案例研究：詢問聊天AI「miibo」在Money Forward LP上解決「小疑問」，詳細訪談於miibo官網公開
miibo股份有限公司發布了一項案例研究，詳述其AI聊天機器人「miibo」在Money Forward公司企業雲服務登陸頁面（LP）上的實施。miibo利用生成式AI的進步，成功在網站上解決用戶的「小疑問」，實現了約80%的詢問解決率，展示了基於網絡的客戶服務AI聊天的有效性。
📋 文章處理履歷
- 📰 發表: 2026年4月24日 20:15
- 🔍 收集: 2026年4月24日 12:01
- 🤖 AI分析完成: 2026年4月25日 01:37（收集後13小時35分鐘）
miibo股份有限公司（總公司：東京都港區，代表董事：功刀雅士）在其官方網站上發布了對Money Forward公司跨業務部門營銷本部有機增長部渡會弘美女士的訪談，內容關於Money Forward公司提供的涵蓋會計、發票、費用、薪資等所有後台業務的雲服務「Money Forward Cloud」企業服務網站上AI聊天機器人的應用案例。
**重點摘要**
* 實現了能在LP上即時解決「小疑問」的「網絡接待型」AI聊天。
* 在經歷兩次挫折後，隨著生成式AI精度的提升，決定重新挑戰並全面導入miibo。
* 通過將定價資訊管理（透過提示）與其他知識管理分離，確保了高回答準確性。
* 建立了一個持續的知識改進循環，將對話日誌與Slack整合，並利用AI進行摘要。
**訪談文章主要內容**
**導入聊天機器人的背景**
* 對於提供多個後台SaaS的Money Forward Cloud企業LP而言，處理關於複雜定價結構和適用於特定公司條件的「小疑問」是一個挑戰。
* 網站上沒有自由文字搜索功能，需要一種用戶可以現場解決疑問的方式。
* 在經歷兩次失敗（生成式AI時代之前和重複利用產品專用聊天）後，由於生成式AI精度的提升而重新挑戰：「我們認為既然生成式AI的精度已經提高，現在可能會成功，所以再次開始考慮導入工具，」渡會女士表示。
**選擇miibo的原因**
* 在尋找更適合「網絡接待」而非「詢問接收」用途的工具時，因Money Forward內部另一項服務的應用案例而開始考慮。
* 決定性因素是能自由切換LLM的靈活性、低導入成本以及完善的日語支持：「我對固定使用單一模型有些不安。能夠根據需要選擇模型令人安心，」渡會女士說道。
**設置和運營的巧思**
* 要求準確性的定價資訊在提示端管理，而其他資訊則從知識庫獲取。
* LP上表達不一致的地方（例如「免費試用一個月」和「點此開始免費試用」）經過整理，使AI能夠無誤地處理。
* 從決定到發布花了1-2個月；設置由負責人處理，LP實施由工程師完成。
**實施的具體成果**
* 在定價頁面，AI的問題解決率達到約80%。
* 在高峰期（例如報稅季），每月有數千名獨立用戶使用聊天功能。
* 以前通過傳統詢問方式不會出現的「小疑問」變得可見，為LP改進提供了線索：「與AI互動時，那些不值得特意詢問但又想稍微了解的聲音，現在變得可見，」渡會女士說道。
**未來展望**
* 推進數據準備工作，加強對未解決問題的實時行動（例如：為高潛在問題提供線上預約引導）。
* 考慮用戶信息收集行為的變化（例如：用戶在使用AI篩選選項後再訪問LP的情況增加），探索AI處理LP上未完全涵蓋的補充資訊和個別確認的方式。
**訪談的重要性**
* 生成式AI在B2B SaaS中作為「轉換前接觸點」的具體實踐範例。
* 通過提示與知識庫分工，實現準確性和運營效率平衡的AI設計實例。
* 結合行銷與AI的新方法，即利用對話日誌進行LP改進的循環。
* 重新定義AI聊天用途為「網絡接待」而非「詢問處理」。
**點擊此處閱讀完整訪談**
詳細訪談請見以下文章。
miibo官方網站：https://miibo.ai/interview/moneyforward
**關於miibo股份有限公司**
miibo股份有限公司以「用AI技術豐富人們生活」為使命，開發並提供對話式AI構建平台「miibo」。如同本案例所示，公司致力於通過AI技術解決社會問題。
