コールセンター

コールセンターのデータ分析方法と分析ツールを詳しく紹介!

最終更新日:2019年12月6日

このブログはコールセンター向けにAIを活用したソリューションを提供する、株式会社サイシードが作成しています。最新の事例や企業での活用方法を紹介していきますので、ぜひ参考にしてみてください!

代表 中村
こんにちは、サイシードの中村です。
先日、鴨料理を作るために一羽丸ごと友人に分けてもらい、鴨の羽をむしりながらワインを飲むというとても優雅な時間を過ごせました。忙しい中でも趣味の時間を作ることは大切ですね。
さて、今回は、皆さんの仕事時間を短縮し、優雅な時間を作るのに役立ちそうなコールセンターのデータの効率的な分析方法と分析ツールを紹介します!
また、記事の最後では「ここまで自動化できる!3年後の未来のコールセンターガイドブック」をプレゼントいたしますので、ぜひ最後までお付き合いくださいね!

コールセンターの運営は実績が数値として見えづらく、時には「コストセンター」と言われてしまうこともあります。しかし、コールセンターのデータが顧客調査や製品の改善に役立つ、ということはご存知でしょうか?これまで蓄積してきたデータをきちんと分析することで、様々な情報を入手し、コールセンター業務の効率化を進めることが可能です。
この記事ではコールセンターにおけるデータをどのように分析すればよいのか、その手法と具体的な分析ツールをご紹介していきます!

コールセンターのデータを分析する3つの目的

一口に分析といっても得たいデータや改善したい点に合わせ、適切な方法がそれぞれ存在します。この記事ではコールセンターを抱える企業様からよく寄せられる以下の目的別に、データ分析の手法を3つに絞って紹介したいと思います。まずは、コールセンターのデータを分析する目的から確認していきましょう。当社がコールセンターを運営している企業とやりとりをさせていただく中で、よく寄せられるデータ分析の目的は以下の3つです。

➀顧客のニーズを回収しカスタマーサクセスにつなげたい
②顧客属性を把握したい
③オペレーターの評価を定量的に行いたい

これらの目的を果たすためのデータ収集は、もちろん自社で行うことも可能です。しかし、膨大なデータを収集し一つずつ分析するのは相応のコストがかかり、費用対効果を考えると現実的ではありません。そこで今回はコストを抑えて効率的にデータ分析をする方法を、上記の3つの目的に合わせて解説していきます。

インバウンド型コールセンターで、顧客のニーズを理解するための分析

インバウンド型とは顧客から電話やメール、チャット等で問い合わせを受けるコールセンターのことを指します。顧客のニーズを理解するために分析する必要のある内容は

・どのような内容の問い合わせが多いか
・どのような回答に対する顧客満足度が高いか

の2点になります。
「どのような内容の問い合わせが多いか」を分析するのは、コールセンターへの問い合わせを減らすために、まずボリュームの多い問い合わせから優先的にFAQに反映させる必要があるからです。また、問い合わせ内容に製品に関するものが多かった場合には、製品のわかりづらさ・使いづらさがないかを見直すことで、問い合わせの削減につなげることが出来ます。

また、2点目の「どのような回答に対する顧客満足度が高いか」を分析するのは、掲載されるFAQの品質改善に役立つためです。また、ユーザーが満足感を得た回答を把握することで、オペレーター対応品質を高めることが出来ます。コールセンターでの顧客体験を向上させることで、顧客はその商品・会社に対して良い印象を持ち、それらがリピートの原動力の1つになります。インバウンド型のコールセンターでは、顧客との会話やチャットにおけるやり取りデータを分析することで、どのような問い合わせが多いのか等を把握できます。顧客とのやり取りでは、質問内容だけではなくオペレーターからの問いかけに対する顧客の反応もデータに含まれています。その顧客の反応を分析することにより、潜在的なニーズも捉えることができるようになります。
それでは、具体的にどのように分析するのか見ていきましょう。

