re:Invent 2024: AWSがAI分析でContact Centerを最適化
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
📖 AWS re:Invent 2024 - Elevate your contact center performance with AI-powered analytics (BIZ212)
この動画では、Amazon ConnectのProduct Management DirectorのKevan Mahが、コンタクトセンターにおけるデータ活用の戦略とロードマップについて解説しています。Contact LensやGenerative AIを活用したコンタクトセンターの分析・最適化機能のデモが紹介され、特にToyotaの事例では、350のContact Lensルールを活用して顧客インサイトを収集し、ゲスト認証40%向上、顧客セルフサービス4%増加、IVR所要時間83%削減などの具体的な成果を上げた実践が共有されています。Amazon Connectの進化とともに、AIを活用したコンタクトセンターの自己最適化や、Human-in-the-loopアプローチによる効率的な運用方法について、具体的な実装方法と成果が示されています。
※ 動画から自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますので、正確な情報は動画本編をご覧ください。
※ 画像をクリックすると、動画中の該当シーンに遷移します。
re:Invent 2024関連の書き起こし記事については、こちらのSpreadsheet に情報をまとめています。合わせてご確認ください！
本編
Amazon Connectの進化と本セッションの概要
おはようございます。みなさん、お集まりいただきありがとうございます。Las Vegasで朝8時30分からというのは大変ですよね。今日はコンタクトセンターに情熱を持つ最高の仲間が集まっています。また、Swamiのキーノートと時間が重なっていることも承知していますが、ここにいる皆さんと素晴らしい時間を過ごせると確信しています。私はAmazon ConnectのProduct Management DirectorのKevan Mahです。Amazon Connectチームの立ち上げから約8年間、この仕事に携わってきました。当初は、小規模ながら野心的なチームで、私が唯一のProduct Managerだった時期もありました。現在では、AWSの歴史の中で最も急成長しているサービスの一つを担当する大きなチームとなりました。一生に一度の機会に恵まれ、この素晴らしいプロダクトを構築できたことを、とても幸運に感じています。
本日は、Alex SchrameyerとMitch Aubinをお迎えし、プレゼンテーションの中でそれぞれ異なるトピックについてお話しいただきます。 こちらが本日のアジェンダの概要です。私からはコンタクトセンターにおけるデータについて、Amazonがどのように考えているかをお話しします。そして、通常のセッションではあまりしないことですが、私たちのロードマップと将来の戦略について、これからどこに向かおうとしているのかを少しだけ覗いていただきます。AlexとBradley White、そしてToyotaのMitchは、私よりもっと興味深い内容をお話しします。Alexはデモを行いますので、実際の製品の動作をご覧いただけます。そしてもちろん、Toyotaの皆さんからは、さらに素晴らしい実践事例をご紹介いただきます。私にとって、このような実例こそが、このプレゼンテーションの中で最も興味深い部分なのです。
朝早い時間ですが、会場の皆さんに簡単なアンケートをさせていただきたいと思います。Amazon Connectをご存知の方は手を挙げていただけますでしょうか。驚きですね。7年前のReinventでは、ほとんど手が挙がらなかったんです。当時は、会場にいたソフトウェアエンジニアの皆さんは、これが別物だと思っていました。今では、私たちは主要なクラウドプロダクトとなり、多くの方々に認知されています。これは本当に嬉しいことです。
顧客体験の重要性とAmazon Connectの誕生
もう少し身近な話題に移りましょう。ひどいカスタマーエクスペリエンスが原因で、ある企業のサービスを使うのをやめてしまった経験がある方は手を挙げてください。同僚たちがLas Vegasに飛んできたのですが、その中の一人が荷物を紛失してしまいました。Alexが先日話していたのですが、本当に困りますよね。Las Vegasにいて、ステージに上がる予定なのに、着る服も持っていない。店に行かなければならず、20ドルの手当てをもらっても何もできません。顧客は悪い経験をすると離れていってしまいます。荷物を紛失した私の友人は、座席が悪かったり、困った乗客の隣に座ることになったりして、それについて苦情の電話をしたかもしれません。このように関連性のない一連の出来事が重なり、ある時点で複数の悪い経験をして、もうこれ以上利用しないと決めてしまうのです。
Amazonでは、「私たちの過失ではないかもしれないが、それは私たちの問題である」という言葉があります。多くのことはコントロールできませんし、問題は起こります。しかし、それが自分たちの過失であるかどうかに関係なく、そういった出来事に対する顧客の認識は、そのまま企業に対する認識となります。顧客は企業に対して非常に高い期待を持っており、自分たちのことや要望について全て把握していることを求め、パーソナライズされた対応を期待しています。顧客の経験や何が起こったのかを理解し、顧客が歓迎され、大切にされていると感じられるようにする必要があります。 これは、もちろんAmazonの基本理念の一つであり、私たちが行ってきたすべてのことの根底にあります。常にカスタマーから逆算して考え、すべての課題や構築するものの中心に顧客を置いているのです。
