AI Tagsとは

AI Tagsは、受信箱のメッセージまたはローカルファイルに対してタグ付けを行い、全てのユーザーメッセージを構造化します。これにより、より多くのビジネス上の問題点や機会を発見し、プライベートデータの分析を容易にします。これは、消費者の問題を分析するための最も効果的な方法です。

ワークフロー

ラベルツリーとは、Solveaのラベリングルールと理解できます。ラベルツリーの利用方法は2つあります。

1. カスタムラベルの作成

🌟 注：最大3階層まで追加可能です。

2.Solveaプリセットラベル

🌟 注：プリセットラベルは合計2万個以上あります。商品のカテゴリは最大4階層まで細分化でき、カテゴリ下のラベルは最大2階層まで、「カテゴリ × ラベル」で合計6階層となります。

背景： ある大手Eコマースプラットフォームでは、毎日数万件の顧客クレームチケットが寄せられ、商品の品質、配送遅延、アフターサービスなど多岐にわたる内容が含まれていました。従来はチケットの分類が大まかであったため、チームは頻発する問題を迅速に特定できず、改善効率が低いという課題がありました。

1.カスタムラベル体系の構築

カスタマーサービスチームは業務ニーズに基づき、ラベルツリー内で多階層のカスタムラベルを作成します。

第一階層ラベル：クレームタイプ（品質問題、配送問題、カスタマーサービス問題）、商品カテゴリ

第二階層ラベル（「品質問題」を例とする）：破損、サイズ不一致、機能不具合

第三階層ラベル（「商品カテゴリ」を例とする）：アパレル・バッグ → レディース → ワンピース

2.ラベルデータによるビジネス上の問題点の洞察

a.データ集計： 毎週ラベルツリー分析レポートを生成し、データ分析レポート内のAI Tagsのデータから、「レディース → ワンピース」カテゴリ下の「縫製不良」ラベルが付いたチケットの割合が35%に達し、他のカテゴリを大幅に上回っていることを発見します。

b.根本原因の特定： ラベル関連データを組み合わせることで、この問題が3つの委託工場で生産された商品に集中しており、かつクレームの時期が販促活動後（生産を急いだことによる品質低下の可能性）に集中していることを特定します。

c.ビジネスアクション：

● 委託工場と協議し、生産時の品質検査プロセスを強化します。

● 商品詳細ページに「販促期間中のご注文は、軽微な縫製の差異が生じる可能性があります」という注意書きを追加し、ユーザーの期待値を調整します。

● このカテゴリに対し、「品質優先」の特急生産オプション（有料付加価値サービス）を導入します。

効率向上： カスタムラベルツリーと標準搭載のカテゴリラベルにより、チケット分類の効率が向上し、カスタマーサービスの処理時間が短縮されました。

改善： ラベルデータから「ワンピースの縫製不良」といった具体的な問題を迅速に特定し、場当たり的な改善を回避しました。

機会の発見： ラベル関連分析を通じて、「クレームデータ」を「ユーザーニーズの洞察」へと転換し、「アフターサービス体験 → 再購入」という潜在的な成長機会を発見しました。