こんにちは。製品企画部 プロジェクトマネージャーの山川です。
「顧客の声」を分析している多くの企業では、コールセンターの応対履歴を分析対象にしているのではないでしょうか？
ただ、応対履歴を分析しても「顧客の声」を正しく把握できない可能性があります。
なぜ、応対履歴を分析しても「顧客の声」を正しく把握できないのか？
応対履歴を残すのはコールセンターのオペレーターになります。
ではオペレーターはどういう思考で応対履歴を残すかを考えてみましょう。
「次のお客様を待たせないように迅速に記録しよう」
「過去の問合せ内容が分かるように簡潔に記録しよう」
その結果として、オペレーターは「○○に関する問合せ。△△をご案内済み。」といったお客様からの用件とオペレーターからの案内事項のみを記録することになります。
たしかに、「どのような問合せが多かったのか」といった問合せ傾向を定量的に把握するのであれば、これでも十分だと思います。
ただ、「顧客の声」を分析する目的は、「このような問合せが『なぜ』多いのか」を把握して、商品やサービスの質を高める施策につなげることです。
残念ながら、前述した応対履歴「○○に関する問合せ。△△をご案内済み。」には、問合せに至った背景や経緯など『なぜ』を示す情報が含まれていません。
では、オペレーターに『なぜ』を示す情報を残すよう指示を出せばいいのでは？と思うかもしれませんが、そうカンタンではありません。
詳細に応対履歴を残そうとするとACW（After Call Work；後処理時間）が延びます。
その結果として、オペレーターが対応できる問合せの件数が減り、お客様をお待たせする時間が延び、顧客満足度の低下につながってしまいます。
また、お客様を待たせないようにするには、オペレーターの増員が必要になり、オペレーターの人件費に加えて、採用・教育などの間接コストが掛かってしまいます。
つまり、「顧客の声」を収集・分析する目的で応対履歴を詳細に残すことは、コールセンターの生産性の低下を導き、コールセンターの円滑な運用を阻害することになりかねません。
どのようにして「顧客の声」を収集すればいいのか？
では、どのようにして「顧客の声」を収集すればいいのか？
そうです、音声をテキスト化することです。
ただ、単に音声認識システムを導入すればいい、という話ではありません。
音声認識システムの導入は、対話の情報が可視化されたにすぎません。
可視化された対話の情報から「顧客の声」を抽出する必要があります。
対話の情報には、
- 相づち
- オペレーターの名乗り
- 本人確認
- トークスクリプト（定型文）
が含まれます。
お察しのとおり、これらは「顧客の声」ではありません。
つまり、「顧客の声」を正しく把握するうえで不要なデータを除外する必要があります。
どのようにして「顧客の声」を抽出すればいいのか？
では、どのようにして「顧客の声」を抽出すればいいのか？
キーワード検索で当たりを付けることが考えられます。
ただ、対話において「解約したい」という表現以外にも「やめたい」「停止したい」「止めたい」など、多くの言い回しが考えられ、キーワード検索で網羅することは困難です。
つまり、多くの言い回しを考慮した「顧客の声」のまとまり（同じような話題）を見つける必要があります。
前述で例示した「解約したい」のまとまりを見つけたら「顧客の声」を正しく把握したと言えるでしょうか？
見つけたいのは「解約」する事象ではなく、「解約」に至った背景や経緯になります。
具体的には「○○だから解約したい」「△△がよくないからやめたい」といった『なぜ』に該当する部分を抽出しなければなりません。
これらを前述のキーワード検索で抽出することは困難です。
つまり、「顧客の声」のお困り事（課題）のみを見つける必要があります。
まとめ
さて、ここまで「顧客の声」を正しく把握するための条件を挙げてきました。
- 音声をテキスト化する
- 不要なデータを除外する
- まとまり（同じような話題）を見つける
- お困り事（課題）のみを見つける
これら条件を満たすのが、当社が提供する分析AI「YOSHINA」です！
つまり、「音声からまとまりのあるお困り事を見つける」のが「YOSHINA」です！！
コールセンターの応対履歴の分析で行き詰まっている企業の方は共感いただけるのではないでしょうか。
YOSHINAにご興味を持っていただけるようでしたら、詳細についてご説明させていただきますので、YOSHINAの製品サイトからお気軽にお問合せください。