SlideShare a Scribd company logo
1 of 55
カスタマーサポートにおける チャットボットの導入
Nov 9, 2019
Takayuki Nishiyama
EC Marketplace Business Support Development Dept
Rakuten, Inc.
2
自己紹介
西山貴之
楽天株式会社 (2011/4 -)
Webアプリケーションエンジニア
趣味:ドライブ、バレーボール、ピアノ
キックボクシング
興味:DevOps、
量子コンピュータ、ブロックチェーン技術、
Mixed Reality
3
アジェンダ
自己紹介
楽天市場って何?
楽天市場CSチャットボットとは
本サービスの導入背景・目的
チャットボットの概要
改善アプローチ
本サービスの効果
本サービスの今後
まとめ
4
楽天市場って何?
5
楽天市場とは
運用システム
コンサルタント
集客力
(決済・配送)
出店料
楽天ポイント経済圏
利用
購入
商品
顧客(ユーザー) 店舗
検索機能
宣伝・広告
6
楽天市場CSチャットボットとは
CS…Customer Support
楽天市場 チャットボットとは
7
https://www.rakuten.co.jp (2018/12/14 時点)
楽天市場 チャットボットとは
8
https://ichiba.faq.rakuten.net/(2018/12/14 時点)
https:/chat.ichiba.faq.rakuten.co.jp/(2018/12/14 時点)
楽天市場 チャットボットとは
楽天市場 あなたの「困った」がすぐに解消 AI応答サービス
ー家事に追われて自分の時間を持てない人でもいつでも気軽に質問できるー
PCでもSPでも24時間365日リアルタイムに返事がもらえる。
簡単な操作で手軽に質問ができる。
優秀なAIがあなたのお問い合わせの意図を汲み取って適切に回答する。
▼楽天市場CSチャットボット QRコード
9
10
本サービスの導入背景・目的
11
2016/Q1 2016/Q2 2016/Q3 2016/Q4 2017/Q1 2017/Q2 2017/Q3
問い合わせ数 オペレーター数 対応率
導入検討時の背景(2016/9当時)
12
2016/Q1 2016/Q2 2016/Q3 2016/Q4 2017/Q1 2017/Q2 2017/Q3
問い合わせ数 オペレーター数 対応率
導入検討時の背景(2016/9当時)
問い合わせ数
オペレーター数
対応率
13
導入検討時の背景(2016/9当時)
リアルタイムのサポートが約6割
19%
chat
call
mail
19%
44%
37%
Chatや電話でのリアルタイムサポートは
満足度が高い
Chat
Call
ALL
Mail
82.3%
73.5%
72.5%
60.9%
50.0%
60.0%
70.0%
80.0%
90.0%
Sep Oct Nov Dec Jan Feb
14
問い合わせ内容について (2016/9当時)
全FAQケース 1.1%問い合わせ数 20-25%
少ないFAQケースで多くの問い合わせを解決できる
15
導入の目的
19%
chat
call
mail
19%
44%
37%
Chat
Call
ALL
Mail
82.3%
73.5%
72.5%
60.9%
50.0%
60.0%
70.0%
80.0%
90.0%
Sep Oct Nov Dec Jan Feb
2016/Q1 2016/Q2 2016/Q3 2016/Q4 2017/Q1 2017/Q2 2017/Q3
問い合わせ状況
問い合わせ数 オペレーター数 対応率
1. 24時間リアルタイムでの
安定的なカスタマーサポートを提供し、
満足度をあげる
2. シンプルな問い合わせをBotに集約し、
人的コストを削減する
16
問い合わせチャネルと問い合わせ内容
AI ChatBot チャット 電話 メール
待ち時間 リアルタイム 約3分 約10分 ----
受付可能時間 24時間 24時間
(深夜帯は手薄)
営業時間帯 営業時間帯
問題解決までのリードタイム ほぼ当日中 ほぼ当日中 ほぼ当日中 3日以上
オペレーターの同時対応可能数 制限なし 3人 1人 1人
ユーザーのながら対応 出来る 出来る 出来ない 出来る
テキスト情報としての証跡 あり あり オペレータースキ
ルに依存
あり
学習 会話フロー
FAQケース
タイピング
言葉遣い
ツールの使用方法
言葉遣い
ツールの使用方法
タイピング
言葉遣い
ツールの使用方法
回答可能な範囲 限りあり 全て 全て 全て
簡単な質問 複雑な質問
17
チャットボットの概要
18
AIでチャットボットってどういうこと?
19
チャットボットの仕組み
Intents Entities
Contexts Dialog
20
チャットボットの仕組み
Entities
