東京
03-5369-4845
名古屋
052-218-6937
大阪
06-7660-1232
福岡
092-739-8085

2019/07/12

データマイニングとは?コールセンター分析手法と解決できる課題をご紹介

データマイニングとは?コールセンター分析手法と解決できる課題をご紹介

こんにちは!楽テルコラム担当です。

近年のIT技術の進化によって、誰でも容易に情報を収集したり、低いコストでデータの保持ができるようになったりしたことで、ビッグデータをもとに分析が可能となりました。まさにビッグデータの時代といえます。各企業がその活用手法を日夜考えている状況になりつつありますが、そんな中で注目を集めているのが「データマイニング」です。今回は、「データマイニング」とはどのようなものかを解説するとともに、コールセンターでも実装可能な取り組みや導入するための準備などについて紹介していきます。

コールセンターの業務効率と対応品質の両方を上げるには

電話対応業務における大きな課題である「オペレーターの対応時間」や「オペレーターの対応品質のバラつき」。
これらの課題解決に有効なのが、クラウド型CRM・CTIシステムです。

着信時ポップアップやIVR(自動音声応答)、自動文字起こしなどの機能を活用することで、コールセンター業務の質と両方を、大きく改善できます。

クラウド型コールセンター
CRMシステム「楽テル」
資料請求はこちら(無料)

目次

    データマイニングとは?

    データマイニングは、大量のデータの中から自分たちにとって有益となる情報を「発掘」する取り組みのことです。近年、クラウドのシステム、IoTの発展によって、膨大かつ煩雑な「ビッグデータ」を企業で蓄積できるようになりましたが、データは手元に集めるだけではその真価を発揮する事ことはできません。収集したデータを上手く活用し、ビジネス展開の重要なヒントを得る方法を見つけ出したいと、「データマイニング」への関心が高まっているのです。

    関連記事はこちらコールセンターをRPAで自動化!導入可能な業務とRPAがもたらす効果とは

    データマイニングでできること

    データマイニングによって実現できることは大きく以下の3つに分けることができます。

    • データを分類する
    • データ間の関連を分析する
    • 発生する確率を予測する

    例えばマーケティングや経営の戦略・方針を練る際などにも、このデータマイニングを行うことで信頼のあるデータをもとに検討・分析が可能となります。

    コールセンターのデータ分析の目的

    「データマイニング」の具体的な手法について解説する前に、まずコールセンターがデータを分析する6つの主な目的を確認しておきましょう。

    顧客のニーズを理解するため

    コールセンターがデータ分析をする目的のひとつは、日々寄せられる問い合わせにはどんなものがあるかを分析し、顧客の潜在的なニーズを把握することです。問い合わせ内容を分析すれば、「説明書の特定の部分が分かりにくい」「商品プロダクトのこの部分が使いにくい」など、顧客ニーズの特定や現状の課題の把握に繋がります。

    効果を最大化するため

    企業側から顧客にアプローチするアウトバウンド型コールセンターのデータ分析の目的は、営業活動の「効果」をはかり最大化することです。例えば、営業電話においては顧客と直接話すタイミングを見計らうことが重要です。顧客が電話に出る確率の高い曜日や時間帯、もしくは商品の購入からどれくらいの期間を空けてフォローの電話をすると反応が良いかなど、過去データからパターンを抽出していきます。そのデータをもとに、実際の業務に反映してアプローチの無駄を軽減します。

    業務効率改善のため

    データ分析には、オペレーターの業務実態を把握して効率化に繋げる目的もあります。例えば、入電に対して電話に出た確率をあらわす「応答率」や、電話を取れなかった「放棄呼数」などからは、オペレーター人数の過不足が分かります。さらに、保留時間の長さによっては回答や担当の引き継ぎに時間がかかっているかどうかを把握できます。

    こうした実態が浮かび上がると、どのように改善すれば業務効率が良くなるかのヒントになります。オペレーターにとっても具体的に改善の努力ができるので、コールセンター全体の応対品質の向上に繋がりやすいでしょう。

    顧客離れを阻止するため

    コールセンターに寄せられる顧客からの要望や質問、リアルな感想といったあらゆる情報を分析することで、商品をリピート購入しない理由や、サービスの解約に至った要因などを追求することが可能です。その結果を商品やサービスに反映し、改善することで、顧客の継続的な利用・購買への貢献が期待できるでしょう。
    市場にあふれる商品・サービスの中で生き残っていくためには、既存顧客から継続的に支持してもらえるかどうかが重要なポイントになります。つまり、商品・サービスの改善や新たな価値創出に努めるだけでなく、顧客離れを阻止することが企業にとってとても大切なのです。

