AI Commerce

話しかけるだけで、AIが接客する。

「こういうのが欲しい」と話しかけるだけで、AIが商品を理解し、選び、購入まで案内します。
会話の文脈と過去の購買履歴をもとに提案するため、顧客が条件を細かく伝える必要はありません。

WHAT IS

会話型コマースとは

チャットなどの対話を通じて、商品探しから比較、購入までを完結させる購買体験のことです。検索窓に条件を入力する従来のECと異なり、「こういうのが欲しい」と話しかけるだけで、AIが要望を理解して商品を提案し、そのまま購入まで案内します。店頭の接客をサイト上で再現する仕組みと言えます。

feature

探させるサイトから、
提案するサイトへ。
AIが、
一人ずつの接客を担う。

相談の始まりから商品ページへの案内まで。会話と利用可能なデータを踏まえ、商品選びを支援します。

  • VALUE 01

    希望を理解する

    「通勤に使えるバッグが欲しい」などの曖昧な相談から、用途や好みを確かめます。商品名が決まっていなくても、選べる候補を提示します。

  • VALUE 02

    購買履歴を踏まえる

    購買履歴を利用できる場合は、以前買ったものと今の相談を一緒に参照。すでに持っている商品を踏まえて、次の候補を提案します。

  • VALUE 03

    会話で候補を絞る

    提示された候補を見てから「もっと軽いものがいい」などの希望を追加できます。条件を受け取り、会話を続けながら候補を見直します。

  • VALUE 04

    商品ページへ案内する

    会話の中で気になる商品が決まったら、その商品ページへの導線を提示。探し直すことなく、価格や仕様などの詳細を確認できます。

「通勤用のバッグが欲しい」だけで、候補が出る。

希望を理解する

「通勤に使えるバッグが欲しい」のような曖昧な相談から、用途や好みを読み取り、商品データの中から候補を提示します。希望がまだはっきりしていないときは、使う場面や重視する点を会話で確かめます。お客様がカテゴリや検索条件を先に決めなくても、商品選びを始められます。

  • 商品名やカテゴリが決まっていなくても相談できる
  • 用途・好みを踏まえて複数の候補を提示
  • 必要な条件は会話の中で確かめる
スマートフォンでAIに相談している女性と、通勤用のバッグの候補が3件表示されたチャット画面
前に買ったものに合わせて、次を提案する。

購買履歴を踏まえる

購買履歴を利用できる場合は、以前買った商品と今の相談を合わせて候補を考えます。たとえばランニングシューズを買った人が「走るときの上着」を探しているなら、その用途に合うジャケットを提案。会話で伝えた希望に加え、すでに持っているものも踏まえて商品選びを支援します。

  • 購入済みの商品と今の相談を合わせて参照
  • 持っているものを踏まえて候補を提案
  • 購買履歴の利用範囲は連携環境に応じて設定
顧客情報と購買履歴のパネルから、「あなたにおすすめ」としてライトシアーパーカーと関連商品が提案されている画面
「もっと軽いのがいい」で、候補が入れ替わる。

会話で候補を絞る

最初に見た候補が決め手に欠けても、そのまま会話を続けられます。「軽い方がいい」「収納は多い方がいい」と希望を追加すると、会話で挙がった条件を踏まえて候補を見直します。たとえば2つのスーツケースで迷っているときは、重視する点に沿って違いを確かめ、選びやすい候補に絞れます。

  • 追加の希望をその場の提案に反映
  • 候補の違いを確かめながら比較
  • 検索条件を一から入れ直す手間を減らす
スマートフォンを手に考えている男性と、2つのスーツケースを軽量タイプの条件で比較しているチャット画面
「これにします」で、そのまま商品ページへ。

商品ページへ案内する

会話の中で気になる商品が決まったら、その商品の詳細ページへの導線を示します。たとえば「このランプを見たい」と伝えると、相談していたランプを確認できるページへ進めます。お客様は商品を探し直すことなく、サイズや価格、購入条件などを確かめられます。遷移先は利用中のEC環境に合わせて設定します。

  • 会話で選んだ商品をページへの導線につなぐ
  • 商品詳細や購入条件の確認へ進める
  • 遷移先と連携範囲はEC環境に合わせて確認
「このランプを見たい」という相談から、テーブルランプの商品ページへ案内しているチャット画面とスマートフォンの商品詳細

AIでデータを売上に変える。

その一歩をで。

use case

業界別のユースケース

何を相談されるかは、扱う商品によって違います。
AIが参照するのは、その業種の顧客データと購買履歴。業種ごとの文脈に沿った接客ができます。

  • アパレル

    季節のトレンドアイテムを揃えたい

    シーズンごとのトレンドや定番アイテムを厳選しました。
    コーディネートしやすい人気商品から、おすすめをご提案します。

    • トレンチコート(レディース)

      ¥12,800

    • オックスフォードシャツ(メンズ)