具体的な分析方法

具体的な分析方法として、会話を音声認識システムを用いて分析する方法もありますが、現状では精度が低いため、テキストによる分析が主流になっています。コールセンターでは、一般的に電話以外にもメールやチャットによる対応も併行して行われることが多いです。分析をする際には、それらのやりとりで発生したテキスト情報を対象にします。そして、そのテキスト情報を基に問い合わせを振り分けていきます。具体的には、異なる言い回しで、同じ内容の問い合わせをしているものを集約し、問い合わせが多い順に並べてリスト化します。そして、問い合わせが多かった内容を把握し、その原因がどこにあるのかをオペレーターとユーザーの会話を参考に確認していきます。

次に、、顧客の反応を抽出・グルーピングします。そして、顧客満足度が高いと考えられるグループをピックアップして、そこに共通している回答方法や回答内容がないか精査します。

アウトバウンド型コールセンターで、効果を最大化するための分析

アウトバウンド型とは営業等でコールセンターから顧客へアプローチをするタイプです。このアウトバウンド型で分析すべき内容は以下の2点です。

・ユーザーが電話に出やすいタイミングはいつか
・ユーザーとコミュニケーションが取りやすいタイミングはいつか

インバウンド型と違い、電話をかけてみないと顧客の都合がわからないのがアウトバウンド型の難しいところです。さらに、顧客にとって不都合なタイミングで電話をかけてしまうと、サービスの紹介をするどころか着信拒否をされてしまう可能性があるため、顧客にとって都合の良いタイミングを把握することが最も重要な課題とも言えます。このアウトバウンド型でも今あるデータを適切に収集・分析することで、成功率を高めることができるので、順を追って解説していきます。

具体的な分析方法

先述した目的を達成するために、アウトバウンド型のコールセンターでは曜日や時間帯別に以下のデータを分析することが有効だと言えます。また、アウトバウンド型では、コールセンターのデータをPDCAサイクルで回すことにより、効率良い営業ができるようになります。

  • ターゲットに対する発信回数
  • ターゲットが電話に出た回数
  • 着信時の待ち時間
  • 通話時間
  • 商品購入数/サービス登録数

これらのデータから、購入やアポイントの獲得に至った荷電がどういったタイミングで、どの程度電話をかけたのか、どういう状況だったのか、等を分析し、再現性のある成功パターンを抽出します。
また、発信履歴を曜日や時間ごとに区切って、通話時間が長くなるタイミングはどこなのか、を分析することで、ユーザーが電話に出る可能性が高い(商談が勧めやすい)タイミングを把握することも可能です。

オペレーターの評価/業務効率改善のための分析

コールセンター全体でのデータ分析以外に、オペレーターの評価・業務効率改善のための分析方法も、相談されることが多い悩みの一つです。コールセンターのオペレーター評価・分析にあたり、まずオペレーターの対応工数や稼働率を蓄積・データ化する必要があります。それらを分析することによって、オペレーターを定量的に評価することができるようになります。また、優秀なオペレーターのノウハウを蓄積することで、他のオペレーターにもそのノウハウを共有することが可能です。

具体的な分析方法

オペレーターの定量評価には主に以下のような数値を指標とします。

  • 入電数/対応数/応答率/放棄呼数
  • 保留時間/保留率
  • 稼働時間/稼働率
  • 後処理時間
  • 離席理由
  • CPH(時間あたりの応答件数)

これらのデータを参考にすることで、顧客満足度の高いオペレーターの対応とそうではないオペレーターの違いを数値を基に比較できるようになります。、つまり、根拠に基づいた具体的な改善を行えるようになります。また、顧客への対応を数値的に把握していることで、実行した改善策が各オペレータに反映されているのか確認することができます。

コールセンターのデータ分析に使えるツール

ここまで、コールセンターにおけるデータ分析手法をいくつかご紹介してきました。しかし実際には「日々の業務に追われて分析どころではない」という企業様も多いかと思います。そのような場合にご利用いただきたいのが分析ツールです。この分析ツールを活用することによって、コールセンターの通常業務を行いながら簡単にデータの収集・分析を行うことが出来ます。以下の2ツールをご紹介します。

