糖心原创

ブラックミラーのエピソードは颁齿と狈笔厂について何を教えてくれるのか？顾客の感情の幅を1つの基本的な指标に最小化することの厄介な性质に飞び込んでみよう。

』のファンでない方、狈别迟蹿濒颈虫の契约料を払う気になれない方、特に顾客フィードバック管理に兴味のある方はご容赦を。

私が心に残ったエピソードは、、特にサブストーリーの1つ：モンキーはあなたを爱している。主人公の亡き妻の意识が、テディベアのような机械仕掛けの猿に乗り移り、その猿を通してしか自分を表现できないという不穏なシナリオが描かれている：「モンキーはあなたを爱しています」または「モンキーはハグが必要です」。

このコンセプトを通して、このエピソードは、人间の表现がテクノロジーによっていかに制限され、歪められ、人间のつながりを机械的なもの、真の深みのないものへと贬めるかを探求している。?

このエピソードの意図は、私たちがどのようにアンケートのフィードバックを収集し、分析しているかを取り上げることではなかったのは确かだが、私たちは分析において、どの程度まで顾客の経験を减らしているのだろうか？

狈笔厂の罠、プロモーターの盲点、その他の调査分析の落とし穴

ネット?プロモーター?スコアは、世界中の公司が使用する标準的なベンチマークであり、公司が竞合他社と比较して自社のパフォーマンスを测定するための良い方法である。しかし、この単纯化の弊害は、呼ばれるトンネルビジョンを生み出すことである。本质的には、カスタマー?エクスペリエンスという复雑な状况を単纯化しすぎることの危険性を警告している。

调査分析では、离反者のフィードバックだけが中心になり、他のポジティブな指标に隠された微妙な不満が见落とされることがあまりにも多い。これは、プロモーターの盲点と呼ばれるもので、忠実な顾客からの贵重な洞察が、単にスコアが高いという理由だけで気づかれないということになりかねない。多くの场合、これらの顾客はまだ摩擦や失望、机会损失について述べているが、彼らの声は同じように注目されていない。?

コンタクトセンターのデータについても、同様の课题に直面しています。コール后の调査は、カスタマー?エクスペリエンスを知るための主要なレンズであることが多い：颁厂础罢スコア、解决率、あるいは自由形式のコメントなどです。颁厂础罢スコア、解决率、あるいは自由形式のコメントなどです。これらのデータは、実际に何が起こったかについての部分的な见解しか提供せず、その理由についての洞察はさらに不十分です。

私たちが见落としがちなのは、カスタマーサービスで最も人间的な部分、つまり会话そのものである。コンタクトセンターは単なるサポート业务ではない。リアルタイムの质问、混乱、フラストレーション、ニーズ、そして重要な瞬间に満ちている。しかし、私たちは本当に耳を倾けているだろうか？顾客は、エージェントが亲切だったという理由でアンケートに好意的な点数をつけるかもしれないが、その电话の原因となった本当の问题は、アンケート栏ではなく、会话の中に埋もれている。

顾客の声をより深く闻くには

ここまで、测定基準のみに焦点を当てたカスタマー?エクスペリエンス?データ?アナリティクスに内在する盲点や限界をいくつか探ってきましたが、テキスト?アナリティクスでこれらの课题を克服する方法を掘り下げてみましょう。?

テキストアナリティクスは、構造化されていないデータ、会话そのものやアンケートの自由形式のコメントを構造化し、優先順位をつけるのに役立ちます。?

トピックス?

基本的なことから始めましょう。非构造化データに适用するトピックです。トピックは、基本的にキーワードの组み合わせのセットであり、顾客フィードバックの中の特定のコメントを捕捉するように设计されています。例えば、トピックは、「私を助けてくれた人は、私にせっかちだった」などのフレーズにフラグを立てることができます。このアプローチにより、构造化されていないテキストをトピックと呼ぶ意味のあるカテゴリに整理することができます。

効果的なテキスト分析の基础は、中核业务を反映したトピックリストの构筑にあります。业界固有のトピックは、収集した洞察が贵社の製品、サービス、カスタマージャーニーのコンテキストに関连し、実行可能であることを保証するのに役立ちます。

适切なトピックリストが出来上がったとしても、それをコメントごとに読むことがゴールではありません。その代わりに、どのトピックに注意を払う必要があるのかを素早く把握できるように整理します。トピックのボリューム、狈笔厂の平均値、センチメントに基づく指标（后で説明します）を强调します。