Contexts Dialog
Intents(意図)
ユーザーの発言の目的の定義
例
• ログインできない、楽天に入れない→ ログインできない
• パスワード更新したい、パスワード変更したい → パスワードを変えたい
• 配送状況が気になる、届いていない、いつ届く → 配送状況を知りたい
• 支払いが出来ているか確認したい → 支払いの状況を確認したい
21
チャットボットの仕組み
Intents(意図)
ユーザーの発言の目的の定義
Entities Dialog
Entities(実体)
他の言い回しの定義
例
• 住所を変更したい → 住んでいる所、住む場所
• パスワード更新したい →パス・Pass・password・pw
• 配送状況を教えてほしい → 配達、発送
22
チャットボットの仕組み
Intents(意図)
ユーザーの発言の目的の定義
Entities(実体)
他の言い回しを定義
Contexts(文脈)
話の流れや筋を定義
Dialog(対話)
ボットの受け答えを定義
例
• パスワードを忘れた → Bot: パスワードの再発行の方法をお探しでしょうか
• 住所を変更したい → Bot: 個人情報の更新方法はこちらです。
• 返品したい → Bot: 返品したい理由をもう少し詳しく教えてください
23
チャットボットの仕組み
Intents(意図)
ユーザーの発言の目的の定義
Entities(実体)
他の言い回しの定義
Dialog
Contexts(文脈)
話の流れ、筋を定義
例
• 今ユーザーはポイントについての質問をしているな
• 今ユーザーはパスワードを変えたがっているな
• 今返品の話をしているな
• 今天気の話をしているな
• 今家族の話をしているな
24
チャットボットの仕組み
Intents(意図) Entities(実体)
Contexts(文脈) Dialog(対話)
1
2
3
4
25
チャットボットフレームワーク
• IBM Watson
• Google DialogFlow
• SalesForce Einstein Bot
• Microsoft Bot Framework
その他多数
26
チャットボットの対話種類
1.会話形式
2.一問一答形式
27
チャットボットの種類
1.会話形式
質問をしながら適切な回答に導く
メリット
• 質問しながら進められ、状況を明確化出来る
• 結果、的確な答えを提供できる
• 細やかなカスタマイズが出来る
• デメリット
• メンテナンスが大変
• テストが大変
28
チャットボットの種類
2.一問一答形式
質問から適切な回答である
可能性の高いものを表示する
• メリット
• 会話よりはメンテナンスが簡単
• 広い範囲の質問に対応出来る
• ユーザーの曖昧な質問でも、何らか回答が可能
• デメリット
• 会話に比べると※正答率が低い傾向がある
• 必ずしも良い答えを提供できるわけではない
29
チャットボットの種類
問い合わせ内訳
会話形式 一問一答
↑
問い合わせ数
問い合わせ種別(問い合わせ数 降順) →
会話形式
問い合わせ数が多く、種別が少ない
一問一答形式
問い合わせ数が少なく、種別が多い
30
問い合わせ内容について (2016/9当時)
全FAQケース 1.1%問い合わせ数 20-25%
少ないFAQケースで多くの問い合わせを解決できる
会話形式
問い合わせ数が多く、種別が少ない
31
本サービスの構成
32
本サービスの構成
Browser
Web
Server
Frontend
Application
Proxy
Backend
Application
Web Client
API
AI Bot
Application
AI
CRM API
CRM
Database
CRM
Tool
Storage Admin API
Admin
Tool
33
本サービスの構成
Browser
Web
Server
Frontend
Application
Proxy
Backend
Application
Web Client
API
AI Bot
Application
AI
CRM API
CRM
Database
CRM
Tool
Storage Admin API
Admin
Tool
34
本サービスの構成
Frontend
Application
(v1)
Frontend
Application
(v2)
Public
Endpoint
Standby
Endpoint
Conversation Set
(v1)
Backend
Application
(v1)
Backend
Application
(v2)
Switch(Release)
Conversation Set
(v2)
Frontend
Application
(v2)
Backend
Application
(v2)
Sandbox
Endpoint
Release
