• 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

チャットでつながる新しいおもてなし
オムニチャネル向けサービス/『国産』チャットサポートシステム

Remote Attend

NTTテクノクロス

Remote Attendは、お問い合わせ、製品サポート、販売促進などのエンドユーザー対応をWeb上で実現するチャットサポートシステム。AI、CRM、SNSとの連携により、オペレータ負荷低減、よりきめ細かな顧客対応も実現している。

顧客のチャット画面イメージ

Remote Attend3つの注目ポイント

Remote Attendがつなぐ、導入企業とユーザーのメリット

Remote Attendが、コンタクトセンターが抱える様々な課題を解決し、貴社を発展させます

Remote Attendが解決

●チャットログやアンケートから傾向分析ができ、経営判断や顧客満足度測定に活用できます。
●一件あたりのチャット対応時間を制限できるので、オペレータ効率が向上しコスト削減につながります。
●管理者はユーザとオペレータのチャット内容をリアルタイムにモニタリングできるため、対応品質の向上に役立ちます。
●AI機能搭載により、オペレータコストの削減につながります。
●当社製品なので、カスタマイズ要望にもお応えします。

Remote Attendが解決

●業務でよく使用する文書をあらかじめ登録し、定型文として本文に挿入可能。回答入力時間の短縮と同時に，回答品質の一律化が図れます。
●表情アイテムを使用すれば、文字だけでは伝わりにくいニュアンスも伝えられます。
●お客様の利用している言語を自動判別して、対応可能なオペレータにつなぐので安心。複数の言語をサポートしています。
●回答入力が減るため、オペレータの負荷が低減します。
●ファイル受け渡しができ、写真やマニュアルを共有して詳細な説明ができます。

Remote Attendが解決

●一人のオペレータで複数のユーザに対応できるため、お待たせしません。また、チャットの記録をメモとして送ることができるため，URLや電話番号なども間違いなく伝えられます。
●リアルタイムに回答できるため、“ホットな状態”のユーザを取り逃がすことなく、キャッチできます。
●非公開なので、個別の質問や相談も安心してできるため、問い合わせ数もアップします。
●普段お使いのブラウザ環境だけで利用できます。
●SNSから気軽に問い合わせいただけます。
●ファイル受け渡しができ、写真やマニュアルを共有して詳細な説明ができます。

料金プラン

＊ オンプレミスについては応相談　＊ 価格は税別表示となります。
＊1 ライセンス費、問合せサポート費を含みます。なお1席とは同時に1名のオペレータがログイン可能な状態を示します。
＊2 2席以上から承ります。
＊3 更なるセキュリティ強化を実現し、AI、SNS、CRM対応機能を備えた専用SaaSプランとなります。

※LINEは、LINE株式会社の商標または登録商標です。

• 製品紹介

• ビジネス戦略

少ない教師データで高い回答精度
「対話・機械学習ハイブリッド型AI」を搭載

CHORDSHIP

富士通

　チャットボットは、コールセンターの危機を救えるか──。

　AI（人工知能）の顧客接点活用で、最も普及しつつあるのが、チャットボットだ。ここ数年来、深刻さを増す労働力不足／採用難を背景に、新しい自動対応の仕組みとして採用が相次いでいる。

　しかし、課題も多い。その最たるものが「回答精度」だ。富士通のグローバルサービスインテグレーション部門デジタルフロントビジネスグループ 副グループ長の今田和雄執行役員は、その背景について「コールセンターには、AIに対する“教師データ”が少ない」と指摘する。

　多くの事例企業の場合、すでに構築しているFAQをはじめ、Webサイトのコンテンツや業務マニュアルなどのナレッジデータをAIエンジンに“食わせて”、精度向上を図っている。しかし、とくに多くのITベンダーが採用を強く訴求しているディープラーニング型のエンジンは、精度向上のために膨大な教師データを必要とする。コールセンターに蓄積している数百程度のFAQでは、早期の品質向上は不可能に近い。また、「教師データとして使える」とされる傾向が強いVOC（顧客の声）データも、「今の人手不足にあえぐコールセンターでは、精度の高いVOCを残すことも難しい。また、多くの場合、顧客の表現がオペレータの表現に書き換えられていて、自動応答用の教師データには適していない」（今田執行役員）のが現実だ。

