30分でサクッと！検索＆分析事例千本ノック4 営業/人材/マーケ編 9/30

9/30に実施した以下のセッションの資料です。
https://ibm-developer.connpass.com/event/223339/

Transcript

1. © 2021 IBM Corporation 30分でサクッと︕検索＆分析事例千本ノック4 営業/⼈材/マーケ編 2021/9/30 12:15-12:45 日本アイ・ビー・エム株式会社
2. 園⽥ 緋侑⼦(Sonoda Hiyuko) Customer Success Manager, IBM Technology Sales, Japan (ISEから出向中) 連絡先︓ AHA04408@jp.ibm.com 直近参画していたプロジェクト 製品スペシャリストとして、お客様と伴⾛しニーズ掘り起こしや改善提案を実施 n お客様名︓インターネット⼩売業のお客様 n 参画期間︓2019/10-2021/9(1年9か⽉) n 担当製品︓WEX, Watson Discovery, Watson Assistant Watson Discoveryの利⽤提案・検証ツール開発に参画の後、 お客様のData Science & AI部⾨とともに銀⾏・証券などの業務部⾨に対しoneWEXの横展開を 狙い、検証/提案を担当(銀⾏についてはoneWEXによる分析結果をもとにカスタマーサポートのコール削減Projectが進⾏中)。並⾏してWatson Discoveryや Watson Assistantを利⽤したチャットボットの改善点の分析・提案および、製品のQAや新機能の検証といった製品サポートも担当。 スキル・資格 アプリ開発(要件定義・設計・実装)︓ JavaScript(jQuery/Vue.js/Node.js), Python(Pandas/NumPy), Excel VBA, Java 資格︓ ⽇本ディープラーニング協会 G検定 Watson製品を⽤いたシステムの提案・アーキテクチャ検討・実装︓ oneWEX, Watson Assistant, Watson Discovery, Watson Knowledge Studio これまでの経験 アプリ担当 製品担当 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 2015 2016 2017 2018 2019 2020 2021 ⼊社 メンバー ⼩売業 チャットボットアプリPoC 画⾯アプリ開発担当 メンバー 通信業 API Connect基盤構築 API基盤設計・構築担当 メンバー 検索アプリPoC 画⾯アプリ開発担当 メンバー ⼩売業 Cloud Fundingサイト 構築 画⾯アプリ開発担当 メンバー 専⾨商社 製品検索アプリ構築 画⾯アプリ開発担当 メンバー 化粧品メーカー検索システム構築 WKSによるWEX辞書整備の 技術ガイド 保険業コールセンター検索アプリ 更改 画⾯アプリ運⽤,トラブル対応 メンバー 通信業チャットボットアプリ 横展開 アプリ要件定義/設計/開発/テスト リーダー インターネット⼩売業 (〜現在) Watson Discovery導⼊提案 AI Answer チャットボット改善 お客様の声活⽤提案 メンバー リーダー サービス業 Watson Discovery研修 研修講師 リーダー 通信業 Watson Discovery研修 研修講師 メンバー
3. 進め方とお願い • ハンズオンなし！30分でのセッション 気軽に参加ください • こちらから質問をする場合があります！ 右側のQRコードもしくはチャット欄のリンクから アクセスし回答のご協力をお願いいたします。 • 質問OK！ ただし、WebExのチャット欄に記入してください！ 随時お答えします。 • カメラオフ、Muteでお願いいたします Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 3 もしくは以下にアクセス https://app.sli.do/event/1pzcazdw ケータイからこちらをスキャン⇩
4. 30分でサクッと！検索＆分析事例 千本ノック 全体像 IBM製品を使った検索&分析システムの事例をババっと4回シリーズでご紹介!全て聞くと色々な 分野の検索&分析事例をあらかた網羅できる Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 4 回 セッション名 日時 1 30分でサクッと！検索＆分析事例千本ノック1 概要編 9月9日(木)12:15〜12:45 2 30分でサクッと！検索＆分析事例千本ノック2 VoC/リスク回避/研究開発編 9月16日(木)12:15〜12:45 3 30分でサクッと！検索＆分析事例千本ノック3 保守技術サポート/品質管理編 9月24日(金)12:15〜12:45 4 30分でサクッと！検索＆分析事例千本ノック4 営業/人材/マーケ編 9月30日(木)12:15〜12:45