  • KPI分析ツール
  • テキスト取得のための補助ツール

これらのツールは一体どんなツールなのか、そしてどういったことが可能なのか、詳しく解説していきます。

KPI分析ツール

KPI分析ツールとは、定量的にデータを蓄積・分析し、インバウンド型コールセンターの顧客ニーズの把握や、オペレーターの業務改善ができるツールのことを指します。KPI分析ツールを使うことで、コールセンターでの入電数や保留時間など、先にご紹介した定量評価に活用するデータを収集することができます。これにより、コールセンターの担当者は、個々のオペレーターに対する評価や指導、および全体的な応答品質を改善するための施策検討に注力することができます。また、KPI分析ツールを用いることにより、KPIを設定し、必要なデータを回収、その数字を達成するためにの改善を行うPDCAサイクルを回すことができます。

https://docs.repro.io/ja/_images/kpi.jpg

テキスト取得のための補助ツール

コールセンターのKPI分析を行うにあたり、音声データをそのまま活用することは出来ません。音声データを分析をするには、専用の補助ツールを利用する必要があります。補助ツールは2つの種類があるので、それぞれご紹介します。

1つ目のツールはチャットボットです。チャットボットを導入すると、顧客とのやり取りを音声ではなくテキストで残すことが出来ます。テキストであれば分析ツールでも扱いやすいため、スムーズに分析と改善施策の検討を行うことができます。ここで具体的に、お勧めするサービスは、サイシード社が提供しているチャットボット「sAI Chat(サイチャット)」です。sAI Chat(サイチャット)は高性能なAIを搭載したチャットボットであり、必要に応じてオペレーターによる有人チャットに切り替えることが出来ます。チャットボットによる自動対応/オペレーターによる有人対応の両方が行えるため、顧客満足度の向上が図れると同時に、KPIツールで分析可能な文字媒体でのデータを収集することがが可能です。

2つ目に紹介するツールは、FAQシステムです。
FAQシステムは、顧客とオペレーターのやり取りを分析して「よくある質問」としてまとめて掲載します。顧客がどういったFAQを検索しているのか等、FAQを調べる過程からテキストデータを取得し、KPI分析に役立てることができます。ここでも具体的にお勧めしたいのが、サイシード社が提供しているFAQシステム「sAI Search(サイサーチ)」です。sAI Searchは、分析のためのデータ回収を行うことが可能です。また、sAI Searchでは高性能なAIを用いて顧客との会話を分析し、話し言葉であっても理解しやすい文書に置き換えることができます。

まとめ

本記事では、コールセンターのデータに秘められた可能性とデータの活用方法、分析ツールについて解説いたしました。コールセンターで回収できるデータは、蓄積し分析を行うことで他業務の改善にも応用できる貴重なデータです。また、そのデータ分析は顧客のニーズをつかむ糸口にもなりうります。コールセンターのデータを回収・分析するために、本記事でご紹介したサイシード社のチャットボット「sAI Chat(サイチャット)」と、FAQシステム「sAI Search(サイサーチ)」を活用している企業が多数あり、コールセンターのデータ分析による業務改善事例を掲載した資料をご用意しております。

最後に、弊社が提供する AIを活用したチャットボット『sAI Chat』 のデモ動画を紹介します。よろしければご視聴下さい。

代表 中村
最後までお読みいただき、ありがとうございます。
こちらのフォームから、「ここまで自動化できる!3年後の未来のコールセンターガイドブック」をDLいただけます!
コールセンターの効率化を検討する際の参考として、ぜひご活用くださいね。
2022年の『未来のコールセンター』ガイドブック

弊社はAIを最大限活用して3年後(2022年)に『未来のコールセンター』を実現します。
自然言語処理と音声認識を組み合わせた、音声自動対応に至るまでの開発ロードマップと、その過程でどのような事が可能になるのかについて紹介いたします。

2022年の『未来のコールセンター』ガイドブック

サイシードで開発している自然言語処理基盤と音声認識の技術を組み合わせた、2022年の『未来のコールセンター』像を紹介します!
AIを活用することで可能になる6種類の未来の顧客体験をぜひご覧ください。