「何を買ったか」から「なぜ買うのか？」へ
小売業における生成AI活用の本質は、検索画面が会話形式になることではありません。最大の変化は、これまで購買後に推測していた顧客の意図を、購買前に把握できることです。今後の小売業の優劣を決めるのは、顧客の「何を買ったか」だけでなく、「なぜ買うのか」を捉え、提案と購買に反映する力へ移ります。
これまで、小売企業はPOS、ID-POS、ロイヤルティカード、ECの閲覧履歴を分析してきました。これらは顧客の行動結果のデータです。同じ商品を購入した顧客でも、購入理由は日常利用、健康管理、イベントなどで異なります。結果だけを見ても、この違いを知ることはできません。
対話型AIは、ここで力を発揮します。顧客はプロンプトに、予算、用途、人数、好み、制約条件を自然な言葉で入力します。例えば「子ども8人、親4人が集まる誕生日会」「ナッツを避けたい」「準備を簡単にしたい」と伝えれば、購入目的と条件が同時に可視化されます。検索キーワードが「何を欲しいか」を示すデータなら、対話データは「なぜ欲しいか」まで含むデータです。
記事に掲載された調査では、消費者の52％がAIに予算や機能、用途などの制約を指定し、57％が選択肢の絞り込みに利用しています。また、米国の消費者の59％は、AIを通じて知らなかったブランドを発見しています。AIは既存商品の検索を効率化するだけでなく、ブランドとの新しい接点になり始めています。
https://www.retaildive.com/news/retail-shoppers-warm-up-agentic-ai-purchases/827563
https://www.grocerydive.com/news/shoppers-are-finally-telling-grocers-why-they-buy/826775/
なぜ商品メタデータの整備が必要か
情報量が増えれば、購買決定が速くなるとは限りません。米国では42％が、AIによって検討対象が増え、決定に時間がかかると回答しています。
小売企業が目指すべきなのは、選択肢の大量提示ではありません。顧客の条件に基づき、候補を絞り、比較理由を説明し、購入可能な状態まで整えることです。
そのために必要なのが、商品メタデータの再整備です。商品名、価格、ブランド、カテゴリーだけでは不十分です。
食品なら原材料、アレルゲン、栄養成分、分量、調理時間、食事制限への適合性、レシピ用途などを、AIが判断できる形式で管理する必要があります。データの欠落や表記揺れがあれば、AIは顧客の意図を理解しても、適切な商品を選べません。
売り方も単品単位から目的単位へ変える必要があります。顧客が「3人家族向けに、1食1,500円以下で、高タンパク質の夕食を3日分」と依頼した場合、商品一覧を返すだけでは不十分です。献立、必要数量、代替商品を組み合わせ、決済可能な買い物かごとして提示することが重要です。
顧客が内容を確認し、一部を変更できれば、利便性と顧客からのフィードバックを両立できます。
AIへの全面委任には慎重さも残ります。調査では35％が、AIによる購入前に人間の確認を求めています。返品保証があればAIに購入を任せる人が増えるという結果もあります。常用するネットスーパーなどでは、予算上限、対象カテゴリー、返品条件、最終承認を設計し、委任範囲を顧客が制御できるようにするとリピート率が上る可能性があります。
対話データは顧客理解の資産
小売企業は、対話データを新たな顧客理解の資産として位置付けるべきです。
ただ、会話内容を収集するだけでは価値になりません。表明された意図と、実際の購買、返品、継続利用を照合し、品揃え、販促、仕入れ、商品開発へ還流させる仕組みが必要です。個人情報の利用目的と保存期間を明確にすることが前提です。
成果指標も検索件数やクリック率だけでは足りません。提案から購入までの転換率、カゴの修正率、再利用率などを追う必要があります。特に修正率は重要です。顧客が何を外し、何を追加したかを分析すれば、AI提案と実需要の差を把握できます。
次なる競争軸は、AIを導入したかどうかではありません。顧客が表明した「なぜ」を、信頼できる商品データと接続し、実行可能な提案へ変換できるかです。購買前の意図を起点に、検索、提案、決済、商品政策までを全体最適する企業が、対話型コマース時代の主導権を握るでしょう。
メルマガの紹介
今回の記事は毎週書いているメルマガで取り上げているニュースから考えたことを書きました。週数百の国内外の小売・流通記事から注目記事を10本程度ピックアップして簡単な解説を付けています。
