生成AIが変える「探す」から「出会う」へ－－Rtoaster GenAIが実現する新しい顧客体験

従来アプローチの現状・限界

従来のサイト内検索は、設定されたタグ・メタ情報に依存していました。検索精度の大半が、「人がどれだけうまくタグを付けられたか」に左右されてしまっていたのです。

課題1：運用負荷の高さ

製品数や記事数（SKU）が多いサイトほど、タギング作業は負荷が増大します。

• どの単語でヒットさせるかを事前に人が判断する必要がある
• 担当者によってタグの粒度や分類基準が異なる（主観によってしまう）
• 新規コンテンツが増えるたびにタギング作業が発生

特にECでは、「素材」「シーン」「用途」など多面的な情報が必要になり、メンテナンスだけでも大きな工数となっていました。

課題2：ユーザーの言葉とのズレ

もうひとつの大きな課題は、ユーザーが「どのような語句を入力すれば求める情報に近づけるか」を、ある程度自分で考える必要がありました。しかし実際には、ユーザーの頭の中にある知りたいこととサイトが設計したタグ・カテゴリ情報が一致するとは限りません。そのため、以下のような状況が起きやすくなります。

• 同義語（例：DX／デジタルトランスフォーメーション）のゆらぎを吸収できない
• カテゴリの区切り方がユーザーの直観と異なる
• 少し検索語がずれるだけで0件ヒットになる

ユーザーが抱える漠然としたニーズに対して、キーワード検索はその曖昧さを表現しにくい構造でした。その結果、「検索はできても、意図にあった情報にたどりつけない」という摩擦が生じ、ユーザーの離脱を招く要因となっていました。

ユーザーの行動も変化している

さらに、生成AIを活用する人もシーンも増えており、ユーザー自身の探索スタイルも変化しています。

• 生成AIを週1回以上利用する人は74.8%
• 最も多い用途は情報収集（75.6%）
• 曖昧なニーズの言語化にも使われている（58.4%）

「何を探せばいいかわからない」状態からでも相談できる体験を求める人が増えてきているといえるでしょう。

【参考】
商品の購買検討における生成AI利用実態調査

GenAIができること

Rtoaster GenAIは、キーワード検索ではなく生成AIを活用し、ユーザーの自然言語をそのまま理解して回答する仕組みを備えており、検索とレコメンドを融合したサービスとなっています。

• 「秋の夜長をゆっくり過ごしたい」
• 「新卒が読みやすいデータ分析の入門記事は？」
• 「旅行先で使いやすい軽量バッグを探している」

これらの曖昧な表現をAIが解析し、最適な商品・記事ページを返す仕組みです。

ユーザーは「正しい検索語を入力する負担」から解放され、まるで店員に相談するようにサイトを使えるようになります。

代表的な活用方法として、

• 既存検索ツールの代替、もしくは共存することができるAI検索窓
• 0件ヒットの解消
• コールドスタート問題を解消するアイテム軸レコメンド

などが挙げられます。

DOORSメディアでも、AI検索窓としてRtoaster GenAIを導入しており、自然文で質問するとニーズに適した記事が表示されるようになっています。（こちらからお試しください）

GenAIの仕組み（特許取得技術）

Rtoaster GenAIで用いられている「意味理解によるレコメンド生成」の仕組みは、ブレインパッドが独自に開発したもので、特許第7745801号として正式に認められています。この技術は単なるキーワード一致ではなく、ユーザーの自然文・感覚的な表現の”意味”まで深く理解することを可能にします。

【参考】
ブレインパッド、「Rtoaster GenAI」のAIレコメンド技術が特許を取得

LLMを用いた意味ベースのマッチング

自然文に対して回答を示す仕組みの概要は次のとおりです。

1. コンテンツ自体の意味を解析
   商品説明や記事のテキストをAI（LLM）が解析し、「どんな価値・特徴があるか」を意味ベクトルとして抽出
2. ユーザーの自然文をベクトル化
   ユーザーからの質問・検索文も同じ空間上にベクトル化し、意味的な”距離”を測定
3. 意味距離に基づく最適マッチング
   従来のタグやカテゴリ情報では捉えきれない曖昧なニーズや言い回しを、意味として捉え、最適なコンテンツを導き出す

この特許技術の大きなポイントは、

• 単語の一致ではなく、コンテキスト（文脈）としての理解を重視していること
• 感覚的な表現でもユーザーの「意図」を推論できること

という点です。

例えば、「秋の夜長をゆっくり過ごしたい」「贈り物で喜ばれるアイテムを知りたい」といった曖昧な表現でも、AIが文脈を読み取り、最適な商品・記事を提示できます。

レコメンド理由の生成

さらにRtoaster GenAIは、単に検索結果を一覧で返すだけでなく、各コンテンツをレコメンドした「理由」を見出しテキストとして自動生成し、ユーザーに提示する機能も備えています。これは、意味ベースでマッチングした結果をLLMが改めて自然言語に変換し、「なぜこの情報・コンテンツが選ばれたのか」を説明する仕組みです。

検索結果に理由が添えられることで、ユーザーは提示された情報を単なる候補のひとつとして眺めるのではなく、自分の問いに対する”回答”として理解できるようになります。

例えば、DOORSメディアで「データサイエンティストを育成したい」と検索すると、下の画像のように「データサイエンティスト育成のための、組織へのデータサイエンス定着や基礎分析、仕事内容の理解を深めるための情報を提供します」といった説明が自動生成されます。

