第7回CCAJ会員交流会コンタクトセンタープラットフォームにおけるAI技術の活用 … · ④各種AIモデルの精緻化のための学習用データとしてのビッグデータ

ジェネシス・ジャパン株式会社

2019年 2月 20日

AIが変革するカスタマーエクスペリエンスの未来

本日の流れ

Genesys confidential and proprietary information. Unauthorized disclosure is prohibited. 2

1. SoR(System of Records)とSoE (System of Engagement)のちがい

2. AIによるSoE強化・CX改善の在り方とビッグデータ

3. SoEのカバー範囲の広がり－よりよいCXのために

従来、単にコンタクトセンタ基盤とみなされてきた弊社製品が、AIとリアルタイムデータの介在により顧客体験全体を包括的に管理する基盤となったことをご説明します。

カスタマー・エクスペリエンスに取り組むべき意義



本日の流れ





SoR(System of Records)とSoE (System of Engagement)のちがい

Leads

Opportunities

Cases

Systems of Engagement Systems of Records

⚫ 顧客接点のインタラクション⚫ リアルタイム⚫ 動的な最適対応⚫ 非構造化

⚫ 顧客/取引/案件⚫ 履歴⚫ 静的⚫ 構造化

両者のデータを連携させて、初めて最適なCXが実現できる。

エンゲージメントそのものをより良くするための「工夫」や「演出」を

支援するシステム

エンゲージメントした結果の「記録」を行なうシステム

競争力の源泉であり、短いサイクルで企画や改良をせねばならないシステム

しっかり、ゆっくり時間をかけて構築・改良すべきシステム

SoRのみの（トランザクションの記録しかない）世界では・・・

• 基本的にお客様が起こした行動記録だけしか残らない• 顧客動線が分からないので、次善策を打つのが困難• 有人顧客対応の現場（コンタクトセンタ）でも少ない情報を頼りにするしかない

→ 顧客と企業の関係は疎であるといえる

SoEが介在することにより・・・

より適切なタイミングでセルフサービスを促したり、顧客の意図を汲んだ有人応対につなげられる

ダイナミックエージェントスクリプト

データソース

データの資質

データの「向き」

System of Record(ERP, HCM, CRM, 特定の顧客サービス

エンゲージメント、等)

トランザクションのファクト結果がベース、”何が起こったのか”

後方視点時系列的にヒストリカル

任意のエンゲージメント方法(ウェブ、チャット、アプリ、メール、SMS、

ソーシャル、等)

お客様がどれだけ心地よいか、苦労しているかの“感情”をキャッチ

背景理由がベース、 “何故起こったのか”

その瞬間 & 予測的ライブ & リアルタイム、次善提案

SoR リアルタイム SoE

SoRとSoEリアルタイム・エンゲージメント＝CX向上のキー


vs.

vs.

vs.

SoR: System of RecordSoE: System of Engagement

本日の流れ





従来の「静的なデータを人間がどう見るか」という視点を脱し、AIがリアルタイムに好ましい顧客体験にお客様を「誘導」できるように、アクションの取れる洞察や次善策の動的な立案を行うような基盤が求められています。

GOAL

データの取り扱いにおけるマーケットトレンド

GenesysのAI関連将来像その1 ー AI前夜

CTI

Routing

Chat

QM・WFM等

データRealtime

データHistorical

チャネルは電話のみの時代＝“コールセンタ”

CCP GI2

⚫ AIが存在する以前の段階では、コールセンタの運営状況を人間が把握するための仕組みだけで事足りていました。

⚫ 人間からみて「ヒストリカル」とは過去1週間とか1か月の単位で集約されたデータで・・・

⚫ 「リアルタイム」とは例えば過去5分ぶんの状況を示す、といった区別がなされていました。

GenesysのAI関連将来像その2 ー AI前夜（オムニ拡張後）

CTI

Routing

QM・WFM等

データRealtime

データHistorical

チャネルは電話のみの時代＝“コールセンタ”

CCP GI2

Routing

QM・WFM等

LINE、Webチャット等

電話＋他チャネルでオムニチャネル＝“コンタクトセンタ”

⚫ オムニチャネル対応がなされたあとのセンタでも基本的は同じです。

⚫ エージェントが対応した結果を集約（バッチ）して、人間（SVやLD）がわかりやすいように紙や画面上に示す、ということは変わりません。

⚫ ただ、このような仕組みでは、AI時代に求められるリアルタイム性（AIがお客様毎の最新状況に応じ、動的に最善策を考えるような利用法）を提供するには遅すぎるのが問題になってきます。

