Slide 15
Slide 15 text
コール・リーズンの分類 正解率80%以上
業務の課題:
コールセンターでは日々お客様から多くのご相談・お問い合わせの電話をいただいている。
お客様対応の品質向上を進めたいが、「なぜ顧客が電話してきたのか?」という本質的な
分析ができていない。
お客様との通話記録はデータ化して保管しているものの、どのように分析すればよいか
アイディアがあまりない。
ビジネス・バリュー:
Oracle Databaseに格納していた会話記録を活用し、新規にソフトウェアを購入する
ことなく、コール・リーズン分析を手軽に始めることができた。しかも初回から正解率が
80%を上回っており、問合せの全体感を把握することができるようになった。
お客様対応の品質向上だけでなく、FAQサイトの充実や保険商品の説明文改訂など
様々な改善に活用していきたい。
アプローチ:
Oracle Databaseに格納された通話記録をEmbeddingでVector化。通話の内容や
文脈を考慮した分析を行えるようにし、一般的な分類問題として予測モデルを構築した。
分類できない通話記録は新たな説明文を作成し、文章の類似度を評価することで
Zero-Shot分類も可能となる構成とした。
Oracle Cloud Platform:
Oracle Database 23c AI Vector Search、Oracle GenAI Embed、Oracle Machine Learning
大手保険会社 – カスタマーサポート
Copyright © 2024, Oracle and/or its affiliates
15
通話記録ベクトル化/予測モデル概念図
通話ID 通話時間 年代 性別 オペレータ 顧客
1 5 30 女性 お世話になっております。
お名前を…
xx について伺いたいんで
すが…
そうなんですね。
2 8 40 男性 …かしこまりました。それ
では…
…その書類は後出しして
も大丈夫なんですね。
3 10 40 男性 …関係部署から連絡
いたします。
マンションを購入しまして
…
通話ID 通話時間 年代 性別 OP_vec CU_vec Call Reason
1 5 30 女性 (0.7, 0.2, 0.3) (0.3, 0.6, 0.1) 商品問い合わせ
2 8 40 男性 (0.1, 0.5, 0.3) (0.6, 0.8, 0.9) 保険手続き
3 10 40 男性 (0.4, 0.2, 0.9) (0.7, 0.3, 0.9) クレーム
ベクトル化
目的変数
説明変数