コールリーズン分析の進化

SPCCが模索を続けるAIとヒトの可能性

Industry: 宇宙事業・メディア事業
Client: スカパーＪＳＡＴ株式会社様
Service: コンタクトセンターKPIマネジメント

課題・背景

入電予測精度を向上させることで「繋がり満足度」向上につなげたい

入電ごとのお問い合わせきっかけ（コールリーズン）の取得・分析

コールリーズン入力・分類の精度・効率性の両立が難しい

SPCCのコールリーズン取得・
分析の歩み

	Step1：全通話手作業入力	Step2: 全通話テキストマイニング（自然言語処理）で自動入力
入力精度	× 入力率70%止まり	◎ 入力率 100% （ヒトによる入力の必要なし）
分類精度	× 約50%：分類間違いが多く、忙しさから何でもかんでも分類を「その他」としてしまっているケースも散見された	× 約50%：Step1に比べても改善せず
作業効率性	× 手作業入力に30秒以上かかる	× ・自動化で作業時間は削減・キーワード設定のメンテナンス工数発生　40時間/月・分類項目再検討回数は0回　（リソース不足）
総合評価	×	×

スカパー！について

「スカパー！」はスカパーＪＳＡＴが提供している有料多チャンネル放送サービスです。
多様なジャンル、多数のチャンネルを放送しており、これらの中から、お好きな1チャンネルから契約可能で、多彩なパック・セットもご用意。マーケットの変化にあわせて、お客様の視点で考える「ファン・マーケティング」活動にも取り組んでいます。

導入の効果

AIを活用した分類見直しによって、入電予測に使える「新しい分類」の発見

AIを活用して「異常値」や「特殊要因」が発見できるようになった

効率的で無理のない運営の実現

Value 01

AIを活用した分類見直しによって、入電予測に使える「新しい分類」の発見

コールリーズン分類にAIを導入したことのメリットの一つに、ヒトではわからなかった、お客様の本当のお問い合わせきっかけを分類できたことが挙げられます。
例えば、これまでは（スカパー！が）「観られない」という声を一括りに扱っていましたが、どういった理由で「観られない」のかケース別（操作方法がわからない／危機が故障している　等）で入電の傾向が明確に違うことをAIが明らかにしてくれました。
これは、ヒトが（企業側が）決めた項目のどこに当てはまるかではなく、まず特徴のある項目（特徴ワード）をAIに教えてもらい、AIと一緒に項目を作るようプロセスの変更をしたことにより判明しました。
その結果、AIからの示唆をベースにした入電予測に使える「新しい分類」をいくつも発見することができました。その結果、AIからの示唆をベースにした入電予測に使える「新しい分類」をいくつも発見することができました。また、その「新しい分類」によって、これまで「その他」と曖昧に括ってしまっていた項目が減少するといった別の効果もありました。

こうした取り組みの甲斐あって、現在スカパー！カスタマーセンター業務の入電振り分け精度は75%まで改善、分類「その他」の割合は5%まで削減。コールリーズン分析を入電予測精度（実績が予測±10%未満だった日の割合）や「繋がり満足度」向上につなげています。

Value 02

AIを活用して「異常値」や「特殊要因」が発見できるようになった

コールリーズン毎のお客様数の毎日の増減をAIに分析させることによって、「異常値」や「特殊要因」を見つけ出してリアルタイムに対策していく取り組みをスカパー！カスタマーセンターでは行っています。
例えば、「請求」に関連するコールリーズンの入電傾向から、毎月決まった時期に発送されているはずの現金振込用紙の到着遅れという「特殊要因」を事前にキャッチし、即座に増席対応・着信時のガイダンスを変更することで反響入電に備えるなど、コールリーズンを積極的にセンター運営に活用しています。また、発見した「異常値」や「特殊要因」についてはクライアントであるスカパーＪＳＡＴ株式会社へすぐに連携できる仕組みも構築しており、サービス改善やファン・マーケティングにつなげています。

こんなケースで
実際に活用しています

コールリーズン項目	特殊要因	対策
工事リーズンに対する入電増	工事料金変更による影響	増席対応・着信時のガイダンスを変更
視聴不可リーズンに関する入電増	特定地域の災害（台風によるアンテナ故障等）	スカパー！公式サイトへお知らせ掲載、専用ダイヤル設置
加入リーズンに関する入電増	特定コンテンツの放送情報が口コミでファンに大量拡散	ファン・マーケティングへ活用（再放送・関連番組編成）

Value 03

効率的でサステイナブル運営の実現

いくら精度が高くても、そのためにメンテナンスの工数をかけすぎてしまっては、取り組みを継続させることはできません。また、特に作業効
率性においてはカスタマーセンターにおいては最重要KPIといえます。
そのためAIを活用したコールリーズン分析は、リソース的にも無理なく、サービス改善のPDCAサイクルを回し続けられる体制を構築することができたという点で非常に高い価値があると考えています。

	Step1：全通話手作業入力	Step2: 全通話テキストマイニング（自然言語処理）で自動入力	AIを活用したコールリーズン分析
入力精度	× 入力率70%止まり	◎ 入力率 100% （ヒトによる入力の必要なし）	◎ 入力率 100% （ヒトによる入力の必要なし）
分類精度	× 約50%：分類間違いが多く、忙しさから何でもかんでも分類を「その他」としてしまっているケースも散見された	× 約50%：Step1に比べても改善せず	◯ ・75%まで改善・その他割合5%以下に改善
作業効率性	× 手作業入力に30秒以上かかる	× ・自動化で作業時間は削減・キーワード設定のメンテナンス　工数発生　40時間/月・分類項目再検討回数は0回　（リソース不足）	◎ ・自動化で作業時間は削減・キーワード設定のメンテナンス　工数不要・分類項目の再検討回数　3週間に1回程度可
総合評価	×	×	◎

今後の展望

ヒトには気づくことが難しかった、お客様の本当のお問い合わせきっかけ（コールリーズン）のための示唆をAIは与えてくれました。ただ、それを使いこなして予測に活用することができたのは、まさにヒトがこれまで積み上げてきた知見によるものであったと考えています。SPCCでは、今後もAIとヒトの可能性・ベストミックスを模索してまいります。

なお、スカパー！では様々なコンテンツのファンの皆様に、ファン視点での世界観をお楽しみいただくためにファン・マーケティングに注力しています。

スカパーＪＳＡＴグループである当社としても、既存サービスの改善やお客様の声から新商品開発のヒントを得る等、コールリーズン分析を通じてスカパー！のファンのお客様を増やしていけるカスタマーセンターを目指します。