これは私たちが大好きなJeff Bezosの言葉の一つです。「お客様は常に美しく不満を持っている」。たとえお客様から満足しているという連絡をいただいても、さらに多くを求めているのです。私はこの仕事を長年やってきましたが、満足していると言ってくれるお客様でも、もっと多くを望んでいることを知っています。昨年200の新機能をリリースしても、次の100の機能を求めてきます。約8年前から私たちのサービスを利用しているお客様は、これまでに400の新機能を受け取っていますが、Amazon Connect V2のアップグレード料金を請求したことはありません。それでも彼らは依然として不満を持っています。だからこそ私たちはここにいて、Product担当として、常にバーを上げ、イノベーションを続け、より素晴らしいものを作り続けなければならないのです。なぜなら、お客様の期待値も同様に上がり続けているからです。
少し歴史を振り返ると、Amazonがコンタクトセンターを必要としていた時、既存のソリューションに不満がありました。私たちのニーズを満たす技術が見つからなかったのです。非常にAmazonらしい対応として、「それなら自分たちで作ろう」ということになりました。Amazonが期待する規模、複雑さ、品質を満たすものが他にはなかったのです。
そこで15年前、私たちは社内技術を構築しました。そして8年前、私たちは気づきました。Amazonの規模に合わせて何かを構築し、それが素晴らしいものだとわかり、Amazonが優れたカスタマーサービスを提供していることを知っていました。私たちは業界最高峰だと考えていました。物流拠点からAudible、セラーサポート、Amazon Business、そしてもちろん小売のカスタマーサービスまで、Amazonの様々な部門で数万、おそらく数十万のエージェントがこのシステムを使用できることを知っていました。私たちは特別な技術を構築したことを認識していました。
これこそがAmazon Connectの物語です。他の人々もこの技術を気に入るだろうと考え、それが実現したのです。これが今日、Amazon Connectが存在している理由です。実は、これはAWSが今日存在している理由でもあります。私たちは社内利用のためにスケーラブルなWebサービスを構築し、他の人々にも役立つクールなものを作り上げたことに気づいたのです。
Amazon ConnectのAnalytics機能：データ駆動型意思決定の実現
Amazon Connectの特別な点について考えるとき、それは私たちの始まりに遡ります。お客様は自分たちのコンタクトセンターに不満を持っていました。「私は現在使用しているコンタクトセンター技術が大好きです。価格設定やロックイン条件に本当に満足しています」と言うお客様に出会ったことは一度もありません。そんな話は全くなかったのです。お客様は今でも不満を持っていますが、8年前のような扱い方はしていません。その理由の一つが、ここにある私たちの差別化要因です。私が常に興奮するのは、「数回のクリックで、ゼロからコンタクトセンターを構築して設定できる」という言葉を本気で実現していることです。
COVID期間中、インフラが機能不全に陥り、ワクチン接種フェーズや失業給付に関する問い合わせの殺到に対応できなくなった公共セクターのお客様がいました。このインフラではそのような規模に対応できなかったのです。彼らは金曜日にパニック状態で私たちに連絡してきて、どうすればいいかわからず、これらの問い合わせに対応できない状況でした。私たちは月曜日までには稼働させることができました。Amazon Connectをご存知の方ならわかると思いますが、AWSコンソールにアクセスしてプロセスを進めれば、コンタクトセンターを立ち上げることができ、そこからルーティングルールの調整や、エージェントの追加、エージェントインターフェースの最適化などを行うことができます。
私たちはこれらすべてをできる限り簡単にしようと努めています。これは私のチームの主要なミッションの1つです - 設定や構築の手間を減らしたいのです。時には皆さんが先んじて何かを構築することもあるでしょう。そうしたら、私たちはそれをより簡単にして、開発の負担を軽減するよう努めます。私たちは何年もそうしてきましたし、現時点では、多くの機能が数回のクリックで実現できるはずです。要は、技術的な心配をせずに、カスタマーサービス体験を本当の意味でコントロールできるようにすることが目的なのです。
AIは最初から私たちのほぼすべての取り組みの中心にありました。私たちはAmazon Lexを使用した音声ベースのチャットボットでセルフサービス体験を作成できる機能とともにサービスを開始し、それ以降リリースした機能のすべてにAIが組み込まれています。数年前にGenerative AIが注目を集めた時、私たちは適切なタイミングで適切な技術を持っていました。その結果、参入障壁が下がり、人々は今までになくAIが身近に感じられるようになりました。
