小売業のAIチャットボット導入手順｜問い合わせ分類から有人引き継ぎまでの設計と費用

小売業でAIチャットボットを検討する会社が増えています。営業時間外の問い合わせに対応したい、電話対応の負担を減らしたい、繁忙期に人員を増やさずに乗り切りたい——動機はさまざまですが、導入して成果が出るかどうかは、ボットの賢さではなく設計で決まります。具体的には、どの問い合わせを自動化の対象にするか、答えられないときにどう人へ渡すか、この2点です。本記事では、小売業の現場を想定して、問い合わせの分類から有人引き継ぎまでの設計手順と、導入費用の目安、効果測定の方法までを整理します。

まず、実際に来ている問い合わせを分類する

1ヶ月分を書き出すところから始める

チャットボットの検討で最初にやるべきことは、ツールの比較ではありません。直近1ヶ月の問い合わせを、メール・電話・店頭を問わずすべて書き出して分類することです。この作業をせずにツールを選ぶと、実際には来ていない質問に丁寧に答えるボットができあがります。

小売業で分類すると、おおむね次のような分布になります。業態によって比率は変わりますが、傾向は共通しています。

分類	目安比率	自動化の適性
配送・納期の確認	25〜35%	高い
在庫・入荷予定	15〜25%	連携次第で高い
返品・交換の手順	10〜15%	高い
商品仕様・使い方	10〜20%	中程度
営業時間・店舗情報	5〜10%	非常に高い
クレーム・トラブル	5〜10%	自動化しない
法人・卸の相談	3〜8%	自動化しない

この表を自社の実数で作ると、上位3分類だけで全体の5〜7割を占めることがほとんどです。つまり、全部に答えられるボットを作る必要はありません。上位3分類に確実に答えられれば、問い合わせ対応の負荷は半分近く下がります。

自動化すべきでない問い合わせを先に決める

設計で見落とされがちなのが、「自動化しない」と決める作業です。次の3種類は、最初から人が対応する前提にしてください。

• クレーム・不具合の申し出：機械的な回答が火に油を注ぎます。検知したら即座に人へ渡す設計にします
• 金銭に関わる個別判断：返金の可否、特別対応の判断は人の権限で行うべきものです
• 法人・大口の相談：売上への影響が大きく、ボットで取りこぼすと機会損失になります

この線引きを最初に決めておくと、後の設計判断が一気に楽になります。

チャットボットの3タイプと選び方

タイプ	仕組み	初期費用	向いているケース
シナリオ型	選択肢を辿る	0〜20万円	質問が定型的
FAQ検索型	類似質問を検索	10〜30万円	FAQが整備済み
生成AI型	資料をもとに生成	15〜40万円	質問の表現が多様

小売業の場合、シナリオ型と生成AI型の組み合わせが現実的です。配送状況や返品手順のように答えが決まっているものはシナリオ型で確実に返し、商品の使い方や比較のように表現が多様な質問は生成AI型で受ける、という分担にします。

生成AI型だけで組むと、決まった手順を案内すべき場面でも表現が揺れてしまい、かえって問い合わせが増えることがあります。逆にシナリオ型だけだと、選択肢に自分の質問が見つからない利用者が離脱します。

設計の手順：4つのステップ

①想定質問と回答の情報源を決める

分類した上位3分類について、それぞれ「回答の根拠となる情報がどこにあるか」を明確にします。

• 配送・納期 → 配送業者の標準日数表、出荷システムの追跡情報
• 在庫・入荷 → 在庫管理システムのデータ（連携が必要）
• 返品・交換 → 返品ポリシーの文書

ここで重要なのは、情報源が古いまま更新されない状態を作らないことです。返品ポリシーを変更したのにボットの回答が古いままだと、それ自体がクレームの原因になります。「この文書を更新したら、ボットの回答も自動で変わる」という構成にしておくのが理想です。

②答えられないときの条件を先に決める

設計で最も大切なのがこの工程です。次の条件に該当したら、ボットは回答を試みずに人へ渡します。

1. 情報源に該当する記述が見つからないとき
2. 同じ質問が2回繰り返されたとき（＝1回目の回答が的外れだった証拠）
3. クレームや不満を示す表現が含まれるとき
4. 利用者が「担当者と話したい」と入力したとき
5. 注文番号・個人情報を伴う個別確認が必要なとき

