生成系 AI を活用した製品説明の自動化

高品質な説明の重要性

商品の説明が不十分または不完全な場合、約 70% の人が商品ページを離れることをご存知ですか？

製品説明は、カスタマー ジャーニーにおいて重要な役割を果たします。買い物客は、購入の決定を行う際にそういった説明を利用します。説明が不十分または欠けている場合、企業は潜在的な収益を失い、顧客を苛立たせるリスクがあります。

オンライン ショッパーの 87% が、購入の決定をする際に製品説明が重要であると考えていることから、優れた製品説明があれば、ユーザーのエンゲージメントと満足度を高めることができます。一方、消費者の 40% が、製品の内容が不十分なためにオンラインで購入した商品を返品していることから、説明が不正確な場合、収益の損失や顧客ベースからの信頼の低下につながる可能性があります。

従来の製品説明作成プロセスにおける課題

質の高い説明を書くには、多くの詳細と慎重な考慮が必要です。次のような課題があります。

• 説得力のある説明の作成: 質が高い製品説明は、ターゲットのニーズや欲求に応えつつ、ビジネスの UX ライティング戦略とブランド アイデンティティに一致したコンシステントなトーンを維持します。

• SEO 最適化: オーガニックトラフィックを増やし、検索エンジンのランキングを向上させるための、SEO に最適化された製品説明を作成します。

• 多言語の複雑さ: 多言語ポータルを持ち、複数の営業地域を持つ小売業者の場合、このプロセスはさらに複雑になります。

• コンテンツ承認の遅延: 説明が書かれた後でも、しばしば承認プロセスが必要となり、市場投入までの時間が遅れることがあります。

MongoDB で

このアーキテクチャの中核には、3 つの主要なコンポーネントがあります。

• MongoDB Atlas: クラウドでデータをシームレスに管理する、強力で汎用性の高いデータ プラットフォームです。MongoDB の柔軟な document model は、複雑さを増すことなく、説明を追加することで、製品を容易にスケールさせることができます（たとえば、複数の言語での翻訳）。

• オブジェクトストレージ: 効率的な製品画像ファイルのストレージと取得のための効果的なシステムです。これは、Google Cloud Storage、Azure Storage、または AWS S3 でビルドできます。

• Together AI: さまざまな生成系AI サービスを提供し、数行のコードで主要なオープンソース モデルを実行または微調整することが簡単になります。このソリューションは、利用可能なビジョン LLM を使用して製品説明を生成します。

図 1. 製品説明向け生成系 AI アーキテクチャ

そのプロセスは、図の左側にある「ユーザー / イベント」ラベルから始まります。ノート PC のアイコンは、「製品説明ジェネレーター」システムを表しています。最初に新しい製品が受け取られます。これはユーザーによって手動で追加されるか、自動化されたイベントを通じて一括で追加することが可能です。

次に、小売業者は Together AI のエンドポイントにクエリを送信し、そのビジョンモデルを活用し、コンピューター ビジョンと自然言語処理（NLP）を組み合わせて、テキストと画像を処理し理解することで、説明を生成します。リクエストには、画像の URL、希望する説明の長さ、使用するビジョンモデル、および説明の言語が含まれます。

次に、Together AI がこのデータを取得し、Llama3 視覚モデルの 1 つを使用して画像をスキャンし、指定された要件に一致する説明を生成し、製品の説明をアプリケーションに返します。

最後に、製品とその説明が MongoDB のカタログ内にアップサートされ、接続されているすべてのシステムでリアルタイムに利用可能になります。

このアーキテクチャのスケーラビリティを示すために、以下の図をご覧ください。MongoDB Change Streams を統合することにより、カタログをリスニングしているすべてのアプリケーションでリアルタイムの更新が可能になります。例として、ｅコマースポータル、ソーシャル メディア プラットフォーム、およびその他のタッチポイントがあります。

図 2. リアルタイム アプリケーションを備えた製品説明向け生成系 AI アーキテクチャ

MongoDB 開発者データ プラットフォーム

• Atlas Database

提携技術

• Next.js

• Together AI