【Mobilish】AIを活用したVOC分析
Summary
TLDRこのビデオスクリプトでは、顧客の声(VOC)分析の進化について説明しています。従来は人の手による時間と労力を要するプロセスでしたが、現在ではAI技術の導入により、VOCの質と量の両方を効率的に改善できるようになった事例を紹介しています。具体的には、月間300件だったVOCが3000件以上に増加し、SNSなどの新たな収集源を含めることで、サイレントカスタマーからの貴重なフィードバックも集めることが可能に。この技術の活用により、顧客満足度の向上とサービス改善につながる具体的なアプローチが示されています。
Takeaways
- 🤖 VOC分析にAIを活用することで、人手による分析の時間と労力を大幅に軽減し、VOCの質と量の両方を向上させることができる。
- 📊 従来のコールセンターのVOCは問い合わせに偏りがちだったが、AIを使うことで問い合わせのないサイレントカスタマーからのVOCも収集可能になった。
- 🔍 口コミ分析ツール「ソーシャルインサイト」を使って、SNS上の口コミデータを収集し、AI分析ツール「吉名」でテキストマイニングを行っている。
- 📈 AIによる分析で、VOCの肯定的・否定的な評価割合や、よくある問い合わせ傾向、関連キーワードなどを可視化できる。
- 💻 アプリに関する口コミがネガティブな傾向にあり、使いづらさや障害といった具体的な課題が浮かび上がってきた。
- ✈️ 予約や返却、現地(沖縄)に関する口コミも一定数あり、サービス全体に関するVOCを収集できている。
- 🔑 AIを活用したVOC分析は、サービス改善に役立つ貴重な情報を提供してくれる。
- 📈 VOC分析の質と量を高めるため、AIを使った複数のツールを組み合わせて活用している。
- 💭 今後は口コミデータからのサービス改善事例が生まれることが期待される。
- 🚀 AI活用によるVOC分析は、業界全体でも意識されるべき重要な取り組みである。
Q & A
VOC分析とは何ですか?
-VOC分析は、顧客の声(Voice of Customer)を収集し、分析することによって、顧客のニーズや不満、期待などを理解しようとするプロセスです。
AIをVOC分析に活用するメリットは何ですか?
-AIを活用することで、大量のデータから顧客の声を迅速に収集し、分析することができます。これにより、時間と労力を大幅に削減し、VOCの質と量を改善することが可能になります。
VOCの収集方法にはどのようなものがありますか?
-従来は人の手による収集が主でしたが、現在ではAIを活用した自動収集や、SNSチャネルからの口コミデータの収集など、多様な方法があります。
AIによるVOC分析の具体的な手法は?
-AIは顧客からの直接的な入力やSNSの口コミなどから、VOCに該当するデータを自動で抽出し、テキストマイニングやキーワード分類、感情分析などを行います。
VOC分析で直面する課題とは何ですか?
-VOCの中身が偏ってしまうことが課題とされています。特にコールセンターでは、困っている顧客からの声しか集まりにくい傾向にあります。
SNSからのVOC収集の重要性は何ですか?
-SNSからのVOC収集により、コールセンターに問い合わせをしない顧客の声も拾うことができ、より幅広い顧客の意見を収集することが可能になります。
VOC分析によってどのような改善が期待できますか?
-VOC分析により、顧客満足度の向上、サービスや製品の改善、顧客体験の向上などが期待できます。
AI分析ツールの具体的な使用例を教えてください。
-ソーシャルインサイトというツールを使用してSNSチャネルからの口コミを収集し、そのデータをテキスト分析ツールで分析することが一例です。
VOCの量的な変化について教えてください。
-AIの導入前は月に300件程度だったVOCの収集が、導入後は3000件を超えるほどに増加しました。
VOC分析の結果はどのように活用されますか?
