決できるのではないかと考えました。一方で、AIは嘘をつくなどの問題もあります。当社は、事業会社として責任をもってお客様にサービスを提供したいとの思いがあり、SELFさんに相談してみたところ活用のビジョンが明確になりました。

MZ：SELFBOTと既存のAIチャットボットとの違いは何でしょうか？

中路：いわゆる「チャットボット」サービスでは企業様が管理画面で設定やFAQの準備など、運用に大きな手間が発生します。また、その手間に見合う自由入力に対する返答精度や、ユーザーの質問に答えられないなどの課題も多く発生します。

　SELFBOTでは企業様はドキュメントやテキスト、該当URLやCSVなどの学習対象データをご準備いただくだけで、当社がAIによる解析とSELF×GPT連携によってSELFBOTを生成します。企業様は挙動確認とソースコードを貼り付けていただければ導入が完了します。

　精度面についても、学習しているデータへの回答精度はもちろん、企業サービスと関係のない回答の制御など、ユーザーに伝えるべき情報を正しく届けるための機能も実装しています。

また、大事なポイントとしてセキュリティに関してお伝えすると、SELFBOTはAzure API経由のため、ユーザーの入力データがChatGPTの大元の学習に利用される懸念はありません。企業様が安心して利用できる環境をご用意しています。

　また、SELF自体が創業以来、ユーザー理解をテーマとしたtoC（自社アプリSELF）・toBサービスを展開しており、今後のSELFBOTの拡張要素として、ユーザーの属性情報、閲覧履歴や購買情報、環境などに基づいた個別最適化提案も強化していきます。これにより個別ユーザーに対して、先回りした情報提案が可能となります。

MZ：ユーザー個別への最適化とは、いわゆるレコメンド機能とは違うのでしょうか？

中路：「近い属性の人が購入しているから、この人も購入するだろう」と統計学的なアプローチをするのではなく、ユーザー1人1人の属性を軸に回答します。

MZ：ユーザーからのインプットに対してアウトプットを単純に返すのではなく、キャッチボールのようなコミュニケーションや、コンシェルジュのような深い理解が可能なのですね。