AIが求めているのは商品の「スペック」ではなく「文脈」【第6回】

「文脈」のための元データはすでに社内にある

　ここで重要なのは「文脈データはスペックデータの延長線上にはない」ということです。スペックは、商品を観察すれば書けます。測って調べれば客観的に記述できます。

　これに対し文脈は、その商品が「誰の、どんな課題に効くか」という商品と、その外側との関係を記述したものです。これは商品を眺めているだけでは書けません。顧客が「どんな悩みで、その商品にたどり着くのか」「どんな場面で使うのか」「競合と何が違うのか」など、市場や顧客への理解があって初めて言語化できる情報です。

　従来の商品データ整備が“正確さ”を追ってきたのは、スペックが対象だったからです。スペックには正解があり、間違いがある。型番は合っているか、容量は正しいかなどです。しかし文脈には唯一の正解がありません。同じマットレスでも「腰痛の人向け」とも「在宅ワークで体がこる人向け」とも語れます。

　どの文脈を、どれだけ豊かに商品情報に持たせるかが「どれだけ多くの場面でAIシステムに想起されるか」を決めます。第5回で述べた「正確であること」から「豊かであること」への価値の移行は、まさにこの、スペックから文脈への重心移動を指しています。

　では、この文脈データは、どこにあるのでしょうか。幸い、その原材料の多くは企業の内外にすでに存在しています。顧客からの問い合わせやレビュー、口コミには、ユーザーが「どんな悩みで、この商品を選んだか」という文脈が生の言葉で詰まっています。コンタクトセンターの応対履歴、営業やコンシェルジュの接客知見、SNS（Social Networking Service）上の使われ方など、これらは全てスペックには現れない文脈の宝庫です。

　先ほどAI開発企業がRedditの口コミを買い求めていると述べました。それと同じ価値を持つデータが自社の中にも眠っているのです。問題は、それらの文脈が商品データと結び付かないまま、バラバラに散らばっていることです。

　近年は、社内外のレビューや問い合わせ、商品説明文を生成AIシステムに読み込ませ、課題や利用シーン、価値といった切り口で文脈を抽出・構造化し、商品データに付与するアプローチが現実的になってきました。AI時代のデータ整備は、スペックを整えるためだけでなく、文脈を持たせるために実施するのです。

文脈データの整備はブランド戦略の設計そのもの

　ただし、文脈データは、ただAIシステムに任せて自動生成すれば良いというものではありません。自社の商品を「誰の、どんな課題に対して」位置づけるのかはブランド戦略そのものであり、人間が設計すべき部分です。AIシステムは文脈を抽出し量産できますが、どの文脈を選び、どう意味付けるかの判断までは肩代わりできません。そこにAI時代の人間の役割があります。

　商品に文脈を持たせ、AIシステムに正しく解釈させる。これができたときに初めて、商品データは“市場との接点”になります。そのうえで、商品が持つ文脈と顧客自身の文脈を突き合わせることで「腰痛で悩む顧客」と「腰痛に効く商品」がデータ上で結び付くのです。

　次回は、これまで分断されてきた商品データ（PDP：Product Data Platform）と顧客データ（CDP：Customer Data Platform）が結び付いたときに何が起きるのかを掘り下げます。