Contact Lensの誕生にまつわる話を覚えています。初期のお客様の中には、S3バケットに保存された通話録音を、音声をテキストに変換する別のAWSサービスであるTranscribeにコピーしていた方々がいました。そして、そのテキストをすべて別のサービスであるComprehendに移動させ、トピックモデリングやセンチメント分析、状況に関する洞察を得ていました。その後、それらすべてを何らかのデータウェアハウスにフィードバックしていたのです。私たちにとって、それほど難しいことではないはずでした。なぜ明らかに繰り返し行われる作業をしているのか？そこで私たちは、お客様のためにこれを実現しようと決めました - より簡単に、より良く、より安価に提供することにしたのです。
私たちはContact Lensをリリースし、文字通り1、2回のクリックで - 1回は権限設定用、もう1回はコンタクトフロー内での有効化用 - 実現できるようにしました。これは強力なAIを直接コンタクトセンターに注入することです。今日ご覧いただけるように、私たちはContact Lensを大きく成長させてきました。
Contact Lensは、より包括的なインサイトを提供できるようになりました。コンタクトの自動カテゴリー分類、パフォーマンス管理、さまざまなアラートをトリガーするルールの作成が可能です。これこそが私たちのAIに対する考え方です - インサイトとパワーに簡単にアクセスできるべきなのです。Generative AIによってその能力は加速し、何倍にも増幅され、私たちはそれをAmazon Connectテクノロジー全体に組み込んでいます。
時宜を得た話題なので、最近リリースしたものについてお話ししましょう。今回のre:inventでは14件のローンチがありました。ご想像の通り、その多くはGenerative AIとそのコンタクトセンターでの実用的な活用に関するものです。ここで私たちの戦略の一端が見えてきています。私たちはすでにコンタクトセンターのパフォーマンス最適化において優れた能力を持っており、さらに多くの機能を開発中ですが、他の側面も現れてきています。左側には、プロアクティブなカスタマーサービスがあります。私たちは着信コールの処理 - ルーティング、最適化、チューニング - に長けており、これは本質的に、お客様へのアウトリーチに使用したい技術と同じものです。
右側には、予測とスケジューリングに関する技術があり、これは incoming workloadを理解し、それを処理するエージェントをどのようにバランスよく配置するかを示しています。これらのコンポーネントは連携して機能します - 仕事量とエージェントのキャパシティがわかれば、インバウンドのエージェント時間をアウトバウンドのエージェント時間に変換する機会を特定できます。エキサイティングなのは、お客様がコンタクトセンターをコストセンターとしてではなく、収益を生み出すセンターとして見るようになり、収益性のあるビジネスコンポーネントにする方法を検討し始めていることです。新しいローンチは数多くありますが、個々の詳細には触れません。むしろ、皆様のコンタクトセンターのコンテキストで検討する方が価値があるからです。
今後の戦略について少しお時間をいただきたいと思います。この新しいスライドは私たちの未来を示しており、Amazonでよく話題に上がるバーチャルサイクルという考え方を表しています。上部では、コンタクトセンターで何が起きているのかを、より具体的で個人的なデータを用いてインサイトを生成します。サークルを回っていくと、このデータの異常や通常とは異なるパターンを検出できます。下部では、観察されたパターンに基づく推奨事項を提供し、これらの推奨事項は簡単に実装できるようになっています。
これが効果的に機能するのは、設定もデータもすべてAmazon Connect内にあり、すべてのツールが一か所に集約されているからです。このループを進めていく中で、AIへの信頼が構築され、効果的に機能していると確信できれば、コンタクトセンターは自己最適化することができます。これは、収益の増加、リテンションの改善、解約率の低下など、ビジネス目標を私たちに伝えるだけでよい、というエキサイティングな未来です。Generative AIの異なるデータポイントを検証する能力を活用して、この広範なデータを分析し、変化をもたらす方法を提案することができます。さらに、これらの変更を代わりに実装することも可能です。
AnyCompany Retailのケーススタディ：データ分析と品質管理の実践
ここで、この機能の実際のデモンストレーションをお見せするために、Alexをステージにお招きしたいと思います。本日は、最新のコンタクトセンターにおけるデータ駆動型の意思決定と継続的な改善を実現するAmazon Connectの強力なツールについてご紹介していきます。架空の小売企業であるAnyCompany Retailのコンタクトセンターで働く3人の重要な担当者の業務フローを見ていきましょう。データを活用してトレンドを特定し、改善点を見出すビジネスアナリストのJaneと、サービス品質の監視と向上に焦点を当てるQAアナリストのCarlosとShirleyの視点から見ていきます。Amazon ConnectのAnalytics Suite（Contact Lens、Generative AI搭載のインサイト、カスタマイズ可能なダッシュボードを含む）が、業務をどのように変革するかを探っていきます。
このデモを通じて、これらのツールが連携して、新たなトレンドや課題の特定、コンタクトの自動分類と評価、そしてデータに基づくコーチングを可能にしながら、的を絞ったQA活動をどのように実現するかを見ていきます。
