Pocket

高価な電話の音声認識、目的次第で成果を出せないことも

電話の自動音声認識システムは、コールセンターにとって憧れのシステムの筆頭でしょう。

クラウドサービスの登場や技術的なイノベーションによって利用料金も下がってきたとはいえ、それでもまだ業界では高価なシステムのひとつです。

主な導入目的は、顧客の声(VoC)やオペレーターの回答・感情等の分析による応対品質の向上、テキストマイニングによるマーケティング活用。その他、顧客の発話を解析し、オペレーターに回答候補やナレッジを自動提案するしくみもあり、サポート効率の向上にも利用されています。

ただ、肝心の目的が不明確なまま実証実験(PoC)で導入され、成果を出せずに終わるプロジェクトも多いようです。

チャットサポートで、良質な対話ログが得られやすい理由

一方、顧客とのチャット対話は、そのほとんどが良質なテキストで得られます。

電話口の顧客は、何度も言葉に詰まったり、説明が前後したりするのが普通です。そのため、そもそも音声認識する顧客の発話内容の品質が低いのです。

チャットの場合には、多くの顧客はメッセージの送信前に内容を確認・修正します。ある程度内容がまとまり、オペレーターに伝わると思った時点で送信ボタンを押すのです。

チャットでは、もちろん、電話に特有な「えー」「あのー」といったノイズもログには入ってきません。一部のタイプミスや誤変換はありますが、全般的にログの品質と情報密度が高いのです。

これがチャットで良質な対話ログが得られる理由です。

電話の音声認識ログとチャットの対話ログの比較
チャットサポートでは、電話に比べて綺麗な対話ログデータが得られやすい

さらに、チャットログには、オペレーターが後処理でつける問い合わせカテゴリ、担当者情報、対応時間などの様々な統計情報がついてきます。

このようにチャット対応では、良質なテキストと豊富なメタ情報により、精緻な対話ログ分析がしやすいのです。

チャットボット、オペレーターのチャットログによる、AIのPDCA学習が可能に

加えて強力なのは、オペレーターと顧客の対話ログを利用したチャットボットの学習です。

まず、顧客との一連のチャット対応ログ上で、オペレーターが顧客からの主要な質問(Primary Question:PQ)とそれに対する回答(Primary Answer:PA)のセットを指定します。

このPQPAをチャットボットのデータ管理システムに取り込むことで、生きた顧客との対話履歴が、そのままボットの学習データになるのです。

このように、オペレーター対応のログを活用し、チャットボットを学習させるための良質な教師データを蓄積していくこともできます*1。

AIを活用した、オペレーターのリアルタイム回答支援も

また、顧客のメッセージ内容を即座に分析、AIまたはチャットボットに学習させた回答を自動でオペレーター画面上に提案するしくみもあります。

ちょうど、音声認識システムで実現されているリアルタイムのナレッジ提案と同じしくみです。ただ、チャットログの品質の高さと同じ理由から、顧客の電話を音声認識したテキストベースよりも精度の高い提案ができやすい点が利点です*2。

ここ数年で音声認識の精度も向上し、費用面でも使いやすくはなってきていますが、それでも高い認識精度を求めれば、製品名や専門用語の辞書登録や個別チューニングが必要となり、導入のハードルは現在でも高いのが実情です。

チャット導入によって、多くのセンターが音声認識に期待してきたVoCの活用や分析がより簡単に、より精緻に、より低コストで実現できるのです。

チャットボットとチャットオペレーターの対話ログを使ったAIのPDCA学習

*1 モビルスのチャットシステム「モビエージェント」のPQPA機能
*2 モビルスのチャットシステム「モビエージェント」の自動回答サジェスト機能

avatar
細川
モビルスでは、AIとオペレーターのチャット対応のログを活用し、チャットボットを学習させるための良質な教師データを蓄積し、自らチャットボットを賢くしていくことができるチャットボット学習プラットフォームを提供しています。詳しくはモビルスまでご相談ください。