思考連鎖推論による E コマース チャットボットの精度向上

段階的なAI推論を活用して複雑な顧客からの問い合わせを処理し、オンライン小売業の満足度を向上

ベビーベッドベースのプロンプトエンジニアリング

プロジェクト概観

クライアントは、製品に関する問い合わせ、返品、トラブルシューティングを処理する AI チャットボットを改良することで、プラットフォームでの顧客体験を向上させたいと考えていました。チャットボットは、特に 1 つの問い合わせに複数の問題や製品が関係する場合、複雑な顧客の質問に苦労していました。たとえば、顧客は異なる条件で購入した 2 つの異なる製品の返品ポリシーについて問い合わせることがよくありました。

私たちは、Chain-of-Thought (CoT) プロンプトを導入しました。これにより、チャットボットがこれらの複雑な質問を分解し、段階的な推論を通じてガイドし、より正確で包括的な応答が得られるようになります。

主要統計

CoT ベースの推論を使用して処理される顧客インタラクション。

100,000+

複数製品およびトラブルシューティングのクエリに対する応答時間を短縮します。

27%

問題解決の改善による顧客満足度の向上。

30%

プロジェクト範囲

このプロジェクトは、電子機器、ファッション、家電製品など、さまざまな製品カテゴリにわたる 100,000 を超える固有のやり取りについて、複数の部分から成る顧客クエリを処理できるようにチャットボットをトレーニングすることに重点を置いていました。CoT アプローチにより、AI は次の処理を実行できるようになりました。

  • 複数製品に関する問い合わせ: 同じやり取りで複数のアイテムに関する質問に対処します。
  • 段階的な問題解決: 詳細な解決策を案内することで、顧客が製品の問題を解決できるよう支援します。

課題

複雑なクエリ

顧客は、さまざまな問題を同時に解決する必要がある複数の部分から成る質問をすることがよくありました。

一貫性のない回答

以前のチャットボットの応答は、製品の返品と技術的な問題を 1 回の会話で処理する場合に一貫性がありませんでした。

スケーラビリティの問題

顧客とのやり取りが増えるにつれて、さまざまな製品ラインにわたってチャットボットのパフォーマンスを維持することが困難になりました。

解決策

  • CoTプロンプトエンジニアリング: 私たちは、複数の部分から成る質問に答えるロジックを通じて AI を導くプロンプトを作成しました。たとえば、チャットボットは結論を急ぐ前に明確な質問をするようにトレーニングされました。
  • ユーザーフィードバックループ: 顧客からのフィードバックを取り入れて CoT プロンプトを改善し、チャットボットが実際のやり取りから学習できるようにしました。
  • 思考の連鎖を促す

お客様からの問い合わせ:

「スマートフォンとヘッドフォンを注文しました。スマートフォンの画面が割れていて、ヘッドフォンがデバイスとペアリングできません。また、昨日注文した新しい注文の配送先住所を更新する必要があるのですが、アカウントで更新できません。これらの問題を解決してもらえますか?」

ステップ1: 問題を特定して分類する

「お客様は1つの別々の問題を抱えているようです。(2) スマートフォンの破損、(3) ヘッドフォンとのペアリングの問題、(XNUMX) 最近の注文の配送先住所の更新です。XNUMXつずつ解決しましょう。」

ステップ2: 破損したスマートフォンに対処する

「スマートフォンの場合、画面が割れているため、保証状況に応じて交換または修理の対象となる可能性があります。延長保証を購入したかどうか、またはこれが 30 日間の返品期間内に発生したかどうかを確認できますか?」

  • ブランチ1: 保証期間内または返品期間内の場合:「よかったです!それでは交換リクエストの手続きをお手伝いします。 配達日と交換か返金のどちらをご希望ですか?」
  • ブランチ2: 返品期間外または保証がない場合:「携帯電話は返品期間外であり、延長保証も付いていないため、 有償修理の対象になる場合があります。修理の手配をお手伝いしましょうか? リクエスト?"

ステップ3: ヘッドフォンのペアリングの問題を診断する

「ヘッドホンについては、まずトラブルシューティングの手順を試してみましょう。ヘッドホンの電源ボタンを 10 秒間押してリセットし、再度ペアリングを試みたことはありますか?」

  • ブランチ1: 顧客がトラブルシューティングが機能しなかったことを確認した場合:

    「お試しいただきありがとうございます。問題が解決しない場合は、ヘッドフォンがまだ 返品または保証期間内であれば、購入日をお知らせいただければ、 修理または交換を進めますか?」
  • ブランチ2: トラブルシューティングが機能する場合:

    「トラブルシューティングがうまくいってよかったです。ヘッドフォンに関して他に何かサポートが必要な場合は、お気軽にご連絡ください。」

ステップ4: 配送先住所の更新に関するサポート

「新しくご注文いただいた商品について、配送先住所を更新できるかどうか確認させてください。 注文状況を確認していますので、しばらくお待ちください。」

  • ブランチ1: 注文がまだ発送されていない場合:

    「朗報です!注文はまだ発送されていないので、配送先住所の更新をお手伝いします 「すぐに連絡します。正しい住所を教えていただけますか?」
  • ブランチ2: 注文がすでに発送されている場合:

    「注文はすでに発送されており、更新できないようです。ただし、 配送業者に直接連絡して住所変更を依頼してください。 ご注文の追跡詳細は?

ステップ5: 要約と次のステップを提供する

「私たちが行ったことの簡単な要約は次のとおりです。(1)私たちはあなたの スマートフォンの交換/修理、(2)ヘッドフォンのトラブルシューティングの解決、(3) 配送先住所を更新しようとしました。また、最近の追跡情報も共有しました。 「注文しました。今日は他に何かお手伝いできることはありますか?」

根拠:

この CoT プロンプトは、複数の異なる問題 (製品の返品、技術的なトラブルシューティング、アカウント管理) を処理しながら、論理的な順序で各ステップをチャットボットにガイドするため、より複雑です。顧客の応答に基づいて決定分岐 (保証がスマートフォンをカバーしているか、トラブルシューティングでヘッドフォンの問題が解決されているかなど) を組み込み、状況に応じて行動方針を動的に更新します。これにより、チャットボットは多層的な顧客クエリを高い精度と効率で管理できるようになります。

アウトカム

  • 100,000 注釈付き顧客 プロジェクトのタイムラインに従ってやり取りが行われます
  • 応答時間の27%短縮: CoT プロンプトを使用すると、チャットボットは各質問をより効率的に処理して、より速い応答を提供しました。
  • 顧客満足度30%向上: 顧客は、特にトラブルシューティングや複数製品に関する問い合わせなど、複雑なクエリを処理するチャットボットの能力に高い満足度を報告しました。
  • 部門間のスケーラビリティ: CoT ベースのチャットボット ロジックは、顧客サポート、注文追跡、支払い解決に簡単に拡張でき、チャットボットの全体的な効率が向上しました。

Chain-of-Thought 推論を実装することで、チャットボットが顧客の問い合わせに対応する方法が変わりました。ステップバイステップのロジックにより、最も複雑な問題でも処理できるようになり、速度と精度が劇的に向上しました。

— カスタマーエクスペリエンス責任者

ゴールデン 5 つ星