5. Question 1 30分でサクッと！検索＆分析事例千本ノック1 (9/9実施)、 2(9/16実施)及び3(9/24実施)は参加されましたか？ Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation もしくは以下にアクセス https://app.sli.do/event/1pzcazdw
6. Watson 製品の全体像 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 6 ⼼理系 ⾔語系 Watson Assistant アプリケーションに⾃然⾔語インターフェースを追加して エンドユーザとのやり取りを⾃動化 照会応答系 Text to Speech テキスト⽂章を⾳声に変換する Speech to Text ⾳声をテキスト⽂章に変換する Visual Recognition 画像コンテンツに含まれる意味を検出する 知識探索系 ⾳声系 Discovery 先進的な洞察エンジンを利⽤して、デー タの隠れた価値を解明し、回答やトレン ドを発⾒する Discovery News Discovery上に実装され、エンリッチ情報 も付加されたニュースに関する公開デー タセット Personality Insights テキストから筆者の性格を推定する Language Translator テキストを他⾔語へ翻訳を⾏う Natural Language Understanding ⾃然⾔語処理を通じてキーワード抽出、エン ティティー抽出、概念タグ付け、関係抽出な どを⾏う Natural Language Classifier テキスト⽂章の分類を⾏う(質問の意図推定など) Tone Analyzer(⽇本語未対応) テキストから筆者の感情、社交性、⽂体を解析 Knowledge Studio コーディングなしに、業務知識から⽣成した 機械学習モデルで、⾮構造テキストデータか ら洞察を取得 画像系 2020年2月時点
7. Watson Discoveryとは 大きく3つの機能を提供 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 7 文書取り込み機能 Word/PDF/JSON/DBなど 多様なデータの変換、取込 エンリッチ機能 コグニティブ機能(NLU/WKS) によるテキスト分析・タグ付け クエリー機能 独自APIでのquery機能 高度な検索・分析が可能 ?
8. Watson Discoveryによる検索&分析のイメージ Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 8 検索:目当ての情報(テキスト)を見つける 分析:テキストを分解し、何らかの洞察を得る
9. このシリーズで扱う事例について 以下のカテゴリーの事例をご紹介します Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 9 ⽬的 カテゴリー 1.顧客体験・接点の改⾰ VoC オペレーターの顧客対応⽀援/対応⾃動化/サービスの改善点の分析 2.知識が求められる業務⽀援 リスク回避 ヒヤリハット／契約リスク回避／訴訟回避／法規抵触回避／コンプライアンス対応／ 研究・開発 ⼤量の論⽂やレポートを活⽤、探索的・発⾒的な作業を⽀援 保守技術サポート 製品・ソリューションの保守・障害などで、問題解析・対策確定 品質管理 構造データ、⾮構造化データの解析を通して品質問題に早期対応。 営業 営業品質の向上、個別顧客への最適提案⽀援、問い合わせ対応⽀援、離反防⽌、需要調査 人材 人材の可視化と適正配置（マッチング） 3.製品・サービス向上 マーケティング 競合調査・比較、キャンペーン効果測定、業界・市場調査、ブランドイメージ、製品の好評不 評、利用シーン調査、乗り換え分析 注：ご紹介する事例の中にはWatson Discoveryに統合前の製品を使用したものもあり、 現在の機能のみでは実現できないことがあります。
10. 営業 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation
11. 営業 Watson AssistantおよびWatson Discoveryを活用したロールプレイツールにより営業員の教育を支援 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 11
