AIは、お客様が入力した正確な単語ではなく、お客様が意味していることに合わせることでヘルプセンター検索を改善します。「パスワードを忘れた」で「アカウント認証情報のリセット」という記事が見つかるようになります。「ヘルプセンターにあるのに、なぜまだメールが来るのか」というチケットの大半は、これで解決します。記事は存在していて、単語が一致していないだけです。
ただし、検索は直すべき3か所のうちの1つにすぎません。結果の上にAIの回答を置き、問い合わせフォームやチャットにエージェントを置いてください。多くのお客様は検索ボックスに何も入力しないからです。そのうえで、失敗した検索をライターのやることリストとして使います。
現在、多くのヘルプデスクがその一部を提供しています。Zendeskはすべての Suite プランで生成検索を備え、Gorgias、HubSpot、Help ScoutはAIをチャットに置き、検索ボックスはキーワードベースのままです。お客様が質問する場所で拾いたいなら、eeselはヘルプセンターと過去のチケットを読み取り、チャットやチケット上で回答します。Qontroは、誤った下書きをすべて、内容が薄い記事の手がかりとして使っています。
なぜお客様は、すでにある記事を見つけられないのか？
お客様は自分の言葉で検索し、記事は自社の言葉でタイトルが付けられているからです。eeselで書く前に2年間SEOに携わりましたが、今も通用する唯一の教訓は、人は文書を指名するのではなく問題を説明するということです。ヘルプセンターの検索ボックスは小さな検索エンジンで、多くはいまだに一致する単語でランク付けしています。
Zendeskは従来のランキングの仕組みを公開しています。タイトルの重みは3、ラベルは2.8、セクションタイトルは1.5、本文は1で、1〜2語のクエリでは、すべての単語を含む記事だけが返されます。Help ScoutのDocs検索は、キーワード完全一致、次にタイトル完全一致、次にタイトル部分一致の順にランク付けし、失敗した検索への対策として、各記事に綴りの間違いや別の言い方を手作業で追加するよう案内しています。これは機能しますが、すでに気づいた失敗しか直せません。
このギャップは3つの形で現れます。
- 同じことを指す異なる言葉。 「プランを解約したい」と「サブスクリプションの管理」。共通点は意味だけです。
- 綴りと言語。 Redditのシスアドミンがこの問題を的確に表現しました。「Searching for 'color' instead of 'colour' would have returned no results!」
- 想定読者が違う。 eeselの営業通話で、ナレッジベース全体が管理者向けに書かれているのに、チケットはエンドユーザーから届くというサポートマネージャーから、同じような話を聞きました。どの記事も正しいのに、エンドユーザーの言葉を使っている記事は1つもありませんでした。
その結果、チームには完成して見え、お客様には空っぽに見えるヘルプセンターができあがります。500本以上の記事がある Zendesk ヘルプセンターについてのこのスレッドは、何度も思い返す内容です。
"We have over 500 docs in it and searchability is quite poor; pretty much every keyword one can search for brings ups dozens and dozens of results, and top content isn't there."
それがお客様向けの検索かと尋ねられた返答は短いものでした。「We have high abandon rates.」放棄された検索は、まだ届いていないチケットです。
あなたの検索の問題はどれか？
「検索が悪い」には4つの異なる問題が含まれ、それぞれ直し方が違います。何かを購入する前に、検索レポート（主要なヘルプデスクにはどれもあります。詳しくは後述）を開いて、どのパターンが当てはまるか確認してください。
検索レポートには何が表示されていますか？
データに合うパターンを選んでください。それぞれ別の対策を示します。
チームが過小評価するのは4行目です。Redditのサポートリーダーが、どのレポートよりもうまく説明していました。
"But our customer base is not tech savvy in the slightest, and most of the time they're not reaching out because they can't find help in the knowledge base — they're reaching out because they don't have the time or do not feel like looking for the knowledge in the first place."