      ¥5,980

    • カシミヤニット(ユニセックス)

      ¥9,800

  • 小売 / EC

    新生活に向けて揃えたい

    新生活や買い替えのタイミングに人気のアイテムを提案。
    日々の暮らしを快適にする商品を、用途に合わせてご紹介します。

    • フライパン 26cm(IH対応)

      ¥4,980

    • 収納ボックス(3個セット)

      ¥2,980

    • コードレス掃除機(軽量モデル)

      ¥19,800

  • 百貨店 / 専門店

    お祝いのギフトを探したい

    贈る相手や用途に合わせた、人気のギフトをご提案。
    上質なアイテムの中から、シーンに最適な商品を選べます。

    • 焼き菓子詰め合わせ(ギフトボックス)

      ¥3,240

    • 今治タオルギフトセット

      ¥5,500

    • ルームフレグランス

      ¥8,800

  • ホテル / レジャー

    週末の旅行先を探したい

    人数・予算・エリアなどの条件をもとに、最適な宿泊プランを提案。
    人気の施設から、目的に合う宿を選べます。

    • 海が見えるリゾートホテル

      ¥28,000〜 / 1室

    • シティホテル 東京ベイ

      ¥22,000〜 / 1室

    • 温泉旅館 箱根のやど

      ¥24,000〜 / 1室

case study

導入事例

一人ひとりに最適なコミュニケーションを

膨大な決済データから
最適な「寄り添い」を導き出す
究極のパーソナライズ戦略

導入の背景

膨大な会員データを活用した細かなセグメント配信を実現する一方で、データ抽出や施策設定に多くの工数が発生していた。より迅速かつ継続的なパーソナライズ施策を推進するため、b→dash を導入。

導入企業のロゴ
データ統合から施策まで一気通貫で実現

購買/サイト訪問データを
ノーコードで統合し、
CV数/送客率の増加を実現

導入の背景

店舗 / ECサイト6カテゴリの顧客 / 売上 / 訪問データを統合して分析 / 施策に活用したかったが、データ統合にSQLが必須で外注が必要となり、手間とコストが課題となっていたところに、b→dashを導入。

導入企業のロゴ
社内で事業ごとに管理されていたデータをノーコードで統合/分析

東武グループ共通ポイント
「TOBU POINT」のデータ統合で
精緻なCRM強化を実現

導入の背景

複数事業の顧客/購買/PASMOデータを統合した分析を実施したかったが、CDPツールの活用にSQL知識が必須で、社内エンジニアや外部SIerへの依頼コスト・工数が課題となっていたため、b→dashを導入。

導入企業のロゴ
全社員がデータを可視化し、高速PDCAを実現

全社でデータドリブンな
PDCAサイクルを構築し
1クリックでデータ抽出を実現

導入の背景

オムニチャネル推進に向けOne to Oneアプローチを実現したかったが、データ可視化の基盤がなく、顧客属性別の分析に数日を要するなど工数が膨大で、少人数の販売部では対応しきれない状況が続いていたため、b→dashを導入。

導入企業のロゴ
約70万人の会員へのきめ細かいアプローチを実現

ノーコードで
データ収集/統合/加工を実現し
メルマガ開封率10%改善

導入の背景

約70万人の会員データを活用したきめ細かいアプローチでLTV向上を目指す中、データの収集 / 統合 / 加工にSQL知識が必要で、施策実行までに工数がかかり、データドリブンなマーケティングを実現するため、b→dashを導入。

導入企業のロゴ
FAQ

よくある質問

  • 従来のチャットボットは事前に設定したシナリオに沿って回答を返す仕組みで、条件が細かく決まった質問しか捌けませんでした。AI Commerce は会話の文脈と b→dash に蓄積された顧客データ・購買履歴を参照するため、「夏用のジャケットが欲しい」のような曖昧な相談から具体的な提案までを 1 つの会話で完結できます。

  • 年齢・性別・居住地・会員ランク・好みのスタイルなどの属性情報と、購買日・商品カテゴリ・商品名・金額・色・サイズなどの購買履歴を、b→dash に統合された状態で参照します。会話の文脈にこれらのデータを重ねて判断するため、顧客ごとに合った提案が可能です。参照できるデータの範囲は、ご利用中の連携環境に応じて設定します。

  • アパレル・小売 / EC・百貨店・専門店・ホテル・レジャーなど、扱う商品や相談内容が業界によって違っても、その業種の顧客データと購買履歴を参照して接客します。業種ごとの文脈に沿った提案ができるため、業種別に会話シナリオを作り込む必要はありません。

  • b→dash に商品データと購買データが連携されていれば、AI が提案した商品をそのまま購入導線として提示できます。遷移先や連携の範囲は、ご利用中の EC 環境に合わせて設定します。導入前の連携方法については、貴社の EC 基盤に合わせて個別にご相談いただけます。