ECデータ分析の効率を劇的に向上させたAmazon Bedrock Agent

参考になった

会員限定コンテンツです。無料登録すると制限なしでお読みいただけます。

無料登録してアーキテクチャを見る

レビュー投稿日の情報になります

株式会社Nint / 上田瀟逸

テックリード / EM / 従業員規模: 51名〜100名 / エンジニア組織: 11名〜50名

最終更新日2025/03/14投稿日2025/03/14

利用機能	ツールの利用規模	ツールの利用開始時期	事業形態
Amazon Bedrock Agent	101名〜300名	2024年12月	B to B

利用機能	Amazon Bedrock Agent
ツールの利用規模	101名〜300名
ツールの利用開始時期	2024年12月
事業形態	B to B

アーキテクチャ

会員限定コンテンツ無料登録してアーキテクチャを見る

アーキテクチャの意図・工夫

Agents for Amazon Bedrockの活用：ユーザーのリクエスト（「洗濯機の売上ランキングを教えて」など）から適切なデータ取得・分析・可視化までの一連のワークフローを自動化するために採用しました。

社内技術スタックとの統合：既存のAWSインフラやサービスと親和性が高く、APIゲートウェイ、S3などとスムーズに連携できる点を重視しました。

導入の背景・解決したかった問題

導入背景

ツール導入前の課題

当社ではECモールのデータ分析SaaS「Nint ECommerce」を提供しています。データ分析は高度な知識や経験が必要とされるため、初心者には敷居が高く、カスタマーサクセスチームのオンボーディング工数が課題でした。また、経験者でも質の高いインサイトを得るのに多くの時間を要していました。

どのような状態を目指していたか

これらの課題を解決するため、ユーザーが対話形式でデータ分析できるAI機能を実装し、分析業務の効率化と質の向上を図ることを目的としました。

比較検討したサービス

OpenAI API
Azure OpenAI Service
LangChain

比較した軸

データの安全性とコンプライアンス遵守を最優先事項として検討しました。また、開発の速さも重視しました。

選定理由

データの安全性とコンプライアンス対応の充実
Agents for Amazon Bedrockを活用した効率的なワークフロー構築の可能性
Claude modelの高い理解力と文脈把握能力
AWS環境との親和性と統合のしやすさ

導入の成果

対話形式でデータ分析を可能にするAI機能「Nint AI」として実装し、ユーザーの質問に対して分析方針を示したり、データ分析した結果とインサイトを提示しています。グラフの描画も可能で、ユーザーは簡単に視覚的な分析結果を得られます。

導入時の苦労・悩み

ECデータの特性に合わせたプロンプトエンジニアリングの最適化に時間を要しました。また、ユーザーが自然な対話でデータインサイトを得られるよう、UIUXの設計に工夫を凝らしました。

導入に向けた社内への説明

上長・チームへの説明

データ分析は当社のコア機能であり、AIによる支援機能の実装により「未経験者でも即座に分析業務に着手できる」という価値提案と、「熟練者の作業効率が最大80%向上する」という定量的効果を提示しました。また、カスタマーサクセスチームの対応時間削減によるコスト効果も説明しました。

活用方法

CS部門：カスタマーサクセスチームが新規顧客へのオンボーディング時に活用しています。顧客とのオンラインミーティングで、Nint AIを使った商品分析の基本的な使い方をデモンストレーションします。

EC運営者：クライアント企業のEC担当者が週次/月次の売上レポート生成や、カテゴリ別のトレンド分析を行うために日常的に利用しています。添付画像のように「2024年1月から6月までの洗濯機の売上ランキングを教えて」のような自然言語クエリで、即座に必要なデータ分析結果を得られるようになりました。

よく使う機能

1.対話型データ分析：自然言語での質問（「洗濯機の売上ランキング」「レディースファッションの売れ筋」など）に対して、構造化されたデータとインサイトを返す機能が最も頻繁に使用されています。

2.データビジュアライゼーション自動生成：分析結果を自動的に表やグラフに可視化する機能。特に順位表示や売上比較の際に活用されています。

3.サンプルプロンプト機能：「サンプルプロンプト」「保存プロンプト」機能を活用し、効果的な分析テンプレートを共有・再利用できる機能。特に新規ユーザーのオンボーディングに効果的です。