• 製品紹介

“真のオムニチャネル”実践の基盤
Web、社内外とのやりとりも一元管理

Zendesk

Zendesk

オムニチャネル・サポートは、顧客情報や在庫情報など、問い合わせに関するあらゆる情報を全チャネルで共有することで実現する。Zendeskが提供しているカスタマーサービスソフトウエア「Zendesk」は、CRM情報に加え、Webの閲覧情報や、関連部門とのやりとりなど、顧客応対で発生するすべての情報を一元管理できる基盤として進化を遂げている。

　消費者は、自身の置かれた状況、好みに応じてコンタクトチャネルを使いわけ、課題の解消を目指す。質の高い顧客体験を実現するには、顧客情報や問い合わせの進捗状況をシームレスに全チャネルで共有できるオムニチャネル環境が不可欠だ。

　Zendeskが提供しているカスタマーサービスソフトウエア「Zendesk」は、電話、メール、チャット、ソーシャルメディアといった複数チャネルの応対履歴をシングルビューで把握できる。オムニチャネルの構築基盤として、日本では、2000社超に採用されている（2018年３月末時点）。

　最大の特徴は、ワークフローに合わせたカスタマイズや自動処理を容易に設定できる柔軟性だ。「新規問い合わせから４日経過したら、対応優先度を“高”に設定する」など、現場ごとの業務フローを追加導入や開発なしで実現できる。

図　Zendeskで顧客満足度の高いカスタマーサポートを実現

参照FAQ、関連部門への確認──　応対の“背景情報”も把握

　近年、同社が注力しているのは、Webやバックオフィス、関連会社との情報連携機能の強化だ。とくに、コンタクトセンターに問い合わせる前に経由している可能性が高いWebとの連携を進め、顧客体験向上を支援する方針を打ち出している。

　具体的には、FAQコンテンツの参照、Q＆Aの作成機能を拡充した。メール（Webフォーム）やWebチャットで問い合わせた際に、「FAQの参照履歴」をオペレータのデスクトップ画面に表示することが可能。問い合わせるまでの“経緯”を把握して応対を開始できるため、「参照済みの情報を説明する」などのムダがなく、スムーズに話を展開可能だ。

　バックオフィス、関連会社との情報連携は、問い合わせの案件（チケット）に紐づく「社内メモ」「サイドカンバセーション」機能を利用。例えば、「修理の進捗」「商品の配送状況」など、担当部門（または委託会社）に確認が必要な事項について、「いつ」「どのチャネルで」「誰に聞いて」「どのような回答があったのか」をZendesk上に蓄積し、顧客応対履歴とともに時系列で表示する。電話の場合は、履歴上に通話録音ファイルがアップロードされる。問い合わせに関わるすべてのコミュニケーションを一覧可能なため、応対の途中で担当者を交代してもスムーズに状況把握できる。

　このほど、Zendeskを構成する主要な４製品をパッケージ化した「Zendesk Suite」をラインナップに追加し、訴求を強める方針。

• 製品紹介

チャットサービスとSalesforceを連携
応対履歴管理でCX向上、ボット自動学習で運用効率化

COTOHA Chat & FAQ® Connector for Salesforce

NTTコミュニケーションズ

NTTコミュニケーションズはCOTOHA Chat & FAQとSalesforceを連携するアプリケーションをリリースした。Chat & FAQは高精度Botと有人エスカレーションや翻訳機能をもつチャットサービス。対話ログをSalesforceに連携して応対履歴の一元管理や、Saleforce上のFAQの自動同期によりチャットボットの回答精度向上を実現する。

　COTOHA Chat & FAQは、自然言語ベースのAIチャットボットで、問い合わせ対応の自動化を実現するソリューションだ。NTTコミュニケーションズでは、このチャットサービスに、導入実績多数のCRM Saleforceを連携させることで下記を実現する。

○高精度チャットボット＆翻訳機能による多言語対応
○CRM連携による応対履歴一元管理
○FAQ作成・編集、チャットボット再学習の自動化

　2つのソリューションの連携により、顧客の利便性を高めることでCX向上をはかることができる。さらに、応対履歴の一元管理やチャットボットの自動学習により運用効率化が促進される。