-VOC分析の結果は、具体的なサービス改善や製品開発の参考にされるほか、顧客の声に基づいたマーケティング戦略の策定にも利用されます。
Outlines
🤖 従来のVOC分析手法からAIを活用した分析への移行
この段落では、従来のVOC分析手法における人手による収集と分析の課題を説明し、AIを活用することで質と量の両面でVOCを改善できるようになったことを述べています。具体的には、TSRがフラグをつける必要がなくなり、AIが自動的にVOCを抽出できるようになったことで、月300件程度だったVOCが3000件以上収集可能になったことを説明しています。
🔍 AIによる口コミデータの収集と分析
この段落では、モビリッシュが利用している複数の分析ツールについて説明しています。ソーシャルインサイトというツールを使ってSNSからの口コミデータを収集し、AIツール「吉名」でそのデータを分析しています。吉名はテキストデータからキーワードや単語を分類したり、肯定的・否定的な評価を判別したりできます。このようにツールを組み合わせることで、従来のコールセンターでは得られなかった口コミデータから多角的にVOCを抽出できるようになったことを説明しています。
⭐ AIによるVOC分析の活用事例と今後の展望
この段落では、実際にAIによるVOC分析の結果を例示しながら、その活用方法を説明しています。具体的には、口コミデータから肯定的な言葉と不満の割合を把握したり、よく出てくる単語と関連するキーワードを分析したりできます。また、最近3ヶ月間の口コミデータを分析すると、アプリに関する口コミが15%と多く、ネガティブな声が目立つことがわかりました。こうした具体的な分析結果を基に、サービスやアプリの改善につなげることができます。さらに、従来のコールセンターのみならず、サービス利用者からの口コミデータを収集・分析することで、新たな視点からのVOCを得られるようになったことを説明しています。
Mindmap
Keywords
💡VOC分析
💡AI
💡収集
💡分析
💡レポート
💡コールセンター
💡SNS
💡口コミ
💡テキストマイニング
💡サイレントカスタマー
Highlights
VOC分析は現在、人の手ではなくAIで行われています。
AIの導入により、VOCの質と量の両方を改善できるようになりました。
顧客からの直接のフィードバックをAIが自動で分析しています。
月間300件だったVOCが、3000件を超える量に増加しました。
コールセンターだけでなく、SNSからのVOCも収集しています。
ソーシャルインサイトという口コミ分析ツールを使用しています。
AIツールはテキストデータからキーワードやフレーズを自動で分類します。
分析により、顧客の声から具体的な改善提案を導き出すことができます。
AI分析は単純なクレームだけでなく、サービスの肯定的な面も浮き彫りにします。
アプリ関連の口コミが特に多いことが分析から明らかになりました。
口コミデータを基に業務改善やサービス改善につなげることができます。
VOCの分析により、通常では捉えられない顧客のニーズを発見できます。
この技術はクライアント先のマーケティング部門にも大きな利益をもたらします。
AIを活用することで、普段声を上げない顧客からのVOCも抽出できるようになりました。
AI分析ツールの導入はまだ初期段階であり、今後さらに多くの事例が生まれることが期待されます。
Transcripts
[音楽]
簡単に申し上げると今VOC分析は人の
手ではなくAIでやっていますという事例
になっています
はいでこの
資料の中で触れているのは
これまでPSRさんが入力したものを
人の手で
収集をして人の
手で分析をしてものすごい時間と労力を
かけてVOCのレポートを作っていたと
いうようなそういった
フローからですね
一部の作業工程というところをAIに
任せることによって
VOCの質と量この両方を担保
改善できるようになったというその事例の
一つというところです
具体的には
[音楽]
今今
TSRさんが利益に何か
VOCですっていう
フラグをつけて
入力をしているというようなことはなくて
ですねあのまあありのままのお客様から
言われた
文言そのものを残していただいてあとは
そこから
VOCにあたるものを
AIが勝手に
導き出しているというようなですね
スキームとしては非常に簡単なものになる
んですけれども
そういった
技術活用というところをこのVFC分析に
も取り入れているというところになってい
ます
定量的なところで
言うと
月だいたい300件くらいだったVOCと
いうのが今だとこう3000件を超える
ぐらい
収集ま蓄積できているとこれは
人の手で一つ一つ
vocvocじゃないというようなそう
いったメッケンでの振り分けみたいな
そもそもそういった工程がなくなったと
いうところから生まれた
効果の1つになっているというところと
合わせてなんですが
センターでの
VOC活用っていうのは課題の一つとして
はやっぱりその中身が偏ってしま
うっていうところにかなり
悩まれているセンターあるのかなと思っ
てるんですけどそれって
結局は