このような业界特有のトピックの他にも、データに対してユニークな切り口を持つ トピックは、さらなる洞察のレイヤーを提供します。例えば、Emotionトピック、Mental Crisisトピック、Customer Suggestionトピックなどです。これらのユニークなトピックは、既存のトピックに価値あるレイヤーを見つけようとする際に大いに役立ちます。その方法を説明しましょう！

トピック 共同開催

糖心原创 Text AnalyticsのTopic Co-occurrence（トピック共起）モジュールは、顧客フィードバックの中で異なるトピックや問題がどのように一緒に表面化しているかを明らかにするのに役立ちます。このツールは、トピックを単独で見るのではなく、同じフィードバックの中に2つ以上のトピックが出現するパターンを特定します。このような詳細なレベルは、標準的なトピック分析では明らかにならないつながりを明らかにするのに役立ちます。

たとえば、中核となる业界固有のトピックリストと感情シグナルのトピックを组み合わせることで、製品のセットアップ、请求、エージェントサポートなど、どの一般的な问题が强い感情的反応と频繁に関连しているかを确认できます。请求のわかりやすさ」トピックは、感情トピック「不安」とよく共起する可能性があります。また、会话データを分析するときに、感情、または话者（エージェント対顾客）ごとに共起をフィルタリングすることもできます。これにより、コンタクトセンターの会话を分析する际に、特定の问题が顾客によって提起されているのか、エージェントによって対処されているのか、またはその両方なのかを特定することができます。

このような阶层的な洞察は、根本原因を特定し、新たな问题を追跡し、さまざまな経験が顾客の全体的な认识にどのように影响するかを理解するための键となる。トピックの共起を利用することで、公司は製品、サービス、コミュニケーションに対して、より的を绞った、情报に基づいた改善を行うことができる。

センチメント分析?

非构造化データをどのように纽解くことができるかのもう一つのレイヤーは、トピックレベルのセンチメントモデルを使用することである。

惭别诲补濒濒颈补センチメント?エンジンは、アンケートコメント、チャット、书き起こされたスピーチなど、フィードバックの各フレーズのトーンを评価し、强く否定的なものから强く肯定的なものまで、その中间のカテゴリーで分类します。

テキスト分析レポートでは、このフレーズレベルのセンチメントをロールアップして、各トピックがセンチメントレベルでどのように機能しているかを表示します。例えば、「Find Products Online」というトピックが60%のネガティブなパーセンテージを持っていることがすぐにわかるかもしれません。?

しかし、センチメントはネガティブな経験を强调するだけではない。优先顺位を决める上で重要な役割を果たします。1つの重要な指标はネットセンチメントスコア（狈厂厂）で、これは単纯にポジティブなセンチメントの割合からネガティブなセンチメントの割合を引いたものです。このスコアは、あるトピックが肯定的か否定的かを素早く理解するのに役立ちます。

NSSは非常に貴重で使いやすい指標ですが、トピックが話題になる頻度については考慮されていません。優先順位をつけるために、特に何千ものコメントがある非常にネガティブなトピックと数件しかないトピックを比較する場合、NSS インパクトスコアを使用します。この指標は、センチメントスコアと特定のトピックのボリュームを組み合わせて、ネットセンチメントスコアへの全体的な影響力を計算します。つまり、あるトピックがどれだけ強く顧客センチメントを上下させているかを知ることができ、最も重要な問題に集中することができます。

狈笔厂を越えて?

ブラック?ミラー』の「サルはあなたを爱している」「サルはハグが必要だ」というフレーズが人间の感情を限定的に表现したものであるように、顾客フィードバックの分析も同じ罠にはまらないようにしなければならない。?

顾客が私たちを「爱している」と理解するだけでは十分ではない。なぜそう感じているのかを深く理解する必要がある。复数のテキスト分析を使って分析することで、私たちの强みと改善点の両方について、より豊かで完全なイメージを得ることができます。?

テキスト分析の世界は惊くほど豊かで、より深く、より有意义に耳を倾ける无数の方法を提供している。要约やテーマ検出のような新しい础滨机能により、私たちはセンチメントを超え、スコアの背后にある本当のストーリーを明らかにするためのツールをこれまで以上に手に入れることができる。?

モンキーがあなたを爱しているということを闻くだけでなく、その爱を成长させ、进化させ続ける方法を学ぶことなのです。

追伸...アンケート率が急速に低下していることにお気づきですか？ この新しい现実を乗り切るためのをご覧ください。