NEWS
お知らせ
コラム
ECのCRMで生成AIをどう使う?課題整理と施策の選び方

「AIにリピート施策を聞くと、クーポンやステップ配信の案は出てくる。でも、自社で何から始めればよいか決められない」。ECのCRMでAIを使うときは、提案を出してもらった後の判断が重要です。
AIには顧客の声や課題、施策候補の整理を任せ、人が原因の裏づけ・採算・実行条件を確認して優先順位を決めます。 購入後の不満が残っているのか、まだ商品を使い切っていないのかで、選ぶ対応は変わります。
EC・D2CブランドのCRM支援とLINEマーケティング支援を行う、大阪を中心に活動する株式会社Raise(以下、Raise)が、生成AIを使った課題整理から施策の選択、効果検証までの進め方を解説します。
ECのCRMでAIに任せる仕事、人が決めること
ECのCRMでは、生成AIを「判断材料を整理する補助役」として使うと、担当者が確認すべきことを明確にできます。顧客情報を文章で整理し、指示に応じて案を作る使い方です。
例えば、問い合わせの内容を分類する、集計結果から確認すべき差を挙げる、複数の施策を同じ項目で並べる、といった仕事を任せます。一方、AIが推測した離脱理由を事実と認めたり、配信対象や値引き条件を確定したりする場面では、人の確認が必要です。

AIに渡す仕事は、次のように切り分けます。
顧客の声の整理:AIが問い合わせを分類し、人が原文と分類件数を照合する。複数の意味を持つ声は無理に一つへまとめない。
課題の洗い出し:AIが原因仮説を挙げ、人が注文履歴、商品情報、配送状況などと照らす。資料にない理由は未確認のまま残す。
施策案の比較:AIが候補と必要条件をそろえ、人が利益、運用負担、顧客への影響を踏まえて選ぶ。
配信文の下書き:AIが表現案を作り、人が商品説明、特典条件、送信対象、案内時期を確認してから使う。
予測モデルによる購入見込みの推定や、CRMツールに組み込まれた自動配信は、文章での課題整理とは設定・検証の条件が異なります。まず自社でAIに任せたい作業を一つ決めると、必要な機能も選びやすくなります。
AIへ入力する前に、CRMの情報をどうそろえる?
AIへの依頼には、改善したい顧客の段階と、判断に使える情報をセットで用意します。「リピートを増やしたい」だけでは、提案を自社の状況に結びつけにくくなります。
改善したい段階を決める
まず「初回購入者の2回目購入を増やしたい」「継続購入が止まる理由を整理したい」など、今回の問いを絞ります。2回目の購入へ進むことをF2転換と呼びます。
Raiseでは、CRMの目的をF2転換、リピート促進、ロイヤルティ向上、休眠復活で整理しています。AIに渡す際も、どの段階を検討するのかを先に伝えます。すべての目的を同時に改善する依頼より、調べる対象と必要な資料が明確になります。
注文履歴と、購入後の体験を組み合わせる
注文データから分かるのは、誰が、いつ、何を、何回買ったかという行動です。「なぜ次を買わなかったか」は、注文履歴だけでは確定できません。
次の情報を、社内で利用できる範囲からそろえます。
集計の定義:初回購入の対象期間、再購入を見る期間、キャンセル・返品の扱い、対象販路。
商品と購入条件:容量、想定する使用方法、まとめ買い、送料、在庫、再注文の手順。
顧客の声:使い方の質問、配送の問い合わせ、返品理由、レビューの内容と収集時期。
接触と運用の条件:連絡できる対象、同意の状況、購入済み・返品対応中の人への配信停止方法。
採算と実行条件:値引きや送料などを差し引いた利益、設定・制作・確認に必要な作業、担当できる人。
初回購入から十分な期間が経っていない人と、長く観測できた人を、そのまま比較しないことも大切です。AIへ渡す集計にも観測期間を添えます。確認できない別販路での購入は「未購入」と断定せず、見えている範囲を明記します。
顧客情報をそのまま入力しない
実務では、まず個人を識別する情報を必要としない集計表や、内容を整理したメモから始めます。氏名を消しても、注文番号や自由記述の組み合わせから個人が分かる場合があります。入力前に、社内ルールと利用するAIサービスのデータの扱いを確認してください。
個人情報保護委員会の公式FAQでは、生成AIへ個人情報を入力する際は利用目的に必要な範囲かを確認し、個人データの入力では提供事業者が機械学習に利用しないこと等を十分に確認するよう説明しています。生成AIサービスへの個人データ入力に関するFAQ
学習利用の設定だけで入力可否を決めず、保存・共有の条件や社内の承認範囲も確認します。扱える情報が決まってから、AIへの依頼文を作りましょう。
AIには「事実・仮説・次に確かめること」を分けて依頼する
AIの出力は、根拠と確認先が分かる形に指定すると見直しやすくなります。「おすすめの施策を教えて」で終わらせず、候補を選ぶために足りない情報まで出してもらいます。