　そこで、富士通が開発したソリューション「CHORDSHIP（コードシップ）」に搭載したのが、「対話・機械学習ハイブリッド型」のエンジンだ。

顧客の“琴線”に触れる

　同ソリューションは、少量の教師データで回答精度を向上するために、質問文を置き換えて既存FAQでヒットする仕組みを開発。一般的な同義語・類義語辞書は、使えば使うほど精度が上がる機械学習を活用している（図）。同社のベンチマーク調査（チャットボットを公開している企業のサービスに対し、50問の質問を投げかけ、質問への回答上位5位までの候補表示を検証）によると、ディープラーニングを活用しているとされるチャットボットの正答率が20〜50％にとどまったのに対し、CHORDSHIPを利用したサービスは80％台に達したという。

図　問い合わせ・相談に適したAIエンジンは？

　また、同社は子会社に数社のテレマーケティング会社を抱えており、辞書等の機能強化にそのノウハウを横展開すると同時に、「有人チャット対応」とのハイブリッド・サービスも提案する。そのサービスで蓄積したノウハウは、再び CHORDSHIPの機能強化に活用することができる。つまり「顧客企業とともに進化を共創するソリューション」といえる。

　「心の琴線」という意味を込めた新ブランド、CHORDSHIP。非対面接点で消費者の琴線に触れるサービスの提案・実現を徹底訴求する方針だ。

• 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

• ビジネス戦略

SV／オペレータの「困った」を解決する！
実務に即したチャット運用を強力支援

M-Talk

アルファコム

アルファコムが提供するチャット対応システム「M-Talk」は、コールセンターでのチャット／チャットボット向けの機能強化を図っている。新バージョンでは、自動応答機能の強化や業種ごとのニーズを反映した機能を標準搭載するなど、より高品質なチャット対応を支援。すでに、金融機関を始め通信販売や電力会社などのコールセンターで採用されている。

　有人チャット、チャットボットによる顧客対応を実践している企業の多くは、顧客満足度や顧客体験向上を目的としている。そのためには、電話やメールと同様、KPIに基づいたマネジメントが不可欠だ。

　アルファコムが提供するチャット対応システム「M-Talk」は、導入企業からの要望に基づいた機能強化を重ねている。アルファコム 執行役員の垣内隆志氏は、「コールセンターでチャット／チャットボットを運用することを前提としたシステムの強化を図っています」と強調する。

　2019年10月に新バージョン「M-Talk 4.1J」の提供を開始。複数のチャットボットを同時に連携できる「マルチチャットボット対応」の実装や、簡易チャットボット機能「シナリオトーク」の強化など、自動応答でカバーできる範囲の拡大を図った。とくにシナリオトークは、有人チャット対応フローと柔軟に組み合わせることができるため、情報照会や入力処理など、一律的な対応が可能なプロセスのみをボット化して、そのほかのプロセスにオペレータを集中させることができる。このほか、金融機関のコールセンター向けに個別カスタマイズで対応していた個人情報対策機能を標準搭載するなど、業種特有のニーズにもシステムに反映した。

主要チャネルとしての運用をフォロー

　こうした機能強化を受け、すでに複数のコールセンターがM-Talk 4.1Jを採用。チャット運用の品質向上を図っている。

　例えば、シャンプー・化粧品の定期通販のセンターでは、メッセージングアプリ「LINE」による有人チャット対応で活用している。同社では初回の応対以降は担当制を敷いている。オペレータ１人あたり300人の担当顧客を抱えていることから、前回チャットリクエストを受けたオペレータに自動ルーティングする「ラストエージェント機能」が重宝しているという。

　大手電力会社のセンターは、比較的大規模な数十席の有人チャット対応で採用した。自然災害などに起因してリクエストが集中した場合、コンタクトリーズンに応じて有人対応とシナリオトークを使い分け 、より多くのリクエストに対応できる体制の整備を視野に入れて導入した。保有するFAQの数が膨大であるため、マルチチャットボットを採用して業務や製品別に特化したチャットボットを個別に展開、学習効率の向上を図る計画だ。

　現在、M-Talkの好調を受け、同社は運用のフォローアップに注力している。

　垣内氏は、「電話やメール同様のメインチャネルとして運用したいという意向を持つコールセンターが増えています」と説明。同社では、業務設計段階からアドバイスするなど、ニーズに応える体制を敷いている。

　今後は、他のコンタクトチャネルと同じダッシュボード上にKPIレポートを統合するなど機能強化を図る方針だ。

東京スター銀行との事例セッションの様子