Upgrade to Pro — share decks privately, control downloads, hide ads and more …

トピックモデル分析を活用した問合せ業務の効率化

 トピックモデル分析を活用した問合せ業務の効率化

2022/05/13(金)に開催したExploratory データサイエンス勉強会#23の株式会社LIXIL様のご登壇資料です。

Ikuya Murasato

May 13, 2022
Tweet

More Decks by Ikuya Murasato

Other Decks in Business

Transcript

  1. Copyright © LIXIL Corporation. All rights reserved.
    トピックモデル分析を活用した
    問合せ業務の効率化
    稲妻 直子
    2022年5月13日
    株式会社LIXIL
    Exploratory データサイエンス勉強会#23

    View Slide

  2. 1
    CONTENTS
    1 自己紹介・会社紹介
    2 課題の背景
    3 分析の実行~結果の確認
    4 問合せ業務効率化のための打ち手
    5 まとめ

    View Slide

  3. 自己紹介・会社紹介

    View Slide

  4. 3
    自己紹介
    氏名
    稲妻 直子(いなづま なおこ)
    所属
    株式会社LIXIL
    浴室事業部 浴室戦略推進部 事業企画G
    業務
    データ・AIを活用した事業全般の業務改善
    +新規ビジネスプロジェクト推進
    経歴
    社内SE → 生産管理部門 → 現職(2021-)

    View Slide

  5. 4
    会社紹介
    取り扱い製品
    高性能
    住宅工法 タイル 窓
    浴室・
    トイレ
    ガーデン
    ルーム
    エクステリア 玄関ドア インテリア
    建材
    IoT
    システム
    キッチン スマート
    ホーム製品
    株式会社LIXIL(リクシル)
    • 2011年に国内の主要な建材・設備機器メーカー、トステム、INAX 、新日軽、サンウエーブ工業、
    東洋エクステリアの5社が統合して誕生
    • 世界中の誰もが願う、豊かで快適な住まいの実現に向けて、先進的な水まわり製品と建材製品を開発・
    提供
    主な取り扱いブランド
    洗面化粧台

    View Slide

  6. 5
    部門紹介
    本日は問合せデータを使った
    分析事例を紹介します
    浴室事業部
    浴室空間にかかわる製品・サービス事業を担当
    事業企画G
    • 事業運営+データドリブン文化の醸成・定着
    • データ・AIを活用した業務改善、データ分析スキルの向上(2021年4月ブートキャンプ受講)
    取り扱いデータの種類:
    オペレーション
    データ
    Webログデータ
    商品情報データ
    カスタマーデータ
    アクアフィール ボディハグシャワー
    Lidea

    View Slide

  7. 課題の背景

    View Slide

  8. 7
    課題の背景:浴室事業における問合せの特徴
    写真以外にも
    • タオル掛け
    • 手すり
    • 換気扇、浴室乾燥機
    • TV、オーディオ
    • トイレ、洗面器 など・・・
    利用場面の広さや商品特性に起因して、内容が多岐にわたり件数も多い

    ドア
    照明
    シャワー
    収納棚
    カウンター
    浴槽 床
    天井
    換気扇

    水栓
    販売代理店
    ビルダー・
    設置業者
    エンド
    ユーザー
    商品選定
    注文
    工事・取付
    使用
    質問者が幅広い 場面が幅広い 商品の構成要素が多い

    View Slide

  9. 8
    課題の背景:実現したいこと
    データの分析結果をもとに主要な問合せに対して打ち手を実行して、お客さま(質問者)のご不便を減らし
    かつ問合せ業務を効率化したい
    分析
    入力
    打ち手 効果
    公開情報の見直し
    (カタログ・Web)
    FAQの整備
    回答担当者向けの
    教育
    • 回答時間の短縮
    • 自己解決率向上
    質問者 回答担当者
    ・どのような内容か
    ・増減の傾向
    • 対応品質向上
    • コスト削減
    問合せ
    ★★★★★
    問合せ
    データ