これらの仕組みをAIで強化するにあたり、リアルタイム性が求められる

AI?リアル

リアルヒストリカル

ヒストリカル

GenesysのAI関連将来像その3 ービッグデータの蓄積

CTI

Routing

QM・WFM等

①Kafkaによるシングルデータストア

Routing

QM・WFM等


人間が「レポーティング」として認識する領域Kafka ＋ ②Genesys CX Insights

AI Routing = Predictive Routing

AI WFM = Workforce Engagement Management

AIチャット = Chatbot

AIによるカスタマジャーニーの認識および誘導 = AltoCloud

AI活用X、AI活用Y、AI活用Z…

人間によるデータの利活用

② ヒストリカルとリアルタイムの境界消失＝Kafkaに蓄積されたデータをどのタイミングで集約するかによって人間の見るレポートの視点が変わる。

① AI消費用のビッグデータの基盤整備＝お客様個々人の動線やCXをデータ的に追える基盤をKafkaが提供することによって、ルーティングやチャットボット等、Genesysが今後提供するAI関連ソリューションが粒度の細かいデータにアクセスし、意味のある判断を行えるようにする。

AIによるコンタクトセンタ強化

GenesysのAI関連将来像その4 ー CXイベントへの対処

CTI

Routing

QM・WFM等

Kafkaによるシングルデータストア

Routing

QM・WFM等


③Flinkによるイベント検出

人間が「レポーティング」として認識する領域

AI Routing = Predictive Routing

AI WFM = Workforce Engagement Management

AIチャット = Chatbot

AIによるカスタマジャーニーの認識および誘導 = AltoCloud

今後の様々なAI活用ソリューション

③ ビッグデータの蓄積から、機動性のあるCX基盤へ＝お客様のCX向上に貢献する有意なイベントをFlinkが検出し、適宜AIが最適な初動を取れるための基盤を整備。これにより、様々なAI関連ソリューション（総称：Kate）が最適なタイミングで最も有効な手が打てるようになる。人間によるデータの利活用

KATE ＝ GenesysのAIソリューション総称

④ 各種AIモデルの精緻化のための学習用データとしてのビッグデータ＝「AIが対応した結果」も含めてKafkaに蓄積していくので、AIの学習用データとしてもKafkaデータが有用になっていく。

人間が最適対応するうえでの支援（内容・タイミング）

④ 機械学習データ

ご参考：Kafkaとは－CX関連データの集約

⚫ Apache Kafka(アパッチカフカ)とは、分散ストリーミングプラットフォームです。「Pull型」「高スループット」などの特徴があり、ストリーミングデータパイプライン構築に利用できます。

⚫ Apache Kafkaは、分散環境において「高スループット」かつ「低レイテンシ」で、大規模データ(ログデータ/イベントデータなど)を高速に取り込み、配信できるメッセージングシステムです。オンライン/オフライン両方のメッセージ取得に対応します。

⚫ 「リアルタイムストリーミングデータパイプライン構築」や「データストリームを変換するリアルタイムストリーミングアプリケーション」などを構築できます。

⚫ 今後、Genesysの各コンポーネントが吐出する様々なデータの集約に用いられていきます。

⚫ 今後、GensysのAI関連ソリューションが、データをリアルタイムに取得する際の基盤として活用していきます。

⚫ 詳細は https://kafka.apache.org/ をご覧下さい。

https://kafka.apache.org/

ご参考：Flinkとは－CX改善上有意なイベントの検出

⚫ Apache Flink(アパッチフリンク)とは、分散ストリーム処理プラットフォームです。バッチ処理にも対応し、耐障害性/拡張性を備えたストリーム処理基盤です。

⚫ Apache Flinkは、ストリーム基盤として「データディストリビューション機能」「通信機能」「データストリームフォールトトレランス機能」「柔軟なAPI連携機能」などを備えています。

⚫ 「ユーザコードによるメモリ枯渇が発生しない」「ガーベージコレクション削減」「効率的ディスクI/O」「ランタイムチューニング不要」「堅牢」「安定パフォーマンス」「機械学習/グラフ処理ライブラリ」などの特徴があります。

⚫ GenesysではKafkaと連動したFlinkに、CX上有意なイベント検出をさせることにより、CX改善のタイミングを逃さず、AIや人間（エージェント）が最適な対応を取れるように活用していく予定です。