コールセンターで困ってやっと電話が入っ
てくるというようなところからお困りごと
っていうものしか基本的には
VOCとしては爪
られない厚みにくいそういった
設定になっているのかなとこれは常に
課題されているところかと思うんです
けれどもこの
AI分析のもう一つの
使い方と
言いますか
実はこのモビリッシュではそのコール
センターの方に問い合わせとして入ってき
たVOCお客様のお困りごとだけではなく
て
コールセンターに問い合わせをしていない
人たちからの
VOCの収集というところも実はできる
ようになっていますとそれが何かというと
いわゆる口コミというVOCですね
SNSのチャネルというところに
VOCの
収集先その収集幅を
領域を広げていくというところを実は本気
に入ってからやっていまして
サイレントカスタマーの方々から普段
問い合わせをしないコールセンターでは
絶対耳にすることができないようなVOC
というところも
集め始めることができるようになったと
いうところですね
固定コールセンターの領域というよりは
どちらかというとクライアント先の
マーケティング部門だったりとかそういう
ところが力
入れていくべきものになるのかなと思うん
ですけれどもそういった一部の機能という
ところも今現在モビリッシュでは担うこと
ができていますよという
そういった
複数の
チャネルであったりAI分析というところ
を使って
VOCの質量を高めていっているという
ところなんですが
実際どういうものを使っているかというの
を少しお見せできればなと思っています
1つはこのソーシャルインサイトという
口コミ分析用のツールですねこちらを使っ
ていわゆる
SNSチャネルからのVOCというところ
を収集していますとで
結構この口コミ分析みたいなところで
クライアント先でも頑張ってるみたいなん
ですけれども
少なくとも話を聞く限りではまああまりな
んでしょう
ツールとかを導入したりとか分析みたいな
ことはできていなくて
気になるツイートであったり記事があっ
たらそれを確認でも強くて
意見交換などを交わしているという実態が
あるようですとで
センターこちらのモビリッシュのセンター
の方ではこの専用のツールというところ今
非常に組み込んでいて
例えば
SNS上で上がっている
サービスに関するような口コミという
ところを
いっぺんに引っ張れるというか
データとして収集することができるように
なっているというところですあの非常に
あのツールの作りはシンプルになっていて
見たい
口コミというところをキーワード検索
みたいな形になるんですけども
設定をしてそれに該当するいわゆる
ツイートというところを
集めていくとでここからVOC分析の方に
つなげていくというところなんですがここ
の
ソーシャルインサイトで扱う口コミデータ
はあくまでローデータを集めていくという
だけに過ぎなくてですねここで得た
口コミデータのテキスト上のデータという
ところを
この吉名というAIの分析ツールにかけて
分析をしていますとでどのような分析して
いるかというとこの
AIツールなんですけれども
テキストデータどのようなものでも構わ
ないんですが
テキストデータをここに
インプットすることによってその中に含ま
れているキーワードですとかまあ
[音楽]
単語や
文字列というところを
AIが自動的に分類をしますと
テキストマイニングといったところに近い
かもしれないんですがそれをしましてどう
いう
問い合わせが傾向として多いのかという
ところを
単純に分類分けをするというようなものと
あとはお
褒めの言葉であったりですとか
不満ですとかクレームに該当するような
そういった
何でしょう
言葉が含まれているテキストデータから
これはそういった評価のものなのではない
かというようにこちらもそういった評価軸
に合わせて
分類分けをしてくれると
様々なですね分析を仕掛けてくれるという
優れものなんですけれども
先ほどの
口コミデータみたいなところを
[音楽]
数千件ほど集めた上でですねこちらのAI
解析にかけていくというようなステップに
なってますのでモビリッシュでは
複数の分析ツールというところを
掛け合わせて
vsを抽出しているというところですで
実際これをやるとどんなものが出てくるか
なんですけどもあくまで例としてご覧
いただければと思うんですが
先ほどあの
口コミの
データ抽出のツールソーシャルインサイト
ご紹介しましたけれどもそこで得たロー
データというところを分析にかけたものに
なってます例えばこれだと
ホメラお米の言葉としていただいている
ものは何割程度ま何%
程度あって
応対クリームに当たるものが8%ぐらい
ありますよみたいなそんな形でですね
ざっくりと分類というところをしてくれる
とあとはその中身に対してどういう傾向の
ものがあるのかというのを
実際の
ツイートの中身を見ていきながら
軍用心に当たるようなものですとかそう
いったものを直接見に行くのもそうですし
1つのまとまりとして傾向として定量的に
見ていくということもできると
併せてどういった単語などがこの
褒められているよというものに