図1

１．COTOHA Chat & FAQ
高精度Chatbot＆翻訳機能による多言語対応

　COTOHA Chat & FAQは高精度なAIエンジンにより、日常的な言葉や文脈を理解できるので、簡単なチューニングで適切な回答の提示が可能となる。

　顧客との対話状況やチャットボットで解決できない問い合わせに対しては、有人対応へエスカレーションも実現する。

　また、英語、中国語、韓国語をはじめとした13言語へのAI翻訳機能を搭載。これまで、多言語スキルオペレータの手配や、FAQの構築などの事前の準備が大変だった多言語対応が、いまの環境のまま容易に開始することができる。

図2

拡大画像はこちら

２．Saleforceと Coonector for Saleforce アプリケーション
「COTOHA Chat & FAQ Connector for Salesforce」

○CRM連携による応対履歴一元管理
○FAQ作成・編集、ChatBot再学習の自動化

　Chat & FAQから有人エスカレーションして応対したチャット応対ログを、Salesforceに連携することができる。

　電話、メールなどの他コンタクトチャネルを含めた顧客応対状況（ケース）を一元管理し、最適なサポートが可能となる。

　また、よくある質問をFAQとしてSalesforce上で管理・共有。最新FAQをチャットボットに自動連携・再学習により回答精度の向上を図ることができる。運用側の負荷もなく、使えば使うほどカスタマーサービスの品質が向上するサイクルの確立を実現する。

　NTTコミュニケーションズは、Saleforceの導入から、コンタクトセンタの運用効率化とCX向上の両立を協力に支援する。

図3

• 導入事例

＜導入事例＞ freee

決算期の強力助っ人に「チャットボット」
“経営者のSOS”の半分は自動応答で解決

QA ENGINE

Studio Ousia（スタジオ ウーシア）

クラウド会計ソフト大手のfreeeは、Studio Ousia（スタジオウーシア）の自動応答システム「QA ENGINE」を基盤としたチャットボットサポートを「クラウド会計ソフトfreee」ユーザーサイトに開設した。現場主導で継続的にチューニングを実施し、回答精度を向上。一般的な質問をチャットボットで解決することで、確定申告前の繁忙期の業務負荷を軽減し、顧客サポート全体の迅速化を図った。今後は、他サービスでの設置や、メール業務への展開も検討している。

　クラウド会計ソフトを提供するfreeeのカスタマーサポートには、毎年、確定申告・法人決算を前に、企業の経営者から「SOSの声」が届く。内容は、一般的な経理知識からちょっとした“相談”まで幅広い。確定申告の提出期限が目前に迫る最繁忙の月では、問い合わせ数が月間3万件近くになる。

　同社のカスタマーサポートは、顧客にとっての“社外の経理担当者”として、いつでも気軽に問い合わせられるよう、チャットを主体にシフト勤務で運営している。繁忙期は管理職を含むカスタマーサポートチーム総動員のうえ、他チームのメンバーによる支援や外部パートナーの人員派遣で補強することもあった。しかし、会計ソフトのユーザー（顧客）が60万事業者を超えた2016年春、補強体制ゆえの課題が顕在化した。Fastest Customer Support業務企画チームの浅越光一氏は、「広範な会計知識が求められるため短期でのキャッチアップ（習得）が難しく、お待たせしたり、社内スタッフへのエスカレーションを要する案件が増えていました」と当時を振り返る。

　課題解決に向け、過去数年の繁忙期のコールリーズンを分析すると、「請求書の作り方は？」など、一般的かつ類似した質問の割合が一定数を占めることが判明した。「共通の回答ができる質問を自己解決してもらえれば、オペレータが複雑な質問への回答に集中できると考えました」と、チーフスーパーバイザーの井上 健氏は強調する。

機械学習を使った簡単育成　チャットボットでの解決率50％に

　2017年1月、Studio Ousia（スタジオウーシア）の機械学習を活用した自動応答システム「QA ENGINE」を採用し、会員向けサイトにチャットボットサポートを開設（画像）した。ユーザーが質問すると自動で回答を返す。答えにユーザーが満足できない場合には「担当者に質問を引き継ぐ」ボタンをクリックすると、人間のオペレータが対応するフローとなっている。入力された全ての問い合わせに対して、回答を表示した割合＊を表す「表示率」とチャットボットで完結した割合を表す「解決率」との推移を見ながらチューニングを繰り返し、回答精度の向上に取り組んだ。井上氏は、「チャットボットは、新人オペレータと同じ扱いです。目標に基づいて育成できなければ、かえって顧客満足を損なう」と説明する。

