分析指標

全チケットにおけるSolveaが正常に応答したメッセージを分析し、対話におけるAIパフォーマンスを確認します。

▶︎ メッセージディメンション： 総メッセージ数、Solvea処理メッセージ数、人的カスタマーサービス処理メッセージ数

▶︎ チケットディメンション： 総チケット数、AI応答数、AI処理数、オペレーターへ転送数

▶︎ メッセージデータパフォーマンス（過去4週間）： 週次データおよび前週比（WoW）比較

▶︎ チケットデータパフォーマンス（過去4週間）： 週次データおよび前週比（WoW）比較

ビジネスインサイト

I. 基本的な運用状況診断

業務アクティビティ分析： 選択した期間内の総メッセージ数と総チケット数から、ビジネスの「繁忙期/閑散期」または運用リズムを判断します。
AIと人的分業効率： 総メッセージ数に対するSolvea処理メッセージ数と人的カスタマーサービス処理メッセージ数の割合、および総チケット数に対するAI応答数とAI処理チケット数の割合を比較します。AIがどの程度人的作業を代替しているかを分析し、AI導入による人件費最適化効果を評価します。

II. トレンドと変動に関する洞察（週次データと前週比比較を併用）

メッセージとチケットのトレンド： 過去4週間のメッセージおよびチケットデータの週次変化を観察します。例えば、特定の週に総メッセージ数が急増した場合、ビジネスシナリオ（例：販促活動、障害多発）と照らし合わせて原因を分析します。前週比比較（当週データの前週データに対する変化率）を用いて、業務量が継続的に増加、減少、または変動しているかを判断し、業務異常の早期警告を行います。
AIサービス効率トレンド： 過去4週間のAI応答数とAI処理チケット数の週次データおよび前週比比較から、AIサービス能力の安定性を把握します。AI処理量が継続的に前週比で減少している場合、ビジネスシナリオの複雑性がAIの対応能力を超えていないか調査し、AI処理フローを調整します。
人的介入トレンド： オペレーターへの転送に関する週次データと前週比比較を分析します。オペレーターへの転送割合が継続的に上昇している場合、AIサービスが効果的に問題を解決できていない可能性があり、AIトレーニングデータやルールの最適化が必要です。また、ビジネスニーズがより複雑化しており、追加の人的サービスリソースやサービスフローの調整が必要であることを示唆している可能性もあります。

III. 問題特定と最適化の方向性

サービスブレークポイント調査： 総メッセージ数が多いにもかかわらず、AI処理コンバージョンが低く、オペレーターへの転送が頻繁である場合、AI応答における論理的な抜け穴（例：よくある質問への不正確な回答）を特定します。チケットルーティングメカニズムを検証し、不明確な分類がAIの誤判断や反復的な手動処理につながっていないかを確認します。
リソース配分最適化： 過去4週間のデータのピークと谷に基づき、人的リソースとAIコンピューティングリソースを調整します。例えば、業務ピーク週には事前にカスタマーサービス人員を増強し、AIサービス応答設定を調整します。
ユーザーエクスペリエンス分析： メッセージとチケットの処理経路（例：AIからオペレーターへの転送状況）を組み合わせ、ユーザーインタラクションフローをシミュレートし、エクスペリエンス上の問題点を特定します。

操作手順

① ログイン後、左側サイドバーの「レポート」をクリックし、「Solveaによる総メッセージ数」を選択します。リダイレクトされたページに、Solveaが正常に応答したチケットとメッセージのデータが表示されます。

② ここで、Solveaの応答時間で絞り込むことができます。

③ ここで、ユーザーメッセージのソースチャネルで絞り込むことができます。