35
課題と工夫した点
36
課題と工夫した点
トラブルなどでAIサービスが何も答えを返してこない場合がある
対策
• どのような状況でも、手動で他チャネルへ誘導出来る画面に切り替えられる機能
を構築
https://chat.ichiba.faq.rakuten.co.jp (2018/12/10 時点)
37
課題と工夫した点
突発的に起きる問い合わせに対して、素早いハンドリングが出来ない。
対策
• チャット表示時にNotificationを使ってお知らせを表示出来る機能
• 一定のキーワードが含まれていれば、AIに渡さず一定の会話を返す機能
(キーワードレスポンス機能)
• お知らせやキーワードレスポンス内容を簡単に編集できる機能
詐欺メール、楽天の偽装メール
が含まれていたら、「・・・」を返す
https://chat.ichiba.faq.rakuten.co.jp (2018/12/10 時点)
38
課題と工夫した点
AIと会話せず他チャネルへいきなり問い合わせにいってしまう
対策
• 意図的に他チャネルへの誘導を制限する
元々メールでお問い合わせがありました
https://chat.ichiba.faq.rakuten.co.jp (2018/12/10 時点)
39
質問に答えてもらい、
状況に応じた解決方法を提示
問い合わせ数:YoY -11.8%
シンプルな質問に対応
初回リリースの効果
https://chat.ichiba.faq.rakuten.co.jp (2018/12/10 時点)
40
課題と工夫した点
次の段階としてユーザーの個別な質問にも答えられるような会話の構築を行った。
ユーザー
購入履歴
ポイントランク
決済状況 配送状況
41
本サービスの構成
Browser
Web
Server
Frontend
Application
Proxy
Backend
Application
Web Client
API
AI Bot
Application
AI
CRM API
CRM
Database
CRM
Tool
Storage Admin API
Admin
Tool
AI Plugin
API
42
問題点と改善アプローチ
データを会話にマージ
情報の保持
社内のデータを取得するためのAPI郡
知りたい注文を
選択してください
+ 購入履歴を表示する
フラグ
フラグ
Client AI Bot Application AI
AI Plugin API
商品
画像
商品
画像
商品
画像
43
質問に答えてもらい、
状況に応じた解決方法を提示
問い合わせ数:YoY -11.8%
シンプルな質問に対応
ユーザの購入履歴から、
配送ステータスを提示
問い合わせ数:YoY -7.6%
配送状況確認
ユーザのポイント数を提示
問い合わせ数:YoY -29.6%
ポイント数確認
拡張版リリースの効果
https://chat.ichiba.faq.rakuten.co.jp (2018/12/10 時点)
商品
画像
商品
画像
44
本サービスの今後
45
本サービスの今後
提供できる情報やチャネルをもっと増やし
ユーザーにもっとAIを信用してもらい利用してもらいたい
46
本サービスの今後
AIの利用者という点では3者存在している。
AI
ユーザー
サービス
運営者
(教育者)
47
本サービスの今後
ユーザーの課題
• AIと会話していると思っていない人も相当数いる
• ユーザーがAIに対して自由に発言した時
AIが適切に返せず、
それによりユーザーの怒りを逆撫でる
• ユーザーのAIに対する期待度が想像以上に高い
AI
ユーザー
サービス
運営者
(教育者)
48
本サービスの今後
運営者(教育者)の課題
• AIが自信を持って回答をしている事と
回答の正しさは一緒ではない
• 会話の改善を行う為の調査が簡単ではない
• AIを教育するためのツールの使い勝手
AI
ユーザー
サービス
運営者
(教育者)
49
本サービスの今後
CSサービスの課題
• ITリテラシーが低い人へのサポートが
チャットだけでは不十分
• 電話やメールなど、リテラシーが低くとも
利用出来るチャネルに対してのサポート
• CSスタッフ教育のローンチリードタイムの短縮
AI
ユーザー
サービス 運営者
(教育者)
50
まとめ
51
まとめ
AI
ユーザー
サービス
運営者
(教育者)
52
まとめ
AI
ユーザー
サービス
運営者
(教育者)
画像認識 音声認識
音声合成
皆さんも是非AIを活用し
ビジネス(社会)にインパクトを与えましょう!
53
サポートチャットボットは仙台支社で開発を行っています!
興味のある方、ご質問のある方は遠慮なくご連絡ください!
Email: pro-sendai@mail.rakuten.com
まとめ
54
ご清聴いただきありがとうございました
カスタマーサポートにおけるAIチャットボットの導入

