Company H.
8,000 products. 3 copywriters. A content backlog measured in years. A support team drowning in the same questions every day. We solved both — simultaneously.
8,000点の商品。3名のコピーライター。年単位で積み上がるコンテンツの滞貨。毎日同じ質問に埋もれるサポートチーム。私たちはその両方を——同時に解決しました。
Company H. is an online lifestyle retailer with over 8,000 active SKUs and a catalogue growing by 200–300 products per quarter. Their three-person content team was irreversibly behind — new products launched regularly with placeholder copy, existing pages were years out of date, and no one had the capacity to close the gap.
Simultaneously, their customer support team of three was handling 400+ daily inquiries manually. Average response time: 14 hours. The deeper problem: 43% of those tickets were asking identical questions with identical answers — information that should have been findable on the product pages in the first place.
Company H.は8,000点以上のSKUを展開するライフスタイル系ECブランドで、四半期ごとに200〜300点の商品が追加されます。3名のコンテンツチームはすでに限界を超えていました——新商品は頻繁に仮のコピーのまま公開され、既存ページは何年も更新されておらず、そのギャップを埋める余力は誰にもありませんでした。
同時に、3名のカスタマーサポートチームが毎日400件以上の問い合わせを手作業で処理していました。平均応答時間：14時間。より深刻な問題は、そのチケットの43%が同一の質問——本来、商品ページで見つかるはずの情報を求めるものでした。
We categorised 500 tickets from the past 90 days by question type, resolution time, and complexity — mapping what could be automated versus what genuinely required human judgment.
過去90日間の500件のチケットを質問タイプ・解決時間・複雑さで分類し、自動化可能なものと人間の判断が真に必要なものをマッピングしました。
We scored 200 product pages across five dimensions: SEO structure, tone consistency, specification completeness, readability, and emotional resonance.
200件の商品ページを5つの次元で評価しました：SEO構造・トーンの一貫性・仕様の完全性・可読性・感情的共鳴。
Four moderated sessions with six customers each — focusing on purchase decision factors and specific frustrations with product information.
各6名、計4セッションのモデレートインタビューを実施——購買決定要因と商品情報への具体的な不満に焦点を当てました。
Track 1 — Content Generation: We designed a structured product data intake form capturing specifications, materials, origin, use-case, and seasonal context. This fed a custom Claude prompt system generating copy in three formats: short (listing headline), medium (product page), and long (SEO-rich detailed page). Key design decision: AI as first-draft engine, human as editor — reducing per-SKU time from 45 minutes to 8.
トラック1——コンテンツ生成：仕様・素材・原産地・用途・季節コンテキストを取得する構造化された商品データ入力フォームを設計しました。これがカスタムClaudeプロンプトシステムに入力され、3フォーマットのコピーを生成します：ショート（一覧見出し）・ミディアム（商品ページ）・ロング（SEO強化詳細ページ）。核心的な設計判断：AIはファーストドラフトエンジン、人間は編集者——SKU当たりの時間を45分から8分へ。
Track 2 — Support Automation: A tiered routing system classified incoming tickets into three buckets: auto-resolve (standard FAQ), AI-draft (personalisable but templatable), and human-only (complaints, complex issues, VIPs). The AI-draft tier — 57% of volume — generated full response drafts for agent review and dispatch in under two minutes. Agents focused their energy where it genuinely mattered.
トラック2——サポート自動化：段階的なルーティングシステムで受信チケットを3つに分類します：自動解決（標準FAQ）・AIドラフト（個別対応可能なテンプレート型）・人間専用（クレーム・複雑な問題・VIP）。全体の57%を占めるAIドラフト層では、エージェントが2分以内にレビュー・送信できる完全な返信ドラフトを生成。エージェントは本当に重要なところにエネルギーを注げるようになりました。
Early form had too many freeform fields. Structured dropdowns for category and season produced more consistent AI output than open text.
初期フォームはフリーテキスト入力が多すぎました。カテゴリーと季節の構造化ドロップダウンにより、自由入力より一貫したAIアウトプットが得られました。
One-click "Send" for AI-drafted responses was the core UX hypothesis. It proved correct — agent review time under 90 seconds per ticket.
AIドラフト返信のワンクリック「送信」が核心的なUX仮説でした。これは正しかった——エージェントのレビュー時間はチケット当たり90秒以内。
First AI-generated descriptions were accurate but read like spec sheets — not like a warm, seasonal, lifestyle-forward brand. The content team rejected them immediately. We had given the AI technical information but not a brand identity.
