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

VELTRA - Elastic{ON} Tour Tokyo 2017

Kunihiko Kido
December 14, 2017

VELTRA - Elastic{ON} Tour Tokyo 2017

日・英・中、問い合わせ仕分け業務 自 動化と、CS 戦略分析基盤を
Elastic Stack で実現

Kunihiko Kido

December 14, 2017
Tweet

More Decks by Kunihiko Kido

Other Decks in Technology

Transcript

  1. 1 Satoko Shimazu / Kunihiko Kido Dec. 14, 2017, Customer

    Service, VELTRA Corporation 日・英・中、問い合わせ仕分け業務の自 動化と、CS 戦略分析基盤を Elastic Stack で実現
  2. 3 WHAT IS VELTRA ? VELTRA is a global online

    marketplace where travelers from all over the world can find and book activities and tours.
  3. 4 18,000+ travel agencies, partners and affiliates VELTRA KEY NUMBERS

    1,800,000 members worldwide 126 countries 25,000 activities worldwide As of December, 2017
  4. 5

  5. 6

  6. 7

  7. 8

  8. 9

  9. 11 VELTRA Global Customer Service “To Become a World’s Best

    Customer Experience Creating Network” 50+ CS Travel Consultants
  10. 12 上海、マニラ、パリ参入。 CS グローバルオペレー ション構築 韓国参入 マニラを CS 最大拠点へ 2017

    2018 ...2019 2020 2020年までの Global Customer Service 計画 Maximize Quality & Increase Efficiency at the Best economy
  11. 17 • 具体的な数値でコミュニケーションが円滑に • リアルタイムに必要なデータを確認可能に • その他、正確な進捗管理にも役立てている • 担当者の感覚値に頼ることが多かった •

    開発へ依頼して数ヶ月かかることも • 必要な数値が得られない 企画サポートのため の情報開始 問合せ分析基盤 Kibana による効果 今まで 導入後 開発へ依頼 分析後企画へフィー ドバック 企画サポートのため の情報収集開始 Kibana で確認 分析後企画へフィー ドバック 数ヶ月かかることも リアルタイム 1 2 3 1
  12. 20 自動振り分け:担当者の明確化 担当部署 エリア 言語 • Customer Service • Sales

    • アジア • アメリカ大陸 • ヨーロッパ/アフリカ • パシフィック • 英語 • 日本語 • 中国語(繁体字) • 中国語(簡体字) アジア担当CSが日本 語で対応します! オフィス拠点、部署単位まで振り分けされ迅速な顧客対応が可能に 問合せラベル例:
  13. 21 • 参加日が48時間以内 • 至急関連ワード • 迅速な処理が必要な案件 • お客様からのコンプレイン •

    催行会社からの事後報告 • Tr(トラベラー)とPtr(パート ナー=催行会社)の直接の メールコミュニケーション 至急件 コンプレイン モニター案件 自動振り分け:CS効率化UPの各種セカンドラベル 問合せ一覧の中から優先順位をつけやすいように工夫
  14. 22 6時間/日 担当者含む振り分け業務 振り分け業務の効率化 自動化対象 → 90%       全体 →

    50%削減 削減3時間/日 自動化対象振り分け業務 平均初回応答時間(FRT) 短縮 優先順位の明確化により 5時間短縮 自動化対象 削減 全体 自動振り分け導入による効果(Elasticsearch)
  15. 27 OVERVIEW Elastic Stack で実現するCS戦略基盤 問い合わせ自動振り分け {prediction} 問い合わせ分析基盤 {analysis} 日・英・中の問い合わせメッセージを、トラベルコンサ

    ルタントがすぐに対応できるように、受信したメッセー ジをリアルタイムに適切なチームへ割り振る仕組み。 過去の問い合わせメッセージから企画サポートや業務 改善のための検索・分析基盤 Elastic Stack で実現 (Elasticsearch / Kibana / Logstash)
  16. 29 “使えるデータの整備” AI や機械学習を検討する場合、まず多くの企業が直面するのは、 この問題ではないでしょうか? まとめると 雑多な情報を予測分類で活用で きる情報として最適化する ↓↓↓↓↓ 使えるデータにする