まずは、ビジネスアナリストのJaneから始めて、Amazon Connectを使用して顧客とのやり取りから価値のあるインサイトを見出す方法を見ていきましょう。AnyCompany Retailのビジネスアナリストとして、Janeの主な責任は、コンタクトセンターのデータを分析してトレンドを特定し、パフォーマンスを測定し、コンタクトセンターの効率を向上させるためのデータ駆動型の意思決定をAnyCompany Retailのビジネスができるよう支援することです。Janeは、Amazon Connect Contact Lensによってすでに分析された問い合わせについて、隔週でレポートを実行することから始めます。
このレポートを入手したら、Theme Detectionを使用してテーマレポートを生成し、AnyCompany Retailのコンタクトセンターにおける数千件の顧客とのやり取りの中から、これまで知られていなかった、あるいは新たに浮上してきたコンタクトのテーマを発見することができます。 Contact Lensは機械学習を適用して、類似の問題を持つコンタクトを自動的にグループ化します。ここでJaneは、かなりの割合のコンタクトが商品返品のカテゴリーに分類されていることに気づきます。この新たなトレンドに警戒を感じた彼女は、これらの通話をより深く追跡し、時間の経過とともに変化を監視することを決めます。
Contact Lensを使用することで、Janeは事前に定義した基準に基づいて、コンタクトを自動的に分類し、アラートを受け取り、タスクを生成するルールを作成することができます。 そこでJaneは、商品に不満を持って返品する顧客を追跡するためのルールを作成します。これは簡単な自然言語の文を使用して行い、 商品返品に関する性能指標を他の通話カテゴリーと比較することができます。この Generative AI を活用した分類オプションにより、Janeは簡単に この種の商品返品に関連するすべてのコンタクトにフラグを付け、処理時間、顧客満足度スコア、解決率などの指標を、AnyCompany Retailのコンタクトセンターで発生している他のタイプのコンタクトと比較することができます。
この自動コンタクトカテゴリー分類が有効になったことで、 Janeは、これらの商品返品に関するコンタクトが、コンタクトセンターの他のコンタクトタイプと比較してどのようなパフォーマンスを示しているかを分析しようと考えています。彼女はこれらの指標の経時的な傾向を確認し、商品返品に関する問い合わせが他のコンタクトタイプと比較して成果が上がっていない領域を特定したいと考えています。そのため、Janeは AnyCompany Retailのコンタクトセンター内の異なる問い合わせ要因のトレンドやパターンを明らかにするための分析ダッシュボードを作成しました。このダッシュボードはContact Lensを活用しており、すべてのコンタクトタイプにわたる集計指標やContact Lensが提供する具体的なインサイトなど、これまで見えなかった重要な洞察を明らかにすることができます。
このフィルター表示を使用することで、これまで隠れていたパターンを確認することができます。Contact Lensによって分析された各カテゴリーのコンタクト数を正確に把握できるようになり、商品返品が最も多いカテゴリーであることに加えて、他の主要な要因とそれに関連する指標も確認できるようになりました。この傾向に対する彼女の懸念が裏付けられ、新たなインサイトを得た彼女は、さらなる調査を行うことを決めました。商品返品カテゴリーを選択し、そのカテゴリーに特化したコンタクトのリストを取得します。このデータを手に入れたJaneは、商品返品プロセスを改善することで、全体的な顧客満足度を大幅に向上させ、コンタクトセンターの業務負荷を軽減できることに気付きました。そこで、この課題は即座に対応が必要だと判断し、品質分析チームと調査結果を共有することにしました。
ここで、私たちの3つのペルソナに話を戻しましょう。商品返品を改善が必要な領域として特定したJaneは、AnyCompany Retailのクオリティアシュアランスアナリストの一人であるCarlosに連絡を取り、エージェントと顧客とのやり取りが組織の品質基準とカスタマーサービス基準を満たしているかを確認する手助けを求めます。QAアナリストとしてのCarlosの仕事は、特定のやり取り（この場合は商品返品に関連するもの）をレビューし、品質基準への準拠を評価し、トレーニングの機会を特定することで、AnyCompany RetailのQAプロセスを実行することです。Carlosはまず、Contact Lensのルールが商品返品に関する問い合わせを特定した際に、AnyCompany Retailのコンタクトセンターのコンタクトの最大100%について、評価フォームを自動的に入力して提出するようにしました。商品返品の自動評価結果で、エージェントが商品の状態確認を怠っていたことが判明した場合、それはエージェントの問題解決能力をさらに分析する機会となります。このようなシナリオでは、QAアナリストチームにコンタクトを手動で再評価するタスクが自動的に割り当てられます。
Carlosがコンタクトコントロールパネルで着信タスク通知を確認すると、コンタクト記録内でコンタクト後のサマリー、通話録音、トランスクリプト、評価フォームにすべて簡単にアクセスできます。また、コンタクト記録内で完了した評価結果も確認できます。Carlosは、自動評価によってエージェントが返品予定の商品の状態確認を行わなかったと判断されたため、このコンタクトを自身で再評価することになります。
