背景：増え続ける製品バリエーションと説明文の課題
システムキッチンは素材・色・サイズ・収納パターンの組み合わせが膨大だ。あるメーカーでは製品バリエーションが数百点に上り、それぞれのWebページに説明文が必要だった。
従来は担当ライターが製品仕様書を読み込みながら手書きしていたが、新製品発売のたびに追いつかなくなっていた。また文章のトーンにばらつきが出て、ブランドとしての統一感が損なわれるという問題もあった。
そこで取り組んだのが、製品仕様データを入力としてClaude Codeで説明文を自動生成するスクリプトの構築だ。
実装の構成
データ構造の整備
最初に行ったのは、製品仕様データの構造化だ。それまでExcelでまちまちに管理されていた製品情報を、JSON形式に統一した。各製品に対して以下のフィールドを持たせた。
{
"product_id": "KT-2025-001",
"series_name": "Ariel Series",
"body_material": "ステンレス（ヘアライン仕上げ）",
"countertop": "人工大理石",
"color": "ピュアホワイト",
"width_options": [255, 270, 285],
"features": ["静音シンク", "ソフトクローズ引き出し", "LED間接照明"],
"price_range": "中高価格帯",
"target_user": "30〜40代女性、インテリアにこだわる層"
}
説明文生成スクリプト
Claude Codeを使って、以下のような生成スクリプトを作成した。
import json
import anthropic
client = anthropic.Anthropic()
def generate_product_description(product_data: dict) -> str:
prompt = f"""以下のシステムキッチン製品の仕様データをもとに、Webサイト掲載用の商品説明文を生成してください。
仕様データ:
{json.dumps(product_data, ensure_ascii=False, indent=2)}
条件:
- 200〜250字
- ターゲット層に響く訴求を含める
- 素材・機能・デザインの魅力を自然な文章で伝える
- 太字は使わない
- 体言止めを多用しない
"""
response = client.messages.create(
model="claude-opus-4-5",
max_tokens=500,
messages=[{"role": "user", "content": prompt}]
)
return response.content[0].text
このスクリプトを製品JSONデータに対してバッチ実行することで、数百点の製品説明を一括生成できるようになった。
品質管理の仕組み
自動生成した説明文をそのまま公開するのではなく、担当者によるレビュープロセスを組み込んだ。生成した説明文をスプレッドシートに書き出し、担当者が目視確認して修正・承認するフローだ。
生成物のレビューに要する時間は、ゼロから書くよりも格段に短い。「直す」より「書く」の方が負荷が高いことはどの業界でも共通で、このプロセス設計がうまく機能した。
導入した効果
スクリプトを本格稼働させて3ヶ月後、以下の変化が確認された。
- 説明文1本あたりの制作時間が平均45分から5分程度に短縮
- 新製品発売から説明文公開までのリードタイムが従来の半分以下に
- 文章のトーンがブランドガイドラインに準拠した状態で統一される
- ライターが長文記事やLP文章など付加価値の高いコンテンツに集中できる環境に
運用上の注意点
いくつか実運用で見えてきた注意点もある。
製品仕様データの入力精度が出力品質に直結する。仕様データが曖昧だと説明文も曖昧になるため、インプットデータの整備が前提条件として重要だ。
またモデルのバージョンアップによって出力の傾向が変わることがある。定期的に生成サンプルを確認して、プロンプトのチューニングを行う体制が必要だ。
まとめ
キッチンメーカーの商品説明文生成は、Claude Codeの業務活用の中でも導入しやすいユースケースだ。構造化されたデータがあり、アウトプットの品質基準が明確で、レビュープロセスを組み込みやすい。こうした条件が揃う業務から試してみるのが、AIを実務に乗せていく際の現実的なアプローチだ。