＊freeeのチャットボットではQA ENGINEのAPIが返す確信度スコアが一定以下のものは表示されないように設定されている。したがって、質問に対して回答候補が存在しない場合や学習データが不足している場合には回答は表示されないこととなる。

　図に機械学習によるチャットボット“育成”のプロセスを示した。具体的には、「（1）回答候補の入力」「（2）学習データの作成」「（3）機械学習の実施」に分かれる。

図　チャットボット「QA ENGINE」育成プロセス

拡大画像はこちら

　（1）回答候補の入力は、既存のチャットサポートの定型文約300件を活用し、回答候補一覧を作成した。QA ENGINEは、「現場で運用が完結すること」を前提に開発されているため、データの入力は手入力かCSV形式のアップロードで可能。「Excelシートにデータをまとめるだけで完結できスムーズに進みました」（井上氏）。

　（2）学習データ（Q&A）の生成では、過去に蓄積されたチャットの応対履歴から抽出した質問データをCSVでアップロードし、QA ENGINEの運用画面で示される回答候補との紐づけを行う。浅越氏は、「紐づけたデータをチャットボットが学習することとなるため正確であることが大切ですが、通常のサポート業務に慣れているオペレータであれば簡単に対応できます」と説明する。

　（3）機械学習は「学習開始」ボタンをクリックするだけだ。上記の全てのフローが専門知識がなくてもできるところも嬉しい機能だという。運用開始後は、浅越氏の主導で、定期的にチューニングを実施。チャットボットが回答できなかった質問の回答を作成して学習データを追加したり、不要な回答候補を削除している。「チャットボットの利用傾向の確認や、回答候補の統合、内容修正などが容易にできます」（浅越氏）。

　導入当初の表示率は50％、解決率は30％。最繁忙を迎える3月は機械学習はできなかったが、その後の継続的な機械学習の実施により、2017年9月現在の時点で表示率80％、解決率50％に向上した。「学習データについて顧客応対の現場の意見を積極的に取り入れられる、現場とシステムの担当者との距離の近さも回答精度向上の要因のひとつになりました」と、井上氏は述べる。

正確な回答で問い合わせ減　他サービスやメール対応も検討

　繁忙期にあたる2017年の確定申告期は、チャットボット導入直後に迎えることとなったが、すでに効果が表れていた。

　顧客数が前年比20万増の80万事業者に増加しているため、多数の顧客を待たせる懸念があったが、予測に反して例年の20％減のスタッフ体制でカバーできた。「人員の削減割合とチャットボットで自動化できた割合は、直結するわけではありませんが、相当近いと推計しています」と井上氏。

　実際に、効果測定で1日チャットボットを停止させたところ、チャットサポートの問い合わせ件数が明らかに増えたという。「カスタマーサポートになくてはならない存在です」と、浅越氏は強調する。利用する顧客から寄せられるコメントも好評だ。「実は新しいデータを追加するごとに精度が上がるので、継続して育成すればボットが質問全体の80%までさばけるところまで頑張れるのではないかと思っています」（井上氏）。

　今後は、企業アプリへのチャットボット搭載や、メール対応業務への適用も検討している。

ユーザープロフィール

freee株式会社

●所在地：東京都品川区西五反田2-8-1 五反田ファーストビル9階
●設立：2012年7月
●資本金：96億603万円（資本準備金など含む）
●代表者：創業者・代表取締役　佐々木大輔
●従業員数：400名（2017年8月）
●事業内容：会計、人事労務、会社設立・開業、マイナンバー管理など、バックオフィス業務の効率化・自動化を支援するクラウドサービスの開発、提供

• 製品紹介

2020年、チャットボットを見直しませんか？

チャットボット無料診断サービス

モビルス

　顧客サポートの現場でもすっかり身近になったチャットボット。しかし、うまく成果が出ていないという声もよく聞かれる。

　結論からいえば、チャットボットで優れた成果は出せる。成功のカギは、明確な目的とKPIの設定だ。その上で、チャットボットの適切な対応範囲の設定、丁寧なAIの学習、ユーザー導線や応答シナリオの最適化、効果的なオペレータ連携などのサービス設計を行い、公開後はKPIのモニタリングと改善のPDCAを回していく。