More Related Content

What's hot

リーンなコードを書こう:実践的なオブジェクト指向設計
リーンなコードを書こう:実践的なオブジェクト指向設計リーンなコードを書こう:実践的なオブジェクト指向設計
リーンなコードを書こう:実践的なオブジェクト指向設計増田 亨
 
Python で OAuth2 をつかってみよう!
Python で OAuth2 をつかってみよう!Python で OAuth2 をつかってみよう!
Python で OAuth2 をつかってみよう!Project Samurai
 
Amazon Redshiftによるリアルタイム分析サービスの構築
Amazon Redshiftによるリアルタイム分析サービスの構築Amazon Redshiftによるリアルタイム分析サービスの構築
Amazon Redshiftによるリアルタイム分析サービスの構築Minero Aoki
 
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込む45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込むYoshiki Hayama
 
Amazon SageMaker 推論エンドポイントを利用したアプリケーション開発
Amazon SageMaker 推論エンドポイントを利用したアプリケーション開発Amazon SageMaker 推論エンドポイントを利用したアプリケーション開発
Amazon SageMaker 推論エンドポイントを利用したアプリケーション開発Amazon Web Services Japan
 
非エンジニアのためのこれだけは押さえておきたいWEBサービスの基礎技術
非エンジニアのためのこれだけは押さえておきたいWEBサービスの基礎技術非エンジニアのためのこれだけは押さえておきたいWEBサービスの基礎技術
非エンジニアのためのこれだけは押さえておきたいWEBサービスの基礎技術div Inc
 
CEDEC2021 ダウンロード時間を大幅減!~大量のアセットをさばく高速な実装と運用事例の共有~
CEDEC2021 ダウンロード時間を大幅減!~大量のアセットをさばく高速な実装と運用事例の共有~ CEDEC2021 ダウンロード時間を大幅減!~大量のアセットをさばく高速な実装と運用事例の共有~
CEDEC2021 ダウンロード時間を大幅減!~大量のアセットをさばく高速な実装と運用事例の共有~ SEGADevTech
 
フロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjugフロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjugItsuki Kuroda
 
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Editionサービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese EditionGraat(グラーツ)
 
命名規則のススメ
命名規則のススメ命名規則のススメ
命名規則のススメnatrium11321
 
[Gree] Dialogflowを利用したチャットボット導入事例
[Gree] Dialogflowを利用したチャットボット導入事例[Gree] Dialogflowを利用したチャットボット導入事例
[Gree] Dialogflowを利用したチャットボット導入事例Takashi Suzuki
 
脱RESTful API設計の提案
脱RESTful API設計の提案脱RESTful API設計の提案
脱RESTful API設計の提案樽八 仲川
 
Amazon AthenaでSageMakerを使った推論
Amazon AthenaでSageMakerを使った推論Amazon AthenaでSageMakerを使った推論
Amazon AthenaでSageMakerを使った推論西岡 賢一郎
 
ChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AIChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AIShota Imai
 
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側Takeshi HASEGAWA
 
Cognitive Complexity でコードの複雑さを定量的に計測しよう
Cognitive Complexity でコードの複雑さを定量的に計測しようCognitive Complexity でコードの複雑さを定量的に計測しよう
Cognitive Complexity でコードの複雑さを定量的に計測しようShuto Suzuki
 
SlideShareの使い方 登録編
SlideShareの使い方 登録編SlideShareの使い方 登録編
SlideShareの使い方 登録編itno
 
「顧客の声を聞かない」とはどういうことか
「顧客の声を聞かない」とはどういうことか「顧客の声を聞かない」とはどういうことか
「顧客の声を聞かない」とはどういうことかYoshiki Hayama
 

What's hot (20)

Lean coffee
Lean coffeeLean coffee
Lean coffee
 
リーンなコードを書こう:実践的なオブジェクト指向設計
リーンなコードを書こう:実践的なオブジェクト指向設計リーンなコードを書こう:実践的なオブジェクト指向設計
リーンなコードを書こう:実践的なオブジェクト指向設計
 
Python で OAuth2 をつかってみよう!
Python で OAuth2 をつかってみよう!Python で OAuth2 をつかってみよう!
Python で OAuth2 をつかってみよう!
 