AI検索は実際どう動くのか？
3つの層があり、ベンダーは異なる層に同じ言葉を使うので、名前を整理しておくと役立ちます。
1. セマンティック検索（意味による照合）。 クエリと各記事は、意味をとらえた数値のリストであるベクトルに変換され、近さで結果がランク付けされます。Zendeskのセマンティック検索は、クエリと記事をベクトル化し、キーワード照合に加えて最も近い一致を引き上げます。Zendeskは英語のヘルプセンターでランキング品質が平均7%向上したと報告しており、長いクエリほど効果が大きいとしています。理論を知りたい場合は、ニューラル検索の解説でさらに詳しく説明しています。
2. ハイブリッド検索（意味とキーワードの併用）。 意味だけの照合は、エラーコード、プラン名、SKUのような正確な文字列が苦手です。そのため、良い構成ではこれらにキーワード照合を残し、その上に意味を加えます。選択肢はRAGとハイブリッド検索の比較で比べています。
3. 生成された回答（RAG）。 検索拡張生成とは、AIがまず最適な記事を取得し、そこからリンク付きの短い回答を書くことです。Zendeskの生成検索はまさにこれを行い、回答は「derived from the top search results」で、検索結果の上のボックスに表示されます。
見た目以上に重要な点が1つあります。回答は取得されたものから書かれるため、第3層は第1層と同じ水準でしか機能しません。Zendeskは生成検索のドキュメントではっきり述べています。「the answer is only as good as your content」。また、検索を文章で書くようお客様に求めています。「What documents do we need to provide to create a joint account?」は「joint account」よりも回答が返りやすいのです。ほとんどのお客様は2語しか入力しません。
AIはヘルプセンターのどこに置くべきか？
多くのチームに強く勧めたいのは次の考え方です。検索ボックスは、直すべき3か所のうち最も重要度が低い。検索するお客様しか助けられないからです。回答済みの質問でチケットを作成する人は、最初から「お問い合わせ」に直行していることが多いのです。
そこで、3つすべてをカバーします。
- 検索ボックス。 セマンティックまたはハイブリッドのランキングと、質問形式で書いたタイトル。
- 結果の上。 リンク付きの短い生成回答と、記事がカバーしていないときの正直な「わかりません」。
- 問い合わせフォームとチャット。 チケットが存在する前の最後の受け皿です。Zendeskは以前から、お客様が件名を入力している間に、リクエストフォームで提案記事を表示しています。AIエージェントはさらに一歩進み、チャットやチケット上で直接質問に答えます。
追加の文脈があるのは第3層です。検索ボックスが知っているのは記事だけです。問い合わせフォームやチケットで動くエージェントは、中途半端にしか文書化されていない回答が眠る過去のチケットも読めます。「支払いの問題」が3つの別の記事を指しうるときは、確認の質問もできます。Zendeskは2026年4月に、検索をAIエージェントとのチャットへ引き継ぐフォローアップ質問欄でこの方向に動きました。
ヘルプデスクはすでにAI検索で何を提供しているか？
マーケティングが示唆するほど、検索ボックスの中のAIは多くありません。確認した6つのヘルプデスクのうち、ヘルプセンター検索そのものの中で生成回答を文書化しているのはZendeskだけです。Salesforceにもありますが、新規orgでは有効化できなくなっています。残りはAIをチャットに置き、検索はキーワードベースのままですが、ほぼすべてに失敗した検索の実用的なレポートがあり、そのレポートはタダで手に入る宝です。
| ヘルプデスク | ヘルプセンター検索のAI回答 | 失敗した検索のレポート | 記事を使って他の場所で答えるAI | 価格情報（ベンダーページ） |
|---|---|---|---|---|
| Zendesk | あり。生成検索、すべてのSuiteおよびKnowledgeプラン | 検索ダッシュボード：結果ゼロの上位5件、チケット対検索比率 | フォローアップ質問からAIエージェントのチャットへ | Suite Team 年払いで $55/エージェント/月；月100,000件の生成検索を含む |
| Freshdesk | 記載なし | ナレッジベースレポート（ProとEnterprise）は閲覧数と高評価を追跡し、検索語は追跡しない | メールAIエージェント；チャットAIエージェントはFreshdesk Omniのみ | エージェントあたり $19 / $55 / $89；追加のAIセッション100件につき $49 |
| Gorgias | 記載なし | 結果ゼロの検索とCTR、全プラン | AIエージェントがヘルプセンターのコンテンツから回答 | 月 $40 から、自動化された対応30件を含む |
| HubSpot | 記載なし | 結果ゼロの検索語、Professional以上 | チャットのカスタマーエージェント | カスタマーエージェント 解決1件あたり50クレジット（$0.50） |