12. 保険：AI + ビッグデータ活用による営業力向上 約5万人の営業職員のコンサルティング力の強化を目指しAIとビッグデータを活用した新たな取り組みを開始 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 12 入力情報 & しくみの概要 取り組み・導入のポイントと効果 顧客属性や既契約情報など構造化された既存の各種デー タベースに加え、営業職員が書いた活動メモやコールセ ンターの顧客対応データなどの”非構造化”データを追加 して過去の顧客行動を分析し、現在の顧客情報から最適 な提案タイミングの顧客の抽出したり、活動レコメンド を営業職員に通知するしくみを構築。 ü 一人の営業職員が担当する1,000人の顧客へのアプローチ のタイミングなどは個々人の知見に依存していた ü 「他社ソリューションと比較して、IBM WEXの言語処理 は非常に優れており、またIBMからの提案が他社とは全 く異なっていたため、今まで眠っていたデータを使える と感じて採用した」（By 日本生命 営業開発グループ） ü 分析結果を実際に現場展開し、活動効率高くなることで 各種KPIを向上。 ◾認識された課題と今後の展望： 分析の基になるデータがないと改善にはつながらない。新 たな活動の視点を導出するために、職員の行動がより詳細 なデータとして残るような取り組みを並行して行う方針。 具体的には、入力画面のインターフェースを改善して営業 職員も入力しやすくし、履歴情報の蓄積量拡大を図る。 またIoTなどの新しい技術を取り入れて、直接お客さまの 保険のニーズを喚起したり、お客様に合わせたより最適な 商品への加入にも役立つようなサービスを開発してサポー トする方向。 • 訪問率：15% 向上 • 提案率：15% 向上 • 成約率：約2.5倍まで向上 顧客抽出やデータ分析にあたっては、IBMのコグニティブ技術で ある「IBM Watson Explorer」や「IBM SPSS Modeler （SPSS）」などを活用。 画像︓https://www.sbbit.jp/article/bitsp2/35059#continue_reading より引用
13. 人材
14. 人材 労力のかかる人材配置を人事マッチングを行うことで最適化 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 14 課題 各部⾨の希望にマッチする⼈材配置が出 来ていない ⼈材配置に⼈⼿が掛かり過ぎている Before • ⼈材候補の情報を都度収集 • ⼈⼿による⼈材配置 解決策 テキストデータを含む⼈事データを使って 問題解決できないか︖ ハイパフォーマー 異動候補者 経験A 経験B ポストA 習得可能経験 不足経験 タイプ1 基本情報 スキル 性格 経験A 経験B 経験C タイプ1 経験A 経験B 経験C 基本情報 スキル 性格 比較 1.ハイパフォーマーを タイプ分け 2. 異動候補者が どのタイプに近いか分析 3.不足経験を補える ポストへの配置 社員ID 基本情報 性格 スキル XXXXXX X • 技術職 • エキスパート資格 • 前職: 総務部 • 前々職: ビジネスデザ イン部 情報機器部門 開発推進担当 • 積極的レベル: 2 • 責任感レベル: 3 • 粘り強いレベル: 3 • … • 計画検討策定 • IT全般 • 運用改善 • … 分類結果 特徴 保守サービス 型 • 保守保全 • サービス • 基本スキル • ビジネス • 管理 • 積極的レベル高 • 責任感レベル高 • 粘り強いレベル高 技術者・ハイパフォーマー・ ベテランモデル タイプ2 ・・・ 経歴に合致したタイプに分類 配置 社員の人事データ モデルによる分類結果 • 業績評価 • 適性評価 • 育成データ • ・・・ ベストメンバーでのプロジェクトチーム組成 が出来ていない After 主要なオファリング Watson Studio Premium(SPSS) / Watson Discovery / Cloud Pak for Data / Cognos Analytics(オプション)