ここでは単に「育成」というキーワードのみに反応しているのではなく、

• 組織への定着
• 基礎スキルの習得
• 業務理解

といった「育成」というテーマに含まれる複数の文脈をAIが解釈し、それに合致する記事群であることを理由として提示しています。

このように理由が可視化されることで、ユーザーは「なぜこの記事が出てきたのか」「自分の課題とどうつながっているのか」を直感的に理解でき、次の行動（記事閲覧・回遊）へと自然に進みやすくなります。

導入企業での効果

実際、Rtoaster GenAIはECサイトをはじめ、様々な企業で導入されており、実際に成果も出ています。

ユーザー行動の改善

Rtoaster GenAIを導入することで、サイト内での回遊やCV率の改善が期待できます。

実際、DOORSメディアを訪問したユーザーを「Rtoaster GenAIを使用したセグメント」「Rtoaster GenAIを使用していないセグメント」に分けて比較した結果、使用セグメントではセッション当たりのページビュー数が平均7倍以上、平均セッション継続時間は4.5倍以上と大幅に上昇しました。

ユーザーが「何を探せばいいかわからない」状態でも自然文で相談でき、自分の意図に合った記事へスムーズに導かれることで、回避・理解・次の行動が促進された結果だと考えられます。

株式会社ピーチ・ジョン様：店舗接客に近い体験が、CVR向上につながる

このような変化は、オウンドメディアに限った話ではありません。ECサイトにおいても、生成AIを活用した検索は、「条件を指定して絞り込む検索」から「文脈を理解して提案する接客型の体験」へと転換をもたらします。

その結果、

• ユーザーが迷わず商品にたどり着ける
• 自分の状況に合った提案を受けられる
• 次の行動（閲覧・購入）へ自然につながる

といった変化が生まれ、CVR向上につながります。

例えば、アパレルECを展開する株式会社ピーチ・ジョン様では、「生成AIを活用すれば、検索体験そのものを改善できるのではないか」という仮説のもと、Rtoaster GenAIによるAI検索を導入しました。

従来はブランド名などの指名検索が中心でしたが、AI検索の導入により、ユーザーが自由な言葉で検索し、その文脈に合った商品をレコメンドできるようになりました。

その結果、実店舗の接客に近い体験をEC上で再現し、検索経由のCVRは他施策と比較して239%向上しています。

株式会社フェリシモ様：「０件ヒット」をなくし、新たな出会いを生む

DOORSで確認されたように、「ユーザーの言葉をそのまま受け止め、意味で理解する」体験は、情報探索のハードルを大きく下げます。ECサイトでは特に、検索語が商品名や登録キーワードと一致せず、「0件ヒット」になってしまうことが大きな離脱要因でした。

意味理解型のAI検索では、こうした完全一致に依存せず、文脈や背景を踏まえた提案が可能になります。

例えば、通販事業を展開する株式会社フェリシモ様では、キーワードが自社商品の名称と完全一致しないことで0件表示となり、潜在的なニーズを取りこぼしているという課題がありました。

Rtoaster GenAIの導入により、

• キーワードが完全一致しなくても意味を理解して商品を提示
• その日の気分や着用シーン、天候・気温といった外部情報も考慮
• 商品軸にとどまらない多様な切り口での提案

が可能になり、0件ヒットによる離脱を防止。結果として、新たな商品との出会いを創出し、CVR・売上の向上につながっています。

新しい顧客インサイトの発見

Rtoaster GenAIの価値は、ユーザーにとっての体験価値向上だけではありません。検索ログも担当者にとっては大きな価値。ユーザーの言葉がそのまま見えるので、「顧客はどのような言葉で探しているのか」「悩み・目的・状況はどのようなものか」「カテゴリを横断した潜在ニーズは何か」などのインサイトが、単純なキーワード検索よりも得やすくなります。

例えば、下記はDOORSメディアで検索されたログの一例です。

• DXは何から始めればいいですか？
• 初めての生成AIで知るべきこと

当初想定していたよりも、初心者向けの記事、これからDXに着手する人や生成AI活用を始めたいときの指針となるような情報が求められていそうです。

また、下記のように、読者自身が携わっている業界に特化した事例など、よりパーソナライズされた情報が求められていることもわかりました。

• 製造業の事例を知りたい
• DXの先進企業の事例を知りたい
• 小売のマーケターが使えそうな情報ある？

従来のキーワード検索でもある程度ユーザーの傾向を把握・予測することはできましたが、自然文で検索意図が可視化されることで、「どんな利用シーンを想定して商品を探しているのか」「どの条件が重視されているのか」といった文脈まで含めた意図のあるテキストデータとして蓄積することができます。例えばECサイトであれば商品ラインナップの見直しや特集企画など、具体的なマーケティング施策に活用しやすくなります。

まとめ：生成AIがつくる、新しい顧客体験

生成AIの登場により、「探す」という行為そのものが再定義されつつあります。ユーザーはもはや、「正しい検索語を考えて入力する」ことを前提とした検索ではなく、自分の状況や感覚をそのまま伝え、理解してもらう体験を求めるようになっています。

Rtoaster GenAIが実現するのは、

• 目的が曖昧でも相談できる
• 文脈を理解して答えが返ってくる
• 理由付きでレコメンドされる
• 自分では気づかなかった選択肢に出会える

といった、従来のキーワード検索とは異なる顧客体験です。

企業が今取り組むべきは、「探しやすいサイト」ではなく「理解されるサイト」へ変えること。生成AIによる意味理解型の検索体験は、その中心的な役割を担う技術です。

情報量が増え続ける社会において、ユーザーの意図を踏まえて適切な情報へ誘導する仕組みを整えていくことが、これからのWebサイトに求められる標準になっていくでしょう。