    (システムでね) システム的な課題 • 増え続ける対応言語(日・英・中、etc) • 42分類に振り分けが必要なラベル • チーム編成などで変わる振り分けルール • エリアなどでデータ数が極端にことなる • 未分類も含む約300万件の過去データ • メールの件名、本文で予測する必要がある システム的な課題一覧
  17. 31 センテンスやドキュメントを検索 条件としてリクエストして、類似す るドキュメントを検索する仕組み ↓↓↓ 分類済みの情報から分類を予測 したい場合 検索結果群を表す特徴的なター ムをスコアリングして得る仕組み ↓↓↓

    雑多な情報から特徴的な分類を 見つけ出したい場合 ドキュメントをリクエストして、その 条件にあったクエリーを検索する 仕組み ↓↓↓ 検索条件ベースで任意の分類を 予測したい場合 情報分類のためのソリューション Elasticsearch には情報分類で活用できる仕組みがいくつかあります Percolator Query Significant Terms Aggregation More Like This Query (今回はこれを採用)
  18. 34 SYSTEM ARCHITECTURE Nodes (X) Logstash Elasticsearch Kibana X-pack X-pack

    Instances (X) Master Nodes (3) Ingest Nodes (X) Data Nodes - Hot (X) Data Nodes - Warm (X) Inquiries System API Server Prediction Learning → Analytics Elastic Cloud ← Prediction Learning 2,800,000+ learning messages for inquiries CS Consultant Relabeling CS Consultant Analytics
  19. 37 ICU Tokenizer を中心に言語処理を設計 多言語対応のポイント Language Original Tokenized 英語 I

    like Hawaii island [I] [like] [Hawaii] [island] 日本語 ハワイ島が好き [ハワイ] [島] [が] [好き] 中国語(簡体) 我喜欢夏威夷岛 [我] [喜欢] [夏威夷岛] 中国語(繁体) 我喜歡夏威夷島 [我] [喜歡] [夏威夷] [島] 韓国語 하와이 섬이 좋아 [하와이] [섬이] [좋아] タイ語 ฉันชอบเกาะฮาวาย [ฉัน] [ชอบ] [เกาะ] [ฮาวาย] 分かち書きしない言語も、意味のある単語でトークナイズできる!
  20. 39

  21. 40 [ハワイ] [島] [が] [好き] 通常のインデックスでは query: “ハワイ島が好き” [ハワイ] [島]

    [が] [好き] doc: “ハワイ島が好き” [ハワイ] [の] [オアフ] [島] [が] [好き] doc: “ハワイのオアフ島が好き” 適合率が高いのは? 人が読めば違いはわかるけど 機械だとわからない。。
  22. 41 [ハワイ] [ハワイ 島] [島] [島 が] [が] [が 好き]

    [好き] 複合語を含むインデックスでは query: “ハワイ島が好き” [ハワイ] [ハワイ 島] [島] [島 が] [が] [が 好き] [好き] doc: “ハワイ島が好き” [ハワイ] [ハワイの] [の] [の オアフ] [オアフ] [オ アフ 島] [島] [島 が] [が] [が 好き] [好き] doc: “ハワイのオアフ島が好き” 適合率が高いのは? 誰が見ても こっち 機械でも違いがわかるようになる!
  23. 43 {filter} 件名で使われている単語の 30%以上がマッチする検索結果群 title: ... body: ... from email:

    ... to email: ... 動的な予測モデル 絞り込んだメッセージの中から類似文書を探す 全ての過去の メッセージ群 {filter} 過去2年以内に 受信した検索結果群 類似するドキュメント群 予測に使用する 類似ドキュメント群 (検索結果として返却される) New message
  24. 45 サンプリングして重回帰分析の係数に注目して効率的に 重回帰分析 係数に注目してみると、 「min_term_freq の値が1増えるごとに、 約 8.5% 正解率が下がる」 「max_query_terms

    が1増えると約 0.5% 正解率が上がる」 と言っていることがわかる。 よって、この結果から係数の振り 幅が大きな値(影響が大きい)の パラメータを中心にさらにチューニングし ていく。
  25. 48 VELTRA Customer Service Platform Modern inquiries system Gamification &

    Intelligence New VELTRA Inquires System Support everything for travelers New VELTRA Support Service Eagle backend services powered by artificial intelligence. Natural language processing Search & Analysis Machine learning Deep learning Peacock external services Peahen internal services 2017 2018 … 2019 コンサルタントにしかできないサービスをトラベラーへ提供するために (今日の話はここの一部)