次の依頼文は、入力してよい情報を社内で確認したうえで使う例です。
自社ECの初回購入者について、2回目購入につながらない理由を整理したいです。以下の集計結果と顧客の声の整理メモだけを使ってください。
まず、資料に書かれた事実と、そこから考えられる仮説を分けてください。各事実には根拠となる資料名・項目を付け、資料にないことは「未確認」としてください。
各仮説について、追加で確かめる情報、対応する施策候補、実行に必要な条件、顧客への不利益が起きる可能性を整理してください。問い合わせの多さだけで、顧客全体の離脱原因と判断しないでください。
候補は、商品、購入条件、注文から受け取りまでの体験、伝え方の観点から検討してください。効果の数値や顧客の発言を作らず、情報が足りない候補は採用・不採用を決めずに残してください。
ここでの観点は、RaiseがCRMの打ち手を整理する「プロダクト」「オファー」「フルフィルメント」「コミュニケーション」に対応します。配信文だけに視野を絞らず、商品選び、買いやすさ、受け取りまでの体験にも目を向けるための整理です。
出力を受け取ったら、次の順で確認します。
根拠に挙げられた資料・項目が実際に存在するかを確かめる。
分類した顧客の声を原文へ戻して読み、意味の取り違えや重複を直す。
人数や購入率は元の集計と照合し、必要に応じて表計算などで再計算する。
「問い合わせに使い方の質問がある」という事実が、「使い方が分からないから再購入しない」という断定に変わっていないかを確認する。
問い合わせをした人の声は、問い合わせをしていない人の状況まで示すものではありません。AIの説明が自然でも、原因を確かめる作業は残ります。
CRMで生成AIを使う実務手順
資料を渡す前から採否を決めるまでを、一つの確認メモに残すと、担当者が変わっても判断をたどれます。次の順で進めます。
入力できる資料を選ぶ。社内で利用を認めた情報だけを対象にし、個人の識別につながる記述や不要な項目を除きます。
出典と集計条件を添える。資料名、対象期間、対象販路、観測期間、返品・キャンセルの扱いを記録します。条件が異なる集計は一つにまとめません。
事実・仮説・不足情報を分ける。AIには各事実の根拠を示し、推測は仮説、資料にないことは未確認として整理するよう依頼します。
原資料で確かめる。顧客の声の分類は原文へ戻り、件数や購入率は元の集計と照合します。意味の取り違えや重複を直してから、施策を比較します。
採用・保留・見送りの理由を残す。採用する案には対象・担当・確認指標・停止条件を、保留する案には不足情報と確認先を記録します。見送る場合も、原因との不一致や採算・運用上の制約を明記します。
記録する項目は「施策候補/根拠となる資料と項目/原因仮説/未確認事項/採否と理由/次に確認すること」です。これは整理用の型であり、実際の顧客データや効果を示す事例ではありません。空欄をAIの推測で埋めず、確認できるまで保留します。
AIが出したCRM施策の優先順位はどう決める?
CRM施策の優先順位は、購入体験の問題、実行の前提、原因との一致と採算を確認してから決めます。AIが付けた点数や、作業の手軽さだけで採用しないことが重要です。

購入体験の問題が残るなら、先に解消する
配送が遅れている、商品を使えず困っている、問い合わせが未解決といった状況では、再購入の案内より先に対応すべきことがあります。AIがクーポン配信を提案しても、その案内を受け取る顧客の状況から判断し直します。
問題の解消は、販促施策の候補と同じ点数表で競わせず、先に取り組む必要があるかを確認します。
接触・計測・停止の条件がそろうかを確かめる
対象者を抽出できるか、連絡できるか、成果を見られるかを確認します。例えば再購入の案内なら、すでに買った人や対応中の人を止める条件も必要です。
条件がそろわない場合は、対象の定義や運用の整備から着手します。AIの案を試すために、停止できない配信を始めないようにします。
原因に合う候補を、効果の見込みと工数で比べる
前提がそろった候補は、次の項目で比較します。
原因との一致:顧客のどの困りごとに対応するのか。その根拠は確認できたか。
対象の大きさ:条件に当てはまり、実際に接触できる人はどれくらいいるか。
利益の見込み:値引き、送料負担、商品原価などを含めても、追加購入による利益を残せるか。
工数と継続性:初回の設定だけでなく、日々の確認や除外処理を続けられるか。
検証のしやすさ:実行後に、購入と顧客体験の変化を確認できるか。
Raiseでは、施策を工数と効果の両面から検討します。ただし、効果の見込みが未確認なら、AIに数字を埋めさせず、何を確かめれば判断できるかを残します。小さく試せる候補から検証する場合も、対象や運用の条件を満たしていることが前提です。
同じ未購入でも、AIの提案をどう選び直す?