紐づいているのかというところも
分析することができるようになっているの
でこれはキーワードのいわゆる係受け分析
というものになるんですけども
相関するようなキーワードでどういった
止まりが
取りも占めているのかというところも
比較的こちらの方で
良いですとか
役立つ便利お買い得楽しいこんな風にです
ね勝手に分類分けしてくれるとですので
これである程度の傾向を見たりとかする分
にも非常に役に立ちますし
実際中身を見ていくことによって具体的な
V4Cが発見できるというところもあり
ます
その他には
先ほどは
評価に関するような分類を制していただい
ているというところあのいわゆるしてると
いうところなんですけど
評価にあたるものだけではなくて単純に
問い合わせの傾向であったり
どのようなお問い合わせ口コミで
盛り上がっていて何に困ってるかという
ところも簡単に分類をしてくれるという
ところですこれもあくまで例になります
けれども例えばここ最近3ヶ月間の
口コミのデータを見ていくと15%
ほどのところですかねアプリに関係する
ような
口コミというものが非常に多いという傾向
を出ています
実際に見て見ていくとかなりアプリに
対するネガティブな声というものが上がっ
ていったりですとか
たまにアプリに対して高評価をいただいて
いるというものもあるんですけれども
総じて
かなりお困りの様子というのが見て取れる
のでこういった
具体的なことに対してこうしてはいかが
ですかというような提案につなげやすいと
いうところですかねその他にも様々な
単語のボリュームであったりですとかあと
はですね
[音楽]
とそうですね
このような形で
掛かり受けの結果というところも入れます
例えば予約という単語に結びやすいものっ
て何なのかというと
返却だったりお酒と沖縄というような単語
とかも出てますけれども
沖縄でもサービスインしているという
ところもあり少しここでそこにそこの現地
での
何でしょう
口コミというところも現れ始めていると
いう傾向を見たりですとかやっぱりその
アプリというところだと
使いづらかったり障害であったりですとか
そういったものと抱き合わせて
口コミとして上がりやすいというような
ものを見ていくそれでこういった
AIが分類をしたりですねある程度
ボリュームゾーンというものを絞って
もらった後に
実際の提案にあたるような声というところ
を拾っていくというような
そういった使い方もできますし単純に
ボリュームゾーンとしてお示しするという
ような使い方もできるというところですで
こういったツールというしながら
AIを使いながら
モビリッシュでは
VOCの質塗料というところを挙げつつ
単純なお困りごとだけではなくて普段声を
上げない方々からの
VOCというところもしっかり抽出してい
ますという
そういった
事例となってます一応ちょっと
すいません少し長めに喋ってしまいました
がこういう取り組みをモビリッシュでは
あっています何かご質問などあればお願い
いたします
ありがとうございます
非常にあのコンパクトにまとめていただき
まして短時間でありがとうございます
ツールの中身も見せていただけたので
非常にわかりやすかったです
やった中でこう
モビリティマウスならではのなんか
活用こんな風に
活用できそうだなみたいななんか感覚って
つかめたりされてますか
そうですね結構回すならではなのかもしれ
ないんですけどあの
私がこれまで経験
体験してきた中でという部分なんですが
さっきの説明の中でも触れた通り
基本
回すとか正しいあのところで
無人で使えて
何でしょう誰にも問い合わせをしなくても
自分でサービスの利用から終了まで完結
できるというところが1つの魅力なのかな
というところに対して結局はやっぱりなん
だかんだで
現地でのトラブルであったりとか
現地での不明点みたいなところとかで
問い合わせを受けたりとかそこのVOC
みたいなところが
実際にコールセンターとかクライアント先
の方でも入りやすいという傾向はどうして
もあるのかなと思っていますとそこで多分
自己完結するための
仕組みであったりとかあとはお客さんで
見れるようになれとかFAQみたいな部分
とかが
基本的には不足しているというのが1つの
課題だと思っていてそういう見合いだと
あのこういった口コミとかで騒がれている
ような
不満であったりとかそういったところって
そもそものサービス改善に役立つ貴重な
情報になってるなっていうのをここ最近
これを始めて
実感してきているというところがあってい
ますとでこれもしかしますに限った話じゃ
ないのかもしれないんですけどあの
特にそういった部分ではこういった
口コミデータからの業務改善サービス改善
というところは
[音楽]
意識
業界でも意識してもらった方が今後は良い
のかなというのがざっくりとした
何でしょうかすいません感想になっちゃう
んですけどただこれちょっとまだ初めて
から
間もないというところもあってここから
事例が生まれていくものかなと思ってます
のでちょっと今後に期待というところも
あります
5.0 / 5 (0 votes)