急増する、チャットボットの見直し

　ここ最近、成果の出ないチャットボットがサービス停止になるケースが出てきている。しかし、顧客サポートの現場でますます人手不足が深刻化する中で、チャットボットを完全に諦めるケースは少ない。

　そこで急増しているのが、チャットボットの再構築やリプレイス検討だ。ただし、ここで気をつけてほしいことがある。こういった場合によく検討されるAIやチャットボットの乗り換えだけでは、必ずしも問題は解決しないということだ。

　2016年に始まるチャットボットブームは、ディープラーニングによってAIが飛躍的に進化し、社会的に大きな注目を浴びたところに始まっている。しかし、図にあるようにAIの発展度合いは分野ごとに大きく異なる。囲碁や顔認識の分野では人を超えた一方で、チャットボットを支える対話分野のAIは未だ発展途上だ。

図　領域ごとに大きく異なるAI技術の進歩度合い

　対話型AIも世界中で開発が進められ、研究レベルでは大きな進化の予兆も見せている。ただ、オペレータに代わって自然に対話し、顧客を満足させるようなチャットボットの実現は当分先になりそうだ。

　AIは国内外の一流のエンジニアたちが競い合って開発しているため、その性能が拮抗してきている面もある。どこかに突出して優れたAIがあるはずだと期待して探すよりも、じっくりと手許のAIの学習を進める方が正解というケースも多い。

AIの学習には専門家のノウハウが必要

　現時点では、AI学習の大半は、人の手で行われている。顧客からの想定質問やFAQを精査し、言い換え表現や類義語を作成してAIに学習させていく方式だ。サービスの公開後には、顧客から想定外の内容や言い回しの質問が入ってくる。その対話ログとユーザーアンケート結果から、さらにAIの追加学習を進めていくことで成果が出てくる。

　このような学習には独自のノウハウが必要で、AIのデータサイエンティストに頼ることも多く、モビルスでも専門のカスタマーサクセスチームがサポートする。

　ただ、お客さまの中には社内でAIの学習を行い、ノウハウを蓄積したいというニーズもある。そこでモビルスでは、専門家でなくても日々のPDCAベースのAI学習を効率よく進めることのできるチャットボット学習支援システム「mobiConsole（モビコンソール）」を提供している。

チャットボットやAIの導入が目的化すると失敗する

　「チャットボットで成果が出ない」という場合、まずはその原因を突き止める必要がある。AIの回答精度の低さなのか、利用率の低さなのか、はたまた一定の効果はあるものの費用に見合わないのか、原因は様々あるはずだ。実は、チャットボットの導入や見直しのご相談では、そもそも「チャットボットやAIを導入すること」自体が目的になっていることも多い。

　まずは、チャットボットでどんな成果を出したいのか、その目的から考えたい。目的が明確になれば、チャットボットにどんな問い合わせや要望に対応させるかが見えてくる。その上で、その成果を測るためのKPIが定まる。ここでは、電話・チャット・メール・Web（FAQなど）と、サポートチャネル全体の分析を行い、問い合わせのどの部分を電話に、どの部分をチャットボットに任せるかを明確にできると理想的だ。

　AIの選定や学習は重要だが、AI＝チャットボットではない。AIは顧客からの質問の意図を推定するのに役に立つ、チャットボットのひとつの要素と捉えるべきだ。例えば、AIが組み込まれていなくても、よくある質問トップ5を選択肢として表示し、顧客のニーズに応じて分岐するシナリオ型のチャットボットはとても有効だ。また、サービス申込などのよくある手続きをフローに沿って自動で受け付けるチャットボットも強力な武器になる。AIやチャットボット自体の導入を目的化してしまうと、このような成果につながるチャットボットはまず思いつかない。

特化型チャットボットやオペレータ連携の有効性とは

　ここで、具体的なイメージをつかむために、一例として宅配業務で役立つチャットボットを検討してみよう。コールリーズン分析から、「再配達依頼の電話が全体の10％と多く、大きなオペレータ負荷やあふれ呼の原因になっており、顧客の不満やクレームにもつながっている」との結論が出たとする。そこで、LINE上で再配達を自動で受け付ける特化型チャットボットを導入すると、業務効率化と顧客の利便性向上が実現できる。

