あいさつ

はじめまして、ACESでCREをしている村上です。

最近暑くなってきましたね。暑くなるとだんだん温かい食べ物を食べられなくなるはずなのですが、今年はまだこれという冷たい食事に巡り会えておらず気がついたら行きつけのラーメン屋に行っています...

こんなことをしてるから痩せないんですね。夏の暑さに負けないようにしつつ気を引き締めていこうと思います。

今回は、以前話したトライアルの結果を分析する取り組み (リンクはこちら) について、その取り組みが今ではどうなっているのかについて紹介します。

トライアルの内容把握の課題

以前の記事で、トライアルの内容をひたすら見ることでトライアルの勝ちパターンと負けパターンを分析したという話をしました。

以降もトライアルの傾向を確認するようにしているのですが、トライアル件数が増えてきたこともあり、少しずつ負担が増えていました。

そこで、報告の内容を一括で取得しAIで分析することで、効率よく内容把握できるようにならないかと考え、Difyを使った効率化に取り組み始めました。

AIアプリケーションをノーコードで開発できるプラットフォームです。画面上で要素を繋ぎ合わせるだけで簡単にAIエージェントを作成することができます。

ACESではトライアルの内容をSlack上で報告する運用になっていたので、まずはSlackから情報を抜き出して出力する方針でDifyでワークフローを作成しました。

ACESでは機密情報を含むデータを安全に使えるようにACES AgentHubという独自の環境を作成しています。

この環境の中でDifyのOSS版をセルフホストしているため機密情報であっても問題なくLLMの入力として利用することができます。

ACESではDifyの活用を推進しており、非エンジニアの方でも利用できるように定期的に勉強会が開かれています。

Slackからの情報取得
- 企業名を入れると、その企業名を含むSlackの投稿を取得するAPIを実行
- APIの出力を整形してLLMの入力にする
LLMによる情報抽出
- Slackで取得した内容には関係のない情報も含まれているのでLLMで必要な投稿のみを抽出
- 抽出した内容をフォーマットに沿って要約
  - その際に以前トライアルを見るときに重点的に見ていた点をフォーマットに反映しました
    - 顧客が何に困っていて、どのような期待を持ってトライアルを始めたのか
    - 実際にプロダクトを使う中で詰まった部分や質問されたこと
    - 最終的に顧客の目的は達成できたか、その理由は何か

Difyによって個々のトライアルの情報を簡単に確認できるようになったため、追加でトライアル全体の内容をまとめて成約理由・失注理由にはどのようなものが多いのかどういった改善点があるのかの分析を行なっています。

Notionへの情報整理
- Difyの出力内容をNotionに記載
- Notionの記事をPDF化
  - Notion記事のフォーマットが特殊なので読み込める形に変換する意図で行っています
    - （obsidianに変えるなど上手い方法もありそうですが、一旦この形にしています）
LLMによる分析
- PDFをLLMに入れて内容を分析