Bridging Search and CRM: Productionizing AI Product Research Agents for Customer Re-Engagement
本論文は、AIを活用したプロダクトリサーチエージェントを用いて探索的意図を持つユーザーを特定し、WhatsAppを通じてパーソナライズされた根拠のある製品推奨を届けることで、クリック率、エンゲージメント、およびダウンストリームの収益を大幅に改善する、検索システムとCRMシステムを統合した本番環境導入済みのフレームワークを提示するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
現代のショッピングという広大なデジタル風景の中で、しばしば気づかれない静かな摩擦が生じています。顧客が検索バーに「ゲーミングに最適なスマートフォン」といった曖昧で探索的な質問を入力すると、システムは通常、売上やキーワードに基づいてランク付けされた静的な製品リストを返します。このアプローチは、特定のモデル番号を探すような具体的なリクエストには適していますが、ユーザーがガイダンス、比較、そして信頼を求めているような主観的なニーズに対しては、うまく機能しません。その結果、多くの買い物客は、プラットフォームとユーザーとの間のつながりを断ち切り、外部のレビューや動画チャンネル、あるいはフォーラムを相談するためにアプリを離れてしまいます。この溝を埋めるために、研究者たちは、人間の専門家と同じように推論、検索、情報の統合ができる人工知能システムへとますます関心を寄せています。これらのシステムは、しばしば「エージェント」と呼ばれ、単にデータを検索するだけでなく、意図を理解し、複数のソースから証拠を集め、一貫性のある回答を構築します。この新しい研究を突き動かしている問いは、このようなインテリジェントなシステムを大規模に展開し、複雑な質問に答えるだけでなく、離脱した顧客に対して積極的に働きかけ、パーソナライズされた信頼できるアドバイスによって彼らを呼び戻すことができるか、という点です。
インドの大手オンライン小売業者であるFlipkartの研究チームは、まさにそのようなシステムを構築し、テストしました。彼らは、ユーザーが質問をする検索エンジンと、ユーザーにメッセージを送信するカスタマー・リレーションシップ・マネジメント（CRM）ツールとを接続するフレームワークを作成しました。彼らの目標は、混乱や躊躇の兆候を見せているショッパー、つまり主観的な用語で検索したものの、どの検索結果もクリックしなかった人々を特定し、その後、WhatsAppメッセージングアプリを通じて直接、AIが生成した役立つ推奨事項を送信して再エンゲージメントを図ることでした。彼らが構築したシステムは、単一のプログラムではなく、それぞれが特定の仕事を持つ専門化されたデジタルワーカー、すなわち「エージェント」の調整されたチームです。あるエージェントはユーザーの質問を聞き、予算制限や特定のブランドへの好みなど、ユーザーが本当に何を必要としているのかを判断します。別のエージェントは、より広いインターネットへと出向き、専門家のレビュー、比較記事、コミュニティの議論を見つけ出し、最適な候補を特定します。第三のエージェントは、それらの候補を小売業者自身の内部データベースと照合し、それらが実際に在庫ありであるか、ユーザーの所在地への配送が可能か、そして適用可能な割引を含めた価格が正しいかをチェックします。最後に、第四のエージェントは厳格なエディターとして機能し、アドバイスが人間に提示される前に、すべての事実、日付、仕様をダブルチェックし、正確でエラーがないことを確認します。
このプロセス全体は、効率的かつスケーラブルであるように設計されています。すべての検索クエリに対してこの複雑な調査を実行しようとするのではなく、システムはまず、最も有望な機会を見つけるためにデータをフィルタリングします。具体的には、高い購買力を持っているにもかかわらず検索結果を一つもクリックしなかったユーザーといった特定のパターンを探し、そのケースに注力します。高ポテンシャルのユーザーが特定されると、エージェントのチームは非同期的に連携して推奨事項を構築します。出力されるのは、いくつかの製品の提案、その価格、そしてなぜそれらが選ばれたのかという明確な説明を含む、簡潔でパーソナライズされたWhatsApp経由のメッセージです。研究者たちは、ライブ環境において23日間にわたってこのシステムをテストしました。この期間中、システムは約1万5千件のメッセージを異なるユーザーに送信し、主に携帯電話に焦点を当てました。結果は驚くべきものでした。生成されたメッセージによるクリック率（CTR）は、従来の推奨方法を用いた従来のキャンペーンよりも3倍近く高くなりました。さらに示唆に富んでいたのは、メッセージを受け取ったユーザーの行動です。多くの日で、リンクをクリックした人の数は送信されたメッセージの数よりも多くなっていました。これは、ユーザーが単にメッセージを読んでいるだけでなく、メッセージを友人や家族に積極的に共有しており、その結果として彼らがリンクをクリックしていることを示しており、実質的に顧客を二次的な配信ネットワークへと変貌させていたのです。
このキャンペーンの成功は、クリックにとどまりませんでした。それは実質的な経済活動へと翻訳されました。研究者たちはメッセージを受け取ったユーザーを追跡し、かなりの数が推奨された製品を購入し、会社に多大な収益をもたらしたことを発見しました。システムの信頼性を確保するため、チームは生成された数千件の推奨事項に対して厳格な手動レビューを実施しました。彼らはスマートフォンの技術仕様や発売日を現実世界のデータと照合しました。システムは驚くほど正確であり、仕様と発売日の99％以上が正しかったことが証明されました。この高いレベルの事実の正確性は、主に、メッセージが送信される前の不一致やエラーを捉えるセーフティネットとして機能した、最終的な「レビュー」エージェントによるものでした。また、研究者たちは、エージェントのチームを構成する2つの異なる方法を比較しました。彼らは、中央のマネージャーがワーカーを調整する構造が、ワーカーが監視なしにタスクを順に渡していくだけの構造よりもはるかに優れていることを見出しました。中央集権的なアプローチは、エラーを大幅に減少させ、「最新の」モデルを求めている場合にのみ発売日を含めるといった、必要なルールをシステムが遵守することを確実にしました。
この研究は、人工知能が単純な自動化を超えて、顧客のジャーニーにおけるプロアクティブなパートナーになれることを実証しています。オープンなウェブを検索する能力と、小売業者の内部データの精密さを組み合わせ、それを信頼できるコミュニケーションチャネルで包み込むことで、システムは以前に離脱したユーザーを再エンゲージメントさせることに成功しました。この研究は、AIが根拠に基づき、説明可能で、ファクトチェックされたアドバイスを提供するために使用されるとき、ショッパーとプラットフォームとの間のつながりを回復できることを示しています。研究結果は、今後のeコマースが単により多くの製品を見せることではなく、文脈と信頼に対するユーザーのニーズを尊重した、よりインテリジェントなガイダンスを提供することにある可能性を示唆しています。研究者たちは、そのようなシステムが構築、展開、そしてスケールアップが可能であり、現実世界のマーケットプレイスの複雑さに対応し、断片的なショッピング体験を、一貫性のある生産的なジャーニーへと変えることができることを証明したのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。