Carlosは新しい評価フォームを確認し、コンタクトの再評価を開始することができます。Carlosが選択した新しい評価フォームは、Generative AIを活用して、メトリクスやContact Lensのルールと共にエージェントのパフォーマンス評価を実行します。Carlosのようなクオリティアナリストは、エージェント評価フォームの質問に対する回答について、Generative AI駆動の推奨事項により、より迅速かつ正確に評価を実施できます。Gen AI駆動の評価は、回答に対する文脈と根拠を補完します。ここでCarlosは、推奨される回答の文脈と根拠と共に、エージェントの行動に関する追加のインサイトを得ることができます。
これらのGen AI駆動のエージェント評価では、回答をサポートするために使用されたトランスクリプト内の参照ポイントも提供されます。 Carlosは、インサイトを導き出し回答を提供するために使用されたトランスクリプト内のどの参照ポイントが使用されたかを確認できます。フォームの入力が完了すると、クオリティアナリストは再評価フォームを提出できます。再評価スコアが50%未満の場合、Carlosはこれらのコンタクトをコーチングの機会と考え、スーパーバイザーが評価内で見つかった改善可能なインサイトに基づいてエージェントのフォローアップを行えるようにしたいと考えています。
これを実現するために、QAチームは評価結果に基づいて自動的にスーパーバイザーにメールやタスクを送信するルールを作成しました。今回のケースでは、商品返品に関する基準以下の会話がコーチングの機会とみなされます。この機能により、スーパーバイザーとクオリティアナリストが評価結果を徹底的にレビューできるよう、品質保証監査が促進されます。
ここで3番目のペルソナを見てみましょう。キャリブレーションは、エージェントのパフォーマンス評価プロセスにおいて重要な部分です。これにより、一貫性と正確性が確保され、すべての評価者間でお客様とのエージェントのやり取りが公平に評価されるようになります。品質保証チームのメンバーとして、ShirleyはAnyCompany Retailのコンタクトセンターにおける商品返品に関するコンタクトの懸念事項を認識しています。そこで、これらのタイプの通話に対するパフォーマンスフィードバックが公平かつ正確であることを確認するため、前回のQAアナリストであるCarlosをキャリブレーションセッションに招待することにしました。
Shirleyは先ほど見たコンタクトレコードを開き、評価内のキャリブレーションセッションを選択しました。その後、この評価セッションをセットアップするためのオプションを選択できます。キャリブレーションセッションフォームには、セッション中に使用されるコンプライアンスフォーム、セッションタイトル、このセッションに招待されたQAアナリスト、設定が必要な期限が入力されます。Shirleyがセットアップを選択すると、セッションの詳細とキャリブレーションセッションで評価されるコンタクトレコードへのリンクが記載されたメール通知が、すべての参加者に送信されます。Shirleyは作成したセッションのリストにアクセスでき、セッションのステータスと参加者全員の進捗状況を監視することができます。
参加者全員が評価を提出すると、Shirleyはセッションを終了し、レポートをダウンロードして、デモで見たように、Contact recordから直接結果にアクセスすることができます。
Amazon Connectの高度なアナリティクス機能により、CarlosやShirleyのようなQualityアナリスト、Janeのようなビジネスアナリスト、そして意思決定者たちは、Theme detectionによる新たなトレンドの特定から、評価の自動化やCalibrationセッションの円滑化まで、コンタクトセンターのパフォーマンスについて深い洞察を得ることができます。これらのツールにより、データに基づく意思決定と継続的な改善が可能になります。
しかし、これらのアナリティクス機能は、包括的なAmazon Connectソリューションの一部に過ぎません。Amazon Connectは、お客様、エージェント、管理者に対してシームレスな体験を提供する、完全なオムニチャネルのクラウドコンタクトセンターです。お客様にとっては、音声やチャット、その他のデジタルチャネルを通じてパーソナライズされた効率的なやり取りを実現します。エージェントは直感的なインターフェースとAIによるサポートの恩恵を受け、より迅速な問題解決が可能になります。そしてKevinが言及したように、管理者は単一の統合インターフェースから、ルーティングからレポーティングまで、コンタクトセンター全体を簡単に設定・管理できます。
ToyotaのAmazon Connect活用事例：データ分析とインサイト抽出
これらの機能を活用してカスタマーサービス業務を変革した企業の一つがToyotaです。Bradley Whiteに、ToyotaがAmazon Connectで実現した変革についてお話しいただきましょう。ありがとうございます。では、私たちの取り組みについてお話ししましょう。私たちには大量のデータがありました。良いものは多ければ多いほど良いと言われますが、必ずしもそうとは限りません。通話の文字起こしを始めると、すぐに大量のデータが蓄積され、場合によっては多すぎるほどでした。これをどのように活用し、ステークホルダーと共有すればよいのでしょうか？データは確かにそこにあり、豊かな顧客インサイトも含まれています。しかし、それをステークホルダーや経営陣にどのように伝えればよいのか。そして、それは経営陣だけでなく、Toyota社内の他の部門からも求められていました。品質管理部門は、顧客満足度のトレンドや最近の問題点など、これらすべての重要な項目についてどのように把握できるのか。そこで私たちは、Contact Lensの会話要約機能を活用することにしました。これにより、データを掘り下げ、トレンドを特定し、それらのインサイトを示すことが可能になりました。
