ソートリーダー

AIにとって最も賢明な判断は、メッセージを送らないことかもしれない

Derek Slager
Unite.AI を Google の優先ソースに追加
要点クリックの最適化は、自制が顧客関係をよりよく保護する場合でも、より多くのメッセージを送ることに報いる。
もっと見る
  • クリックの最適化は、自制が顧客関係をよりよく保護する場合でも、より多くのメッセージを送ることに報いる。
  • 返金が未解決の間に送られるよく書かれたプロモーションは、より良いコンテンツでは修正できない意思決定の失敗である。
  • 人間によるレビューは、日常的なポリシー案件ではなく、曖昧な文脈と結果の重大な行動に焦点を当てるべきである。

生成AIによって、パーソナライズされたメッセージを作成するコストは大幅に下がった。しかし、そのメッセージを送るべきかどうかの判断が容易になったわけではない。

AIが顧客とのやり取りに関する意思決定を担うようになるにつれ、この違いは重要性を増している。システムは適切なオファーを作成し、相手がクリックする可能性を予測できても、誤った判断を下すことがある。顧客は返金を待っているかもしれない。未解決の苦情を抱えているかもしれない。あるいは、別のメールアドレスを使ってすでに商品を購入しているかもしれない。

文章を改善しても、こうした問題は解決しない。システムには、顧客をより深く理解すること、企業が実際に重視する価値を反映した目標、そして実行可能なことに対する明確な制限が必要だ。

システムに何を最適化するよう求めていますか?

配信数、開封数、クリック数は簡単に数えられる。そのため、業務指標としては役立つ一方、企業が本当に求めているもの――顧客が関係に価値を感じ、何度も戻ってきてくれること――の代わりとして使いたくなりやすい。

接触頻度への制約がほとんどない状態でクリック総数を最適化するAIシステムは、メッセージの配信数を増やせばスコアが上がると判断するかもしれない。追加の配信は、それぞれ単独で見れば妥当に思えることがある。しかし、複数のキャンペーンやチャネルを通じて、同じ顧客がブランドから意図していた以上に頻繁に連絡を受けることになりかねない。

最適化の対象となっている指標には、コストが表れないこともある。Validityが実施した2026年のホリデーシーズン消費者調査では、回答者の3分の1が、ホリデーシーズンのメールの多さだけで配信登録を解除するには十分だと答えた。これは、過剰な配信をAIが引き起こしたことを示すものではない。活動を増やせば、顧客との関係が損なわれる可能性があることを示している。

配信登録の解除は目に見える。しかし、その前に生じた不満は、多くの場合、表面化しない。今日のクリックで評価される一方、顧客が翌月に戻ってくる可能性を下げてもペナルティがなければ、システムがそのトレードオフを考慮する理由はほとんどない。

何もしないことも、ひとつの判断だ

先週注文品を返品し、今も返金を待っている顧客を考えてみよう。マーケティングシステムは、最近購入したばかりで反応する可能性が高い顧客と判断し、販促メールの配信を予定する。顧客からすれば、ブランドは返すべきお金を返す前に、さらにお金を使うよう求めていることになる。

返品情報は注文管理システムに、返金状況は顧客サービスツールに、購入情報はマーケティング用プロフィールに、それぞれ記録されているかもしれない。それらの記録が、同じ人物にひも付けられているとは限らない。モデルが設計どおりに正確に動作していても、顧客について不完全な情報に基づいて判断していることがある。

こうした記録をつなげれば、システムが把握できる情報は変わる。しかし、それだけでシステムの行動が変わるわけではない。意思決定のプロセスでは、未解決の返金を考慮し、販促を見送ることも妥当な結果として認める必要がある。そうしなければ、システムに情報を与えても、評価される行動は変わらない。

だからこそ、顧客の状況と目標は一体的に設計しなければならない。顧客の状況は何が起きているかを説明し、目標と意思決定のルールは次に何をすべきかを定める。返品があったからといって、すべての連絡を止める必要があるとは限らない。顧客は返金に関する案内を必要としているかもしれない。役立つサービス連絡と、さらなる販促との違いが重要だ。

メールの文章が拙いのは、コンテンツの問題だ。顧客が返金を待っている間に、よく書かれたメールを送るのは、判断の問題である。後者を、前者の改善によって解決することはできない。

会員登録はロイヤルティと同じではない

ロイヤルティプログラムにも、同じ問題の別の形がある。成功の指標が登録者数の増加なら、システムは割引を使って人を集めるよう学習するかもしれない。登録者数は増える。しかし、そうした顧客が次の割引なしでも戻ってくるかどうかは、別の問題だ。

本当に知る価値のある問いに答えるには、時間がかかる。会員は再び購入しているか。特典のコストを差し引いても、会員の支出は利益につながっているか。プログラムは顧客の行動を変えているのか、それとも、いずれにせよ行われていた購入に報酬を与えているだけなのか。