Amazon Redshiftによるリアルタイム分析サービスの構築
Amazon Redshiftによるリアルタイム分析サービスの構築Amazon Redshiftによるリアルタイム分析サービスの構築
Amazon Redshiftによるリアルタイム分析サービスの構築
 
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込む45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
 
Amazon SageMaker 推論エンドポイントを利用したアプリケーション開発
Amazon SageMaker 推論エンドポイントを利用したアプリケーション開発Amazon SageMaker 推論エンドポイントを利用したアプリケーション開発
Amazon SageMaker 推論エンドポイントを利用したアプリケーション開発
 
非エンジニアのためのこれだけは押さえておきたいWEBサービスの基礎技術
非エンジニアのためのこれだけは押さえておきたいWEBサービスの基礎技術非エンジニアのためのこれだけは押さえておきたいWEBサービスの基礎技術
非エンジニアのためのこれだけは押さえておきたいWEBサービスの基礎技術
 
CEDEC2021 ダウンロード時間を大幅減!~大量のアセットをさばく高速な実装と運用事例の共有~
CEDEC2021 ダウンロード時間を大幅減!~大量のアセットをさばく高速な実装と運用事例の共有~ CEDEC2021 ダウンロード時間を大幅減!~大量のアセットをさばく高速な実装と運用事例の共有~
CEDEC2021 ダウンロード時間を大幅減!~大量のアセットをさばく高速な実装と運用事例の共有~
 
フロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjugフロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjug
 
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Editionサービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
 
命名規則のススメ
命名規則のススメ命名規則のススメ
命名規則のススメ
 
[Gree] Dialogflowを利用したチャットボット導入事例
[Gree] Dialogflowを利用したチャットボット導入事例[Gree] Dialogflowを利用したチャットボット導入事例
[Gree] Dialogflowを利用したチャットボット導入事例
 
脱RESTful API設計の提案
脱RESTful API設計の提案脱RESTful API設計の提案
脱RESTful API設計の提案
 
Amazon AthenaでSageMakerを使った推論
Amazon AthenaでSageMakerを使った推論Amazon AthenaでSageMakerを使った推論
Amazon AthenaでSageMakerを使った推論
 
ChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AIChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AI
 
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
 
Cognitive Complexity でコードの複雑さを定量的に計測しよう
Cognitive Complexity でコードの複雑さを定量的に計測しようCognitive Complexity でコードの複雑さを定量的に計測しよう
Cognitive Complexity でコードの複雑さを定量的に計測しよう
 
SlideShareの使い方 登録編
SlideShareの使い方 登録編SlideShareの使い方 登録編
SlideShareの使い方 登録編
 
「顧客の声を聞かない」とはどういうことか
「顧客の声を聞かない」とはどういうことか「顧客の声を聞かない」とはどういうことか
「顧客の声を聞かない」とはどういうことか
 
Project Facilitation
Project FacilitationProject Facilitation
Project Facilitation
 

Similar to カスタマーサポートにおけるAIチャットボットの導入

JPC2016: PUP-01 知って得する MPN 最新情報
JPC2016: PUP-01 知って得する MPN 最新情報JPC2016: PUP-01 知って得する MPN 最新情報
JPC2016: PUP-01 知って得する MPN 最新情報MPN Japan
 
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐Rakuten Group, Inc.
 
モバイルビジネスの動向
モバイルビジネスの動向モバイルビジネスの動向
モバイルビジネスの動向Hidetoshi Mori
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)IMJ Corporation
 
【Japan Partner Conference 2019 基調講演】Industry Innovation による Society 5.0 の実現に向けて
【Japan Partner Conference 2019 基調講演】Industry Innovation による Society 5.0 の実現に向けて【Japan Partner Conference 2019 基調講演】Industry Innovation による Society 5.0 の実現に向けて
【Japan Partner Conference 2019 基調講演】Industry Innovation による Society 5.0 の実現に向けて日本マイクロソフト株式会社
 
自動質問応答における 連続発話からの類義クエリ抽出
自動質問応答における 連続発話からの類義クエリ抽出自動質問応答における 連続発話からの類義クエリ抽出
自動質問応答における 連続発話からの類義クエリ抽出Takamichi Toda
 
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」Nozomu Tannaka
 
Webマーケティングサポート案内書
Webマーケティングサポート案内書 Webマーケティングサポート案内書
Webマーケティングサポート案内書 Ryo Nakagawa
 
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」基調講演「データのグループウェア化」
基調講演「データのグループウェア化」Cybozucommunity
 
楽天の次世代を支える AI Platform ~ チャットボット、マーケティング、そしてCreative AI
楽天の次世代を支える AI Platform ~ チャットボット、マーケティング、そしてCreative AI楽天の次世代を支える AI Platform ~ チャットボット、マーケティング、そしてCreative AI
楽天の次世代を支える AI Platform ~ チャットボット、マーケティング、そしてCreative AIRakuten Group, Inc.
 
