アップデート: AIフィードバックとカスタムプロンプト

AIが人の考えを理解するには、十分な学習データが必要です。しかし、そのデータを最初から完璧にそろえるのは難しいものです。

ブランドマネージャーの直感、マーケターの判断、組織ごとに異なる分類基準のように、人の考え方はAIが学習しやすい形に整理されていないからです。結局、AIが自社の組織の判断のしかたを理解するには、私たち自身が直接教える必要があります。

今回のアップデートは、その「教える」ことを、より自然に、日常的な業務の流れの中で行えるよう支援します。

フィードバックを残すと、AIが自動で学習します

分析結果を確認していると、「これはこう判断すべきなのに…」と感じる瞬間があります。これからは、その瞬間にフィードバックをすぐに残して、AIに学習させることができます。

• 誤った判断を発見: たとえば、レビューの傾向性が「ポジティブ」に分類されるべきなのに「中立」と表示されている。
• 値の修正: 変更前: 「中立」 → 変更後: 「ポジティブ」
• 理由の入力: 「顧客が『しっとりする』と表現しましたが、これはポジティブな使用感を意味します。」
• 保存後の自動学習: 修正した内容と根拠はAIの学習データに反映され、次の分類に影響します。

すべてのフィードバックは構造的に管理されます。オブジェクト（問い合わせ、レビュー、コミュニティ、広告、注文）別に照会し、プロパティ別にフィルタリングして、どんなフィードバックを残し、どのように学習されたのかを確認できます。

自分でプロンプトを書いて、AIの判断基準を明確に設定します

個別のデータにフィードバックを残すだけでなく、AIの判断基準そのものを最初から明確に定義することもできます。各プロパティごとにAIが参照するプロンプトを書くことで、組織の解釈のしかたを一貫して適用できます。

• 入力プロパティの連携: AIが判断する際に参考にするデータを選びます。AIが判断するときに参考にするデータを選んで、使用する入力値を直接指定できます。
• プロンプト本文の作成: AIが従うべきルールを明確に記述します。
  • 例）「私たちはビューティーブランドです。顧客が『しっとりする』『すべすべする』と表現すれば『ポジティブ』です。『いまいち』『がっかり』と表現すれば『ネガティブ』です。」
• テストと検証: 実際のデータを入力して結果を事前に確認します。結果が期待と異なる場合は、プロンプトを修正して再度テストできます。
  • 例）「Aブランドはいまいちだったけど、これはしっとりする!」 → AIの判断: 比較ポジティブ ✓
• 適用と維持: 満足のいく結果が得られたら、プロンプトを全データに適用します。その後、新しく分析されるデータには変更後のプロンプトが自動で反映され、必要に応じてフィードバック機能で細かい調整を続けられます。

エンジニアの助けがなくても、AIの判断体系を自分で設計し検証できます。組織の基準をシステム化することで、AIはますます自社のチームの考え方に近づいていきます。

ささやかですが便利なアップデート

指標の小数点以下の桁数の指定

指標の表示の精度を自分で制御できる機能が追加されました。

• SUM、AVG、RATIOのように演算が必要な指標について、小数点以下何桁まで表示するかを自分で設定できます。
• たとえば、コンバージョン率は小数点以下2桁まで、平均応答時間は1桁まで、総件数は整数で表示するように指定できます。
• データの意味を保ちながら、不要な桁数を減らして、ダッシュボードをよりすっきりと管理できます。