⚫ 詳細は https://flink.apache.org/flink-architecture.html をご覧ください（英語）

https://flink.apache.org/flink-architecture.html

本日の流れ





SoEのカバー範囲の広がり－よりよいCXのために


お客様になったあとお客様になる、はるか以前

？SoEは、いままで「セールス＆マーケティング」と呼ばれていた領域にまで広がりを見せ始めています。（早めの顧客エンゲージがカギ）

CXの実現に必要となるSoEの機能拡充


オープンな基盤

エージェントの対応力強化

AI音声

デジタル

セルフサービス

クラウド

顧客ジャーニーの管理マーケティング・営業・サービス

センター側の生産性向上スタッフ・TCO・最適化





AI音声

デジタル


クラウド



Altocloud（ウェブサイト上の顧客動線の分析& 予測的な顧客エンゲージ）

◦ ウェブサイト上の顧客の購買等の行動／動線

の把握・分析ツールです。

◦ 見込み客、既存客を問わず、企業のサイトに

訪問したお客様の動線を常時把握します。

◦ お客様がコンタクトセンタ架電の際に、エー

ジェントにカスタマージャーニーを可視化し、

よりよい応対につなげます。

◦ お時間ありましたら、YouTube上のビデオを

ご覧下さい。https://www.youtube.com/watch?v=oJawhTl5ODk

23Genesys confidential and proprietary information. Unauthorized disclosure is prohibited.

Journey Analytics and Predictive Engagement

https://www.youtube.com/watch?v=oJawhTl5ODk

AltoCloudによるカスタマージャーニー可視化の例


ジャーニーの段階

規定したビジネス指標に関する推定確率

「聞き直し」、「説明のさせなおし」を省き、機敏な応対でCXを向上させ、成約率を高めます





AI音声

デジタル


クラウド



26

スキル／グループに基づくマッチング

スキルはエージェントのグループ化のために規定

「手の空いている者」を探すレベルのルーティング

エージェント個々人の能力を加味

エージェントのメタデータと能力データ

プロフィールのマッチング

ビジネス成果を出すことが目的

+

ビジネス成果を上げる上で最適のオペレータ

そこそこのオペレータ

既存のACDルーティング vs プレディクティブルーティング

最善の顧客体験は「偶発的」最善の顧客体験を実現できる組合せを「人為的」に発生

ビジネス指標を予測・最適化する高度ルーティング


お客様 Amy

オペレータの稼働(FCR, AHT)

アンケート結果(NPS, CSAT)

結果

売上(離脱阻止,受注, 督促)

Customer

Agent

Interaction

VoC

CRM

Real-time conditions

MachineLearning

Sales/Financial

AI

Deb6.18

Cam 6.60

Ben6.87

Amy5.42

Amy6.32

Ben 7.48

Cam8.10

Deb4.14

Cam6.35

Ben 6.48

Amy9.13

Deb5.87

Amy5.31

Ben 7.01

Deb7.84

Cam4.17

Amy

お客様(待ち呼)

オペレータの完全ランキング、および入呼客とのマッチング

※ 動作イメージ NPS向上売上Up 離脱阻止

入呼の段階でAIがお客様の様々な情報を加味

マッチング結果によるビジネス成果の把握とAIへのフィードバック

本日のまとめ

◦ カスタマーエクスペリエンス向上にAIを活用することはすでに一般化しています。

◦ ただし、AIを有効かつリアルタイムに活用するためには大量のデータが必要です。

◦ そのためにはカスタマーエクスペリエンス基盤全体を仕組みから見直すことが重要となります。


Copyright ©2017 Genesys.2001 Junipero Serra Blvd., Daly City, CA 94014

All Rights reserved. Genesys and the Genesys logo are registered trademarks of Genesys. All other company names and logos may be registered trademarks or trademarks of their respective companies.

ご清聴ありがとうございました。

お問合わせは下記までお願い致します。

ジェネシス・ジャパン株式会社マーケティング本部

電話 : 03-5989-1430Eメール : [email protected] : www.genesys.com/jpFacebook : https://www.facebook.com/genesysjapanTwitter : https://twitter.com/Genesysjapan

Documents

第7回CCAJ会員交流会 コンタクトセンタープラットフォーム におけるAI技術の活用 … · ④各種AIモデルの精緻化のための学習用データとしてのビッグデータ

第7回CCAJ会員交流会コンタクトセンタープラットフォームにおけるAI技術の活用 … · ④各種AIモデルの精緻化のための学習用データとしてのビッグデータ