Digital marketing on AWS
Digital marketing on AWSDigital marketing on AWS
Digital marketing on AWSYuta Imai
 
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-IoTビジネス共創ラボ
 
202112Cellor紹介資料 (Saleshub用)
202112Cellor紹介資料 (Saleshub用) 202112Cellor紹介資料 (Saleshub用)
202112Cellor紹介資料 (Saleshub用) SawakoOhno1
 
20240119_Slide Share Ligla infomation.pdf
20240119_Slide Share Ligla infomation.pdf20240119_Slide Share Ligla infomation.pdf
20240119_Slide Share Ligla infomation.pdfmanabuasari
 
「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめAkihiko Uchino
 
Developers Summit 2012 16-E-1
Developers Summit 2012 16-E-1Developers Summit 2012 16-E-1
Developers Summit 2012 16-E-1Kohei Kumazawa
 

Similar to カスタマーサポートにおけるAIチャットボットの導入 (20)

JPC2016: PUP-01 知って得する MPN 最新情報
JPC2016: PUP-01 知って得する MPN 最新情報JPC2016: PUP-01 知って得する MPN 最新情報
JPC2016: PUP-01 知って得する MPN 最新情報
 
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
 
モバイルビジネスの動向
モバイルビジネスの動向モバイルビジネスの動向
モバイルビジネスの動向
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
 
【Japan Partner Conference 2019 基調講演】Industry Innovation による Society 5.0 の実現に向けて
【Japan Partner Conference 2019 基調講演】Industry Innovation による Society 5.0 の実現に向けて【Japan Partner Conference 2019 基調講演】Industry Innovation による Society 5.0 の実現に向けて
【Japan Partner Conference 2019 基調講演】Industry Innovation による Society 5.0 の実現に向けて
 
自動質問応答における 連続発話からの類義クエリ抽出
自動質問応答における 連続発話からの類義クエリ抽出自動質問応答における 連続発話からの類義クエリ抽出
自動質問応答における 連続発話からの類義クエリ抽出
 
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」
 
SDGC2018 redux Tannaka
SDGC2018 redux TannakaSDGC2018 redux Tannaka
SDGC2018 redux Tannaka
 
Webマーケティングサポート案内書
Webマーケティングサポート案内書 Webマーケティングサポート案内書
Webマーケティングサポート案内書
 
Smart Store Map
Smart Store MapSmart Store Map
Smart Store Map
 
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
 
楽天の次世代を支える AI Platform ~ チャットボット、マーケティング、そしてCreative AI
楽天の次世代を支える AI Platform ~ チャットボット、マーケティング、そしてCreative AI楽天の次世代を支える AI Platform ~ チャットボット、マーケティング、そしてCreative AI
楽天の次世代を支える AI Platform ~ チャットボット、マーケティング、そしてCreative AI
 
Digital marketing on AWS
Digital marketing on AWSDigital marketing on AWS
Digital marketing on AWS
 
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
 
Smfl20201001
Smfl20201001Smfl20201001
Smfl20201001
 
Com ad
Com adCom ad
Com ad
 
202112Cellor紹介資料 (Saleshub用)
202112Cellor紹介資料 (Saleshub用) 202112Cellor紹介資料 (Saleshub用)
202112Cellor紹介資料 (Saleshub用)
 
20240119_Slide Share Ligla infomation.pdf
20240119_Slide Share Ligla infomation.pdf20240119_Slide Share Ligla infomation.pdf
20240119_Slide Share Ligla infomation.pdf
 
「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ
 
Developers Summit 2012 16-E-1
Developers Summit 2012 16-E-1Developers Summit 2012 16-E-1
Developers Summit 2012 16-E-1
 

More from Rakuten Group, Inc.

コードレビュー改善のためにJenkinsとIntelliJ IDEAのプラグインを自作してみた話
コードレビュー改善のためにJenkinsとIntelliJ IDEAのプラグインを自作してみた話コードレビュー改善のためにJenkinsとIntelliJ IDEAのプラグインを自作してみた話
コードレビュー改善のためにJenkinsとIntelliJ IDEAのプラグインを自作してみた話Rakuten Group, Inc.
 
楽天における安全な秘匿情報管理への道のり
楽天における安全な秘匿情報管理への道のり楽天における安全な秘匿情報管理への道のり
楽天における安全な秘匿情報管理への道のりRakuten Group, Inc.
 
Simple and Effective Knowledge-Driven Query Expansion for QA-Based Product At...
Simple and Effective Knowledge-Driven Query Expansion for QA-Based Product At...Simple and Effective Knowledge-Driven Query Expansion for QA-Based Product At...
Simple and Effective Knowledge-Driven Query Expansion for QA-Based Product At...Rakuten Group, Inc.
 