    情報の属人化を防ぐため

    顧客情報や顧客対応スキルの属人化を防ぐための情報共有も、データを分析する重要な目的の1つです。

    コールセンターに寄せられた顧客情報が対応したオペレーターに属人化していると、そのオペレーターが離職した場合、企業に情報が蓄積されることはありません。同時に、オペレーター個人が勤務する中で培った顧客対応スキルも手放してしまうことになります。
    オペレーター個人が持つ顧客情報や顧客対応スキルを分析し、言語化・マニュアル化することにより、情報の属人化を回避できます。オペレーター業務の引き継ぎや、組織横断的な情報の活用にも役立つでしょう。

    将来の需要や傾向を予測するため

    コールセンターに蓄積されたデータの分析によって、将来の需要や傾向の予測精度を高めることができます。

    コールセンターに寄せられる声から今後の問い合わせ需要をある程度読み取ることができるので、オペレーターの人材配置の最適化も実現し、人件費の抑制に貢献します。さらには、市場動向などのデータを収集すれば、今後の商品の生産量を判断したり、サービスの供給体制を整えたりすることができるようになります。

    コールセンターのデータ分析で重要な指標とは?

    前述のデータ分析の目的を踏まえて、具体的にコールセンターではどのような指標をもとにデータ分析を行えばよいのでしょうか?
    ここでは分析において重要な指標・データについて主要な3つをご紹介します。

    KPI

    目標達成のために設定する指標のことを「KPI」といいます。この指標は数値で明確に設定します。コールセンターのKPIとして定番のものは、「応答率」「放棄呼数」「稼働率」などがあります。このKPIを一定期間、正確にデータ収集し、そのデータを分析して改善のための課題を見出します。

    VOC

    VOCとは「Voice of Customer」の略です。「顧客の声」と訳せるように、顧客の問い合わせに向き合うことです。良い評価は企業の強みとしてより強化し、ネガティブな声は改善ポイントとして活かしていきます。

    トーク履歴

    ここでいう「トーク」とは、オペレーターの会話のことです。会話の内容を録音して場合によっては文字に書き起こすといった分析を行い、オペレーターの案内の分かりやすさや説明の過不足などをチェックします。難しい質問に対する良い言い回しの共有などにも活用可能です。

    データマイニングをするための事前準備をしよう

    実際にデータマイニングを行うには、事前準備が必要です。大きく分けて2つのステップがあるので、詳しくご紹介します。

    STEP1. もととなるデータを収集する(データウェアハウス)

    まず、データマイニングを行うためのもととなるデータを収集します。データが大量であればあるほど、有益なデータマイニングに繋がります。企業内のあらゆるデータの集積場所として「データウェアハウス」というシステムを設けることもあります。

    データウェアハウスとは、いくつもの部署に散らばったデータを1カ所に集めるための「倉庫」のようなものです。データは原則として整理や削除、更新などの一切の改変をせず、ただ蓄積することだけに特化します。同じような用語に「データベース」がありますが、これは検索性を高めるために整理されたデータを指し、データウェアハウスとは異なるものです。

    STEP2. 収集したデータを加工する(クレンジング)

    次に収集したデータを、データマイニングを行うために加工します。加工とは、データマイニングで使用するシステム上で稼働ができるようにデータを変換することです。

    数字や記号などのデータ形式を統一化したり、一定のルールに従って正規化したりすることも含まれます。このステップは「クレンジング(=洗浄)」とも呼ばれ、データマイニングの誤差を低減するための重要なプロセスです。

    データマイニングで用いられる分析手法

    事前準備が完了したら分析を行っていきますが、データマイニングには複数の分析手法があります。
    分析目的によってどんな方法が適しているかは異なりますが、マーケット・バスケット分析、クラスター分析、決定木分析、回帰分析、ロジスティック回帰分析などがよく使われる方法です。実際に分析を行う際は、単独の手法のみが使われることは少なく、複数の手法を組み合わせ、分析を行う場合がほとんどです。

    中でも代表的な手法を3つ紹介していきましょう。

    1:マーケット・バスケット分析

    マーケット・バスケット分析は、それぞれのデータ間の関連や関係性をみていく手法で、"よく一緒に買われる商品" を見つけるための分析手法のことをいいます。
    例えば、夕刻「おむつを買う顧客は同時にビールも買う」という事例は聞いたことがあるでしょうか。夕食の準備で忙しくしている母親から頼まれて父親が紙おむつを買いに行くと、ビールをご褒美として一緒に買っていくため、と解釈されています。
    このほか、「日曜大工店でペンキを購入する人の80%はローラーを同時購入する」「食品店でトルティーヤチップスを購入する人の80%は瓶入りサルサソースを同時購入する」などの事例がよく聞かれます。
    この分析結果は、商品仕入れや、店舗内のレイアウト、陳列の方法、特売品・キャンペーン商品の選定などを検討する時に参考にされています。また最近は、ECサイトでのおすすめ機能として実際に使われています。