15. 人材派遣業 高精度な人材マッチング 求⼈企業の情報と求職者情報をもとにスコアリングしマッチング Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 15 15 課題 • 顧客（求人企業）のきめ細かなニーズに 合う技術者の派遣業務にかかる営業のワ ークロードの削減と生産性向上の必要性 • 労働集約型ビジネスからの脱却 •SPSS Modeler/サーバー（統計解析） •SPSS CADS（運用管理/リアルタイム分析） •Watson Explorer （テキスト分析、情報統合ポータルUI） •Watson Assistant（AIチャットボット） •Watson Personality Insights（AI性格分析） 分析サーバー データ 予測結果 マッチング エンジン バッチでモデル 適用結果を返す 採⽤モデル 職種モデル お客様辞書 キーワード抽出 Watson Explorer テキスト分析 分析結果 求⼈企業 派遣会社 Watson Explorer Application Builder 派遣マッチング ポータル 【企業情報を⼊⼒】 ・業務、求⼈情報 ・企業⾵⼟ ・担当者の性格 など 【⼈材情報を⼊⼒】 ・エンジニアの保有スキル ・FEスキル項⽬⼀覧 ・派遣履歴 ・エンジニアの性格診断結果 など 求職エンジニア 【リコメンド情報を受信】 ・マッチする企業情報 ・スキルのマッチング度合 ・性格のマッチング度合 【リコメンド情報を受信】 ・マッチする⼈材情報 ・スキルのマッチング度合 ・性格のマッチング度合 Watson Assistant 対話系API Watson 性格分析API SPSS Modeler データ分析 SPSS CADS 運⽤管理/リアルタイム処理 効果 • テキスト分析および人材データの高度な 分析による高精度の予測モデルを用いて 人を介さず適切な人材を迅速に提案し商 談決定までの期間を半分に短縮 • 商談の自動化で採用候補の検討回数を 58%改善し、70%が1回の検討で決定 ソリューション • 求人企業の情報と求職側情報および成約情報や 終了後の評価等を学習させ採用モデルを構築 • 求人側採用担当者や求職者、求人企業営業担当 が情報をリクエストすると適した候補をスコア と共にリアルタイム提示 リアルタイムで モデル適用結果を 返す
16. 教育機関（大学） 修学＆就職支援システム 在学生が、自分のプロファイルと類似している卒業生や目指したい進路に進んだ卒業生の在学時の修学デー タと比較して、自身のスキルやキャリアアップに役だ立てる修学支援システム Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 16 マッチ 率 70 % 次 統計学的 属性分析 キーワード 分析 性格(PI) 分析 検索 マッチ 率 60 % マッチ 率 55 % 学籍番号ID XXNNNN □□自動車 △△部 □□ブレーキ工業 ▽▽部 □□自動車 ••部 マッチポイント ・・・ ミスマッチポイント 電気系知識 マッチポイント キャリア ミスマッチポイント ・・・ マッチポイント 人柄 ミスマッチポイント ・・・ “僕と同じような先輩は、卒業したらどんな 世界に進んでいるんだろう︖” ⼊⼒データ n userID: xxxx 学⽣活動 分析⽤DB 出⼒データ n 卒業後進路⼀覧 n マッチポイント（強み） n ミスマッチポイント（弱み） 類似度検索 ⾃動⾞関連 情報サービス 電⼒・ガス ⼯作機械 国家公務員 地⽅公務員 グラフ表⽰ 各企業のWebサイトへリンク ⼊⼒データ n 英語資格（TOEIC xx点、TOEFL xx点、英検1級） “へえー。最近は「情報学科」 でも⾃動⾞なんだ” “商社の⼦会社でシリコンバレー 駐在とかもあるんだ” 次 キャリア・シミュレーション ⼊⼒項⽬ ・学業成績 ・取得科⽬ ・英語 ・課外活動 “もう少し英語ができた ら、何か変わるかな︖” 様々な情報源を統合するダッシュボードも WEXのツール（Application Builder）で構築し た
17. マーケティング
18. マーケティング 世界各国のソーシャルメディア分析で効果的なマーケティング戦略を立案 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 18 主要なオファリング Watson Discovery / Cloud Pak for Data ⽇本ソーシャルメディア ブラジルソーシャルメディア インドソーシャルメディア ソーシャルメディア分析クラウド SNS上の書き込み 様々な視点から 顧客の声を分析 ß 次期製品のコンセプト抽出 ß 地域別マーケティング ß キャンペーン効果継続施策 ß ⼩売、営業マンの評判分析 ß コーポレートブランド確認 ß 採⽤サイトの分析 など 分析画⾯ 中国ソーシャルメディア ブログ 情報サイト 分析するソーシャルメディアデータは データ保有企業様と直接ご契約し 取得する必要があります 複数⾔語を横断した⾼度な分析結果を 閲覧可能 クローラ エンリッチ 保存 インデックス 解析対象テキスト （⾃然⾔語）
19. 大手新聞社様 参院選のソーシャル分析 選挙時のソーシャルメディア分析として非常に規模が大きく（つぶやき数1000万件超／日）かつリアルタイ ムに処理を行なった例 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 19