大規模なリアルタイム監視の導入と展開
大規模なリアルタイム監視の導入と展開大規模なリアルタイム監視の導入と展開
大規模なリアルタイム監視の導入と展開Rakuten Group, Inc.
 
楽天における大規模データベースの運用
楽天における大規模データベースの運用楽天における大規模データベースの運用
楽天における大規模データベースの運用Rakuten Group, Inc.
 
楽天サービスを支えるネットワークインフラストラクチャー
楽天サービスを支えるネットワークインフラストラクチャー楽天サービスを支えるネットワークインフラストラクチャー
楽天サービスを支えるネットワークインフラストラクチャーRakuten Group, Inc.
 
楽天の規模とクラウドプラットフォーム統括部の役割
楽天の規模とクラウドプラットフォーム統括部の役割楽天の規模とクラウドプラットフォーム統括部の役割
楽天の規模とクラウドプラットフォーム統括部の役割Rakuten Group, Inc.
 
Rakuten Services and Infrastructure Team.pdf
Rakuten Services and Infrastructure Team.pdfRakuten Services and Infrastructure Team.pdf
Rakuten Services and Infrastructure Team.pdfRakuten Group, Inc.
 
The Data Platform Administration Handling the 100 PB.pdf
The Data Platform Administration Handling the 100 PB.pdfThe Data Platform Administration Handling the 100 PB.pdf
The Data Platform Administration Handling the 100 PB.pdfRakuten Group, Inc.
 
Supporting Internal Customers as Technical Account Managers.pdf
Supporting Internal Customers as Technical Account Managers.pdfSupporting Internal Customers as Technical Account Managers.pdf
Supporting Internal Customers as Technical Account Managers.pdfRakuten Group, Inc.
 
Making Cloud Native CI_CD Services.pdf
Making Cloud Native CI_CD Services.pdfMaking Cloud Native CI_CD Services.pdf
Making Cloud Native CI_CD Services.pdfRakuten Group, Inc.
 
How We Defined Our Own Cloud.pdf
How We Defined Our Own Cloud.pdfHow We Defined Our Own Cloud.pdf
How We Defined Our Own Cloud.pdfRakuten Group, Inc.
 
Travel & Leisure Platform Department's tech info
Travel & Leisure Platform Department's tech infoTravel & Leisure Platform Department's tech info
Travel & Leisure Platform Department's tech infoRakuten Group, Inc.
 
Travel & Leisure Platform Department's tech info
Travel & Leisure Platform Department's tech infoTravel & Leisure Platform Department's tech info
Travel & Leisure Platform Department's tech infoRakuten Group, Inc.
 
Introduction of GORA API Group technology
Introduction of GORA API Group technologyIntroduction of GORA API Group technology
Introduction of GORA API Group technologyRakuten Group, Inc.
 
100PBを越えるデータプラットフォームの実情
100PBを越えるデータプラットフォームの実情100PBを越えるデータプラットフォームの実情
100PBを越えるデータプラットフォームの実情Rakuten Group, Inc.
 
社内エンジニアを支えるテクニカルアカウントマネージャー
社内エンジニアを支えるテクニカルアカウントマネージャー社内エンジニアを支えるテクニカルアカウントマネージャー
社内エンジニアを支えるテクニカルアカウントマネージャーRakuten Group, Inc.
 
モニタリングプラットフォーム開発の裏側
モニタリングプラットフォーム開発の裏側モニタリングプラットフォーム開発の裏側
モニタリングプラットフォーム開発の裏側Rakuten Group, Inc.
 

More from Rakuten Group, Inc. (20)

コードレビュー改善のためにJenkinsとIntelliJ IDEAのプラグインを自作してみた話
コードレビュー改善のためにJenkinsとIntelliJ IDEAのプラグインを自作してみた話コードレビュー改善のためにJenkinsとIntelliJ IDEAのプラグインを自作してみた話
コードレビュー改善のためにJenkinsとIntelliJ IDEAのプラグインを自作してみた話
 
楽天における安全な秘匿情報管理への道のり
楽天における安全な秘匿情報管理への道のり楽天における安全な秘匿情報管理への道のり
楽天における安全な秘匿情報管理への道のり
 
What Makes Software Green?
What Makes Software Green?What Makes Software Green?
What Makes Software Green?
 