    View Slide

  10. 9
    課題の背景:実現の障壁
    目視で仕分けるには
    膨大な時間と労力が必要
    内容A 内容B 内容C
    これは
    A・・・ この内容は
    B・・・
    毎月数千行単位で発生するデータを1件ずつ確認して分類しなければならない

    View Slide

  11. 10
    課題の背景:解決手段
    トピックモデルを使って内容を分類し、分析~打ち手の検討までをクイックに実行する
    文章に含まれる単語の内容から
    複数のトピックを抽出
    トピック
    1
    お手入れ
    トピック
    2
    シャワー・水栓
    トピック
    3
    交換・修理
    ・・・
    エプロン(浴槽の側面カバー)を
    外して掃除したい。取り外せます
    か?
    シャワーヘッドを交換したい。シャ
    ワーヘッドだけ外すことはできます
    か?
    浴槽の排水栓をプッシュワンウェイ
    からゴム栓に交換できますか。
    お風呂の蛇口やシャワーからのお
    湯や水の出が悪くなった。
    ユニットバスの折戸が壊れたので交
    換したいが可能ですか。
    各文章を最も確率の高い
    トピックに割り当て
    問合せ文
    ユニットバスの折戸が壊れたので交換
    したいが可能ですか。
    シャワーヘッドを交換したい。シャ
    ワーヘッドだけ外すことはできます
    か?
    お風呂の蛇口やシャワーからのお湯
    や水の出が悪くなった。
    エプロン(浴槽の側面カバー)を
    外して掃除したい。取り外せます
    か?
    浴槽の排水栓をプッシュワンウェイ
    からゴム栓に交換できますか。

    View Slide

  12. 分析の実行~結果の確認

    View Slide

  13. 12
    分析の実行:データの前処理
    不要文字の削除 正規化(半角全角の統一)
    定型文の削除 表記ゆれの解消
    行ごと削除
    “管理番号”で統一
    約12,000行の問合せ文を使用、最初にテキストデータの前処理を実施
    “ユニットバス”で統一
    FAX受付時の定型文(問合せ内容は文章の中に含まれない)

    View Slide

  14. 13
    分析の実行:データの前処理
    テーブルビュー → 列ヘッダメニューの「テキストデータの加工」から実行

    View Slide

  15. 14
    分析の実行:ストップワード・複合語の設定
    テキスト分析を実行する際は、①ストップワード ②複合語を意識する必要がある
    アナリティクスビュー→単語のカウント→ワードクラウド/ペア-バー画面で確認して設定
    ①ストップワード(不要な単語) ②複合語

    View Slide

  16. 15
    分析の実行:トピックモデルの実行
    アナリティクスビュー→トピックモデルを選択、テキストの列に問合せ文の列を追加するだけで実行可能

    View Slide

  17. 16
    分析の実行:トピックモデルの実行
    トピック数は過去の分析経験から15に設定、ストップワード・複合語を登録して実行

    View Slide

  18. 17
    分析の実行:トピック数の調整
    トピック数15を起点に調整して重要語チャートから分類度合を確認
    分類度合+その後の分析作業性から判断し、トピック数を決定
    1 価格・納期
    トピック数: 15
    2 部品A
    4 交換・修理
    ・・・
    悪くなさそう
    トピック数: 10
    3 部品B
    2 部品A・部品B
    3 交換・修理
    ・・・
    1 価格・納期
    異なるトピックが混ざる
    →NG
    トピック数: 20
    5 ユニットバスC
    15では現れなかった
    特徴的なトピックが出現
    ・・・
    トピック数: 25
    ・・・
    1 価格・納期
    2 部品A
    4 交換・修理
    3 部品B
    5 ユニットバスC
    1 価格・納期
    2 部品A
    4 交換
    3 部品B
    6 修理
    「交換」「修理」は
    1つのトピックにまとめた方が
    後の施策検討がしやすそう
    →NG
    20に決定