その方法についてお話しする前に、Toyota社内での私たちの位置づけについてお話しさせていただきます。私たちはBrand Engagement Centerです。LexusとToyotaブランドの間に位置し、お客様やチームメンバーに対して、積極的で、労力のかからない、正確で、パーソナライズされたエンゲージメントを通じて、そのビジョンと価値観を具現化しています。私たちには3つの柱があり、すべてはお客様を起点とし、お客様に帰結します。重要なポイントの一つは、お客様を理解し、パーソナライズされた体験を提供し、ニーズを予測してソリューションを提供するという期待値のレベルです。私たちに寄せられる問い合わせの多くは、まずディーラーとの接点があるため、ディーラーと協力して、スムーズなやり取りと迅速な問題解決を実現する効率的なプロセスを構築しています。最終的にはすべてがお客様に還元され、そして最後に、それらをまとめ上げるのが私たちのアドボケイトです。私たちは彼らに権限を与え、成長を支援することで、最高レベルのカスタマーサービスを実現する摩擦のない体験を提供できるのです。
それでは、ソリューションと私たちがどのようにしてそれらを導入したのかについて、Mitchに説明してもらいたいと思います。 皆様、ありがとうございます。私はToyotaのOneTech部門でBradleyのパートナーを務めています。私たちは、お客様やディーラー、そしてアドボケイトをサポートするBrand Engagement Centerのミッションを支える技術プラットフォームを提供しています。
私たちは2023年6月にAmazon Connectを導入し、すでにContact Lensを使用してリアルタイムの文字起こしなどを行っています。Bradleyが言及したように、私たちには豊富なデータがあります。そしてToyotaの評判からもご存じの通り、私たちは品質を重視しています - 車両の品質はもちろん、お客様の車両体験の品質も大切にしています。社内の多くの幹部がコンタクトセンターに連絡してきて、お客様がどのような内容で電話をしているのか、どのような問題を抱えているのかを尋ねてきます。私たちはそれらの洞察を得て、何が起きているのかを理解し、対応したいと考えています。
私たちはContact Lensを検討し、それが何が起きているのかを教えてくれ、そういったテーマを検出できることに気づきました。アドボケイトに電話をかけたり、ミーティングを開いたりして、ニュースで取り上げられた特定の問題について人々が電話をしているかどうかを尋ねる必要はありません。データから直接わかるのです。現在、私たちは350のContact Lensルールを設定して、これらのカスタマーエクスペリエンスを分析しています。これらの洞察を収集して状況を理解し、データをフィルタリングして分析し、トレンド分析とレポーティングを行うことができます。大企業として、私たちはAmazonに大規模なData Lakeを持ち、その上にTableauを構築しています。
これらの標準的なリクエストに対応し、幹部からのアドホックな要望に応えるため、私たちは動的なTableauダッシュボードを構築して、非常に迅速に対応できるようにしました。 例として、Toyotaが最近発売したLand Cruiserを取り上げましょう。新製品の場合、市場での受け入れられ方や、お客様が何か問題を経験していないかどうかに、誰もが注目しています。私たちは、お客様が提起している新たな品質上の懸念について洞察を得て、製品について実際に何を言っているのかを知ることができます。
お客様は、最初のオイル交換の時期を尋ねるといった主要な用件で電話をかけてきますが、同時にカップホルダーの数が気に入っているとか、シートの倒し方についてもコメントするかもしれません。アドボケイトはそれを製品知識に関する問い合わせとして分類するかもしれませんが、私たちはそれらの付随的なコメントもすべて捉え、分類し、タグ付けを行い、お客様の発言に関する感情分析も行っています。それらをData Lakeに取り込み、Tableauダッシュボードで提供し、企業全体の幹部がそれらの洞察に基づいて対応・行動できるようにしています。また、これを活用して、エージェントとの魅力的な会話を促進し、より良い対応ができるようにするためのコーチング機会としても活用しています。
個々の通話を詳しく見ていくと、それぞれの縦線が確認できます。ここでハイライトしている会話では、10個の異なるタグに該当しています。 Contact Lensをご存知の方ならわかると思いますが、ルールの数には制限があり、それが複雑化しないように管理する必要があります。そこで私たちは4つの異なるルールタイプを設定しました。1つ目は顧客インサイトで、ゲストの感情や新しいトレンドを捉え、最近のニュース記事に関連して何人のゲストが問い合わせているかといった質問に答えることができます。
Toyotaの取り組み：Contact Lensルールの活用と課題解決
Toyotaのような企業は時々ニュースになることがありますが、プレス、Web、ソーシャルメディアで話題になった夜にルールを設定し、コンタクトセンターが開始すると同時にその影響を追跡し始めることができます。これにより、必要に応じて迅速なPR対応を実施することが可能です。また、製品に関するインサイトについて、最も低い顧客満足度スコアを生成している問い合わせのタイプを特定することもできます。
