AIサポートエージェントで年間$217,200を削減、顧客満足度も改善したD2Cブランド

年商1,200万ドル、前年比40%で成長していたこのブランドは、製品とマーケティングでは成果を上げていましたが、その裏でカスタマーサポートが限界に達していました。6名の担当者が、Gorgiasで月に約4,800件の問い合わせに対応していました。平均の初回応答時間は4.2時間まで延び、新商品の発売時には12時間を超えました。CSATは6か月で4.6から3.9に下がっていました。

問い合わせを分析すると、根本の原因は明らかでした。全体の約70%は、内容が予測できる分類に収まっていました。注文状況（23%）、サイズと適合性（18%）、返品・交換（16%）、割引コード（8%）、配送ポリシー（5%）です。こうしたルールで答えられる問い合わせにも、1件あたり6〜8分の担当者の時間がかかっていました。その間、本当に人の対応が必要な月1,500件の問い合わせが順番待ちになっていました。

創業者の言葉は率直でした。1人あたり$58,000の担当者6名が、同じ15の質問に月3,000回答えている、というものです。ルールベースのGorgiasチャットボットも試しましたが、対応できたのは問い合わせの約8%で、顧客はやがてボットを避けるようになりました。

最初に$8,000のAI導入診断を行いました。Gorgiasに残る6か月分、28,400件の問い合わせを分類し、すべての情報源（420SKUのShopify商品カタログ、各種ポリシー、サイズガイド、ShipStationの追跡データ）を点検し、アーキテクチャを比較検討しました。ファインチューニングは採用しませんでした。過去の担当者の回答にあるばらつきまで学習してしまうためです。採用したのは、GPT-4oとツール利用を組み合わせたRAGパイプラインです。エージェントはすべての回答を、最新の商品、ポリシー、注文のデータに基づいて作成します。診断では、問い合わせの60〜70%を自動化でき、年間$180,000〜$240,000を削減できると試算しました。

構築では、商品、ポリシー、注文に関する情報をセマンティック検索（Pinecone、Shopifyと毎晩同期）で引けるようにし、ShopifyとShipStationへの安全なAPI接続によって、注文をリアルタイムに照会できるようにしました。エージェントは確信度で制御しています。自動で返信するのは、意図分類の確信度が0.85を超え、かつ検索結果の関連度が0.80を超えた場合だけです。どちらかが基準を下回ると、AIの回答案と関連情報を添えて担当者に引き継ぎます。エージェントは操作も実行できます。返品の開始、配送ラベルの発行、割引コードの適用、住所の変更を、いずれも顧客の確認を得たうえで行います。

解決内容がわかっている過去の問い合わせ2,000件でテストした結果、意図分類の正確度は94.2%、回答の正確度は91.7%、ポリシー遵守率は99.1%でした。チームで最も優秀な担当者と比べた文面のトーンの一致度は、5.0点中4.3点でした。導入は2週間かけて段階的に行いました。まず問い合わせの10%を対象にして全件を人が確認し、次に30%を対象にして要確認と判定されたものだけを確認し、最後に対象となる問い合わせの100%を自動応答に切り替えました。

全面導入後の90日間を、その前の90日間と比較した結果です。AIは月3,149件（64%）の問い合わせを、人手を介さずに解決しました。人の対応が必要な問い合わせは63%減り、月1,771件になりました。初回応答時間は4.2時間から、AIの返信で6分、担当者の返信で1.8時間に短縮しました。CSATは3.9から4.5に回復しました。

サポートの月間運用費用は、$29,200から$11,100に下がりました。62%の削減で、年換算では$217,200です。初年度の投資額$92,000（診断$8,000、構築$42,000、運用月額$3,500）に対して、初年度の純効果は$125,200（ROI 136%）、投資回収期間は5.1か月でした。

3名の担当者は、顧客への能動的な連絡、VIP顧客の対応、購入後の体験づくりに配置転換されました。これは、翌四半期にリピート購入率が14%伸びた要因の一つになっています。問い合わせが通常の2倍になったセール期間中も、AIは平均4分の応答時間を維持しました。人だけで対応していた頃は、同じ規模のセールで平均14時間かかっていました。