    View Slide

  19. 18
    結果の確認:重要語・サマリ
    ①重要語からトピック毎におおまかな内容を推定し、②サマリでトピック毎の件数を確認
    発注場面での問合せ 部品Aに関する問合せ
    部品A
    部品A
    部品A
    部品A
    部品A
    推定した
    内容
    ①重要語 ②サマリ

    View Slide

  20. 19
    結果の確認:ドキュメント
    →トピック9=商品の納期・価格に関する問合せ
    他のトピックも同様に内容を要約
    重要語が実際の文章の中でどのように使用されているかが確認できる
    各トピックを一言レベル(「〇〇に関する問合せ」)に要約
    1. トピック番号でソート
    2. マウスオーバーで文章を確認
    (トピック9の重要語:黄緑色)

    View Slide

  21. 問合せ業務効率化のための打ち手

    View Slide

  22. 21
    問合せ業務効率化のための打ち手
    それぞれのトピックの内容と件数は分かったが、まだ業務効率化の打ち手には繋がっていない
    5 ユニットバスC
    1 価格・納期
    2 部品A
    4 交換・修理
    3 部品B
    300
    500
    400
    800
    600 ?
    トピック 件数
    公開情報の見直し
    (カタログ・Web)
    FAQの整備
    回答担当者向けの
    教育
    打ち手

    View Slide

  23. 22
    データに含まれる「レベル」の情報を使って、打ち手に結び付けたい
    問合せ業務効率化のための打ち手
    公開情報の見直し
    (カタログ・Web)
    FAQの整備
    回答担当者向けの
    教育
    打ち手
    レベル
    (問合せの解決に使用したもの)
    A カタログ
    取扱/施工
    説明書
    A+B
    B
    C
    公開情報
    D
    E
    未公開情報

    View Slide

  24. 23
    問合せ業務効率化のための打ち手
    公開情報の見直し
    (カタログ・Web)
    FAQの整備
    回答担当者向けの
    教育
    打ち手 効果
    自己解決率の
    向上
    自己解決率の
    向上
    応対品質の
    向上
    トピック×レベルでの層別結果から具体的な打ち手を検討する
    3 部品B
    4 交換・修理
    400
    400
    トピック 件数
    A~C
    レベル
    200
    D~E
    A~C
    D~E 400

    View Slide

  25. 24
    問合せ業務効率化のための打ち手:カテゴリーの設定
    カテゴリーに「レベル」を設定してトピックモデルを再実行
    カテゴリー(比率)タブで各トピックのレベルの内訳を確認
    レベルA~C(公開情報で解決可能)
    の割合が高いトピック6に着目

    View Slide

  26. 25
    問合せ業務効率化のための打ち手:トピック×レベルでの層別結果
    トピック(max_topic) =6、レベル=A~Cでフィルタ
    部品A 品番1
    部品A 品番2
    部品A 品番1
    部材A 品番1
    → 部品Aの代替・後継機種に関する問合せが集中している
    打ち手候補:FAQの見直し
    部品A
    実行結果をデータフレームとして保存後、テーブルビューで着目するトピック×レベルのデータを確認
    文章の内容から打ち手を立案することができた
    ドキュメント(全体)の結果をデータフレームとして保存
    得られた
    インサイト
    部品A

    View Slide

  27. まとめ

    View Slide

  28. 27
    • トピックモデルを用いることで、約12,000件の問合せ文章を瞬時に分類することができた
    • 分類結果から、20種類の主要な問合せ内容と件数の把握が可能になった
    • 問合せ内容×レベルの分析結果から、業務効率化の施策候補を導き出すことができた
    今後は・・・
    上記と現場担当者の知見を組み合わせて、実際の施策を決定
    施策の実行による効果創出(対応品質向上・コスト削減 他)
    • 上記の分析作業にかかる工数を大幅に短縮することができた
    目視で分類:30sec/件 × 12,000件 = 約100h
    他のテキストマイニングツールを使用:約30h
    Exploratory: 約5h
    まとめ

    View Slide

  29. 28
    2022.04 debut
    Lidea
    (リデア)
    Lifestyle Bathroom
    スペシャルサイト
    ありがとうございました!

    View Slide

  30. View Slide