2つ目は特に効果があります。利用者は言い換えて再質問する習慣があるため、繰り返しを検知するだけで、不満が蓄積する前に人へ渡せます。

③有人への引き継ぎ方を設計する

チャットボットの満足度は、答えられた質問の数ではなく、答えられなかったときの体験で決まります。次の3点を必ず設計に含めてください。

• それまでの会話を引き継ぐ：担当者につながった瞬間に一から説明させるのは、最も嫌われる体験です
• 営業時間外の受け皿を用意する：「明日9時以降に担当者からご連絡します」と明示し、連絡先を取得します
• 待ち時間の目安を伝える：「現在3名待ちです」と出すだけで離脱率は下がります

④誤回答を防ぐ仕組みを入れる

生成AIを使う場合、事実と異なる回答が出るリスクへの対処が必須です。実務で有効なのは次の3つです。

• 回答の根拠を必ず参照させる：自社の文書に書かれている内容だけから回答する構成にし、書かれていなければ「分かりません」と返させます
• 金額・日数・在庫数は生成させない：数字はシステムから取得した値のみを表示し、AIに計算させません
• 回答に根拠へのリンクを添える：利用者が自分で確認でき、誤りにも気づけます

「分かりません」と正直に返して人へ渡すボットのほうが、それらしい嘘を返すボットよりはるかに信頼されます。回答率を上げることを目標にしないことが、結果的に満足度を高めます。

設置場所とチャネルの選び方

チャネル	特徴	向いている問い合わせ
自社サイト	導入が容易	購入前の商品相談
LINE公式	再訪しやすい	配送・在庫の確認
ECサイト内	注文情報と連携可	注文後の各種確認
店頭タブレット	その場で解決	在庫・売場の案内

まず1チャネルから始めるのが鉄則です。複数チャネルに同時展開すると、回答内容の食い違いが起きたときの修正が追いつきません。効果を確認してから広げてください。

費用と期間の目安

当社（アサヒリンクス）でお出ししている構成別の目安は次のとおりです。

構成	初期費用	期間
FAQ自動応答（シンプル構成）	15〜25万円	2〜4週間
社内文書を取り込んだRAG構成	25〜40万円	3〜6週間
在庫・注文システムとの連携込み	50万円〜	1〜2ヶ月

これに加えて、月額保守が0.8〜3万円（任意）、AnthropicやOpenAIへ支払うAPI利用料が実費で月0.5〜2万円程度です。API利用料は問い合わせ件数に応じて変動するため、上限アラートを設定しておくと安心です。

効果をどう測るか

見るべき4つの指標

指標	意味	目安
自己解決率	人に渡さず完結した割合	50〜70%
有人転送率	人へ引き継いだ割合	30〜50%
離脱率	途中で閉じた割合	20%以下
電話件数の変化	導入前後の比較	2〜4割減

最も重視すべきは3つ目の離脱率です。自己解決率が高くても離脱率が高い場合、それは「解決した」のではなく「諦めて去った」可能性があります。会話ログを週に一度眺めるだけで、この違いはすぐに分かります。

回答できなかった質問こそが資産になる

運用で最も価値があるのは、ボットが答えられなかった質問のログです。ここには、自社のFAQに足りない情報、商品ページの説明不足、そして顧客が本当に知りたいことが直接記録されています。月に一度この一覧を確認し、上位10件に回答を追加していくだけで、自己解決率は着実に上がっていきます。

既製サービスと自社構築、どちらを選ぶか

判断の分かれ目は「自社データとつなぐかどうか」

チャットボットには月額数千円から使える既製サービスが数多くあります。判断の基準はシンプルで、在庫や注文といった自社のデータとつなぐ必要があるかです。

要件	既製サービス	自社構築
営業時間・店舗案内	十分	過剰
FAQへの回答	十分	過剰
在庫の即時回答	連携に制約	要件どおり
注文番号での照会	難しい	要件どおり
基幹システム連携	難しい	設計次第で可
回答トーンの調整	制約あり	自由

FAQへの回答と店舗案内だけなら、既製サービスで十分に目的を果たせます。無理に開発する必要はありません。逆に「その商品の在庫はありますか」に即答したい場合は、在庫データとの連携が必須になるため、自社構築の検討に入ります。

まず既製サービスで試すのは合理的な選択

いきなり開発に進まず、既製サービスを1〜2ヶ月試してから判断するのは、遠回りではなく合理的な進め方です。実際に運用してみることで、想定していなかった質問、回答トーンへの違和感、有人対応の負荷といった具体的な要件が見えてきます。この経験は、その後どちらを選んでも無駄になりません。

回答のトーン設計を軽視しない

小売業ではボットも接客の一部になる

チャットボットの回答は、顧客にとっては店舗スタッフの言葉と同じ重みを持ちます。事務的すぎる回答は「機械に相手をされた」という印象を残し、逆に過度にくだけた表現はブランドの雰囲気を損ないます。設計の段階で、次の項目を決めておいてください。