| Help Scout | なし、キーワードランキング | 失敗した検索の表 | BeaconとメールのScout | Scout 解決1件あたり $0.75、全プラン |
| Salesforce | AI-Generated Search Answers、ただし Spring '25 以降、新規orgでは有効化不可 | 未確認 | ヘルプサイト上のAgentforce | Search Answersは定価のない有料アドオン；Agentforce 1会話あたり $2 |
表の背景にある詳細です。
- Zendesk。 生成検索は、すべてのSuiteおよびKnowledgeプランでデフォルトで有効で、月100,000件の対象検索が含まれます。それを超える場合は、営業経由でGenerative Search Extenderを購入します。フォローアップ欄経由で解決したチャットは自動解決として扱われ、Zendeskの料金ページでは契約型で
$1.50、従量課金で$2.00です。以前のギャップツールであるContent Cuesは2025年5月1日に廃止されました。詳しくはZendeskのAI料金の解説をご覧ください。 - Freshdesk。 ナレッジベースを使うお客様向けAIはFreddy AI Agentです。単体のFreshdeskにはメールエージェントが付き、Webウィジェット内で答えるチャットエージェントにはFreshdesk Omniが必要です。料金ページには500セッションが含まれるとありますが、これは新規顧客向けの一度限りの枠です。計算の詳細はFreshdeskのAI料金の記事にあります。
- Gorgias。 全プランのヘルプセンターレポートには、検索数、結果ゼロの検索数、クリック率が表示され、Gorgiasは「this list can serve as a content backlog」として「Has results is false」で絞り込むことを勧めています。また、ある言語で結果ゼロの検索が多いときは、たいてい記事が翻訳されていないことを示すとも述べています。
- HubSpot。 ナレッジベースはProfessionalとEnterpriseのみで、Analyzeタブには結果ゼロの検索語と、クリック数付きの最多検索語が一覧表示されます。ベータ版のナレッジベースエージェントは、ギャップから記事を1記事あたり200クレジットで下書きします。
- Help Scout。 AI Answersは2026年10月にScoutに名称変更されました。全プランで解決1件あたり
$0.75で、Docsレポートには失敗した検索と、閲覧後にそれでもメールを送った人数が表示されます。Help Scoutの料金もご覧ください。 - Salesforce。 AI-Generated Search Answersは英語のみで、Spring '25 以降、新規orgは Experience Cloud サイトにまだ対応していない Data Cloud 版へ誘導されます。計画を立てる前に確認する価値があります。
お使いのヘルプデスクが「記載なし」の列にあっても、手詰まりという意味ではありません。検索ボックスはそのままにして、AIを第2層と第3層に入れるということです。いずれにせよ、私が力を入れるのはそこです。
失敗した検索を改善につなげるには？
失敗した検索のレポートを、毎週、ライターのやることリストとして扱ってください。このページで最も安く済む改善であり、ほとんどのチームが飛ばしているものです。ナレッジベースの改善についてのRedditの返信が一行でうまく言っています。「your KB platform should have lists of terms that folks search for and which articles deflect tickets and which ones do not.」
これらのクエリを見てください。「havent recived order」、中途半端な文、2つに1つはタイプミスです。実際のお客様はこう入力します。だから完全一致は苦戦するのです。
私が回すループは次のとおりです。
- 毎週2つのリストを取り出す。 結果ゼロの検索と、ヘルプセンターがカバーしているはずの話題のチケット。
- 失敗を分類する。 記事がない、言葉が違う記事がある、質問に答えていない記事がある、のどれか。検索ギャップのガイドにテンプレートがあります。
- 書く、または直す。 1記事1質問、タイトルにお客様の言葉、本文に人々が尋ねる手順を入れます。
- 再同期して再確認する。 ヘルプセンターを読み込むもの（検索インデックス、AIエージェント）が変更を取り込んだことを確認し、翌週に同じクエリを見ます。
AIが役立つのはステップ2とステップ3です。Gorgiasには、実際のチケットデータから記事を下書きし、各記事でいくつのチケットを減らせるかを示すAI Libraryがあります。
eeselでは、同じループを反対側から見ています。Freshdeskを使うニュージーランドのERP企業Qontroは、ヘルプセンターと約9,800件の過去チケットに基づいた返信の下書きを、新しいチケットごとに受け取っています。チームは各下書きを人が実際に送った返信と比べ、間違った下書きは、多くの場合、不足または不完全なヘルプ記事を指しています。記事を直すと、eeselが毎週金曜にヘルプセンターを再同期し、次の下書きは良くなります。Qontroは自社の用語も指示文に書き込んでいます（Qontroではインスタンスのことを「Shop」と呼びます）。これは先ほどの言葉のずれを手作業で埋めたものです。そのほかのアイデアは、古くなったヘルプセンターコンテンツの検出の記事にあります。
