商品情報の誤りで返品が増える前に：WayfairのAIチェックから考える

A&Aの考え方

返品が増えたとき、商品ページの文章を増やせば解決するとは限りません。お客様が想像したものと届いたものの違いが、色、寸法、素材、付属品のどこにあったのかを調べる必要があります。たとえば「思ったより小さい」という理由でも、外寸と使用できる内寸が混ざっていたのか、置いたときの大きさが伝わらなかったのかでは、直す情報が違います。商品点数が増えたEC事業では、一つひとつのページを作った時期や担当が異なり、同じ言葉で別の意味を表している可能性があります。経営者が決めたいのは、AIに商品説明を量産させるかどうかではなく、誤認につながる情報をどこから揃えるかです。返品送料や検品だけでなく、再販売できない商品の原価、問い合わせの確認時間まで、問題が利益へ届く経路を分けて考えます。すべての返品を説明の問題にせず、品質不良や配送破損などは別に扱います。

A&Aの考え方

確認が必要な値が見つかったら、現在の表示、変更案、根拠、確認者を一緒に残します。単位の表記を揃える変更と、耐荷重や適合機種を変える変更は、同じ扱いにしないほうがよいでしょう。後者は購入の判断や使用方法へ直接影響するため、商品を理解する担当者の確認が必要です。仕入先から届いた資料と現物に違いがあれば、どちらかを自動で採用せず、該当商品を保留にします。また、台帳だけ直しても、モールの商品ページや案内資料に古い情報が残れば、お客様から見える状態は変わりません。どこへ同じ情報を配っているかを把握し、変更が届いた場所を記録します。誤った変更を見つけたときに元の値へ戻せるよう、変更前の内容も残します。ここで必要な連携の範囲が明らかになって初めて、既存の管理機能で足りるか、独自の確認画面が要るかを判断できます。

A&Aの考え方

最初に全商品を対象にすると、誤りを見つけた件数ばかりが増えて、重要な修正が後回しになりかねません。返品や問い合わせで繰り返し出てくる属性と、売れている商品が重なるところから優先順位を付けます。確認する変数は、商品ごとの対象注文数、情報の誤認に関係する返品件数、その処理費、ページ修正と確認に使った時間です。返品件数だけでは、売上の増減による変化を見落とすため、対象となる注文と一緒に見ます。季節や仕入先の品質が変わった場合も記録します。修正後に返品が減っても、それだけでAIが利益を増やしたとは言い切れません。何の属性を直し、どの理由の返品が変わったかまで追えると、情報整備を続ける価値を判断しやすくなります。画像生成で分かりやすくする場合も、実際の商品と異なる寸法や付属品を描けば逆効果です。説明用の概念図と商品写真を混同しない形にします。

A&Aの考え方

商品情報の改善を相談するなら、商品ページだけでなく、返品理由の分類と現在の商品台帳を確認材料にします。個人情報を取り除いた事例で、どの属性が曖昧なのか、誰が正しい値を確認できるのかを整理できます。A&Aと検討する場合も、生成する文章の量より、定義と変更の流れを先に確かめます。商品点数が少ない段階では手作業の確認表で十分かもしれません。複数の販売先へ更新を配る必要があるなら、確認済みの変更を連携する仕組みに価値が出ます。最初の決定は、自動修正を許すかどうかではなく、確認すべき属性を一つ選び、正しさを判定できる人と資料を揃えることです。