AI Commerce

話しかけるだけで、AI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。

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

  • 曖昧な要望に対応を表すアイコン

    曖昧な要望に対応

    「夏用のジャケットが欲しい」といった漠然とした相談でも、AIが会話の文脈から意図を汲み取ります。顧客が条件を細かく言語化しなくても、求めているものにたどり着けます。

  • 購買履歴を踏まえた提案を表すアイコン

    購買履歴を踏まえた提案

    過去に購入した商品の色やカテゴリまでAIが参照し、それとの相性を考慮した商品を提示します。会員ランクや好みも判断材料に含めるため、その顧客に合う提案になります。

  • サイズや仕様の相談を表すアイコン

    サイズや仕様の相談

    前回購入時のサイズと商品の作りの違いをAIが踏まえて提案します。重ね着をする場合は別のサイズも選択肢として提示するなど、購入前に残る迷いを会話のなかで解消します。

  • 会話のまま購入へを表すアイコン

    会話のまま購入へ

    AIが提案した商品をその場で購入できる導線を提示します。商品を探し直したり比較のためにページを行き来したりする必要がないため、迷いが生まれる前に購入まで進めます。

  • 曖昧な要望に対応のイメージ:AI が会話の文脈から顧客の意図を汲み取る様子
    曖昧な要望に対応

    「こういうの」を、
    AIが汲み取る。

    従来のチャットコマースは、
    事前に設定したパターンに基づく回答しかできませんでした。質問には答えられても、
    その人に合った提案にはなりません。AI Commerceは、
    会話の文脈から意図を汲み取ります。条件を細かく指定しなくても、
    求めているものにたどり着けます。

    • AIが会話の文脈から意図を解析

    • 事前設定のパターンに依存しない

    • 曖昧な相談から具体的な提案へ

  • 購買履歴を踏まえた提案のイメージ:AI が属性情報と購買履歴を参照して提案する様子
    購買履歴を踏まえた提案

    前に買ったものまで、
    AIが覚えている。

    年齢/性別/居住地/会員ランク/好みのスタイルといった属性情報と、
    購買日/商品カテゴリ/商品名/金額/色/サイズといった購買履歴をAIが参照します。「夏用のジャケットが欲しい」という相談に対して、
    過去に購入した商品との相性まで踏まえた提案ができます。

    • 属性情報と購買履歴の両方をAIが参照

    • 過去の購入商品との相性まで考慮

    • 予算帯に合わせた提案も可能

  • サイズや仕様の相談のイメージ:AI がサイズや用途に応じた選択肢を提示する画面
    サイズや仕様の相談

    迷いの理由まで、
    AIが読み取る。

    「どのサイズにするか迷っています」という相談に対しても、
    前回購入した商品のサイズと、
    その商品の作りの違いをAIが踏まえて提案します。重ね着をする場合は別のサイズも選択肢として提示するなど、
    何に迷っているのかまで読み取った上で回答します。

    • 前回購入時のサイズをAIが踏まえて提案

    • 用途に応じた選択肢の提示

  • 会話のまま購入へのイメージ:AI の提案からそのまま購入導線に進める画面
    会話のまま購入へ

    AIが案内するまま、
    購入まで進む。

    AIが提案した商品を、
    その場で購入できる導線として提示します。商品を探し直したり、
    比較のためにページを行き来したりする必要がないため、
    迷いが生まれる前に購入まで進めます。b→dashに蓄積されたデータをAIが参照するため、
    チャネルをまたいでも提案の内容がぶれることがありません。

    • 提案から購入までをAIが会話内で完結

    • ページ間の行き来による離脱を防止

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。

  • アパレルのアイコン

    アパレル

    「夏用のジャケットが欲しい」といった曖昧な要望に、
    過去に購入した商品の色やサイズを踏まえてAIが提案。

  • 小売 / EC のアイコン

    小売 / EC

    取扱商品が多く探しにくいサイトでも、
    AIが会話のなかで条件を絞り込んで提示。カテゴリを辿らせることなく、
    目的の商品まで案内します。

  • 百貨店 / 専門店のアイコン

    百貨店 / 専門店

    ギフト需要の相談にもAIが対応。贈る相手や予算、
    用途を確認しながら、
    条件に合う商品を提案します。

  • ホテル / レジャーのアイコン

    ホテル / レジャー

    日程や人数、
    予算をAIが聞き取り、
    条件に合うプランを提示。プラン内容の違いが分かりにくい場合も会話のなかで比較できます。

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
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
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
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。

  • 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。業種特有の相談パターンは運用しながら AI が学習していくため、時間経過とともに提案の精度が上がっていきます。

  • 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。EC カート側で細かい個別開発を行う必要はありません。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。