EC・小売 AIエージェント活用ガイド｜購入前後で変わる設計のポイント

結論から言うと、小売・EC業界のAIエージェントは、「購入前」と「購入後」で設計を分けることが重要です。購入前の問い合わせは、比較検討を後押しする役割を担います。売上に直結させる設計が求められます。

一方で購入後の問い合わせは、返品・交換・配送状況の確認が中心です。ここでは正確性とスピードが最優先されます。つまり、小売・EC業界でAIエージェントを設計する際は、フェーズごとに目的もKPIも異なるということです。

そのため、求められる機能や連携先のシステムも変わってきます。そこで本記事では、小売・EC業界のAIエージェント導入を検討する担当者に向けて、この違いを軸に整理します。あわせて、国内外の事例と導入時の注意点も紹介します。

小売・EC業界のカスタマー対応が抱える構造的な課題

小売・EC業界のカスタマー対応では、返品・交換の問い合わせが目立ちます。これは恒常的な負荷になっています。Recustomer株式会社の調査によると、2023年度のECサイトの返品率は平均6.61%でした[1]。業種によっては4〜10%程度の幅があるとされています。

返品が発生するたびに、状況確認や返送方法の案内が必要になります。返金処理の進捗共有も欠かせません。こうした定型的な問い合わせは積み重なります。件数が多い事業者ほど、負荷が大きくなります。

この課題に対応した国内事例があります。アパレルEC「ハニーズ」の取り組みです。同社は返品・キャンセル手続きをEC上で完結できるシステムを導入しました。それまで月間4,000件以上を人手で対応していた返品関連の問い合わせが、60%削減されました[2]。処理時間も半減しています。この事例は、購入後のプロセスを自動化する効果を裏付けています。

小売・EC業界でAIエージェントの設計思想が「購入前」と「購入後」で分かれる理由

返品対応のような購入後の課題は注目されがちです。しかし、購入前の接点も同じくらい重要です。小売・EC業界でAIエージェントを検討する際は、見落とせません。なぜなら、この2つのフェーズは目的が異なるためです。同じ設計思想では対応しきれません。

購入前：AIエージェントが比較検討を後押しし、売上に貢献する

購入前の問い合わせは、在庫確認や商品比較が中心です。また、使い方の相談も含まれます。いずれも購入の意思決定に関わるものです。この領域でAIエージェントが担うのは、単なる質問への回答ではありません。購入への後押しです。

例えば、化粧品小売のSephoraのAIチャットボットがあります。「Virtual Artist」という名称です。成分説明や、個々の肌質に合わせた商品提案を行っています。1日の問い合わせのうち75%をAIが解決しました。また、応答時間も10秒未満に短縮しています。さらに、運用コストを20%削減し、カート放棄率も18%低下したとされています[3]。

同様に、小売大手Walmartの購買アシスタント「Sparky」があります。購入履歴や閲覧データをもとに提案を行っています。その結果、利用者の平均注文額が35%向上したと報告されています[4]。これらの事例に共通する点があります。AIエージェントが「購買体験の一部」として設計されていることです。

購入後：AIエージェントが正確性とスピードで信頼を維持する

購入後の問い合わせは、配送状況の確認が中心です。また、返品・交換や、組み立て方法の相談も含まれます。すでに発生した取引に関するものばかりです。ここで顧客が求めているのは提案ではありません。正確な情報と、迅速な解決です。

家具小売のIKEAが導入したAIチャットボット「Billie」があります。在庫確認・配送状況・返品・組み立て案内といった問い合わせを扱っています。累計320万件以上のやり取りを処理しました。全問い合わせの47%をAIが対応しています。2年間で約13億円相当のコスト削減効果があったと報告されています[5]。

前述のハニーズの事例とあわせて考えてみます。購入後のフェーズでは、システムとの正確な連携が優先されます。具体的には、受注・在庫・配送システムとの連携です。迷わず答えを出せることが信頼につながります。