最初のAI生成商品説明は技術的には正確でしたが、スペックシートのように読めました——温かく、季節感があり、ライフスタイルを先導するブランドらしさがありませんでした。コンテンツチームは即座に却下。AIに技術情報は与えていましたが、ブランドアイデンティティを与えていなかったのです。
Company H.'s brand is deeply seasonal — products are framed around Japanese seasonal moments, weather cues, and annual events. Static prompts produced evergreen copy that felt disconnected from the brand's identity entirely. We needed a dynamic prompt architecture where seasonal context was injected at upload time.
Company H.のブランドは深く季節に根ざしています——商品は日本の季節の節目・気候の変化・年間イベントを軸にフレームされます。静的プロンプトはブランドのアイデンティティから切り離されたエバーグリーンなコピーを生み出しました。アップロード時に季節コンテキストを注入するダイナミックなプロンプトアーキテクチャが必要でした。
Early triage was over-classifying complex complaints as "AI-draftable." A customer whose order had been damaged might receive a template response. The content category was right; the emotional register was wrong. We added sentiment analysis as a second classification pass — any ticket with negative sentiment above threshold was routed to human-only, regardless of content type.
初期のトリアージは複雑なクレームを「AIドラフト可能」として過剰分類していました。破損した荷物に対してテンプレート返信が届く可能性がありました。コンテンツカテゴリーは正しかった；感情的なレベルが間違っていたのです。感情分析を第2分類パスとして追加——コンテンツタイプに関わらず、閾値以上のネガティブ感情を持つチケットは人間専用に転送されます。
"New product launches used to mean a week of writing. Now I handle the same volume in an afternoon — and some of the seasonal phrasings are better than what I would have written."
「以前は新商品の発売が1週間の執筆を意味していました。今は同じ量を午後だけで処理できます——しかも季節の表現は、私が書いたものより良いこともあります。」
"The inbox used to feel like an avalanche every morning. Now I handle the real issues — the things that actually need me. That's how it should be."
「受信トレイは毎朝雪崩のように感じていました。今は本当の問題——実際に私が必要とされることを処理しています。それが正しいあり方です。」
"We went from 2,400 pages needing rewrite to under 300 in six weeks. SEO metrics started moving within the first month. The numbers speak for themselves."
「加筆が必要なページが2,400件から6週間で300件未満に。SEO指標は最初の月から動き始めました。数字が語っています。」
"I was worried AI copy would feel inhuman. What they built actually feels more 'us' than a lot of what we'd written ourselves — because consistency is a big part of brand trust."
「AIのコピーが冷たく感じるのではと心配していました。でも出来上がったものは、私たちが自分で書いた多くのものより『自分たちらしい』と感じます——一貫性こそがブランド信頼の大きな部分だから。」
Vague instructions like "write warmly" produce vague outputs. Brand voice must be operationalised: concrete examples, prohibited phrases, seasonal language libraries, and tone calibration documents. Structure the input, control the output.
「温かく書いてください」のような曖昧な指示は曖昧なアウトプットを生みます。ブランドボイスは運用可能な形にしなければなりません：具体的な事例・禁止フレーズ・季節別言語ライブラリ・トーン調整文書。インプットを構造化すれば、アウトプットをコントロールできます。
Dropdowns, tags, and structured fields consistently produce better AI output than open-ended prompts. The constraint of structure forces clarity, reduces hallucination, and makes outputs reproducible at scale.
ドロップダウン・タグ・構造化フィールドは、オープンエンドのプロンプトより一貫して優れたAIアウトプットを生みます。構造という制約が明確性を強制し、幻覚を減らし、大規模に再現可能なアウトプットを実現します。
In customer support automation, content category alone is insufficient for routing. A negative-sentiment ticket about a shipping delay needs human handling even if "shipping" is normally auto-resolvable. Emotional register matters as much as subject matter.
カスタマーサポートの自動化では、コンテンツカテゴリーだけでのルーティングは不十分です。配送遅延に関するネガティブ感情のチケットは、「配送」が通常自動解決可能であっても人間が対応すべきです。感情的レベルは題材と同じくらい重要です。
The content backlog wasn't caused by insufficient capacity — it was caused by an intake process that didn't structure product information at the point of entry. Fixing the upstream data architecture is what made AI generation viable at all.
コンテンツの滞貨は人手不足が原因ではありませんでした——入口で商品情報を構造化しない受け入れプロセスが原因でした。上流のデータアーキテクチャを修正したことが、AI生成を実現可能にした根本でした。