• 一人称と語尾（ですます調の統一、敬語のレベル）
• 回答の長さの上限（スマートフォンで3スクロール以内が目安）
• 謝罪表現を使う場面と、使わない場面
• 答えられないときの定型文（突き放さず、次の行動を示す）

4つ目の文面は、実際に何度も表示されるものです。「お答えできません」で終わるのではなく、「その内容は担当者がお答えします。今おつなぎしますね」と次の行動が示されているかどうかで、印象は大きく変わります。

導入プロジェクトの進め方

標準的な4〜6週間の流れ

週	作業	自社側の役割
1週目	問い合わせ分類	1ヶ月分のログ提供
2週目	回答設計・文書整理	FAQ・規約の確認
3〜4週目	構築・回答調整	試験利用と指摘
5週目	社内テスト	担当者3名で検証
6週目	公開・監視	ログの日次確認

自社側の作業で最も時間がかかるのは2週目の文書整理です。返品ポリシーや配送規定が最新の内容になっているか、複数の場所に古い版が残っていないかを確認する必要があります。この整理自体が、問い合わせを減らす効果を持つことも少なくありません。

公開直後の2週間は毎日ログを見る

公開してからの2週間が、品質を決める期間です。想定していなかった質問、誤った回答、途中離脱の箇所がこの時期に集中して現れます。1日15分でよいので会話ログを確認し、その日のうちに回答を修正していく体制を組んでください。この2週間の調整があるかないかで、3ヶ月後の自己解決率に20ポイント近い差が出ます。

関連して、AI導入時のリスク管理については中小企業のAI導入で押さえるリスクと対策もあわせてご覧ください。

よくある失敗と回避策

• 全部に答えさせようとする：上位3分類に絞るほうが、結果的に負荷削減の効果は大きくなります
• 導入して放置する：ログを見ずに半年放置すると、古い情報を案内し続けるボットになります
• 人への引き継ぎ口を隠す：問い合わせを減らしたい一心で有人窓口を分かりにくくすると、不満はSNSや口コミに向かいます
• 効果測定の基準を決めずに始める：導入前の電話件数と対応時間を記録しておかないと、効果を説明できません

4つ目は導入前にしかできない作業です。検討を始めた段階で、1ヶ月分の問い合わせ件数と対応時間を記録しておいてください。

個人情報とログの扱い

注文照会には本人確認の設計が要る

「注文番号を入れると配送状況が分かる」という機能は利便性が高い一方で、注文番号だけで照会できる設計にすると、番号を知る第三者が他人の配送先を閲覧できてしまいます。注文番号と、登録メールアドレスの一部または電話番号の下4桁を組み合わせるなど、2つの情報の一致を条件にするのが基本です。

また、チャット画面に氏名や住所を入力させる設計は避けてください。個人情報の入力は、暗号化された専用のフォームに誘導するのが安全です。ボットの役割は「どこに何を入力すればよいかを案内すること」までと考えると、設計が整理されます。

会話ログの保管期間を決めておく

会話ログは改善の資産である一方、個人情報を含みうるデータでもあります。運用開始前に次の3点を決めておいてください。

• ログの保管期間（改善用途であれば3〜6ヶ月で十分なことが多い）
• 閲覧できる担当者の範囲
• 外部のAIサービスへ送信される情報の範囲と、学習利用の有無

3つ目は、利用するサービスの契約プランによって扱いが異なります。業務利用の場合、入力内容がモデルの学習に使われない条件になっているかを、導入前に必ず確認してください。プライバシーポリシーへの記載が必要になる場合もあります。

まとめ

小売業のAIチャットボットは、賢さを競うものではなく、業務の負荷を確実に減らすための設計作業です。要点を整理します。

• ツール選定の前に、1ヶ月分の問い合わせを分類する。上位3分類で全体の5〜7割を占める
• クレーム・金銭判断・法人相談は、最初から自動化の対象外にする
• 定型の質問はシナリオ型、表現が多様な質問は生成AI型という組み合わせが現実的
• 答えられないときの引き継ぎ条件を、設計の最初に決める
• 数字は生成させず、システムから取得した値だけを表示する
• 自己解決率より離脱率を重視し、答えられなかった質問のログを毎月改善に回す
• 導入前に電話件数と対応時間を記録しておかないと、効果を説明できない

アサヒリンクスでは、Claudeを活用したFAQ自動応答ボットを15万円〜、社内文書を取り込んだRAG構成を25万円〜でご提供しています。問い合わせの分類や、どこまで自動化すべきかという設計段階からのご相談も承ります。

お問い合わせはこちら