2回目の購入がないという同じ状態でも、理由によって必要な対応は変わります。以下は判断方法を示す一般的な例です。

使い方に迷っている可能性がある場合
使い方の質問があれば、該当する商品や質問の内容を確認します。説明書のどこが伝わっていないか、案内を見つけにくいのかまで調べると、購入後の案内や同梱物の見直しにつなげられます。
AIには質問の分類と説明の下書きを任せられます。人は商品に合う説明かを確認し、使い方案内を届けた後の問い合わせ内容や購入の変化を見ます。
まだ商品が残っている可能性がある場合
容量やまとめ買い、使用頻度によって、次に必要になる時期は変わります。AIが「購入間隔が長いので離脱」と整理しても、その時点で必要がないだけかもしれません。
確認したいのは、購入商品と利用状況に対して案内が早すぎないかです。値引きから始めるより、案内時期の見直しを候補にします。使用頻度が分からない場合は、想定と確認済みの情報を分けます。
商品が届いていない、問い合わせが未解決の場合
配送状況や問い合わせの対応履歴を確認し、問題の解消を先に進めます。再購入の案内は対象から外すなど、社内の担当者と運用を決めます。
AIは未解決の内容の整理には使えても、実際に解決したかは対応履歴で確認する必要があります。配信の反応を見る前に、顧客が安心して購入できる状態を整えます。
初回購入後の原因と対応を詳しく整理したい場合は、ECで2回目の購入を増やすための改善方法も参考にしてください。
AIを使ったCRM施策は、何を見て改善する?
CRM施策の評価では、AIで作業を進めやすくなったかと、顧客の購入や体験が改善したかを分けて見ます。案が早くできても、その案が売上や利益を増やしたとは限りません。
開始前に、対象者、実施内容、観測期間、主に見る指標、停止条件を記録します。再購入の施策なら、同じ観測期間の購入率や顧客あたりの利益に加え、返品、問い合わせ、配信拒否なども確認します。
可能なら、条件に合う顧客を無作為に分け、施策を届けない比較対象を設けます。配信経由と記録された売上には、配信がなくても購入した分が含まれる可能性があるためです。人数が少ない場合や、同時に別の販促が走っている場合は、その制約を残して判断します。
比較対象を設けられず実施前後で見る場合も、季節性、値引き、在庫、集客の変化を記録します。購入率が上がったという前後差だけで、AIや施策の効果を断定しないことが大切です。
AIには検証メモの整理や、次に確認する点の洗い出しを任せられます。続ける・直す・止めるという判断は、確認できた結果と未確認の条件を並べて行います。
CRMの課題整理を、実行できる施策につなげる
ECのCRMでAIを活かすには、次の点を押さえます。
AIに渡す前に、改善したい顧客の段階と入力できる情報を決める。
AIの整理では、事実、原因仮説、追加で確認することを分ける。
購入体験と運用の条件を確かめ、原因に合う施策を採算・工数で選ぶ。
実行後は、作業の効率と購入・利益・顧客体験の変化を別々に評価する。
「AIで候補は出せるが、優先順位や実行方法が決まらない」という場合は、施策を選ぶ根拠と、実行後の検証までをまとめて整理することが必要です。
Raiseは、EC・D2CブランドのCRMについて、現状の分析と課題整理から施策の設計・実行・改善まで支援しています。LINEなどの配信だけでなく、2回目購入の特典やセット、送料・定期の条件、同梱物の文面、顧客の声の集約も含めて検討します。
自社に必要な支援の範囲は、RaiseのCRM支援サービスで確認できます。
相談時には、改善したいこと、現在行っている施策、確認できるデータをまとめておくと、着手順を話し合いやすくなります。依頼範囲を整理したい方はCRM支援会社を選ぶ際の確認事項をご覧ください。自社の施策の優先順位や実行体制については、Raiseへご相談ください。