    2:クラスター分析

    クラスター分析は、性質の異なるものが混ざっている集団の中から、似た性質を持つものを集めて、クラスター(=房、集団、群れ)を作る手法です。簡単にいえば、「似たもの集めの手法」です。

    このクラスター分析も大きく分けて2つの方法があります。

    1.階層クラスター分析

    階層クラスター分析は、最も似ているもの(近いもの)の組み合わせから順番にクラスター化する(まとまりをつくっていく)方法です。

    この方法の良い点は、分類を行っていく過程でひとつずつクラスターをまとめていくため、後からクラスター数を決決定できる点です。ただし、分類対象の母数が多くなると、クラスター化が難しくなったり、分析結果が巨大化して結果が不明瞭になったりする可能性があるため、一般的にはビッグデータ分析の手法としては不向きです。

    2.非階層クラスター分析

    非階層クラスター分析は、階層的な構造を持たない手法となり、事前にクラスター数を分けてから、各まとまりに分割を行っていく方法です。事前にクラスターを分ける必要がある点が難しいポイントですが、大量のデータに対しての分析も可能となることから、ビッグデータを分析する際に適した手法となります。

    3:ロジスティック回帰分析

    ロジスティック回帰分析は、ある因子から判明していない結果の予測を目的とし、またすでに出ている結果を説明するために用いられ、発生確率の予測を行うための手法です。マーケティングとして行った施策に対しての顧客の反応率を分析し、より効果的な施策となるよう改善していく際などに利用されます。

    データマイニングによって解決できる課題

    企業はマーケティング戦略において多様な課題を抱えています。データマイニングによって解決が期待できる課題を「商品」と「顧客」に絞っていくつか例を見てみましょう。

    商品についての課題

    1. どのエリアでどの商品が売れているのか推定、把握したい
    2. 自社の商品をどのようにカテゴライズすべきかを分類、抽出したい
    3. 今後注力すべき商品を分類、抽出したい
    4. 商品の売れ行きを予測したい
    5. 特定の商品がどんな商品と一緒に買われているかを知りたい
    6. 新発売の商品の評判を知りたい

    顧客についての課題

    1. この顧客がどんな商品を買っているかを推定、把握したい
    2. 優良顧客、離反しかけている顧客を分類、抽出したい
    3. どの顧客が今後特定の商品を買ってくれるかを、予測したい
    4. どんな顧客にどのような商品をすすめるべきかを知りたい
    5. 年齢層や居住エリア別の顧客の人物像を知りたい

    コールセンターの情報もデータマイニングで分析

    データマイニングを利用することで、日々蓄積される大量のデータを上手く活用することができます。コールセンターにおいては問い合わせの内容の集計から、ブランド別、クレーム別などの属性ごとに特徴的な発言を抽出・分析し、問い合わせ傾向や話題の変化等も把握することが可能です。
    そうすることによって、今顧客が注目している事柄や顧客が企業に抱いている不満、特定の属性に偏った発言などを発見でき、サービスや商品の課題を特定、改善につなげることができるでしょう。

    関連記事はこちらVOCって何?測定方法の種類や具体的な進め方・活用事例をご紹介

    コールセンターにおいては音声マイニングの活用も

    近年、データマイニングによる取り組みはさまざまな分野で実施されていて、コールセンターに集積される音声データも含まれます。

    データマイニングによるデータ活用を行っていくには、テキスト形式など分析を行いやすい形式に変更する必要があることから、音声データは使いにくいとされていましたが、正確性が向上した音声認識機能によって、データマイニングが可能な状態となっています。顧客の音声をテキストのデータに変換して蓄積、活用することで、顧客の傾向や要望の把握も可能です。

    まとめ

    データマイニングを用いれば、コールセンターにて集められた大量のデータを活用して、効率よく課題点・改善点を導きだすことができるようになります。それは、企業に利益をもたらすきっかけになるでしょう。管理者の皆様は、ぜひデータマイニングを導入し、さらなる発展を目指していきましょう。

    関連記事はこちらコールセンターのモニタリング分析って?6つのメリットと評価方法をご紹介 | 楽テル

    関連記事はこちらコールセンターのKPI5選とKPI設定のポイント5つについて解説します! | 楽テル

    楽テルバナー

    記事執筆者情報

    楽テルコラム編集部

    リスティング広告やFacebook広告の運用、プロダクトサイトのSEOなど、広くWEB施策に携わっています。前職では、世界トップクラスのシェアを誇るCRMシステムの導入支援を通して、様々な企業の業務改善に尽力していました。
    楽テルのコラムではコールセンターやインサイドセールスにおける業務効率化・顧客満足度向上などの例をご紹介していきます!
    好きな料理は「スパイスカレー」です。