うまくいっているかどうやって知るか？
検索のクリック数ではありません。検索のエンゲージメントは、チケットが減らないまま上がることがあります。重要な数字は、検索したうえでそれでもチケットを作成したお客様の数で、Zendeskはこれを直接報告しています。
| 指標 | わかること | 確認できる場所 |
|---|---|---|
| 検索からチケットへの率 | それでもチケットで終わった検索 | Zendesk「Ticket to search ratio」；Help Scout「Conversations Created」 |
| 結果ゼロの検索率 | 何も見つからなかった検索 | Zendesk、Gorgias、HubSpot、Help Scoutの検索レポート |
| クリック率 | 結果が答えに見えるか | Zendesk、Gorgias |
| カバー済みの話題のチケット | ヘルプセンターが答えるべきだったチケット | 話題ごとにチケットにタグを付け、記事と照合 |
| AI回答の正確さ | 生成された回答が記事と合っているか | 回答下の高評価・低評価；毎週抜き取りで確認 |
| 訪問者1,000人あたりのチケット数 | セルフサービス全体の効果 | チケット数とヘルプセンターのトラフィックの比較 |
何かを有効にする前に測定し、その後に同じ週を比較してください。季節性は誰をも惑わせます。社内に報告する場合は、先にデフレクション率についての私のメモを読んでください。「デフレクション」は過大にカウントしやすく、チケットを作らず検索ページを離れたお客様は、単に諦めただけかもしれません。
AI検索では何がうまくいかないのか？
3つの失敗パターンがあり、いずれも実際のeeselの導入や営業通話で目にしました。
- 内容が薄いのに自信満々の回答。 初期設定の段階で、ナレッジベースに関連する内容がないとき、eeselの有料顧客のボットが回答をでっち上げるのを見たことがあります。それが現在のeeselの設定の背景にある教訓です。ヘルプセンターがカバーしていなければ、エージェントは推測せずにそう伝えて引き継ぎます。Innrは、まさにその設定で、4言語、約1,500件の記事と過去チケットに対して運用しています。
- 広すぎる記事。 あるB2Bチームは、記事に「we support all models」とあったため、サポート対象外の車種をAIが肯定するのではと心配していました。AIは文字どおりに読みました。AIを向ける前に、記事に包括的すぎる文がないか確認してください。AIナレッジベース監査のチェックリストが役立ちます。
- 古くなったコンテンツ。 AIの回答は、昨日のポリシーを自信たっぷりに繰り返します。再同期のスケジュールと、セクションごとの担当者を決めてください。自動更新されるナレッジベースがここで役立ちます。
そして、技術的ではない問題。誰も読まない記事をさらに増やすことです。同じZendeskのスレッドのこの返信は、本当のことなので笑えます。
"The trick we use is to spend hundreds of hours carefully documenting and screenshotting all of the processes, then sending links to people who have issues. Updating it with every edge case we find……only to have every single customer just ring and ask a question."
その解決策は、より良い記事ではありません。お客様がすでにいる場所に答えを届けることです。
ヘルプセンター検索のためのeesel
ヘルプセンターが良いのにお客様が問い合わせてくるなら、eeselは記事をお客様のもとに届けるAIヘルプデスクのチームメイトです。ヘルプセンター、マクロ、過去のチケットを読み取り、サイトやヘルプセンター上のチャットバブルで回答し、それでも届くチケットには、Zendesk、Freshdesk、Gorgias、Help Scout、HubSpotの中で返信を下書きします。
2社のお客様が、規模の違う例を示しています。ドイツのフェリー会社AG Reederei Norden-Frisiaは、CaptAInというボットを運用し、Zendeskのヘルプセンター、マクロ、過去のチケットから3つのチャネルで回答しています。チームがルーフラックのFAQを更新すると、ボットは次の同期で取り込みます。SE Rankingは、製品ごとに1つのエージェントを、約16,800ページのナレッジ（うちヘルプセンターのページが約14,100）で運用しており、ある月にエージェントがライブチャット約2,100件に最初に対応しました。
ご自身のヘルプセンターで試してみませんか？ ヘルプデスクを接続すると、料金をお支払いいただく前に、eeselが実際のチケットへの回答を下書きします。料金ページで100クレジットが無料です。eeselを試す。