こうした問いに答えるには、ロイヤルティプログラムの利用状況と、購入履歴やサービス利用履歴を長期にわたって結び付ける必要がある。また、プログラムの効果と、もともと起こる可能性が高かった行動とを切り分けるための比較も必要だ。会員数が増えただけでは、こうしたことは分からない。

人による監督は、意思決定を変えるものでなければならない

システムが何を最適化すべきかを決める責任は、人にある。顧客維持率、利益率、顧客の手間をめぐるトレードオフは、経営陣が責任を持って判断しなければならない。モデルは、そうしたトレードオフの評価を支援できる。しかし、どれを選ぶかについて責任を負うことはできない。

行動にどのような制限を設けるかについても、同じことが言える。出発点となる問いは、「その行動を取り消すのは、どれほど難しいか」だ。販促メッセージを保留して確認することと、価格を変更すること、クレジットを発行すること、予約をキャンセルすることでは、結果が異なる。どの処理を自動で実行でき、どれに承認が必要かは、その結果、顧客から与えられた許可、そして利用できる情報の信頼性に基づいて決めるべきだ。

返金処理が保留中だからといって、毎回人手による確認が必要になるわけではありません。方針が明確であれば、ルールに基づいて販促を見合わせつつ、カスタマーサービスからの連絡は続けられます。状況が曖昧な場合、ルール同士が矛盾する場合、または結果がシステムの権限を超える場合には、人による確認が必要です。その判断に必要な情報が不足しているなら、システムに推測を許すのではなく、明確に定めた代替措置を用意する必要があります。

確認担当者に必要なのは、信頼度スコアだけではありません。推奨の根拠となった顧客記録、それらがどの程度最新か、システムが何を達成しようとしているか、どのような制約が適用されるかも確認できる必要があります。古い記録や内容が一致しない記録に基づく推奨は、信頼度が高くても適切とは言えません。

人による介入は、判断の根拠として記録に残すべきです。同じ種類の販促を人が何度も止めているなら、その理由を記録しましょう。繰り返し起きるパターンから、カスタマーサービスのデータ不足、本人確認の問題、あるいは望ましくない行動を促す目標設定が明らかになるかもしれません。そのパターンを是正するほうが、同じ誤りに人がいつまでも気づき続けることを期待するよりも有益です。

販促を控えることが有効かどうかを測定する

顧客とのあらゆるやり取りを一度に見直そうとするのではなく、まずは一つの判断から始められます。販促メッセージの配信を取り上げ、判断に必要な状況を特定したうえで、どのような条件で配信を見合わせるべきかを定めましょう。必要なカスタマーサービスのメッセージは、その配信停止ルールの対象外にします。

次に、その変更が有効かどうかを検証します。対象となる販促メッセージについて、現行の方法と、定めた条件下で配信を見合わせる方針を比較しましょう。購買サイクルに合った期間を設け、リピート購入、顧客維持率、苦情、利益率を追跡します。配信数やクリック数も、何が起きたかを説明するうえでは役立ちますが、最終的な評価指標にすべきではありません。

販促を減らすことで顧客との関係を守れると、検証によって分かるかもしれません。特定の制限が広すぎると判明することもあります。どちらの結果も有益です。何も送らない判断も、送信する判断と同じように、無条件に正当化されるべきではありません。どちらも、その結果を測定できる判断です。

こうした取り組みによって、エンジニアリング上の作業が不要になるわけではありません。顧客記録は正しい人物に結び付ける必要があります。直近の出来事は、判断に反映できるタイミングで意思決定プロセスに届かなければなりません。権限によって実行可能な操作を制限し、チームが何が起きたのか、なぜ起きたのかを記録できるようにする必要もあります。より優れた目標設定があっても状況の把握不足は補えません。同様に、状況を十分に把握できても、誤った目標設定を正すことはできません。

顧客との関係を重視して設計する

リーダーが問うべきことは明快です。自社のシステムは、何を良い判断と見なしているでしょうか。答えがクリック数なら、顧客体験を損ないながら、システムはその役割を果たしているのかもしれません。

信頼できる顧客情報があれば、人もAIも、何をすべきかを判断するための確かな基盤を得られます。明確な目標と制御の仕組みによって、その理解をどのように活用するかが決まります。目指すべきは、今メッセージを送ることが有益な理由を説明し、そうでない場合を見極め、その後に起きたことから学べるシステムです。

AIシステムが下せる最も賢明な判断は、何も送らないことかもしれません。

デレク・スレイガーは、Amperityの共同創設者兼共同CEOであり、同社のAI第一の変革を、製品と会社の運営の両方で牽引しています。マーケターとアナリストが信頼できる顧客データを提供するためにAmperityを共同創設し、Amperityの信頼できる顧客コンテキスト背後の特許取得されたアイデンティティ解決とリアルタイムプロファイルアーキテクチャを構築しました。 以前は、Appatureの創設チームの一員であり、大規模な分散システムとセキュリティのエンジニアリングリーダーシップ役割を担っていました。