https://miibo.co.jp
**關於對話式AI構建平台「miibo」**
miibo股份有限公司旗下的對話式AI構建平台「miibo」是一項無需編碼即可輕鬆創建實用對話式AI的服務。
官方網站：https://miibo.ai
**任何人都能輕鬆創建AI應用程序**
無需複雜的技能或語言！這是一個對話式AI構建平台，您可以利用現有的數據庫和大型語言模型（LLM）快速創建AI驅動的應用程序。
**透過超敏捷開發進行構建和測試**
快速實踐創建和測試。
**重點摘要**
* 實現了能在LP上即時解決「小疑問」的「網絡接待型」AI聊天。
* 在經歷兩次挫折後，隨著生成式AI精度的提升，決定重新挑戰並全面導入miibo。
* 通過將定價資訊管理（透過提示）與其他知識管理分離，確保了高回答準確性。
* 建立了一個持續的知識改進循環，將對話日誌與Slack整合，並利用AI進行摘要。
**訪談文章主要內容**
**導入聊天機器人的背景**
* 對於提供多個後台SaaS的Money Forward Cloud企業LP而言，處理關於複雜定價結構和適用於特定公司條件的「小疑問」是一個挑戰。
* 網站上沒有自由文字搜索功能，需要一種用戶可以現場解決疑問的方式。
* 在經歷兩次失敗（生成式AI時代之前和重複利用產品專用聊天）後，由於生成式AI精度的提升而重新挑戰：「我們認為既然生成式AI的精度已經提高，現在可能會成功，所以再次開始考慮導入工具，」渡會女士表示。
**選擇miibo的原因**
* 在尋找更適合「網絡接待」而非「詢問接收」用途的工具時，因Money Forward內部另一項服務的應用案例而開始考慮。
* 決定性因素是能自由切換LLM的靈活性、低導入成本以及完善的日語支持：「我對固定使用單一模型有些不安。能夠根據需要選擇模型令人安心，」渡會女士說道。
**設置和運營的巧思**
* 要求準確性的定價資訊在提示端管理，而其他資訊則從知識庫獲取。
* LP上表達不一致的地方（例如「免費試用一個月」和「點此開始免費試用」）經過整理，使AI能夠無誤地處理。
* 從決定到發布花了1-2個月；設置由負責人處理，LP實施由工程師完成。
**實施的具體成果**
* 在定價頁面，AI的問題解決率達到約80%。
* 在高峰期（例如報稅季），每月有數千名獨立用戶使用聊天功能。
* 以前通過傳統詢問方式不會出現的「小疑問」變得可見，為LP改進提供了線索：「與AI互動時，那些不值得特意詢問但又想稍微了解的聲音，現在變得可見，」渡會女士說道。
**未來展望**
* 推進數據準備工作，加強對未解決問題的實時行動（例如：為高潛在問題提供線上預約引導）。
* 考慮用戶信息收集行為的變化（例如：用戶在使用AI篩選選項後再訪問LP的情況增加），探索AI處理LP上未完全涵蓋的補充資訊和個別確認的方式。
**訪談的重要性**
* 生成式AI在B2B SaaS中作為「轉換前接觸點」的具體實踐範例。
* 通過提示與知識庫分工，實現準確性和運營效率平衡的AI設計實例。
* 結合行銷與AI的新方法，即利用對話日誌進行LP改進的循環。
* 重新定義AI聊天用途為「網絡接待」而非「詢問處理」。
**點擊此處閱讀完整訪談**
詳細訪談請見以下文章。
miibo官方網站：https://miibo.ai/interview/moneyforward
**關於miibo股份有限公司**
miibo股份有限公司以「用AI技術豐富人們生活」為使命，開發並提供對話式AI構建平台「miibo」。如同本案例所示，公司致力於通過AI技術解決社會問題。
https://miibo.co.jp
**關於對話式AI構建平台「miibo」**
miibo股份有限公司旗下的對話式AI構建平台「miibo」是一項無需編碼即可輕鬆創建實用對話式AI的服務。
官方網站：https://miibo.ai
**任何人都能輕鬆創建AI應用程序**
無需複雜的技能或語言！這是一個對話式AI構建平台，您可以利用現有的數據庫和大型語言模型（LLM）快速創建AI驅動的應用程序。
**透過超敏捷開發進行構建和測試**
快速實踐創建和測試。