製品インサイトについては、Land Cruiserや新型Lexus GXなどの新製品発売に関するゲストの反応を追跡しています。また、ToyotaとLexusのモバイルアプリに関するフィードバックもモニタリングしています。例えば、多くの人が自分のスマートフォンをBluetoothヘッドユニットに接続してスクリーンに地図を表示しようとする際に問い合わせてきます。私たちはこれらの問題を検出し、カタログ化して、組織全体に共有することができます。さらに、製品品質に関しては、ディーラーで満足のいくサービスを受けられなかった後に多くの人が問い合わせてきます。私たちは、そういった認識されている問題や品質上の課題を理解することができます。
チームメンバーのパフォーマンスに関しては、通話の対応方法や、担当者が状況を調査するためにゲストを保留にする回数を分析しています。これは通話時間の長期化につながり、ゲストは担当者と長時間話すことを望まないため、ゲストの不満につながります。では、これをどのように実現するのでしょうか？ まず、検索したい内容を決め、ここにキーワードに基づいて検索してハイライトできるルールのセットがあり、これらを詳しく見ていくことができます。タグ付けされた通話を詳しく見ると、 各通話とそれが該当したすべてのカテゴリーを確認し、掘り下げることができます。これの強みは、それらを集約して何が起きているのかを把握し、行動を起こせることです。
リアルタイムデータインサイトにより、迅速な対応が可能になります。これは、先ほど話した手動コーディングと手動の担当者調査に取って代わりました。今では、リアルタイムアラートを設定でき、主要な経営陣へのSMSメッセージや、アクションを起こせる人々へのメール送信が可能です。誰かが常時モニタリングする必要はありません。チームメンバーの改善面では、成長の機会やコーチングの機会を特定し、品質レビューを待つのではなく、タイムリーなフィードバックセッションを提供できます。特にデータの中で新しい話題が出てきた場合には、これらをフラグ付けして、すぐにサポートに駆けつけることができます。
データの補完に関して、カップホルダーに関するコメントのような些細な言及でも捉えることができます。カップホルダーやコーヒーカップが収まるかどうかは、実際にユーザーが気にする点です。また、Contact記録全体で一貫性を確保し、データ収集が確実に統一されるようにすることもできます。 この取り組みを進める中で、いくつかのステークホルダーの懸念事項や対応方法に直面しました。 例えば、「なぜこの分析機能にContact Lensを使用するのか」という質問がありました。私たちはすでにリアルタイム文字起こしにContact Lensを活用し、価値を生み出していますが、Toyotaには既に様々なデータを含む豊富なData Lakeがあります。すべてのデータをData Lakeに送っているのに、なぜTableauだけでは対応できないのか？なぜContact Lensが必要なのか？さらに、ルール数に制限がある中で、どのようにリクエストの数を管理するのか？また、これらのルールが正しいデータを特定しているか評価・検証する必要もあります。
実験を重ねた結果、私たちのアプローチとして、Contact Lensがタグ付けによってデータを豊かにし、そのタグが既存のデータと共にData Lakeに送られることがわかりました。これにより、Tableauを使用する分析チームは、これらのルールとタグを活用して、以前よりもはるかに迅速に意味のあるデータを抽出できるようになりました。
Toyotaのコアバリューとカイゼン文化を活用し、Plan-Do-Check-Actアプローチに基づく反復的な改善プロセスを実践しています。つまり、ルールを作成し、実際の動作を確認し、期待する結果が得られているかを判断します。期待通りでない場合は、ルールを調整・改善し、このプロセスを継続的に繰り返して改善を重ねています。
これらのルールが適切に機能することを保証するためのガバナンスフレームワークの確立が不可欠だと分かりました。誰かがルールを変更すると、前日とは異なるデータが生成されることになります。そのため、変更を記録し、そのルールを使用していたステークホルダーに対して、その日以降のデータが若干または大幅に異なる結果になることを伝えています。CEOから即座にデータを求められるようなアドホックなリクエストに対応するため、分析チームと協力してダイナミックなTableauダッシュボードを作成しました。そのアドホックなリクエストが日次、週次、月次、四半期ベースで定期的に必要となる場合は、ルールとして実装し、データにタグを付けて標準的なレポートとして作成できるようにしています。
現在、 Contact LensのGenerative AI搭載の会話サマリー機能の展開を進めています。まず、機能の有効性を確認するためにカンファレンスルームパイロットを実施しました。Bradleyが言及したように、私たちはConnectを使用し、Salesforce Service Cloud Voiceコンソール内でリアルタイム文字起こしを記録できることに満足していました。しかし、これにより大量のデータが生成され、チームがアクセスするのに苦労していました。また、エージェントに各通話の要約を求めていました。人間として、社内では略語や専門用語を使用しますが、それは実際にBrand Engagement Centerにいない限り、組織内の誰もが理解できないことを意味していました。
