cs-chatbot-design

チャットボットの設計

フレームワーク

IRON LAW: Intent First, Response Second

A chatbot must UNDERSTAND what the user wants (intent) before crafting
a response. Building response templates without intent classification
produces a keyword-matching FAQ, not a chatbot.

Flow: User message → Intent classification → Slot extraction → Response

コア NLU パイプライン

ステージ	内容	例
インテント分類	ユーザーが何をしたいのかを特定します	「何時に閉店しますか？」→ インテント：check_hours
エンティティ／スロット抽出	メッセージから重要な情報を抽出します	「金曜日に4人でテーブルを予約して」→ スロット：{party_size: 4, date: Friday}
対話管理	次のアクション（不足情報の確認、確認、実行）を決定します	スロット time が不足 → 「何時をご希望ですか？」と尋ねます
応答生成	返信を作成します	「金曜日の午後7時に4人でテーブルを予約しました。それでは当日お待ちしています！」

インテントの設計

• ユーザーからの問い合わせの80%をカバーする10～15個の主要なインテントから始めます
• 各インテントには10～20個のトレーニング例（さまざまな言い回し）が必要です
• 認識できない入力に対応する fallback インテントを含めます
• 関連するインテントをグループ化します。「注文管理」の下に order_status、order_cancel、order_modify をまとめます

対話フローのパターン

パターン	使用する場面	例
単一ターン	コンテキストを必要としない簡単なQ&A	「営業時間は何時ですか？」→ すぐに回答
複数ターン（スロットフィリング）	複数の情報が必要な場合	「テーブルを予約して」→ 人数を尋ねる → 日付を尋ねる → 時刻を尋ねる → 確認
分岐	ユーザーの回答に応じて異なる経路を進む場合	「アカウントをお持ちですか？」→ はい：ログインフロー／いいえ：登録フロー
確認	アクションを実行する前	「注文 #12345 をキャンセルします。よろしいですか？」
引き継ぎ	ボットでリクエストに対応できない場合	「担当者におつなぎします」

応答設計の原則

1. まず受け止める：「承知しました。注文状況を確認したいのですね。」
2. 簡潔にする：質問に答えたら、そこで止めます。不要な情報を付け加えないでください。
3. 次のステップを提案する：「ほかにお手伝いできることはありますか？」と尋ねたり、関連するアクションを提案したりします。
4. クイック返信／ボタンを使う：入力の手間を減らし、会話を誘導します。
5. 個性を持たせる：一貫したトーン（親しみやすい、プロフェッショナル、カジュアルなど）を決め、それを守ります。

指標

指標	定義	目標
インテント精度	正しく分類されたインテントの割合	> 85%
自己解決率	人への引き継ぎなしで解決した割合	> 60-70%
CSAT	顧客満足度スコア	> 4.0/5
フォールバック率	フォールバック／不明なインテントが発生した割合	< 15%
解決時間	解決までにかかる平均時間	< 2 minutes

出力形式

# Chatbot Design: {Use Case}

## Intent Catalog
| Intent | Description | Example Utterances | Priority |
|--------|-----------|-------------------|---------|
| {intent} | {what it means} | "{example 1}", "{example 2}" | H/M/L |

## Dialogue Flows
### {Flow Name}
1. User: {trigger utterance}
2. Bot: {response + slot question if needed}
3. User: {provides info}
4. Bot: {confirmation or action}

## Fallback Strategy
- After 1 miss: rephrase + suggest options
- After 2 misses: offer human handoff

## Metrics Targets
| Metric | Target |
|--------|--------|
| Intent accuracy | > {X%} |
| Containment | > {X%} |

注意点

• ユーザーはフローどおりに進みません：予想外の言い回しを入力したり、会話の途中で話題を変えたり、情報を不完全なまま伝えたりします。理想的な経路だけでなく、さまざまな状況に対応できるよう設計してください。
• フォールバックは最も重要なインテントです：「すみません、理解できませんでした。X、Y、Zのどれを意味していますか？」のような適切なフォールバックは、誤った推測よりも優れています。
• LLM を活用したボットにもガードレールが必要です：応答生成に GPT／Claude を使っていますか？最初のレイヤーとしてインテント分類を追加し、経路を振り分けて制約することで、ハルシネーションや話題から外れた応答を防ぎます。
• チームメンバーではなく実際のユーザーでテストします：チームはボットの仕組みを知っており、「正しい」言い回しで質問しますが、実際のユーザーはそうとは限りません。リリース前に10人以上の実際のユーザーでテストしてください。
• 会話ログは貴重な情報源です：毎週、会話ログを確認してください。うまくいかなかった会話から、不足しているインテント、分かりにくいフロー、トレーニングデータの不足が見つかります。

参考資料

• NLU トレーニングデータのベストプラクティスについては、references/nlu-training.md を参照してください
• LINE／Messenger プラットフォームとの連携については、ecom-conversational スキルを参照してください