小売・EC業界のAIエージェント比較表｜購入前後で変わる設計の違い

小売・EC企業がAIエージェントを導入する際に注意すべき点

AIエージェントが効果を発揮するには、在庫管理システムとの連携が欠かせません。あわせて、受注管理システムとのリアルタイム連携も必要です。在庫データが古いまま案内すると、購入前は欠品による機会損失につながります。購入後は誤った配送状況の案内につながります。つまり、どちらのフェーズでもシステム連携の精度が成果を左右するということです。

また、越境ECのように海外顧客への対応が発生する事業者もあります。その場合は、多言語対応の要件も設計段階で織り込む必要があります。言語ごとに問い合わせの内容や表現が異なるためです。単純な翻訳だけでは対応できません。言語ごとの品質差を前提にした設計が求められます。

小売・EC業界のAIエージェント導入でよくある質問

導入の進め方に関する質問

Q. 小売・EC業界でAIエージェントを導入する場合、購入前と購入後のどちらから着手すべきですか？

A. 自社の課題によって異なります。返品・配送関連の問い合わせ件数が多い事業者は、購入後のフェーズから着手すると効果を測定しやすくなります。一方で、コンバージョン率や離脱率に課題がある事業者もあります。そうした事業者は購入前のフェーズから着手する方が、投資対効果を確認しやすいと考えられます。詳しくは「AIエージェント導入のROI測定完全ガイド」を参照してください。

Q. 中小規模のEC事業者でも導入できますか？

A. 特定の業務に絞った小規模な導入から始めることは可能です。例えば、返品手続きの自動化から着手する方法があります。まず、問い合わせ件数が多い業務を一つ選びます。既存の受注・在庫システムと連携できる範囲で始める方法が現実的です。

効果・他手法との違いに関する質問

Q. 返品対応の自動化だけでも効果はありますか？

A. 国内のハニーズの事例があります。返品手続きのオンライン完結化によって、問い合わせ件数が60%減少しました。あわせて、処理時間も半減したと報告されています。返品対応という一つの業務に絞った自動化でも、削減効果は見込めます。

Q. チャットボットとAIエージェントは何が違いますか？

A. チャットボットは定型的な質問への回答が中心です。これに対して、AIエージェントは目的の達成まで自律的に処理を進めます。この点が異なります。両者の違いについては、別記事「チャットボットとAIエージェントの違い｜コンタクトセンター」で詳しく解説しています。

Q. 海外の事例は、そのまま日本のEC事業にも当てはまりますか？

A. 海外事例は、設計の方向性を把握する参考になります。ただし、返品率や物流事情、顧客の期待値は国や商習慣によって異なります。国内事例（ハニーズなど）とあわせて確認してください。自社の問い合わせ内容の内訳を踏まえて設計することが望まれます。

まとめ：小売・EC業界のAIエージェント導入のポイント

小売・EC業界でAIエージェントを検討する際は、購入前と購入後を分けて考えることが重要です。一つの仕組みでまとめないことがポイントです。そのうえで、それぞれの目的に応じて設計を分けます。購入前は購買体験の一部として、売上への貢献を重視します。一方で購入後は、在庫・受注システムとの正確な連携によるスピードと信頼性を重視します。このように役割を分けることで、それぞれのフェーズで成果を測定しやすくなります。

出典：
[1] Recustomer株式会社「2023年度 ECサイトの返品・交換データ調査レポート」（ebisumart調べ）
[2] 物流Today「ハニーズECで返品DX、CS問い合わせ60％削減」（2025年12月16日）
[3] Sephora「Virtual Artist」事例（vottia公式note「小売・ECのAI活用」記事内で引用、一次情報：Cut the SaaS）
[4] Walmart「Sparky」事例（vottia公式note「小売・ECのAI活用」記事内で引用、一次情報：CTO Magazine）
[5] IKEA「Billie」事例（vottia公式note「小売・ECのAI活用」記事内で引用、一次情報：Modern Retail）

vottiaは、コンタクトセンター運営の知見と最新のAI技術を組み合わせている。AIエージェントによるオペレーターの役割転換を前提に、業務設計から人員体制の再設計までをサポートする。導入相談はお気軽にお問い合わせください。

vottia公式サイトはこちら：https://vottia.jp/ AIエージェントプラットフォーム「maestra」の詳細はこちら：https://vottia.jp/maestra/