会話サマリーを活用することで、これらのサマリーのデータ品質を向上させることができました。エージェントが入力していた専門用語の代わりに、Generative AIが通話やテキストを自然な言葉で要約し、顧客が何について連絡してきたのか、エージェントがどう対応したのか、顧客が結果に満足したかどうか、次のアクションは何かを明確に示すようになりました。これにより一貫性が向上し、エージェントの作業を要約してくれるため、After Call Work時間も削減されています。私たちはサマリーを単に受け入れるだけではありません。Service Cloud Voiceに表示された際、エージェントは正確性を確保するために追記や編集が可能で、必要な修正を加える権限が与えられています。
エージェントはサマリーに対して「いいね」や「よくないね」の評価を付けることができ、エージェントが変更を加える頻度を追跡できるようにシステムを設計しました。これにより、将来的なシステムの調整やコーチング機会の特定が可能になります。AIを信頼せず自分でサマリーを書きたがるエージェントがいれば、それを追跡でき、100%自分で書いている場合は対処できます。逆に、レビューもせずにすべてを受け入れているエージェントも恐らく適切な対応ができていないので、正確性を確保するためのコーチングができます。エージェントはこのシステムを気に入っています。なぜなら、通話の要点を正確に捉え、わずかな修正だけで済むため、彼らの仕事が楽になるからです。さらに、Toyotaが法的な問い合わせを受けた際、法務チームは一般の人の視点から状況を理解できるようになりました。法務チームは常にこれらを確認していますが、今では一般の人の視点から何が起こったのかを理解できるようになっています。
以前は、Brand Engagement Centerの専門用語を理解するために小さなチートシートが必要でした。裁判や調停になった場合、Toyota関係者以外の人には専門用語や略語が理解できないことは想像に難くありません。このシステムでは、関係者以外の人でも簡単に理解できる内容になっています。エージェントだけでなく、法務チームも気に入っているのです。ここでのポイントは、Human-in-the-loopアプローチを実装し、Gen AIを活用してエージェントやアドボケートの業務を補完し、生産性を向上させ、より満足度の高い仕事ができるようにしていることです。
Toyotaの成果と今後の展望：継続的改善とGenerative AIの活用
サービス開始以降の成果をまとめると、Amazon ConnectとContact Lensを組み込んだSalesforce Service Cloud Voice実装により、以下のような成果が得られました。ゲスト認証が40%向上し、顧客セルフサービス（アドボケートの助けを借りずに自分で問題を解決できる、場合によっては営業時間外でも対応可能）が4%増加しました。IVRでの所要時間は83%削減され、通話処理時間は20%削減、転送率（電話をかけてきた際に、別のエージェントに転送する必要がある場合）は10%削減されました。これらはすべて、人件費の削減だけでなく、顧客の時間も節約でき、満足度の向上につながっています。
次に何をするのか？私たちはKaizenの考え方と文化を継続し、Plan-Do-Check-Actのサイクルを続けていきます。状況の変化に応じてルールの改良、拡張、適応を続けていきます。また、Amazonが継続的にリリースしているGenerative AIの機能も採用していく予定です。さらに、ルールに関するガバナンスプロセスを確立し、これらの洞察に基づいて、Brand Engagement Centerの効率的な運営を支援したり、組織の他の部門に対して何かが起きていることを知らせ、是正措置を取れるようにするための自動化を確立していきます。
では、Amazon ConnectとContact Lensをお持ちの皆様は、どうすれば良いのでしょうか？まずは使い始めることです。最初のルールを設定してみましょう。恐れることはありません。実験的に設定してみて、どんな結果が出るか確認してください。そして、Kaizenの精神で改善を重ねていきましょう。2つ目のルールを設定し、それらが相互に補完し合い、サポートし合うようにしてください。実際にとても楽しいツールですので、ぜひ使ってみてください。
ありがとうございます。Mitchさん、素晴らしいプレゼンでした。もう一度質問に戻るかもしれませんが、まずはKaizenの精神に則って、恥ずかしながらお願いがあります。アンケートにぜひご協力ください。このような内容が良かった、もっとAmazon Connectのコンテンツが聞きたいと思われた方は、5つ星の評価をお願いします。ただし、Kaizenの精神に基づいて、改善できる点についてもぜひお聞かせください。より具体的な顧客事例が聞きたい、デモをもっと見たい、製品戦略についてもっと知りたいなど、ご要望をお聞かせいただければ、それを基にセッションの内容を調整し、より良いものにしていくことができます。
※ こちらの記事は Amazon Bedrock を利用することで全て自動で作成しています。
※ 生成AI記事によるインターネット汚染の懸念を踏まえ、本記事ではセッション動画を情報量をほぼ変化させずに文字と画像に変換することで、できるだけオリジナルコンテンツそのものの価値を維持しつつ、多言語でのAccessibilityやGooglabilityを高められればと考えています。
Discussion