Simple and Effective Knowledge-Driven Query Expansion for QA-Based Product At...
Simple and Effective Knowledge-Driven Query Expansion for QA-Based Product At...Simple and Effective Knowledge-Driven Query Expansion for QA-Based Product At...
Simple and Effective Knowledge-Driven Query Expansion for QA-Based Product At...
 
大規模なリアルタイム監視の導入と展開
大規模なリアルタイム監視の導入と展開大規模なリアルタイム監視の導入と展開
大規模なリアルタイム監視の導入と展開
 
楽天における大規模データベースの運用
楽天における大規模データベースの運用楽天における大規模データベースの運用
楽天における大規模データベースの運用
 
楽天サービスを支えるネットワークインフラストラクチャー
楽天サービスを支えるネットワークインフラストラクチャー楽天サービスを支えるネットワークインフラストラクチャー
楽天サービスを支えるネットワークインフラストラクチャー
 
楽天の規模とクラウドプラットフォーム統括部の役割
楽天の規模とクラウドプラットフォーム統括部の役割楽天の規模とクラウドプラットフォーム統括部の役割
楽天の規模とクラウドプラットフォーム統括部の役割
 
Rakuten Services and Infrastructure Team.pdf
Rakuten Services and Infrastructure Team.pdfRakuten Services and Infrastructure Team.pdf
Rakuten Services and Infrastructure Team.pdf
 
The Data Platform Administration Handling the 100 PB.pdf
The Data Platform Administration Handling the 100 PB.pdfThe Data Platform Administration Handling the 100 PB.pdf
The Data Platform Administration Handling the 100 PB.pdf
 
Supporting Internal Customers as Technical Account Managers.pdf
Supporting Internal Customers as Technical Account Managers.pdfSupporting Internal Customers as Technical Account Managers.pdf
Supporting Internal Customers as Technical Account Managers.pdf
 
Making Cloud Native CI_CD Services.pdf
Making Cloud Native CI_CD Services.pdfMaking Cloud Native CI_CD Services.pdf
Making Cloud Native CI_CD Services.pdf
 
How We Defined Our Own Cloud.pdf
How We Defined Our Own Cloud.pdfHow We Defined Our Own Cloud.pdf
How We Defined Our Own Cloud.pdf
 
Travel & Leisure Platform Department's tech info
Travel & Leisure Platform Department's tech infoTravel & Leisure Platform Department's tech info
Travel & Leisure Platform Department's tech info
 
Travel & Leisure Platform Department's tech info
Travel & Leisure Platform Department's tech infoTravel & Leisure Platform Department's tech info
Travel & Leisure Platform Department's tech info
 
OWASPTop10_Introduction
OWASPTop10_IntroductionOWASPTop10_Introduction
OWASPTop10_Introduction
 
Introduction of GORA API Group technology
Introduction of GORA API Group technologyIntroduction of GORA API Group technology
Introduction of GORA API Group technology
 
100PBを越えるデータプラットフォームの実情
100PBを越えるデータプラットフォームの実情100PBを越えるデータプラットフォームの実情
100PBを越えるデータプラットフォームの実情
 
社内エンジニアを支えるテクニカルアカウントマネージャー
社内エンジニアを支えるテクニカルアカウントマネージャー社内エンジニアを支えるテクニカルアカウントマネージャー
社内エンジニアを支えるテクニカルアカウントマネージャー
 
モニタリングプラットフォーム開発の裏側
モニタリングプラットフォーム開発の裏側モニタリングプラットフォーム開発の裏側
モニタリングプラットフォーム開発の裏側
 

Recently uploaded

2024 01 Virtual_Counselor
2024 01 Virtual_Counselor 2024 01 Virtual_Counselor
2024 01 Virtual_Counselor arts yokohama
 
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見Shumpei Kishi
 
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)ssuser539845
 
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~arts yokohama
 
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法ssuser370dd7
 
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdfAyachika Kitazaki
 
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦Sadao Tokuyama
 
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdfTaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdfMatsushita Laboratory
 
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-LoopへTetsuya Nihonmatsu
 

Recently uploaded (12)

2024 01 Virtual_Counselor
2024 01 Virtual_Counselor 2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
 
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
 
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
 
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
 
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
 
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
 
2024 04 minnanoito
2024 04 minnanoito2024 04 minnanoito
2024 04 minnanoito
 
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
 
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
 
2024 03 CTEA
2024 03 CTEA2024 03 CTEA
2024 03 CTEA
 
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdfTaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
 
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
 

カスタマーサポートにおけるAIチャットボットの導入