　また、チャットボットと有人対応とを組み合わせるオペレータ連携も効果的だ。FAQが1,000件ある場合、すべてをAIに学習させ、教師データをメンテナンスし続けていくのは大変だ。仮に、FAQの上位100件で顧客からの質問の80％をカバーできる場合には、チャットボットにはこの100件のみを学習させておく。その他の質問や問い合わせにはオペレータが対応することで、全体の業務効率を格段に高めることができる。

チャットボットで成果を出すためのコンサルティングサービス

　チャットボットの活用の幅はますます広がっている。しかし、どのようなチャットボットが成果を出せるのかを見極めるのは難しい。そこで、モビルスでは、チャット導入の初期診断から、チャットボットの構築、KPIモニタリングの運用支援まで、経験豊富な専門チームによるコンサルティングサービスも提供している。顧客サポートの現場で本当に役立つチャットボットを広めることに、これからも尽力していきたい。

• 製品紹介

全国120万ユーザーのサポート実績
機能連携でマルチチャネル対応を高度化

コンタクトシーン高度化ソリューション Enour（エナー）

オプテージ

生活スタイルのデジタルシフトで、顧客の問い合わせ行動はWeb中心に移行、AIチャットボット／有人チャットの重要性が増した。一方、労働人口の減少で電話応対の効率化も迫られる。オプテージの『Enour（エナー）』は、これら問題を解決。自社で培ったセンター運営ノウハウと法人向け事業の確かな技術力で開発された、コンタクトシーン高度化ソリューションだ。

　関西電力グループのオプテージは、「eo光」に代表されるコンシューマ事業や格安スマホ「mineo」のモバイル事業、一般企業や自治体を対象としたシステム開発などのソリューション事業を展開している。

　同社が開発するコンタクトシーン高度化ソリューション『Enour』は、カスタマーサポートを強化する３つのサービスを備える。AIチャットボット「Enour AI ChatSupport」は、国産の自然言語処理エンジンを搭載し、少ない学習データでも高い回答精度を実現。ExcelベースでAI学習ができるため、現場レベルで誰でも簡単に育成が可能だ。有人チャット「Enour ChatSupport」は、センター運営に適したサービスで、オペレータの入力補助機能や管理者のリアルタイムモニタリング機能などが充実。スムーズな顧客対応を実現するとともに、多彩な統計レポートで運営改善などを実践できる。さらに、マルチテナント機能で複数業務を管理可能だ。

　オペレータ支援「Enour CallAssistant」は、電話対応を高度化するAIを提供。音声認識によるFAQレコメンドや通話テキストの自動要約でオペレータ業務の効率化はもちろん、要注意ワードを検出した際は管理者にアラートを上げて速やかにフォローに入ることができる。VOC分析・活用によるマーケティング支援、商品・サービス改善も可能。

　各機能は単独でも利用可能だが、連携させることでマルチチャネル対応に真価を発揮する（図）。チャットサポートでは、AIチャットボットが一次対応を実施。問題解決できなければ、チャットオペレータにボットの応対内容を引き継いで連携する。また、チャットでは解決が難しい問題は電話オペレータに連携。支援機能で難易度の高い案件も効率的に対応することが可能になる。

図　「Enour」の各機能を連携し、マルチチャネルサポートの高度化を実現

　「Enour」は、運用面でも強みがある。オプテージは自社センターを構え、コンシューマ事業で関西約168万世帯、モバイル事業は全国約118万人の顧客サポートを実践している。さらに、チャットサポートは2015年から、AIチャットボットは2017年から運用。CallAssistantも自社で使用している。この膨大な経験値を踏まえたオペレータや管理者の意見を取り入れ、現場が真に求める機能や操作性を追求している。これにより、顧客へのエフォートレス体験の提供、オペレータ／管理者の効率的な顧客対応を実現する。

　さらに第４の機能として自動音声応答「Enour AutoCallSystem（仮称）」を開発中。今後の在宅化を視野に情報漏洩リスク低減と、従業員の見守りを兼ね備えた２つの「安心」を実現するサービスも検討。オペレータ支援を加えて3つ目の「安心」を実現するなど「Enour」の進化は続く。