20. さいたま市様 住民の声を分析 さいたま市及び比較対象として横浜市、千葉市について、子育て支援に関わるネット上の発言を抽出し、関 心度（発言数）、評判（肯定的・否定的）、及び話題の観点から分析 Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 20 分析の流れ 認知度分析 評判分析 話題分析 影響⼒分析 区分されたテーマごとの 関⼼の度合いや、他⾃ 治体との⽐較から強み弱 みを⾒つける 肯定的・否定的な発⾔ の⽐率から、区分された テーマごとの課題を⾒つ ける 時系列からピークを抽出 し、具体的に盛り上がっ た関⼼テーマを特定する ⾃治体や区分されたテー マに対して影響⼒のある 発⾔者を特定する Twitter 100% ブログ ボード 対象⾃治体の⼦育て⽀援に関する発⾔や記事 FB 公開分 ニュース ビデオ レビュー 対象⾃治体及び分析テーマ（⼦育て⽀援関連）に 結びつく単語が含まれる発⾔・記事を抽出（過去１年分） さらに、施設の整備、⾦銭的な⽀援、相談提供など、 ⼦育て⽀援の内容に関する発⾔・記事に分類
21. 公共・公益・メディア ソーシャルデータ分析事例 • 事例1 訪日客のＳＮＳ、観光施策に活用 さいたま市（日経新聞に掲載） 参考:https://www.nikkei.com/article/DGXMZO23702020Q7A121C1L72000/ • 事例2 釧路市・弟子屈町の外国人観光客ソーシャル・メディア分析を支援 参考: https://news.mynavi.jp/article/20160823-a087/ • 事例3 衆議院選挙の有権者反応分析 参考: https://www.magicinsight.jp/blog/2017/10/18/189/ • 事例4 熊本市地震災害時のソーシャルメディア分析と災害支援 （東京基礎研究所による取り組み。現時点では内容は非公表） Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 21
22. まとめ 本日以下の事例をご紹介しました Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 22 ⽬的 カテゴリー 1.顧客体験・接点の改⾰ VoC オペレーターの顧客対応⽀援/対応⾃動化/サービスの改善点の分析 2.知識が求められる業務⽀援 リスク回避 ヒヤリハット／契約リスク回避／訴訟回避／法規抵触回避／コンプライアンス対応／ 研究・開発 ⼤量の論⽂やレポートを活⽤、探索的・発⾒的な作業を⽀援 保守技術サポート 製品・ソリューションの保守・障害などで、問題解析・対策確定 品質管理 構造データ、⾮構造化データの解析を通して品質問題に早期対応。 営業 営業品質の向上、個別顧客への最適提案⽀援、問い合わせ対応⽀援、離反防⽌、需要調査 人材 人材の可視化と適正配置（マッチング） 3.製品・サービス向上 マーケティング 競合調査・比較、キャンペーン効果測定、業界・市場調査、ブランドイメージ、製品の好評不 評、利用シーン調査、乗り換え分析 注：ご紹介する事例の中にはWatson Discoveryに統合前の製品を使用したものもあり、 現在の機能のみでは実現できないことがあります。
23. 30分でサクッと！検索＆分析事例 千本ノック 全体像 IBM製品を使った検索&分析システムの事例をババっと4回シリーズでご紹介!全て聞くと色々な 分野の検索&分析事例をあらかた網羅できる Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation 23 回 セッション名 日時 1 30分でサクッと！検索＆分析事例千本ノック1 概要編 9月9日(木)12:15〜12:45 2 30分でサクッと！検索＆分析事例千本ノック2 VoC/リスク回避/研究開発編 9月16日(木)12:15〜12:45 3 30分でサクッと！検索＆分析事例千本ノック3 保守技術サポート/品質管理編 9月24日(金)12:15〜12:45 4 30分でサクッと！検索＆分析事例千本ノック4 営業/人材/マーケ編 9月30日(木)12:15〜12:45
24. 最後に アンケートにご協力をお願いいたします！ Customer Success, IBM Technology Sales, Japan / © 2021 IBM Corporation もしくは以下にアクセス https://app.sli.do/event/1pzcazdw
25. 25 Customer Success, IBM Technology Sales, Japan/ © 2021 IBM Corporation